共查询到20条相似文献,搜索用时 390 毫秒
1.
2.
3.
为了解决传统径向基网络结构确定难和故障样本不足的问题,本文结合支持向量机(Support Vector Machine,SVM)在解决小样本数据集及非线性问题上的独特优势,提出了一种基于支持向量机的径向基网络故障诊断方法:并将该方法应用在滚动轴承的故障诊断上,实验结果表明该方法不仅可以提高径向基网络的训练速度,而且还可以获得更准确的诊断结果。 相似文献
4.
5.
由于化工过程对象很难全面获取各种故障数据和故障特征,因此按照化工机理建立过程模拟模型并对实际的故障进行模拟和诊断方法的研究是必要的。本文研究了支持向量机(SVM)的集成诊断方法,并进一步采用改进的粗糙神经网络的故障分类模型,通过分析故障在不同切面的分布诊断故障类型,改进故障诊断性能。针对动态执行器基准平台(DAMADICS)的19种阀门故障模式,与之前较成熟的独立元分析方法进行对比仿真验证,结果表明本文提出的故障诊断方法有效提高了故障诊断效率。 相似文献
6.
通过收集多跳自组织网络下无线传感器故障历史数据,然后利用支持向量机对故障类型与特征之间关系进行建模,支持向量机参数通过遗传算法优化,同时利用云计算对遗传算法性能进行改善,防止神经网络训练时出现收敛速度慢和陷入局部极小等缺陷。仿真实验表明,相对于其它多跳自组织网络下无线传感器故障诊断模型,CGA-SVM提高了多跳自组织网络下无线传感器故障诊断正确率,能够满足多跳自组织网络下无线传感器故障诊断的要求。 相似文献
7.
8.
9.
10.
离心泵广泛应用于现代工业生产之中,其能否稳定运行对工业实际生产带来极大影响,气蚀是离心泵运行过程中的一种常见故障。提出了一种基于粗糙集和支持向量机的离心泵气蚀故障诊断新方法。该方法对离心泵入口压力脉动信号提取经验模态分解能量比特征与小波分解能量特征,运用粗糙集理论降低特征维数,并以此特征向量构成气蚀故障样本对支持向量机进行训练,实现了气蚀故障的多特征融合。实验结果表明:降维后的特征很好地反映了不同气蚀故障间的差异,训练成功的支持向量机能快速准确地识别离心泵不同气蚀故障类型,整体识别率达到98.5%,每种气蚀信号的判别时间约为0.5s,适合气蚀的在线识别。 相似文献
11.
针对神经网络在轴承工作状态诊断中存在的问题,提出了将最小二乘支持向量机用于轴承的智能诊断。基于轴承故障信息,用最小二乘支持向量机方法建立多类故障分类器,以实现对故障的诊断。仿真证明:小样本情形下,最小二乘支持向量机比神经网络具有更好的识别和诊断准确率。 相似文献
12.
13.
文中介绍了模拟电路故障诊断的研究现状。主要对基于神经网络的模拟电路故障诊断方法进行了简要阐述,并预测了诊断方法的研究热点和发展趋势。 相似文献
14.
针对早期轴承故障的振动信号特征匹配度低的问题,本文给出一种优化VMD在轴承故障诊断中的应用。首先通过优化VMD突出信号有效信息;然后提取出最佳分量的特征向量;最后将支持向量机作为分类算法,识别轴承的故障类型。实验结果表明,该方法避免了VMD参数选取的盲目性,能够有效诊断出轴承的早期故障。 相似文献
15.
支持向量机是一种基于统计学习理论的机器学习方法,针对小样本情况表现出了优良的性能,目前被广泛应用于模式识别、函数回归、故障诊断等方面。这里主要研究支持向量机分类问题,着重讨论了以下几个方面的内容。首先介绍了支持向量机分类器算法,并将其应用于数据分类,取得了较高的准确率,所用数据来自于UCI数据集。仿真结果表明该算法具有较快的收敛速度和较高的计算精度。 相似文献
16.
17.
以三相桥式整流电路为例,针对电力电子电路故障的特点,将小波多分辨率分析应用于电力电子电路的故障诊断中,提取各频带的能量值作为故障特征,进行故障分类和定位,仿真结果证明该方法是有效可行的。 相似文献
18.
根据油罐故障分析,建立了油罐故障诊断模型。采用新型的支持向量机-最小二乘向量机(LS-SVM)的算法对此诊断模型进行预测,获得了满意的效果。该方法易于使用,很少受不确定性因素的影响,有很高的预测准确性。 相似文献
19.
20.
文章采用局部均值分解(Local mean decomposition,LMD)和最小二乘支持向量机(Least squares support vector machine,LSSVM)相结合的方法进行扬声器异音故障诊断的研究.首先,选取正常扬声器与漏气、铁粉杂质、小音三种故障类型的扬声器作为研究对象,在实验平台上对上述四种类型扬声器施加激励信号.然后,获得不同类型的响应信号并对其进行LMD分解,得到一系列乘积函数(Product function,PF),求出它们的能量熵,构成特征向量.最后,将提取的特征值作为LSSVM模拟分类器的输入量进行训练和识别,诊断出扬声器的故障类型.实验结果表明,该方法可以有效地对扬声器异音进行故障诊断分类,诊断准确率平均达93.42%. 相似文献