基于改进相关向量机的模拟电路故障预测

针对模拟电路实际使用过程中的可靠性问题,提出一种基于改进相关向量机的模拟电路故障预测方法。在提取被测电路的故障特征参数之后,将传统相关向量机中单个核函数改进为多个不同核函数组合形成混合核函数,提高算法的泛化性能。利用量子方法改进人工蜂群算法提升其优化效果以对各个核函数的权重因子寻优,从而提高算法的预测精度。将离散灰色模型与多核相关向量机相结合,提升算法的长期趋势预测性能。仿真结果表明,该方法的绝对误差、相对误差和测试误差均小于传统的相关向量机预测方法。     

基于改进灰色神经网络的故障预测方法研究

故障预测技术是电子装备预测与健康管理（PHM）领域的核心内容, 对电子装备关键部件实施有效的预测是保证系统正常运行的关键。首先将灰色理论和人工神经网络算法相结合, 构建灰色神经网络模型并对其进行分析; 然后在此基础上通过附加动量变学习速率法对灰色神经网络的权值更新策略进行改进, 提出一种基于改进灰色神经网络的故障预测模型; 最后以某型脉冲测量雷达中频接收组合中的压控振荡器为例, 以采集的原始频率数据为基础进行仿真验证。预测结果表明, 将该预测方法应用于电子装备PHM是行之有效的, 可有效提高故障预测精度。     

模拟电路故障预测研究综述

故障预测作为近年来的研究热点,是一种提高设备可靠性和降低维护费用的先进技术,而对于模拟电路的故障预测目前还处在起步阶段。本文首先介绍了故障预测技术的概念,然后详细说明了目前国内外的研究现状。针对研究重点模拟电路的故障预测,本文提出了目前存在的问题,并论述了未来的发展趋势,进行了初步探索和展望。     

变压器故障灰色Verhulst预测模型的研究

针对变压器试验在时间上具有非等间隔的特点,对传统等间隔Verhulst灰色模型进行了改进,提出了基于非等间隔Verhulst灰色模型的变压器故障预测方法.建立了非等间隔Verhulst灰色预测模型,该模型不仅考虑了预测数列的非等间隔性,还从初始条件选择、背景值改造等方面对原有模型进行了改进,实例验证表明本文提出的方法具有较高的精度.     

灰色预测参数模型新模式及其在电气绝缘故障预测中的应用

以灰色系统理论为基础, 研究电气绝缘故障诊断的灰色预测模型新模式及其应用. 建立了适用于电气设备绝缘故障诊断的一次拟合参数灰色预测的新模型, 并给出了新模式的建模过程, 提出将原始数据经弱化算子作用后进行一次指数平滑运算并对背景值进行改造的方法, 并以实例进行了检验, 结果表明该方法的可行性和有效性.     

基于直觉模糊集的灰色模型故障预测

复杂设备的故障特征具有不确定性,非线性等特点. 针对故障预测具有不确定性,将模糊数学中的直觉模糊集和灰色模型相结合设计故障预测的方法. 新方法利用隶属度函数设计了描述系统运行正常的正常直觉模糊子集和运行异常的异常直觉模糊子集,利用灰色模型计算系统运行的预测值,并计算预测值的正常隶属度;再分别计算预测值的正常隶属度与正常直觉模糊子集和异常直觉模糊子集的贴近程度来实现故障预报. 该方法通过三容水箱系统T2水箱水位变化预测三容水箱系统是否出现故障和通过UH-60行星齿轮盘裂纹何时开始增大的故障进行实验. 实验验证了该方法的可行性,可及时准确地预测出系统故障.     

基于残差改进的灰色模型网络流量预测

网络流量是衡量网络运行负荷和状态的重要参数,也是网络规划、流量管理等方面起着重要的作用的重要参数.在流量管理中,流量模型用于评价接入控制机制和预测网络性能.灰色模型在反映数据的趋势性变化上效果明显,随着灰色理论的发展及其广泛应用,越来越多的改进方法已经被提出.在对原有的模型进行研究的基础上提出进一步改进模型来对网络流量进行预测.     

