排序方式: 共有51条查询结果,搜索用时 15 毫秒
11.
特征选择与支持向量机参数同步优化研究 总被引:3,自引:2,他引:1
提出了免疫多向二进制粒子群优化算法。基于该算法实现了特征选择与支持向量机参数的同步优化,克服了单独优化特征或单独优化支持向量机参数的缺陷。既解决了特征与分类器不匹配带来的诊断能力下降,又提高了故障诊断精度与搜索速度。 相似文献
12.
13.
14.
15.
16.
17.
针对惯性测量系统中MEMS加速度传感器存在信号漂移而导致测量误差的问题,采用时间序列的分析方法,对MEMS加速度传感器测量的数据进行分析。将MEMS加速度传感器测量的数据通过DSP读取后,通过ADF准则进行平稳性检验,传感器数据满足平稳时间序列条件。根据传感器数据的自相关函数与偏自相关函数特征,判断出序列满足AR(p)模型。通过AIC准则进行随机性检验,同时进行时间序列模型识别与参数估计,传感器数据在使用AR(1)模型进行建模时达到最优。建立MEMS加速度传感器信号漂移AR(1)模型,并依据模型设计卡尔曼滤波器。结果表明,在滤波前加速度传感器零偏稳定性为0.3032mg,卡尔曼滤波后的加速度传感器零偏稳定性为0.0247mg,测量稳定性能有效提高,并且运算阶数较低,能很好的应用于嵌入式系统。 相似文献
18.
针对自动机故障诊断过程中振动信号的非线性、非平稳性、非周期性导致的故障特征较难提取,以及故障识别率偏低这一问题,提出了一种基于多尺度样本熵和多变量预测模型(variable predictive model-based class discriminate,简称VPMCD)的自动机故障诊断方法。首先,对采集到的信号进行小波阈值降噪处理;其次,利用小波包分解的方法对振动信号进行分解,得到多个尺度下的信号分量;然后,计算不同尺度下信号的样本熵值,并提取对故障特征较为敏感的尺度因子,组成故障特征向量;最后,利用多变量预测模型对故障特征向量进行训练和识别,进而实现自动机的故障诊断。自动机故障诊断试验分析结果表明,利用多尺度样本熵和多变量预测模型的方法可以准确识别多种典型的自动机故障类型。 相似文献
19.
针对火炮自动机故障状态监测问题,提出了一种基于支持向量数据描述的故障状态监测模型。利用搭建的自动机振动测试平台获取自动机振动信号,采用变模态分解方法将振动信号分解为多个本征模态分量,计算各个分量的样本熵值作为故障特征,并以正常状态下的自动机故障特征为训练样本进行SVDD模型的训练,训练过程中根据模型特点找到合适的模型参数,完成自动机状态监测模型的构建。在自动机测试平台上设置多种预制零件故障进行模型的验证,结果表明所建立的状态监测模型对异常状态的发生有很强的敏感性,具有较高的检测准确率;同时设计了关重件模拟性能退化试验,试验结果验证了所提出的模型具有良好的早期故障检测能力,可较为准确地反映自动机故障性能退化过程,可为火炮自动机故障状态监测提供一定的借鉴和指导。 相似文献
20.
具有Levy飞行特征的双子群果蝇优化算法 总被引:1,自引:0,他引:1
针对果蝇优化算法(FOA)易陷入局部最优和收敛精度不高等缺点,在果蝇算法中引入Levy飞行策略,提出了具有Levy飞行特征的双子群果蝇优化算法(LFOA).在迭代寻优过程中,根据果蝇种群的进化程度动态地将果蝇种群划分为以当代最差个体为中心的较差子群和以当代最优个体为中心的较优子群;较差子群在最优个体指导下进行全局搜索,较优子群则围绕最优个体做Levy飞行进行局部搜索,这样既平衡了种群的全局和局部搜索能力,同时又可以利用Levy飞行偶尔的长跳跃来跳出局部最优;两个子群的信息通过最优个体的改变和子群的重组进行交换.对6个典型测试函数的仿真实验表明,LFOA具有全局收敛的能力,相比FOA具有更好的收敛精度、收敛速度和收敛可靠性. 相似文献