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
共找到881篇文章
< 1 2 … 45 >
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：
基于IPSO算法优化SVM的睡眠分期模型
1
作者 张宇 白国长 王成 《传感器与微系统》 北大核心 2025年第8期138-142,共5页
针对目前睡眠分期中存在的依赖人工判别效率低、睡眠分期精度不高等问题,提出了一种基于改进粒子群优化算法优化支持向量机(IPSO-SVM)的睡眠分期模型,通过脑电(EEG)信号对睡眠过程进行准确分期。首先,对EEG信号进行滤波、分段等预处理;... 针对目前睡眠分期中存在的依赖人工判别效率低、睡眠分期精度不高等问题,提出了一种基于改进粒子群优化算法优化支持向量机(IPSO-SVM)的睡眠分期模型,通过脑电(EEG)信号对睡眠过程进行准确分期。首先,对EEG信号进行滤波、分段等预处理;其次,提取EEG信号的时域、频域、非线性特征;最后,通过IPSO-SVM算法建立睡眠分期模型。该模型在PSO算法中引入模拟退火算法来提升算法的搜索能力,同时引入惯性权重自适应变异使粒子能够跳出局部最优解。使用ISRUC-Sleep数据集的前6位受试者数据对IPSO-SVM分类模型进行验证。结果表明:IPSO-SVM模型的平均睡眠分期准确率为92.34%,K系数为0.88,改进的睡眠分期模型具有较高的准确率和系统稳定性。 展开更多
关键词 粒子群优化算法 支持向量机 模拟退火 自适应变异
在线阅读 下载PDF
基于BOA-SVM的冷源系统温度传感器偏差故障检测
2
作者 周璇 闫学成 +1 位作者 闫军威 梁列全 《控制理论与应用》 北大核心 2025年第5期921-930,共10页
针对当前因温度传感器偏差故障识别率低,严重影响冷源系统节能可靠运行的问题,提出一种基于贝叶斯优化支持向量机BOA-SVM组合优化算法的偏差故障检测方法.该方法融合了贝叶斯优化算法(BOA)和支持向量机(SVM)技术,适用于小样本、非线性... 针对当前因温度传感器偏差故障识别率低,严重影响冷源系统节能可靠运行的问题,提出一种基于贝叶斯优化支持向量机BOA-SVM组合优化算法的偏差故障检测方法.该方法融合了贝叶斯优化算法(BOA)和支持向量机(SVM)技术,适用于小样本、非线性故障数据,同时克服了SVM算法对核函数参数与惩罚因子强敏感性的问题.论文建立了广州市某办公建筑冷源系统Trnsys仿真模型,对室外干球、冷冻供水与冷却进水3种温度传感器不同程度的偏差故障进行模拟.仿真结果表明,与本文提出的其他方法相比,该方法准确率高,泛化能力及鲁棒性强,能够满足冷源系统温度传感器偏差故障的检测需求,保障空调系统的安全、高效与稳定运行. 展开更多
关键词 冷源系统 温度传感器 贝叶斯优化 支持向量机 故障检测 TRNSYS
在线阅读 下载PDF
基于SOA-SVM模型的光伏阵列故障诊断研究 被引量：1
3
作者 孙培胜 陈堂贤 +1 位作者 程陈 李正 《电源学报》 北大核心 2025年第1期143-150,共8页