基于灰色Verhulst-小波神经网络的装备故障预测研究

针对现代武器装备故障预测样本少、故障预测精度低、维修保障困难等问题,提出一种基于灰色Verhulst-小波神经网络组合模型的装备故障预测方法。该方法综合了灰色Verhulst模型所需样本少的优点和小波神经网络良好的时频局域化性质和学习能力,克服了小样本故障数据在BP神经网络训练中的缺陷。实验结果表明,与相关研究方法比较,所提出方法具有较高的预测精度,对于武器装备故障预测与维修保障具有一定的理论价值和现实意义。     

灰色模型在装备故障预测中应用分析

在装备故障预测中,根据灰色建模不需要寻找数据的概率分布和统计规律的优势,给出了一种灰色预测算法步骤,并将其应用于某型装备故障预测中加以分析。结果表明该方法不仅可行,且预测精度较高,从而帮助装备维修保障人员更好地检测和测试装备状态,提高装备可靠性和维修性,具有一定的军事应用价值。     

基于灰色新陈代谢和神经网络的故障预测方法研究

针对工业装备故障预测中存在信息不完备等问题,提出将灰色理论与神经网络算法相结合的组合预测方法。首先,通过数据变换技术和重新构造背景值求值方法优化新陈代谢GM(1,1)模型的初始值以及背景值,然后将优化后的新陈代谢模型的输出数据集作为神经网络的输入,原始数据作为神经网络的期望输出。运用附加动量项和变化的自适应学习速率对神经网络的权值更新方法进行改进。其后将得到的最佳神经网络的输出值作为最新信息运用到新陈代谢模型中得到预测值。齿轮运行状态实例预测结果表明,该预测方法可有效提高故障预测精度。     

Research on WNN soft fault diagnosis for analog circuit based on adaptive UKF algorithm

To improve the diagnosis capability of soft fault for analog circuit, a WNN diagnosis model is proposed based on fault feature samples extracted, which is trained by a modified UKF algorithm. An adaptive factor is firstly introduced to enhance the accuracy of UKF algorithm. Then, the UKF algorithm with adaptive factor is used to optimize the parameters of WNN, establishing the soft fault diagnosis model for fault feature samples extracted by multi-resolution transform. Finally, each fault mode is diagnosed and determined by the model. The simulation experiment on Sallen-Key bandpass filter indicates that, the proposed method has a good convergence rate and diagnosis accuracy rate for all faults in analog circuit. The feasibility and effectiveness of this method is also validated.     

基于无偏灰色马尔科夫预测WSN数据融合算法

为了降低无线传感器网络节点的能量消耗,延长网络工作时间,提出基于无偏马尔科夫链预测的井下数据融合算法.该算法考虑矿井下监测数据的时间相关性,通过无偏灰色马尔科夫链预测模型,利用以往的数据对未来的数据进行预测,并设置阈值来判断是否需要上传数据,减少数据上传量,从而减少整个网络传输数据的能量消耗,延长网络寿命.仿真结果表明随着阈值的增加,上传的数据比率越小,网络的能量消耗更少,网络的寿命得到有效的延长.     

基于支持向量预选取的支持向量域故障预报

针对两种支持向量域模型分别分析了支持向量的分布特性,在此基础上从训练集中选取具有一定几何特征的向量构建预测模型.这些特征向量的预选取在不影响支持向量域的故障预报能力的前提下,大大减少了训练样本,提高了支持向量域的训练效率.仿真实验表明了该方法的有效性和可行性.     

基于HsMM的系统在线故障预报

针对故障预报中系统剩余寿命难以精确估计的问题,提出基于隐半马尔可夫模型(HsMM)的系统在线故障预报方法.首先重新设计HsMM模型结构,利用模糊c均值聚类(FCM)方法化连续取值的系统输入输出变量为有限集合内取值,简化了建模计算过程.在实现对故障检测的同时,利用模型的状态驻留参数估计系统的剩余寿命,从而实现系统的故障预报.利用连续搅拌反应釜(CSTR)模型进行仿真验证,在输入输出数据含有噪声的情况下,较准确地估计,系统的剩余寿命,从向表明了方法的有效性.     

