基于LIB-SVM的电子设备故障预测方法研究

为及时了解电子设备的运行状态,实现电子设备未来某时刻故障预测,将“事后维修”转变为“事前预防”,在统计学习理论(SLT)的基础上,采用LIB-SVM支持向量回归方法,对小样本、非线性条件下的数据进行拟合,并根据自动测试设备(ATE)测得的实际数据及专家经验,对该方法进行了验证;经实验证明,该方法是可行的、有效的,对电子设备的故障预测具有较高的准确度.     

基于充放电过程监测的蓄电池故障预测

利用蓄电池充放电过程中的监测数据对单体电池的性能进行预测具有重要意义;在分布式监测系统的基础上,开发了充放电监测及故障预测系统;主控计算机利用RS232无线模块接收各监测单元数据,显示并存储各单体蓄电池的单格电压、总电压及温度信息;利用支持向量回归算法,对蓄电池故障趋势的预测模型进行了研究,并进行了仿真验证;实验表明,该系统硬件接口简单、监测灵活方便、测量精度高、易于扩展,能实时显示各监测单元数据,并准确地预测参数变化趋势,实现故障早期预警,提高了蓄电池保障效率。     

基于AR和PSO_SVR的故障趋势预测

针对机械设备产生的非线性、非平稳时间序列,首先使用自回归模型对非平稳数据进行平稳化处理并确定模型的阶数,再使用支持向量回归算法对平稳后的数据进行拟合,并使用粒子群算法优化支持向量回归算法参数。最后,将该模型用于滚动轴承的退化趋势预测,通过提取滚动轴承的时域和频域特征,以经过主成分析降维后的数据为基础进行趋势预测。将该模型预测的结果与单独使用自回归模型和支持向量机模型预测的结果进行对比,实验结果表明该模型预测的效果较好。     

基于灰色支持向量机的基金波动率预测研究*

鉴于灰色预测方法和支持向量机各自的优点,将灰色预测方法与支持向量机相结合,建立灰色支持向量机模型,并以极差替代收益的标准差度量波动率,运用新模型对深圳基金波动率进行实例分析。通过与v支持向量机的预测结果对比,发现所提出的模型适合于基金波动率的中短期预测。     

基于LSSVM的电子装备故障预测研究

针对电子装备的故障信息不足,故障发生率高等特点,通过故障预测有效的监测设备故障状态以及发展趋势,实现对设备的事先维修,避免重大事故的发生,提高电子设备的安全性。对电子装备故障预测进行了分析,提出了一种基于最小二乘支持向量机（LSSVM）的故障预测方法。首先介绍了LSSVM故障预测算法的基本原理和预测流程;然后,对整个电子装备的故障预测研究可以从一个类似的模拟带通滤波器电路故障预测研究出发,将该元件容差设为不同范围来定义电路的不同故障状态,将LSSVM方法与最小二乘法、支持向量机法对电路的不同状态进行预测,可以得到不同状态的预测值,研究结果表明提出的方法能够实现模拟电路的缓变故障预测,且预测效果较好。     

基于LS-SVM预报的动态矩阵预测控制

针对实际工业过程中的非线性及时变特性,传统预测控制算法就难于建立精确的数学模型,从而提出了一种基于最小二乘支持向量机预报的动态矩阵预测控制模型.在整个过程中,首先建立基于最小二乘支持向量机的非线性动态矩阵预测控制结构,通过利用最小二乘支持向量机辨识被控对象模型,同时预测对象的未来输出,然后用动态矩阵控制算法进行滚动优化和反馈校正.仿真实例表明该模型对预测结果有很好的控制作用,有效消除输入干扰的影响,从而提高了预测精度.     