针对支持向量机SVM(support vector machine)用于光伏阵列故障诊断时准确率不高、且易受核函数与惩罚因子参数影响的问题,提出1种基于海鸥优化算法SOA(seagull optimization algorithm)支持向量机的光伏阵列故障诊断方法。引入海鸥优化... 针对支持向量机SVM(support vector machine)用于光伏阵列故障诊断时准确率不高、且易受核函数与惩罚因子参数影响的问题,提出1种基于海鸥优化算法SOA(seagull optimization algorithm)支持向量机的光伏阵列故障诊断方法。引入海鸥优化算法对SVM模型进行参数寻优,建立基于最优参数的SOA-SVM故障诊断模型;利用MATLAB软件搭建光伏阵列仿真模型,提取不同故障类型下的特征参数并输入到SOA-SVM模型进行故障诊断。实验结果表明:经SOA优化后的SVM模型故障诊断准确率显著提高,且相比于基于人工蜂群ABC(artificial bee colony)算法的ABC-SVM模型和基于粒子群优化PSO(particle swarm optimization)算法的PSO-SVM模型,SOA-SVM模型具有更快的寻优收敛迭代速度和更高的故障诊断准确率。 展开更多
关键词 光伏阵列 故障诊断 海鸥优化算法 支持向量机
在线阅读 下载PDF
INRBO-SVM模型在边坡安全系数预测中的应用
4
作者 熊朝林 陈俊智 《矿冶工程》 北大核心 2025年第2期20-25,33,共7页
针对支持向量机(SVM)模型在预测边坡安全系数中选取参数困难的问题,优化牛顿-拉夫逊算法(NRBO)帮助SVM模型快速选取适当的超参数。引入动态反向学习策略、横向与纵向交叉策略和修正自适应系数计算公式对NRBO算法进行改进,构建INRBO-SVM... 针对支持向量机(SVM)模型在预测边坡安全系数中选取参数困难的问题,优化牛顿-拉夫逊算法(NRBO)帮助SVM模型快速选取适当的超参数。引入动态反向学习策略、横向与纵向交叉策略和修正自适应系数计算公式对NRBO算法进行改进,构建INRBO-SVM边坡安全系数预测模型。选取容重、黏聚力、内摩擦角、边坡角、边坡高度和孔隙水压比6个因素为模型输入,安全系数为输出,将训练后的INRBO-SVM模型、NRBO-SVM模型、SVM模型、RBF模型对9组测试样本进行安全系数预测。结果表明:INRBO-SVM模型安全系数预测性能最好,相关系数R^(2)为0.9999,高于其他模型;均方根误差和平均绝对误差均显著低于其他模型。工程应用结果表明,INRBO-SVM模型的安全系数预测误差均小于10%,大部分低于5%,证实了该模型预测安全系数的准确性以及实际应用价值。 展开更多
关键词 边坡稳定性 预测模型 安全系数 svm模型 INRBO算法 机器学习
在线阅读 下载PDF
基于改进JSOA-SVM的地铁站台门故障诊断
5
作者 王若凡 朱松青 +2 位作者 杨柳 郝飞 徐涛 《噪声与振动控制》 北大核心 2025年第2期112-117,125,共7页
为准确地对地铁站台门进行故障诊断,并针对支持向量机(Support Vector Machine,SVM)在故障诊断中的参数选择问题,将跳蛛算法(Jumping Spider Optimization Algorithm,JSOA)用于SVM参数优化提升诊断性能,同时针对JSOA易陷入局部最优、收... 为准确地对地铁站台门进行故障诊断,并针对支持向量机(Support Vector Machine,SVM)在故障诊断中的参数选择问题,将跳蛛算法(Jumping Spider Optimization Algorithm,JSOA)用于SVM参数优化提升诊断性能,同时针对JSOA易陷入局部最优、收敛速度慢等不足,提出一种多策略改进跳蛛算法(Improved Jumping Spider Optimization Algorithm,IJSOA)优化SVM的站台门故障诊断方法。首先使用Teager能量算子、变分模态分解(Variational Mode Decomposition,VMD)以及精细复合多尺度模糊熵(Refined Composite Multiscale Fuzzy Entropy,RCMFE)提取信号特征;其次,通过IJSOA寻找SVM最优参数组合构建诊断模型;最后,使用提取的特征向量输入诊断模型实现站台门故障诊断。结果表明提出方法平均识别率为97.774%,诊断精度较其余几种方法更具优势,能够有效提升故障诊断分类效果。 展开更多
