相位差结合小波包的无人直升机故障诊断

针对低成本的微小型无人直升机（MUH）传感器性能不稳定,容易出现故障的缺陷,提出了一种基于相位差和小波包分析相结合的故障诊断方法。根据MUH传感器输出信号的特点,建立了基于相位差的故障诊断模型,利用相关分析法估计相位差进行故障检测,采用小波阈值法对采样信号进行预处理,以提高相位差的估计精度,运用小波包分析进行故障分离。结合实验数据进行仿真,结果表明该方法是一种行之有效的MUH传感器故障诊断方法,已成功应用在某微小型无人直升机的飞行实验中。     

基于SVR的瓦斯传感器故障诊断方法

介绍了回归型支持向量机（SVR）的基本原理,建立了基于SVR的传感器时间预测模型,对时间预测器实行离线训练、在线应用的方法,用训练好的SVR模型模拟煤矿井下瓦斯传感器系统的动态特性,阐述了瓦斯传感器故障诊断和信号恢复的实现过程。仿真结果表明：SVR时间预测器能准确预测和跟踪瓦斯传感器的输出,及时诊断出传感器故障信息,并对传感器信号进行恢复,实验验证了该方法的正确性和有效性。     

基于STF和小波阈值去噪的无人直升机故障诊断

针对微小型无人直升机传感器工作环境恶劣,易出现性能不稳定并引发故障,且受噪声干扰较大的问题,提出了基于强跟踪滤波器(STF)和小波阈值去噪相结合的故障诊断方法.利用强跟踪滤波理论,将系统的参数扩展为状态变量,构造故障观测器,得到系统状态与参数的联合估计,同时采用小波阈值去噪方法对进入滤波器中的量测信息进行实时去噪处理,提高估计精度,实现了故障的实时诊断.通过微小型无人直升机在悬停飞行状态下的仿真实验,证明了该方法的有效性.     

7500吨浮吊齿轮箱故障诊断系统的研究

针对7500吨浮吊齿轮箱故障诊断问题,将离散小波变换和Tikhonov支持向量机结合建立了一个浮吊齿轮箱故障诊断系统。在输入层对振动信号进行离散小波变换,提取不同频带的能量参数作为故障特征向量,利用这些特征向量进行Tikhonov支持向量机的学习,训练后的Tikhonov支持向量机诊断浮吊齿轮箱故障。实验结果表明,离散小波Tikhonov支持向量机具有很强的故障识别性能和鲁棒性,诊断精度优于常规的BP网络方法。     

一种基于SVR的传感器系统故障诊断方法

简要介绍了回归型支持向量机(Support Vector Regression,SVR),并在此基础上构建了一个传感器故障诊断系统,对SVR采用离线训练,在线应用的方法,用训练好的SVR来模拟柴油机温度控制的传感器系统的动态特性。仿真结果表明:SVR能有效地模拟传感器系统的动态特性,能跟踪传感器的输出信号,并及时对传感器故障进行准确的诊断。     

基于OWPB和LS-SVM的电路板故障诊断系统

针对雷达电路板检修困难的问题,提出了基于最优小波包基和最小二乘支持向量机相结合的雷达电路板故障诊断方法。利用小波变换对采样数据进行去噪处理,通过小波包分解选择最优小波包基提取熵值作为故障特征向量,并作为基于最小二乘支持向量机的雷达故障诊断模型的输入向量,经诊断模型输出后,完成雷达电路板故障诊断。基于此方法设计了雷达电路板故障诊断系统,提高了雷达故障诊断的正确性和效率。     

遗传优化的LSSVM在故障诊断中的仿真研究

研究机载电气故障诊断问题,采用支持向量方法.支持向量机是一种采用结构风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力.支持向量机的参数选择非常重要,决定故障诊断的精确度.针对最小二乘支持向量机的参数通常靠交叉试验来确定的情况,为了提高故障诊断的精度和效率,提出了一种模拟退火遗传算法和最小二乘支持向量机相结合的故障诊断方法,利用模拟退火遗传算法的全局搜索能力对最小二乘支持向量机的参数进行寻优,并以某型直升机机载电气盒的故障诊断为例对方法进行了仿真研究.实验结果表明,模拟退火遗传算法优化的最小二乘支持向量机取得了较好的故障诊断效果.     

