共查询到10条相似文献,搜索用时 203 毫秒
1.
支持向量机中参数的选择会直接影响滚动轴承故障诊断的分类效果,基于此提出一种采用蝙蝠算法优化支持向量机的故障诊断模型,以提高分类的准确率.首先将采集到的振动信号进行集成经验模式分解,分解后得到一系列模态函数分量IMF,并将计算得到的各个分量的能量熵作为信号的特征向量,将所构造的特征向量输入到蝙蝠算法优化的支持向量机BA-... 相似文献
2.
基于支持向量机的管道腐蚀超声波内检测 总被引:6,自引:4,他引:2
超声波检测是输油管道在线内检测的重要方法之一,由于管道内部检测环境复杂,使超声检测回波信号识别困难,其分类是一个高维分类问题。利用支持向量机在解决小样本、非线性、高维模式识别中特有的优势,直接采用表征超声回波形态的A扫描数据作为特征向量,将特征提取与模式分类统一进行,建立了管道腐蚀超声检测回波信号分类决策函数,实现了管道腐蚀缺陷识别。实验结果表明,该方法可以正确地分类识别管道腐蚀产生的突变界面,基于支持向量机的管道腐蚀超声内检测信号分类识别方法是可行、有效的。 相似文献
3.
为解决矿山岩体破裂和爆破震动信号不易自动识别的问题,提出了一种基于EEMD(聚合经验模态分解)和近似熵的微震信号特征提取方法,以某金属矿山微震监测系统建立的爆破震动信号与岩体破裂信号数据为分析对象,首先利用该方法对两类微震监测信号进行EEMD分解,获得多个窄带本征模态分量(IMFs);再利用相关系数法确定与两类原始信号最相关的IMF分量得到主要分量,进而计算各主分量的近似熵;最后把主要分量的近似熵值组成表征微震信号的多尺度高维特征向量作为支持向量机(SVM)的判断输入进行训练预测。预测结果表明:EEMD近似熵特征提取方法结合SVM,对矿山爆破震动信号和岩体破裂信号具有较高的识别率,能准确、有效地进行智能分类,为信号识别研究提供了新的途径。 相似文献
4.
周旭 《中国石油和化工标准与质量》2014,(6):17
为了有效的对天然气管道泄漏进行及时识别,根据管道泄漏信号特征,本文采用了次声波检测技术进行长距离输气管道泄漏检测。结合支持向量机(SVM)人工智能识别理论,提出了基于次声波-SVM的管道泄漏智能识别方法。应用该智能识别方法对实际天然气管道泄漏进行检测实验研究,同时对影响SVM识别准确度的三类核函数进行了对比分析。实验结果表明:基于次声波-SVM(RBF核函数)的检测模型识别准确率最高,且该方法可以有效满足长输管道的泄漏检测。 相似文献
5.
提出一种基于经验模态分解(EMD)和奇异值熵的转子系统故障特征提取方法,克服了奇异值分解相空间重构参数难以选择的问题。然后将奇异值和奇异值熵作为故障特征输入到支持向量机(SVM)中,利用遗传算法(GA)对支持向量机进行参数优化,实现了故障的精确诊断。最后通过对转子不平衡、碰摩和不平衡-碰摩耦合3种故障的正确诊断,证明该方法的有效性。 相似文献
6.
针对捣固车滚动轴承振动故障信号的非线性和非平稳性特点,提出将总体经验模态分解(EEMD)故障特征提取方式和有向无环图相关向量机(DAG-RVM)相结合的故障诊断方法。采用EEMD处理滚动轴承振动信号后得到很多固有模态函数(IMF),并将IMF能量作为特征向量输入DAG-RVM诊断器中识别。此模型与支持向量机(SVM)比较,体现出RVM在故障诊断中的优势。 相似文献
7.
8.
对可变模态分解算法在天然气管道泄漏信号检测中的应用做了研究。通过对其噪声鲁棒性、过度分解和不饱和分解特性的分析,并与经验模态分解和小波分解进行对比,证明可变模态分解算法在天然气管道泄漏信号检测与分析方面的可行性和有效性,并且可变模态分解具有更好的噪声鲁棒性和泄漏信号检测效果。 相似文献
9.
针对生物发酵过程机理复杂、高度非线性的特点,采用基于结构风险最小的支持向量机为发酵过程建模,其算法规范,建模复杂度低于神经网络方法,所建模型的预测效果更好.还将生化过程的动力学机理与支持向量机相结合,采用串联和串并联结构,提出与机理杂交的支持向量机建模方法,并为间歇式酒精发酵过程中酵母菌体浓度变化建立了预测模型.原理分析与试验结果表明与机理杂交的支持向量机建模方法,相比于单一近似的动力学模型、单一的支持向量机模型,以及机理杂交的神经网络模型,它的预测精度高,泛化能力强,性能更为优越. 相似文献
10.
针对支持向量机参数设置不当导致入侵检测分类性能不佳的问题,提出一种改进灰狼算法优化支持向量机(IGWO-SVM)的入侵检测模型.首先,针对入侵检测数据维度较高的问题,利用降噪自编码器(DAE)对高维数据进行特征提取,获得低维特征;然后,用随机动态调整收敛因子的灰狼算法寻找支持向量机的最优参数,构建IGWO-SVM的分类... 相似文献