基于小波核函数的LS-WSVM的故障诊断

异步电机作为一种可以进行机电能量转换的驱动设备,在日常生活中不可或缺。电机一旦发生故障,就会产生较大的维修费用,同时缩短使用寿命。为了使支持向量机的收敛速度更快、泛化能力更强,研究了基于最小二乘小波支持向量机(LS-WSVM)的电机故障诊断。对实测数据进行实验,结果验证了该方法在电机故障诊断上的优越性。     

一种基于SLS_SVM的滚动轴承故障诊断方法

为提高滚动轴承故障诊断分类器的训练正确率,以及缩短训练时间,根据其训练集即含有标签样本,也含有无标签样本的特点,将LS_SVM与半监督学习相结合,充分利用训练集中的有效信息,给出一种基于SLS_SVM的滚动轴承故障诊断方法。将该方法与标准SVM和半监督学习SVM方法相比,其不但能提高训练正确率,也能缩短训练所需时间。通过诊断试验,验证了该算法的有效性以及高效性。     

基于改进LSSVM的城市轨道交通供电故障诊断方法

小样本条件下供电系统故障快速诊断是保证城市轨道交通安全稳定运行的保证.文中提出了一种基于量子粒子群优化最小二乘支持向量机(LSSVM)的供电系统故障诊断方法.该方法首先基于主成分分析提取能够表征系统运行状态的特征参数,并降低数据维数.然后利用LSSVM构建小样本故障诊断模型,通过量子粒子群算法对LSSVM模型参数进行优...     

基于迁移学习LSSVM的模拟电路故障诊断

采用数据驱动方法进行模拟电路故障诊断时，在目标故障数据较少的条件下，诊断效果显著下降，针对该问题，提出一种基于TL-LSSVM的模拟电路故障诊断方法，该方法将相关的源域数据迁移至目标故障训练集，首先提取输出信号的小波系数作为特征数据，然后在LSSVM分类器的目标函数中增加源域辅助数据的误差惩罚项，构建出新的诊断模型，以滤波电路为诊断实例。实验结果表明，该方法使单、双故障诊断正确率分别达到97.2％和95.7％，显著提高了诊断正确率。     

火炮随动系统故障诊断专家系统

文章介绍了火炮随动系统故障诊断专家系统的建造,它也适用于一般复杂机电设备故障诊断专家系统的建造,文中介绍了在建造本系统时所采用的故障诊断技术以及本专家系统的结构,并从构造专家系统的三个关键性工作;知识获取、知识表示、知识利用谈了随动系统故障诊断专家系统的建造。     

基于SVM的电力线定位的研究

一些大家被所熟知的基于TOA,TDOA,AOA,RSSI等室内定位的方法已经被研究了多年,虽然有些难点还未能攻克,但已经钻研得比较成熟了,而电力线高速数据通信技术是一个正在发展中的崭新学科,可以尝试将其与室内定位结合起来作为一个新兴的领域,开启室内定位的另一个新的天地。本研究将根据现有的电力线通讯技术为基础,提出基于电力线的室内定位技术,并对其进行了较深入、系统的研究,并针对定位准确度、移动设备环境影响方面存在的问题,采用人工智能和数据挖掘理论,提出了相应的解决方案。通过算法比较和实验分析,证明了方案的有效性和可行性。从支持向量机方法入手,安装支持向量机相关的插件,对样本信号强度数据进行分类和预测,并比较一般支持向量机和最小二乘向量机的分类预测效果,结果表明,最小二乘向量机的效果较好。     

基于人工鱼群算法和LS_SVM的变压器故障诊断

针对变压器故障数据的特征信息不确定性以及传统诊断方法准确率较低的问题,文中采用人工鱼群算法和最小二乘支持向量机相结合的方法来进行变压器故障诊断。将IECTC10数据库中的DGA特征气体比值作为输入,建立基于最小二乘支持向量机的变压器故障诊断模型,并运用人工鱼群算法对最小二乘支持向量机的参数进行优化选取。然后根据诊断结果,选出分类效果最佳的多比值特征参量组合。实验验证结果显示,文中所提出的诊断方法准确率可达96.67%,拥有更高的故障诊断正确率。     

自动文本分类技术研究

随着万维网的发展,文本分类成为处理和组织大量文档数据的关键技术。在阐述了文本分类算法的研究现状,分析了朴素贝叶斯(Na ve Bayes)、kNN和支持向量机(SVM)经典文本分类算法之后,提出了应用最小二乘支持向量机(LSSVM)算法来实现文本分类。对使用用最小二乘支持向量机和一般支持向量机的文本分类结果进行了比较,并得出了结论:使用最小二乘支持向量机进行文本分类缩短了文本分类的时间,并保证了一定的召回率和准确率。     

基于LS-SVM的辐射源分类

文中主要研究了基于LS-SVM（最小二乘支持向量机）算法的MSK辐射源分类。结合MSK信号特点,利用交叉验证和网格搜索法确定参数,设计了三种编码方案的多类分类器。计算机仿真结果表明：该分类器的识别率达到95％以上,从而验证了该辐射源分类器的有效性和可行性。     

