Fault diagnosis model based on fuzzy support vector machine combined with weighted fuzzy clustering

A fault diagnosis model is proposed based on fuzzy support vector machine (FSVM) combined with fuzzy clustering (FC).Considering the relationship between the sample point and non-self class,FC algorithm is applied to generate fuzzy memberships.In the algorithm,sample weights based on a distribution density function of data point and genetic algorithm (GA) are introduced to enhance the performance of FC.Then a multi-class FSVM with radial basis function kernel is established according to directed acyclic graph algorithm,the penalty factor and kernel parameter of which are optimized by GA.Finally,the model is executed for multi-class fault diagnosis of rolling element bearings.The results show that the presented model achieves high performances both in identifying fault types and fault degrees.The performance comparisons of the presented model with SVM and distance-based FSVM for noisy case demonstrate the capacity of dealing with noise and generalization.     

基于改进粒子群优化LSSVM的飞机发动机故障诊断

针对以往飞机发动机故障诊断方法由于故障样本少而导致的诊断精度低,提出了一种基于最小二乘支持向量机(least squares support vector machine,LSSVM)的飞机发动机故障诊断方法。首先,给出了基于LSSVM对飞机发动机进行故障诊断的模型;然后,为了提高LSSVM的诊断性能,采用改进的粒子群算法对LSSVM的参数进行训练,并定义了最终基于改进粒子群优化SVM的具体诊断算法;最后,通过飞机发动机故障诊断实例仿真实验证明了文中方法能正确地实现故障分类,具有较高的故障诊断精度,且与其他方法相比,具有较优的适应度和较快的收敛速度。     

基于模糊神经网络的车辆发动机建模和控制

本章针对车辆发动机是一个高度非线性、不确定的复杂系统,其模型难以建立的特点研究了基于模糊神经网络的发动机辨识技术。同时基于辨识模型和神经网络设计了发动机单变量鲁棒自适应控制系统。     

神经网络的滚动轴承故障诊断

文章通过旋转机械故障实验平台,采集旋转机械故障实验台轴承的3种工作状态分别是轴承正常、轴承内圈裂缝、轴承外圈裂缝的振动加速度信号．对信号进行零均值化处理后,选择频率成分幅值较大的频率进行信号重组,提取其时域量纲特征值,利用神经网络进行故障类型的识别;通过实验,取得了很好的诊断结果．     

基于BP网络的发动机常见异响诊断

介绍了BP网络的结构和工作原理,建立了基于BP神经网络的发动机异响故障诊断系统,通过发动机异响现象与症状之间的训练样本验证了该系统的可行性.     

基于主成分分析的模糊支持向量分类器

由于孤立点和原始样本的选取对于支持向量机的分类性能具有较大的影响,所以本文旨在设计一种区别于以往的支持向量机的算法来解决这个问题。首要步骤是通过主成分分析法对原始数据样本进行处理,以达到用最好的方式对原始数据进行表达,从而达到使高维特征空间的维数降低的目的。然后使用类均值法,依据样本在特征空间的投影到特征空间中本类样本均值的距离,来确定其模糊隶属度,为达到使孤立点对最优分类超平面的影响最小,本文通过赋予较小隶属度的方式来实现这一目标。通过进行仿真实验,我们可以发现,这种算法能够比较有效地降低分类误差,而且在一定程度上也能够使支持向量机的鲁棒性得到提高。     

基于BP神经网络的校园用水预测模型

校园人口密集,用水量大,对某一栋教学楼或某一区域的定量用水预测,对于发现用水异常、合理下达用水指标有实际意义.本文利用BP神经网络,结合校园用水的特点,建立校园用水预测模型,并以实际数据进行验证,证明其有效性.     

基于BP神经网络的硅微陀螺仪温度补偿方法（英文）

研究了硅微陀螺的温度特性,提出了硅微陀螺仪的温度补偿方法.首先,采用开环电路测试了微陀螺仪的谐振频率和品质因素随温度变化的情况,并采用闭环电路测试了微陀螺整机零偏随温度变化规律.然后,为研究降低温度对微陀螺性能的影响,提出了一种基于误差反向传播（BP）神经网络的温度补偿方法.通过Matlab仿真,基于BP神经网络温度补偿的优化模型经过4步就得到很好训练,并使全温范围内微陀螺零偏的目标误差达到0.001.该补偿方法实时运行试验结果表明,环境温度在-40 ～80℃变化过程中,微陀螺仪的最大零偏经过补偿能从12.43（°） /s降低到0.75（°） /s,从而大大提高了微陀螺仪的零偏稳定性.     

基于神经网络的空调箱故障诊断

针对空调系统中的不同故障,分析了空调箱的故障特性,并讨论了不同故障对空调系统能耗及热舒适性的影响.仿真试验结果表明,送风温度的测量故障会导致系统能耗的增加.根据故障特性,提出了一种基于神经网络的数据处理方法,用以检测和诊断空调箱中的传感器故障.该方法首先选取历史数据对神经网络进行训练,实现对系统运行状态的识别和预测.然后,通过比较测量值与预测值,计算出相对误差,实现对故障的诊断.最后,利用基于TRNSYS的仿真器,对神经网络的故障诊断策略进行了验证.结果表明,神经网络可以有效诊断空调系统中的温度、流量和压力传感器故障.     