Short-term fault prediction based on support vector machines with parameter optimization by evolution strategy

Support vector machines (SVMs) are the effective machine-learning methods based on the structural risk minimization (SRM) principle, which is an approach to minimize the upper bound risk functional related to the generalization performance. The parameter selection is an important factor that impacts the performance of SVMs. Evolution Strategy with Covariance Matrix Adaptation (CMA-ES) is an evolutionary optimization strategy, which is used to optimize the parameters of SVMs in this paper. Compared with the traditional SVMs, the optimal SVMs using CMA-ES have more accuracy in predicting the Lorenz signal. The industry case illustrates that the proposed method is very successfully in forecasting the short-term fault of large machinery.     

基于PCA和随机森林的故障趋势预测方法研究

故障预测和健康管理技术(PHM)在现代工程系统中能够在系统具备较高复杂度的情况下,有效保障其可靠性和安全性。在机械故障诊断中对于采集到的原始数据的高维特征量的处理较为复杂,并且在实际应用中趋势预测的精度要求较高,针对该问题提出一种基于主成分分析(PCA)与随机森林算法的轴承故障趋势预测方法。该方法利用PCA对提取的原始轴承数据特征量进行线性降维,并选取其中主成分特征量,输出非线性时间序列数据。原始数据经过PCA处理得到非线性时间序列,将该序列作为随机森林算法的输入进行故障趋势预测,并把预测结果与BP神经网络模型预测的结果进行对比,结果表明随机森林在故障趋势预测上在精度相较于BP神经网络有显著提高,是一种有效的故障趋势预测方法。     

基于DCQGA-SMKL-SVM的模拟电路故障诊断方法

提出了双链量子遗传算法(DCQGA)优化简单多核支持向量机(SMKL SVM)的模拟电路故障诊断方法。首先,提取测试电路时域响应信号,用Harr小波对响应信号进行变换并归一化处理,得到特征参数;其次,用双链量子遗传算法优化SMKL SVM的参数,以此建立起DCQGA SMKL SVM故障诊断模型,用于模拟电路故障诊断。双二次滤波器电路与四运放二阶高通滤波器电路作为仿真测试电路,仿真测试结果表明,提出的故障诊断方法实现了模拟电路故障诊断,相比于DCQGA SVM模拟电路故障诊断方法,诊断正确率更高。     

Increasing diversity: Natural language measures for software fault prediction

While challenging, the ability to predict faulty modules of a program is valuable to a software project because it can reduce the cost of software development, as well as software maintenance and evolution. Three language-processing based measures are introduced and applied to the problem of fault prediction. The first measure is based on the usage of natural language in a program’s identifiers. The second measure concerns the conciseness and consistency of identifiers. The third measure, referred to as the QALP score, makes use of techniques from information retrieval to judge software quality. The QALP score has been shown to correlate with human judgments of software quality.Two case studies consider the language processing measures applicability to fault prediction using two programs (one open source, one proprietary). Linear mixed-effects regression models are used to identify relationships between defects and the measures. Results, while complex, show that language processing measures improve fault prediction, especially when used in combination. Overall, the models explain one-third and two-thirds of the faults in the two case studies. Consistent with other uses of language processing, the value of the three measures increases with the size of the program module considered.     

基于改进自适应灰色模型的网络安全态势预测

对网络安全态势的研究是网络安全领域的热门话题。现在的研究更多关注的是评估当前态势,而对未来态势的预测讨论较少。为实现对未来网络安全态势的准确预测,改进了现有的自适应灰色分析模型。同时,为提高预测精度,针对传统分析模型的不足,提出了自适应灰色参数和等维灰色填充方法。实验结果表明,这个模型是有效的。     

基于果蝇-构造小波神经网络模拟电路诊断方法

利用果蝇算法优化构造小波神经网络,建立FOA-构造小波神经网络模型,并将模型应用于模拟电路故障分析当中,通过仿真试验可发现该方法在故障诊断中有较高的准确性。