期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
永磁球形电机的支持向量机模型的参数寻优 被引量:25
1
作者 鞠鲁峰 王群京 +2 位作者 李国丽 胡存刚 钱喆 《电工技术学报》 EI CSCD 北大核心 2014年第1期85-90,共6页
提出一种新的永磁球形电机的数学模型建立方法——支持向量机(SVM)模型,分别采用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较三种算法得到的参数,确定最适合永磁球形电机SVM回归模型的参数... 提出一种新的永磁球形电机的数学模型建立方法——支持向量机(SVM)模型,分别采用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较三种算法得到的参数,确定最适合永磁球形电机SVM回归模型的参数寻优算法。 展开更多
关键词 关键词 永磁球形电机 支持向量机 回归 网格参数寻优算法 遗传算法 粒子群寻优算法
在线阅读 下载PDF
基于相空间重构的光纤周界信号识别算法研究 被引量:8
2
作者 王建平 郝钊 朱程辉 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2017年第5期643-648,共6页
文章将相空间重构和复小波包变换引入入侵信号类型的识别,对原始信号进行相空间重构,以便更深地反映光纤入侵振动数据混沌特性的内在动力性属性。以相空间重构嵌入维数作为复小波包变换数据输入长度,避免输入信号长度的随意性。采用复... 文章将相空间重构和复小波包变换引入入侵信号类型的识别,对原始信号进行相空间重构,以便更深地反映光纤入侵振动数据混沌特性的内在动力性属性。以相空间重构嵌入维数作为复小波包变换数据输入长度,避免输入信号长度的随意性。采用复小波包提取重构信号的能量分布特征构成入侵信号识别的特征集,以主成分分析对原始特征集降维,通过网格参数寻优算法得到支持向量机(support vector machine,SVM)回归模型的最优参数,以最优参数进行SVM入侵类型识别。实验结果表明,该方法能正确监测入侵事件且误报率与漏报率低。 展开更多
关键词 光纤周界安防系统 相空间重构 复小波包 主成分分析 网格参数寻优算法 支持向量机(SVM)
在线阅读 下载PDF
基于支持向量机的离心泵初生空化监测 被引量:10
3
作者 叶韬 司乔瑞 +2 位作者 申纯浩 杨松 袁寿其 《排灌机械工程学报》 CSCD 北大核心 2021年第9期884-889,共6页
为利用机器学习的方法对离心泵运行状态进行监测,于离心泵发生空化故障前对离心泵初生空化状态做出判断,从而为离心泵运行状态在线监测提供一定的技术参考.针对基于支持向量机(SVM)的离心泵初生空化监测进行研究,采集离心泵运行振动信号... 为利用机器学习的方法对离心泵运行状态进行监测,于离心泵发生空化故障前对离心泵初生空化状态做出判断,从而为离心泵运行状态在线监测提供一定的技术参考.针对基于支持向量机(SVM)的离心泵初生空化监测进行研究,采集离心泵运行振动信号,分析并选取均值、标准偏差、偏度、峭度等特征为特征向量训练模型,同时采用网格寻参与K-CV交叉验证的方式寻找最优组合参数.研究结果表明:网格寻优与交叉验证结合的方式能较好地寻找到最优参数;选取单一特征训练模型情况下,标准偏差的平均识别率最高,识别准确率为94.58%,以标准偏差、偏度、峭度两两组合的特征训练模型的平均识别率达到90.00%以上;该方法对离心泵初生空化识别具有较高准确率,具有一定鲁棒性,有较好的实用价值. 展开更多
关键词 离心泵 空化监测 支持向量机 特征提取 网格参数寻优
在线阅读 下载PDF
被动声学液体管道微泄漏内检测方法研究 被引量:4
4
作者 马云栋 董绍华 +3 位作者 徐晴晴 魏昊天 彭东华 宋顶 《中国测试》 CAS 北大核心 2023年第10期19-26,共8页
针对液体管道微泄漏(小于1 L/min)难以检测和识别的问题,建立基于被动声学的液体管道微泄漏内检测方法,研究管道微泄漏的声学机理,并搭建实验平台。采用管道内置高灵敏度声学传感器的方式,进行不同泄漏孔径和和泄漏内压下微泄漏声学实验... 针对液体管道微泄漏(小于1 L/min)难以检测和识别的问题,建立基于被动声学的液体管道微泄漏内检测方法,研究管道微泄漏的声学机理,并搭建实验平台。采用管道内置高灵敏度声学传感器的方式,进行不同泄漏孔径和和泄漏内压下微泄漏声学实验,微泄漏声信号幅值随泄漏孔径和泄漏内压呈正相关变化。利用改进EMD(IEMD)-小波阈值降噪算法对微泄漏声信号进行降噪处理,以减少噪声对真实泄漏信号的影响。提取并定义不同信号处理领域(时域、频域)的特征参数,如均值、标准差、均方根、峰峰值等,以表示微泄漏的复杂性。将特征参数作为下一步管道泄漏识别的数据库,并将数据分为实验组和验证组。采用网格参数寻优支持向量机(SVM)构建自动分类模型对管道微泄漏进行识别,降低人工误判概率。研究结果表明:管道微泄漏识别准确率达到97.87%,可以实现对管道微泄漏的准确识别。研究结果可为声学内检测器的研发提供理论基础。 展开更多
关键词 管道微泄漏 声学内检测 改进EMD-小波阈值降噪 网格参数寻优SVM
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部