信息熵支持向量机算法传感器故障诊断研究

研究传感器系统故障诊断效率问题.针对传统故障诊断因传输信息大,速度慢,造成故障,定位不清.传统的方法提取的传感器系统特征信息不全面,导致诊断精度与速度不高.为有效提高传感器系统故障诊断的效率和精度,提出了一种能量信息熵的支持向量机系统故障诊断方法.故障主要难点技术问题在于参数选择优化问题.算法首先利用小波包对传感系统故障信号进行小波包分解,并提取小波包能量信息熵,以此构建输入特征向量;接着采用了支持向量机方法进行非线性特征向量提取,最后以特征向量来建立支持向量机智能化诊断模型.仿真结果表明,改进方法在所有参比模型中精度最高,能高效地对传感器故障进行检测与定位.具有较强的泛化能力,同时缩短了故障诊断时间.     

装备故障诊断方法研究

研究装备故障预报,便于及时维修,选取诊断方法对于高效的故障诊断具有重要意义,因此概括了故障诊断的方法.为了提高诊断率,保证运行安全,采用小波分析和回归型支持向量机两种先进的故障诊断方法,仿真结果表明两种方法都能准确定位故障点,用时大致相同,但支持向量机同时实现原始信号的重构,而且残差比小波滤波的信号噪声还要小,可以优先采用,对故障诊断方法的选取具有指导意义.采用人工神经网络方法较好地解决了齿轮故障问题,并且诊断结果是准确的.     

基于LS-SVM和SVM的气动执行器故障诊断方法

为了解决自确认气动执行器的故障诊断问题,提出了一种基于最小二乘支持向量机(LS-SVM)回归建模和支持向量多分类机(SVM)的执行器故障诊断方法,该方法利用LS-SVM回归建立气动执行器的正常模型,将实际输出与模型输出比较,产生残差作为气动执行器的非线性故障特征向量。利用聚类方法设计了层次支持向量多分类机结构,以残差作为输入建立支持向量多分类机,判断气动执行器故障类型。利用DABLib生成的故障数据对所研究方法进行了验证,并与基于PCA-SVM的故障诊断方法进行了比较,结果表明该方法有效的解决了气动执行器故障诊断的小样本和非线性问题。     

相空间重构和SVR联合优化的短时交通流预测

短时交通流预测首先重构相空间,然后采用时间序列模型预测交通流量,而支持向量回归机（SVR）是比较好的时间序列预测模型。但短时交通流相空间重构的嵌入维数与延迟时间与支持向量回归机的参数确定往往是分别独立地求解,难以达到两组参数值的同时最优,影响预测的准确性。为了提高短时交通流的预测准确性,提出一种利用粒子群算法联合优化相空间重构和支持向量回归机的预测模型,并用于实际短时交通流数据的预测。该模型的相空间重构和支持向量回归机（SVR）的参数联合一起优化,利用粒子群算法同时优化其两组参数的组合值。采用短时交通流数据仿真,结果表明联合一起优化所得参数的预测器提高了简单模型预测的效果。     

公路旅游客流量预测的支持向量回归模型

介绍了基于统计学习理论的支持向量机回归原理,为解决公路旅游客流量预测建模中的小样本问题,实现对公路旅游客流量的快速准确预测,提出了基于支持向量机回归模型的公路旅游客流量预测方法,给出了参数优化选取算法。仿真实验表明,该方法具有比神经网络等方法更好的预测精度。说明支持向量回归方法用于公路旅游客流量预测是可行有效的。     

SVR参数对非线性函数拟合的影响

对基于径向基函数(RBF)的支持向量回归(SVR)模型参数的理论研究与实验论证结果表明,惩罚系数、不敏感损失函数的宽度以及核函数参数对非线性函数拟合精度均有影响,给出SVR参数的经验范围以减小人工选择SVR参数的盲目性,并通过缩小参数优化算法的搜索区间,降低算法的整体时间复杂度和空间复杂度。     