粒子群优化BP神经网络在步态识别中的研究

为降低步态识别特征噪声、提高BP神经网络在步态识别中的准确性和高效性,提出一种基于粒子群优化的BP神经网络识别算法。该算法将形态学细化思想融入人体骨架图特征值提取中,在二维平面上抽取多种特征值,然后建立粒子群优化神经网络模型,将特征值矩阵代入模型中,在反复迭代后产生最优迭代函数作为神经网络优化函数,不断优化网络层之间的权值和阈值。实验结果表明,优化后的模型识别率高达97.125%。     

基于谐波小波包和支持向量机的声发射源识别

为了解决直升机动部件疲劳损伤类型识别问题,提出了一种基于谐波小波包特征提取和层次支持向量多分类器的声发射源类型识别方法.声发射信号经过4层谐波小波包分解后,提取各个频段的能量特征用于声发射源类型识别,克服了传统小波包分析能量泄露、频带选取不灵活、不同层频率分辨率不同的缺点.首先,利用已知声发射源类型的试验数据训练层次支...     

基于BP神经网络的高校人力资源定量分析

分析了高校人力资源的特点,结合已有的人力资源评估模型,提出了用改进的BP神经网络的方法对高校人力资源进行定量分析的算法,为高校人力资源评估提供一定的理论支持和实践参考．     

基于多级BP神经网络的EIT阻抗变化位置的确定

Electrical impedance tomography (EIT) is a new computer tomography technology, which reconstructs an impedance (resistivity, conductivity) distribution, or change of impedance, by making voltage and current measurements on the object's periphery. Image reconstruction in EIT is an ill-posed, non-linear inverse problem. A method for finding the place of impedance change in EIT is proposed in this paper, in which a multilevel BP neural network (MBPNN) is used to express the non-linear relation between the     

基于支持向量机的P2P网络借贷投资决策分析

为了获得最优贷款投资组合,从投资人的角度考虑P2P网络借贷的收益和风险,以及如何分配投资人的现金。首先,基于支持向量机(support vector machine,SVM)理论建立了贷款违约概率预测模型,得到每笔贷款的违约概率;进而,根据违约概率之间的相似距离和核回归构建贷款收益预测模型,进行贷款收益和风险的评估;然后,利用投资组合优化模型,辅助投资人制定合适的投资策略;最后,选取Lending Club平台数据对提出的模型进行验证。研究结果表明:基于SVM投资决策模型的贷款收益预测准确度,投资组合收益率均比逻辑回归模型更优。     

基于FPSTWD算法与时间序列支持向量机的河流径流量预报

为及时掌握河道径流量变化趋势,为下游水库防洪调度提供依据,提出了基于时间序列的最小二乘支持向量机河道径流量实时预测模型。采用特征点分段时间弯曲距离算法对实时采集的时间序列数据进行分段与相似度计算,以缩减规模的子序列数据集对LSSVR模型进行训练优化,实现多个LSSVR子模型建模,将预测数据序列与LSSVR子模型的相似度匹配,自适应地选取最佳的子模型作为预测模型。应用该模型对某河径流量进行实时预测,模型评价指标中最大相对误差、平均相对误差绝对值和均方根误差分别为9.08%、3.25%与303m3。研究结果表明,该模型具有较好的预测性能,能够满足河道径流量预测的实际需求,并为下游水库防洪调度与水资源管理提供了重要参考。     

基于支持向量机的控制图异常模式参数估计

针对控制图5种异常模式的6个参数,提出基于一对一算法的多类分类支持向量机的控制图异常模式下的参数估计方法.在模型构造中采用遗传算法优化支持向量机的参数.仿真实验结果表明.该方法结构简单,收敛速度快,具有较高的识别精度,适合于控制图异常模式的参数估计.     

基于CS理论和BP神经网络理论的工程造价估算研究

在借鉴国内外相关理论和方法的基础上,利用显著性成本理论和神经网络理论相结合对工程项目的投资进行估算.运用显著性成本理论,通过寻找显著性项目,简化工程造价估算的操作难度,从而解决操作烦琐的问题;并依据BP神经网络在大量已完工程资料中提取类似CSIs和显著性因子csf,从非线性角度实现了对项目投资的准确预测,并进行算例分析,从算例可以看到,预测值与实际值的相对误差很小,满足投资预测要求.     

基于人工神经网络BP算法的黄冈市房价预测

利用2003年至2010年黄冈市区人均地区生产总值、房地产开发投资、城镇居民人均住房使用面积等相关数据,根据人工神经网络BP算法,预测出2011年和2012年黄冈市区房价,与已经公布的这两年房价数据比较,符合预期误差范围。在此基础上,预测出2013年的房价,可以看出黄冈市区房价总体保持增长趋势,结合预测结果,给出合理化的解释。     

基于改进BP神经网络对非线性时间序列的建模预测

分析了BP神经网络的基本特性,对BP神经网络用于非线性时间序列(股价)预测的算法进行了研究,并对其进行了改进。利用MATLAB软件对其进行仿真,结果表明,利用改进的BP神经网络对股价进行短期预测是可行的,改进方法有效。