期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GARCH模型MSVM的轴承故障诊断方法
被引量：
8
1
作者
陶新民
徐晶
+1 位作者
杨立标
刘玉
《振动与冲击》
EI
CSCD
北大核心
2010年第5期11-15,236-237,共5页
针对振动信号因非平稳性导致自回归(AR)模型无法有效描述信号特征的不足,提出一种基于广义自回归条件异方差(GARCH)模型多类支持向量机(MSVM)的故障诊断方法。该方法首先利用GARCH模型拟合各种故障信号,将所得模型参数作为故障诊断特征,...
针对振动信号因非平稳性导致自回归(AR)模型无法有效描述信号特征的不足,提出一种基于广义自回归条件异方差(GARCH)模型多类支持向量机(MSVM)的故障诊断方法。该方法首先利用GARCH模型拟合各种故障信号,将所得模型参数作为故障诊断特征,以MSVM作为故障诊断方法。试验结果验证了GARCH模型方法的可行性和有效性,同时将该方法同基于AR模型的方法及其改进方法进行比较,结果表明该方法在诊断率及诊断时间上都有明显提高。
展开更多
关键词
故障诊断GARCH模型
多类支持向量机
在线阅读
下载PDF
职称材料
基于统计分析和多支持向量机的风电功率坡度事件分类预测
被引量：
1
2
作者
李福东
吴敏
冯高熠
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2012年第12期1971-1976,共6页
为准确评估风电功率变化行为的影响,优化风电系统控制,提出了基于统计分析和多支持向量机的风电功率坡度事件分类预测方法.通过对风电功率坡度事件进行定义和分类,利用风电场的实际运行数据,对不同统计周期和不同方向的坡度事件幅度分...
为准确评估风电功率变化行为的影响,优化风电系统控制,提出了基于统计分析和多支持向量机的风电功率坡度事件分类预测方法.通过对风电功率坡度事件进行定义和分类,利用风电场的实际运行数据,对不同统计周期和不同方向的坡度事件幅度分布和时间段分布进行了统计分析,找到了功率坡度事件变化的内在规律.在此基础上,将二元支持向量机(Support Vector Machine,SVM)拓展到多支持向量机(Multiple Support Vector Machines,MSVMs),建立了对功率坡度事件类别的一步和多步预测.实验结果表明,所提方法具有较高的坡度事件预测精度和稳定性,可以对风电功率变化进行准确的风险预测,有利于风电系统的优化控制.
展开更多
关键词
风电功率
坡度事件
多支持向量机
类别
预测
在线阅读
下载PDF
职称材料
题名
基于GARCH模型MSVM的轴承故障诊断方法
被引量：
8
1
作者
陶新民
徐晶
杨立标
刘玉
机构
哈尔滨工程大学信息与通信工程学院
黑龙江科技学院数力系
出处
《振动与冲击》
EI
CSCD
北大核心
2010年第5期11-15,236-237,共5页
基金
中国博士后科学基金(20090450119)
中国博士点新教师基金(20092304120017)
黑龙江省博士后基金(LBH-Z08227)
文摘
针对振动信号因非平稳性导致自回归(AR)模型无法有效描述信号特征的不足,提出一种基于广义自回归条件异方差(GARCH)模型多类支持向量机(MSVM)的故障诊断方法。该方法首先利用GARCH模型拟合各种故障信号,将所得模型参数作为故障诊断特征,以MSVM作为故障诊断方法。试验结果验证了GARCH模型方法的可行性和有效性,同时将该方法同基于AR模型的方法及其改进方法进行比较,结果表明该方法在诊断率及诊断时间上都有明显提高。
关键词
故障诊断GARCH模型
多类支持向量机
Keywords
fault diagnosis
GARCH model
multi-class
support
vector
machine
(
msvm
)
分类号
TH17 [机械工程—机械制造及自动化]
TP306 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于统计分析和多支持向量机的风电功率坡度事件分类预测
被引量：
1
2
作者
李福东
吴敏
冯高熠
机构
中南大学信息科学与工程学院
湖南省电力公司培训中心
大唐华银城步新能源公司
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2012年第12期1971-1976,共6页
基金
国家自然科学基金(60974045)
国家杰出青年科学基金(60425310)资助项目
文摘
为准确评估风电功率变化行为的影响,优化风电系统控制,提出了基于统计分析和多支持向量机的风电功率坡度事件分类预测方法.通过对风电功率坡度事件进行定义和分类,利用风电场的实际运行数据,对不同统计周期和不同方向的坡度事件幅度分布和时间段分布进行了统计分析,找到了功率坡度事件变化的内在规律.在此基础上,将二元支持向量机(Support Vector Machine,SVM)拓展到多支持向量机(Multiple Support Vector Machines,MSVMs),建立了对功率坡度事件类别的一步和多步预测.实验结果表明,所提方法具有较高的坡度事件预测精度和稳定性,可以对风电功率变化进行准确的风险预测,有利于风电系统的优化控制.
关键词
风电功率
坡度事件
多支持向量机
类别
预测
Keywords
wind power
slope event
multiple
support
vector
machin
（
msvm
）
classification
forecasting
分类号
TM614 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GARCH模型MSVM的轴承故障诊断方法
陶新民
徐晶
杨立标
刘玉
《振动与冲击》
EI
CSCD
北大核心
2010
8
在线阅读
下载PDF
职称材料
2
基于统计分析和多支持向量机的风电功率坡度事件分类预测
李福东
吴敏
冯高熠
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2012
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
