共查询到19条相似文献,搜索用时 125 毫秒
1.
2.
针对传统免疫网络分类算法在记忆细胞确定上缺乏有效的指导,该文提出一种基于动态识别邻域的免疫网络分类算法。算法采用核函数表示机制来描述抗体-抗原之间的亲和度;利用抗原对构造动态识别邻域来指导抗体群体的进化,并选择邻域中距离对偶抗原最近的抗体为记忆细胞。算法被应用于多分类问题及高维分类问题来进行算法性能分析,同时,算法被应用于多个标准数据集的分类来评估算法的整体性能。分类结果表明该算法对于标准测试数据集有良好的分类性能,这说明基于动态识别邻域的训练方法能够有效地指导记忆细胞的生成,显著地改善分类器的性能。 相似文献
3.
小波变换在毫米波雷达目标识别中的应用 总被引:2,自引:0,他引:2
将小波分析引入了毫米波这目标识别中,提出了基于小波分析的能量特征矢量法。该方法结合小波分析和毫米波信号的特点,克服了传统方法的局限,提高了毫米波雷达的目标识别性能,获得了仿真试验良好的识别结果,并具有简便高效的优点。 相似文献
4.
5.
6.
《信息技术》2018,(4):45-49
支持向量机(SVM)在识别滚动轴承故障过程中,由于其参数选择并非最优导致识别率不高。为解决这一问题,提出了基于小波包能量熵和粒子群优化WSVM的滚动轴承故障诊断方法。首先,获取滚动轴承的振动信号,将信号进行小波包变换计算出小波包能量熵;其次,将小波包能量熵作为故障特征初步判断轴承是否发生故障;然后对各状态的特征向量集进行训练,建立WSVM故障诊断模型,采用粒子群优化算法对WSVM进行参数最优化;最后,将测试样本输入到训练好的向量机中,根据输出结果准确判断出工作状态与故障类型,还可计算得出故障识别率。结果表明:该方法能有效地判断出轴承故障类型,识别率高。 相似文献
7.
8.
将小波包变换良好的时频分析能力用于分析双模噪声的统计特性,因为小波包变换具有带通滤波的作用,当分解的层数足够多时,变换可看作窄带系统,将双模噪声作某一尺的小波包变换,在此空间上双模噪声的输出近似于高斯分布,在这一空间上进行信号的识别与检测。将小波包变换用于双模噪声背景下的信号检测系统,并将此方法与经典检测系统进行性能上的比较,仿真结果表明,小波包方法优于经典检测方法。 相似文献
9.
10.
11.
针对变速齿轮箱中的故障检测问题,提出了一种结合Morlet小波变换和多层感知器(MLP)神经网络的齿轮故障检测方法。利用角域技术,将时域中齿轮故障的非平稳振动信号转化为角域中的平稳信号。然后,利用进行Morlet小波变换并从小波系数中提取统计特征。同时根据最大能量与香农熵比来确定连续小波变换(CWT)的最优尺度,以此来缩减特征量,并将小波系数的能量和香农熵作为两个新特征添加到特征向量。最后,利用MLP神经网络对输入特征进行分类,从而检测故障。实验结果表明,该方法故障检测准确率高,且计算速度快。 相似文献
12.
13.
14.
15.
16.
基于小波包和Hilbert包络分析的滚动轴承故障诊断方法 总被引:2,自引:0,他引:2
滚动轴承故障诊断是机械故障检测中的一个重要方面。本文提出了一种小波包分析和Hilbert包络分析相结合的方法对轴承进行故障诊断。首先利用小波包分析将滚动轴承的振动信号分解到不同的节点上。然后求出各频段的能量,根据频带能量的变化情况,找出滚动轴承的故障所在的频带,对故障频带的重构信号做包络谱分析,将谱峰处的频率与滚动轴承的故障特征频率进行对比。诊断出滚动轴承的故障。通过对实验中采集到的滚动轴承振动信号进行分析,证明了该方法在滚动轴承故障诊断中的有效性。 相似文献
17.
18.
文章介绍了鼠笼式异步电动机常见的故障及其诊断的重要性,采用了改进型小波包算法从电气和机械方面提取信号的故障特征。并提出了一种基于小波包分析频带能豢的故障诊断方法。经实验可知,该方法能够更全面的快速检测到转子断条故障的存在而且准确率高,具有很大的可行性和很强的推广性。 相似文献
19.
Luiz Fernando Gonçalves Jefferson Luiz Bosa Tiago Roberto Balen Marcelo Soares Lubaszewski Eduardo Luis Schneider Renato Ventura Henriques 《Journal of Electronic Testing》2011,27(4):551-564
This paper presents a proactive maintenance scheme for fault detection, diagnosis and prediction in electrical valves. The
proposed scheme is validated with a case study, considering a specific valve used for controlling the oil flow in a distribution
network. The scheme is based in self-organizing maps, which perform fault detection and diagnosis, and temporal self-organizing
maps for fault prediction. The adopted fault model considers deviations either in torque, in the valve’s gate position or
in the opening or closing time. The map which performs the fault detection, diagnosis and prediction, is trained with the
energy spectral density information, obtained from the torque and position signals by applying the wavelet packet transform.
These signals are provided by a mathematical model devised for the electrical valve. The training is performed by fault injection
based on parameter deviations over this same mathematical model. The proposed system is embedded into an FPGA-based platform.
Experimental results demonstrate the effectiveness of the proposed approaches. 相似文献