基于群智能算法的SVR参数优化研究进展

支持向量回归机（Support Vector Regression,SVR）是建立在统计学习理论上的一种机器学习方法,主要用来处理回归问题。选取到合适的参数是实现支持向量回归机算法优势的前提,但在实践中仍然存在模型参数选择困难的问题。群智能算法主要是模仿自然界生物种群社会行为规律的元启发式算法,具有简单性、自适应性、灵活性等特点,现已成为非线性参数寻优方法的研究热点。系统综述了利用群智能算法优化支持向量回归机参数的研究进展。在介绍支持向量回归机基础理论之后,系统分析了常见群智能算法及其改进方法实现支持向量回归机参数优化选择的优点与不足,并对未来的研究方向及挑战做出展望。     

鲁棒SVR在金融时间序列预测中的应用

针对标准支持向量机对噪声和异常值比较敏感的问题,通过限定噪声和异常值的损失上界,提出一种基于不对称Ramp损失函数的鲁棒支持向量回归机模型,应用凹凸过程将其由非凸优化问题转化为凸优化问题并利用牛顿法进行求解.对上证指数和香港恒生指数收盘价的预测结果表明,该模型能在一定程度上抑制噪声和异常值的影响,从而提高预测精度及减少...     

基于差分进化交叉验证SVM的飞控系统传感器故障预测学习算法研究

参考现代飞行器故障检测结构,利用支持向量回归建立了飞控系统传感器的故障预测框架。该方案包括作动器,操纵面的传感器故障诊断模块,以解决故障趋势预测的问题。指出了如何采用SVM/SVR进行权值估计。提出采用差分进化改进原有的交叉验证方式,并且对核参数寻优以减少模型误差和提高SVR模型的泛化能力。最后结合飞行控制系统实时故障仿真证实了这种预测方法的可行性。     

一种有效的供应链绩效预测方法及其应用

从知识发现和数据挖掘的角度,利用粗糙集和支持向量回归机的理论和方法,建立了基于粗糙集和支持向量回归机相结合的供应链绩效预测模型。结合一个供应链绩效预测实例,首先对其基于平衡记分卡的指标体系进行了约简,然后将约简的评价指标输入到支持向量回归机中进行训练,构建预测模型,最后把预测的样本输入到模型中进行供应链绩效预测,预测结果与实际结果基本吻合。     

基于熵和多步马尔可夫特征的图像拼接检测

随着图形编辑软件的普及,数字图像篡改越来越容易,数字图像篡改检测已成为一个亟需解决的问题。为此,提出基于图片信息熵和多步马尔可夫特征的图像拼接检测方法。该方法将图像拼接检测问题转换为两分类模式识别问题,先从原图、3阶Haar离散小波变换(DWT)和多尺度分块离散余弦变换(DCT)中提取图片的信息熵,再从图像的分块DCT系数中提取多步马尔可夫转移概率矩阵,由信息熵和多步马尔可夫转移概率矩阵组成统计特征,利用支持向量机分类器进行分类得到判决结果。实验结果表明,该方法在哥伦比亚图片库上具有较高的拼接检测精度,达到89.91%。     

基于回归型支持向量机的小波域盲水印算法

以回归型支持向量机（Support Vector Regression,SVR）理论为基础,提出了一种新的基于SVR的小波域盲水印算法。算法核心思想是先对图像进行小波分解,然后利用图像小波分解后的子图系数之间的关系和图像局部相关性获得SVR训练模型,并利用SVR训练模型在小波域嵌入和提取水印。该算法以保证鲁棒性和透明性的良好平衡为前提,实现了数字水印的盲检测。仿真实验表明,该文算法不仅具有较好的透明性,而且对JPEG压缩和一般的图像处理具有很强的鲁棒性,其整体性能明显优于现有基于SVM的空间域上的水印算法。     

基于SVR的经验模态分解端点延拓改进方法

针对经验模态分解过程中产生的端点效应问题,提出了将镜像延拓和支持向量回归机相结合的端点延拓改进方法。利用支持向量回归机对原始信号的极值点数据序列两端进行预测,用镜像延拓法确定所预测极值点的位置。该改进方法解决了支持向量回归机对长数据序列预测不准确,以及镜像延拓法对端点不是极值点的短数据序列处理效果不佳等问题。引入六个评价标准,对端点延拓方法的效果进行了分析。结果表明,该改进方法能有效地抑制经验模态分解产生的端点效应。