题目：基于某导弹自驾仪系统的测试诊断研究

        支持向量机由于有效地克服了局部极值、“维数灾难”和“过学习”等问题，越来越多的被应用于新领域的故障诊断中。本文针对支持向量机在电子设备模拟电路故障诊断中仍存在的部分问题进行了研究，并实现了某导弹自驾仪系统的故障诊断。

      （1）针对在线性不可分情况下，分类超平面不存在的问题，引入了C-SVM理论；同时为探讨计算复杂度的简化问题引入了最小二乘支持向量机理论。最后对两种分析方法进行了比较，通过实验仿真验证表明在故障诊断率上C-SVM方法较优。

      （2） 针对在实际故障诊断中噪声或者野值等模糊样本数据和不均衡的样本数据对最优分类面的正确划分有影响的问题，引入了模糊隶属度函数，提出改进模糊支持向量机算法。该算法采用新的模糊隶属度分配函数，对存在于样本类中心或者离样本类较远的模糊数据分配较小模糊隶属度，仅对正常样本赋予较大模糊隶属度，同时也在一定程度上抑制了C-SVM中不均衡样本数据对C值的过分依赖，实验表明了算法的有效性。完成了多分类方法和核函数的比较和选取，概述了参数的优化方法。

      （3）介绍了基于改进模糊支持向量机的测试诊断系统。首先为自驾仪的故障特征获取搭建了自动测试平台。然后通过对自驾仪结构的分析，确立了诊断决策模型。利用Multisim仿真建立了自驾仪中三个通道电路的模型。对各子单元通道电路进行FMECA分析，得到了危害度较大器件的故障模式，通过建立的仿真模型获取各故障模式下改进的模糊支持向量机所需的训练样本，阐述了故障特征获取方法，最后训练得到决策模型，并通过实验对测试样本集进行分类预测。实验结果表明系统的可行性。确定了诊断软件的实现方式。

        经过调试，本系统不仅可以自动完成自驾仪的测试，各测试指标满足要求，而且有较高的故障定位精度，很大程度上方便了自驾仪的故障修复，同时为其他模拟电子设备的故障诊断系统提供了理论和实际应用的依据。