基于PAU-LSSVM模型融合多特征变量的电力负荷预测

为了有效地提高电力负荷的预测精度,应对电力负荷的海量数据,同时兼顾负荷数据时序性和非线性,提出了一种基于PAU-LSSVM模型融合多特征变量的电力负荷预测方法。首先,基于偏最小二乘法（PLS）分析影响负荷变量间的相关性,提取影响负荷变化的特征变量。然后,根据特征变量的实时变化特征对LSSVM的模型参数进行自适应更新,建立了PAU-LSSVM负荷预测模型,并与其他深度学习方法建立的负荷预测模型进行对比。结果表明,PLS能够辨识出关键影响变量,降低训练样本矩阵维数,所提PAU-LSSVM模型能够随着工况迁移准确地预测负荷,具有较高泛化能力和工程应用价值。     

导弹退化故障预测方法研究

对导弹退化故障预测方法进行了研究, 对测试数据进行统计推断, 确定了测试数据的分布规律, 并针对导弹测试数据分布参数存在小样本、非线性等特点, 应用最小二乘支持向量机预测算法对测试数据的分布参数进行预测, 确定了测试数据未来某一时刻的分布函数, 进而建立了导弹退化故障预测模型,得出了导弹未来一段时间内的退化故障概率。通过实例分析, 验证了退化故障预测模型的合理性。     

机载电子设备故障诊断专家系统设计与实现

针对机载电子设备故障诊断的实用性与可靠性,以故障诊断的理论和方法为基础,提出了一种基于专家系统为主的机载电子设备故障诊断设计方案。设计构造了故障诊断专家系统的整体框架,探讨了专家系统中知识库的建立与维护、推理机制以及人机界面设计等问题。通过例证,机载电子设备故障诊断中采用专家系统取得了速度快、准确率高的诊断效果。     

基于混合推理模式的电路故障诊断系统

针对电路单元的自动测试问题,采用二叉树来表示经验知识中电路测试点的因果关系,并采用人机交互的方式将功能知识和专家经验知识输入到知识库中。提出了一种利用混合推理机模式进行故障诊断的专家系统,采用故障字典与产生式规则相结合的知识库表示方式,解决了专家系统知识库开发与故障诊断速度之间的矛盾。实践表明,该专家系统简便易用、开发速度快,具有较高的使用价值。     

A Hierarchical Modeling and Fault Diagnosis Method for Complex Electronic Devices

Due to the shortcomings of the diagnosis systems for complex electronic devices such as failure models hard to build and low fault isolation resolution, a new hierarchical modeling and diagnosis method is proposed based on multisignal model and support vector machine （SVM）. Multisignal model is used to describe the failure propagation relationship in electronic device system, and the most probable failure printed circuit boards （PCBs） can be found by Bayes inference. The exact failure modes in the PCBs can be identified by SVM. The results show the proposed modeling and diagnosis method is effective and suitable for diagnosis for complex electronic devices.     

基于神经网络与专家系统的电路故障诊断研究

大型电路故障诊断过程复杂,故障征兆和故障原因之间存在许多不确定因素,建立精确的故障诊断系统存在一定困难.单纯运用专家系统存在许多不足之处.为此,文中基于BP(反向传播)神经网络,利用神经网络与专家系统相结合建立故障诊断系统,阐述了这种故障诊断系统的构建方法及其推理机的训练进程,并以某电路为对象对该诊断系统进行了试验验证.结果表明,该方法是可行和有效的.     

专家系统在航空火力控制系统故障诊断中的应用

对航空火力控制系统故障诊断的要求提出了火控故障诊断专家系统的设想 ,较详细地论述了航空火力控制系统故障诊断专家系统的设计思想和实现技术。     

某型对抗装备故障诊断系统设计研究

针对对抗装备结构复杂、自动化程度高以及测试时间长、维修保障困难和维修费用高等问题,利用模糊集理论、专家系统、神经网络、故障树和小波分析等技术,结合虚拟仪器技术,研制了结构灵活、诊断任务分解合理、诊断效率较高、推广性较好的智能故障诊断系统,可以大大降低故障发生率,节约维修成本,缩小维修范围,减少维修工作量,提高设备的可用率,从而减少提前维修的人为差错和早期故障,使维修工作变被动为主动。     

舰载通信装备故障诊断专家系统研究

针对当前舰载通信装备技术保障要求,运用专家系统解决舰载通信装备故障诊断的实际问题,研究了专家系统的基本理论及其在舰载通信装备故障诊断中的构建原则、知识表示的方法,提出了舰载通信装备故障诊断专家系统结构和推理策略。可为构造实用的舰载通信装备故障诊断专家系统提供参考,对加强舰载通信装备技术保障具有积极的意义。     

基于支持向量机的变压器故障诊断

针对变压器故障诊断中缺少实际典型故障样本的问题,提出了支持向量机（SVMs）变压器故障诊断方法。该方法采用K均值聚类（KMC）对变压器油中5种特征气体样本进行预选取作为特征向量,输入到多分类支持向量机中进行训练,建立SVMs诊断模型,实现对故障样本的诊断分类。实例分析表明,KMC算法浓缩了故障信息,有效地解决了确定模型参数时耗时巨大的问题。该方法在有限样本情况下,能够达到较高的故障正判率,满足变压器故障自动诊断的目的。