基于SVR与微分进化策略的话务量预测

采用支持向量回归机(SVR)与微分进化策略相结合的方法,对新疆2个地区的月平均忙时话务量进行预测。由微分进化策略良好的全局搜索性质,以预测平均相对误差为目标函数,对SVR的超参数进行寻优,利用优化后的SVR月平均忙时话务量进行预测。与传统的网格寻优算法和RBF神经网络方法进行比较,结果表明,SVR的泛化能力与微分进化策略的搜索能力相结合,可以得到更好的预测 效果。     

基于SCADA数据的风机叶片结冰短期预测方法

针对于风力发电机叶片结冰故障预测的问题,笔者提出一种基于SCADA数据的故障预测方法。首先选择与叶片结冰关联度高的两类数据,其次通过优化的支持向量回归,对其值进行预测;最后通过多源融合的方法利用BP自聚类算法进行叶片结冰故障预测。实验结果表明,提出方法能实时地对风机叶片结冰故障进行有效的短期预测,对风电机组的安全维护具有参考指导意义。     

基于MFCC特征提取的故障预测与评价方法

针对渐变故障的准确预测问题,提出了一种基于Mel频率倒谱系数(Mel frequency cestrum coefficient,MFCC)特征提取的故障预测方法.首先通过监测对象上安装的声传感器获得机器当前运行的声音信号;然后声音信号经过预处理后,将其进行Mel变换,获得其MFCC特征向量;最后经SVM分析器对机器运行时的测试数据和所存机器正常运行样本数据进行聚类分析,给出机器的健康评价.测试了海马M3发动机存在撞击声、轻敲声、轰鸣声时的健康度以及分析了采集的声信号存在噪声时的抗噪性能.实验结果表明,MFCC特征值能够作为机器健康预测的特征向量,且方法在预测的准确性和鲁棒性方面具有优势.     

基于决策树与扩展相关性矩阵的故障诊断方法

故障诊断的准确性直接影响维修的时间与费用,目前,电子产品故障诊断中多采用相关性矩阵的方法,用0/1逻辑构建诊断知识实现诊断,该方法无法充分利用测试信息,影响了故障隔离能力。因此,针对该问题,将莱特准则引入相关性矩阵的构建中,运用多值编码代替0/1编码,构建了一种新的相关性矩阵,以矩阵中的不同测点信息作为决策树的输入,以信息增益为特征优选原则,优选了测试点,构建了诊断决策树模型,给出了故障诊断策略。该方法提高了故障隔离能力,诊断过程更符合实际需求。利用上述方法,以电源模块为对象,进行了案例应用,通过故障注入实验的方式,验证了该方法的有效性,结果表明,通过文中的方法所得的故障隔离率指标优于基于传统相关性矩阵(D矩阵)的方法。     

基于依赖矩阵的测试性分析

为提高测试性分析方法的可操作性和通用性,推动测试性辅助分析系统的快速开发,从测试性分析工作的中间层出发,给出了一种以依赖矩阵为核心测试性分析方法,其中分别论述了基于测试性模型、可靠性分析结论和仿真测试技术的依赖矩阵获取技术,给出了测试性指标标准化设计手段和通用的测试性分析流程,对基于依赖矩阵的各类诊断推理方法进行了综合评价,最后给出了一种面向组件的基于G语言的测试性辅助分析软件系统的开发方法,并结合测试性指标优化分配理论进行了系统验证,结论表明:基于依赖矩阵的测试性分析方法融合多种测试性模型、支持并行工程的实施、便于计算机存储和实时处理,能够满足自动化的高可信度的标准化测试性辅助分析要求。     

基于模型推理的系统级故障预测框架设计

针对装备实施故障预测过程中状态监测可达性的限制,提出系统级故障预测问题。通过参照国际标准化组织对故障预测的定义,界定系统级故障预测范畴,在此基础上应用基于模型推理的方法,构建系统级故障预测框架,实现从高层次系统监测信息中推理低层次难接近部件状态,更符合装备实际使用要求。     

