《基于最小二乘支持向量机（LS-SVM)的航天器异常检测研究》为作者：宋强最新的研究成果，本论文的主要观点为异常检测就是识别一个系统反常的运行状况。它在故障预测和系统健康管理(PHM)领域有着重要的作用，可用于监控航天器的性能、检测故障、识别故障的根本起因，也可用于预测剩余使用寿命(RUL)以提高在轨航天器的安全性并减少其故障时间。本文基于最小二乘支持向量机（LS-SVM），提出了一个方法可用于检测在轨航天器的异常状态，这种方法有着优越的学习、分类和概括能力。具体过程分为以下几步：（1）数据采集和预处理。采集在轨航天器的数据，例如电流、电压、温度和振动等等，在这些数据被送往地面远程测量和控制中心之前进行预处理，包括滤除噪声和去除非切削信号。（2）特征提取。包含结合任何数值和分类值的特征被提取出来，使用统计学方法对传感器的信号进行识别。（3）特征选择。使用主成分分析法（PCA）选取一个特征子集，对数据中所包含的的信息提供一个更加信息化的、强有力的表征，这是因为PCA对于维度减少和数据压缩通常是很有效的。（4）异常检测。LS-SVM被用来鉴别在轨航天器的反常运行状况。与此同时，记录异常状态首次被发现的时间，判决从子系统到系统层面异常状态的诱因。 最后，来自于在轨航天器的实验数据被用来测试算法的性能，结果显示，所提出的方法对在轨航天器的异常检测取得了完美的准确性和有效性。现欲投《微电子学与计算机》，不知是否符合录用要求，望您批评与指正。