构造基于构件依赖关系矩阵的元数据模型

构件集成到应用环境中实施集成测试时,会与其它构件产生相应的依赖关系.本文在对这些依赖关系进行概述的基础上,给出了构件直接依赖图、构件间接依赖图和构件依赖图的定义,并依据这些定义,提出了构件依赖矩阵(CmDM)的概念,用以描述构件Cm与构件系统中其它构件之间的依赖关系,接着进一步定义了复杂依赖关系矩阵(CmDDM),用以对依赖关系矩阵(CmDM)进行更为详细的描述.对依赖矩阵方法在回归测试、构件变更处理和软件重用的应用方法进行了形式化的描述,进一步将基于依赖关系矩阵的方法应用于学校内部开发的构件RegisterStuGrade 中,并另外选取了三个与之有关的构件,对其依赖关系进行分析,建立相应的构件依赖关系矩阵和复杂依赖关系矩阵,并与Orso方法、Spec方法(基于规范说明的方法)所生成的测试用例对于构件RegisterStuGrade源代码的覆盖情况进行了对比,从而证明了本方法的有效性.     

基于故障矩阵的贝叶斯故障定位方法

故障的准确诊断和定位是云计算系统提供持续服务的前提条件;为了提高系统故障诊断和定位的性能,文章提出了一种基于故障矩阵的贝叶斯故障定位方法;首先,对云计算系统的软件结构进行了抽象,对事物进行了定义,并描述了事务的执行路径;其次,将系统运行的多个执行路径表示为故障矩阵,并给出了组件健康状态的逻辑命题表达式;最后,应用贝叶斯概率分析了系统故障的概率;实验表明,文章提出的方法与其它相关方法相比,故障识别的准确性更高,所用的执行时间更短.     

基于信息增量矩阵的故障诊断方法

主元分析(Principal component analysis, PCA)是一种常用的故障检测方法,由于特征提取不准确, 在用于故障诊断时常存在误报率和漏报率较高的现象.为此,本文首先介绍了基于全局的协方差矩阵的信息增量矩阵的故障诊断方法,虽然相比PCA方法它能有效减少误报率和漏报率, 但随着采样样本的增加,会因计算得到的阈值越来越不具代表性和计算量较大等原因而影响该方法的性能.然后,建立了基于局部数据的移动窗口协方差矩阵的信息增量矩阵的故障诊断方法, 以克服上述方法中存在的不足. 该方法主要通过定义局部协方差矩阵、局部信息增量矩阵、局部信息增量均值、 局部动态阈值、异常检测与判定等过程完成.最后,通过两个数值仿真例子来验证PCA方法、 基于全局的协方差矩阵的信息增量矩阵方法以及本文方法在故障误报和漏报方面的检测效能. 实验结果表明,本文方法具有最好的检测性能.     

基于远距离依存关系的中文依存关系解析

依据中文语法的特点，提出了Nivre算法和一种远距离依存关系的确定性中文依存关系解析方法。在中文句子中，有些相互依存的词距离较远，使用传统的确定性解析方法进行解析比较困难。在不忽略远距离依存关系的情况下进行确定性依存关系解析，采用支持向量机识别中文依存关系。实验结果表明，依存关系解析精度达到78.30%，提高了5.32%。     

基于二次定位策略的软件故障定位

故障定位是软件调试过程中耗力和耗时的活动之一,尤其是对规模大和复杂性高的软件.目前的一些定位技术可分为两类：基于组件和基于语句.前者太粗,不能准确地定位到地方;后者太细,运算复杂度过大.提出一种新技术,称为二次定位策略（double-times-locating,简称DTL）,来定位故障：第1次定位,从程序中抽象出函数调用图,再从函数调用轨迹中建立程序谱,最后用基于模型的诊断（model-based diagnosis,简称MBD）对可能含有故障的函数进行排序;第2次定位,利用DStar定位函数中故障的代码行.实验结果表明,该技术比目前基于统计的方法更有效.