关键词 故障诊断 地铁站台门系统 变分模态分解(VMD) 跳蛛优化算法(JSOA) 支持向量机(svm)
在线阅读 下载PDF
基于TLBO-LIBSVM的联合收割机振动筛螺栓故障诊断
6
作者 李鹏程 顾新阳 +2 位作者 梁亚权 章浩 唐忠 《农机化研究》 北大核心 2025年第5期28-33,42,共7页
联合收割机振动筛工作时的瞬时冲击与交变载荷易导致振动筛螺栓结构发生失效。为解决联合收割机振动筛螺栓故障诊断问题,提出了一种基于多元特征融合TLBO-LIBSVM的振动筛螺栓失效故障诊断方法,通过提取特征矩阵,分别将时域特征、频域特... 联合收割机振动筛工作时的瞬时冲击与交变载荷易导致振动筛螺栓结构发生失效。为解决联合收割机振动筛螺栓故障诊断问题,提出了一种基于多元特征融合TLBO-LIBSVM的振动筛螺栓失效故障诊断方法,通过提取特征矩阵,分别将时域特征、频域特征、WOA-VMD能量熵特征组合归一化得到多元融合高维特征矩阵,导入经验参数LIBSVM模型,得到的成功率分别为64.44%、74.44%、81.11%、90%。结果表明:随着特征矩阵维数不断增加,失效特征信息不断完善,识别成功率不断提升,也验证了联合收割机振动筛螺栓频域特征敏感性高于时域特征。通过运用TLBO算法对LIBSVM模型超参数进行优化,得到最佳参数组合下的识别成功率为98.89%,完成了联合收割机振动筛螺栓失效故障的高精度识别,可为联合收割机振动筛螺栓故障的精确诊断提供参考。 展开更多
关键词 振动筛螺栓 变分模态分解 鲸鱼优化算法 支持向量机模型 教与学优化算法 故障诊断
在线阅读 下载PDF
特征降维下基于LSSA-SVM的转子系统故障诊断模型
7
作者 史宗帅 亚森江·加入拉 +1 位作者 崔鹏飞 靳鹏飞 《机电工程》 北大核心 2025年第3期463-471,500,共10页
针对有噪声环境下轴承转子系统的故障特征难以有效提取,且转子系统故障诊断的准确率较低的问题,提出了一种基于Levy飞行策略改进的麻雀搜索算法(LSSA)优化支持向量机(SVM),结合主成分分析(PCA)特征降维的转子故障诊断方法(模型)。首先,... 针对有噪声环境下轴承转子系统的故障特征难以有效提取,且转子系统故障诊断的准确率较低的问题,提出了一种基于Levy飞行策略改进的麻雀搜索算法(LSSA)优化支持向量机(SVM),结合主成分分析(PCA)特征降维的转子故障诊断方法(模型)。首先,采用小波分析技术对原始的转子振动信号进行了去噪处理,通过提取信号的时域特征以精确表征不同的转子故障状态,确保了该特征在噪声干扰下仍能清晰反映故障模式;然后,采用PCA对所提取的高维特征进行了降维处理,有效减少了冗余信息和噪声干扰,保留了最具代表性的关键特征,从而提高了特征提取的效率与诊断的可靠性;最后,设计了Levy飞行策略,对SSA进行了改进,得到了改进后的麻雀搜索算法(LSSA),以优化SVM的参数选择,进一步提升了分类器的泛化能力,利用改进的算法增强了该模型在复杂、有噪声环境下的诊断性能。研究结果表明:通过在多个含噪声的转子故障数据集上进行实验,该方法的故障诊断准确率达到了98.5%,相较于传统诊断方法,其具有更强的鲁棒性和较高的诊断精度,特别是在有噪环境中的优势更为明显。该方法有效解决了噪声干扰对故障诊断精度的影响问题,显著提高了转子故障诊断的准确性和稳定性,为实际工程中的转子故障诊断提供了一种有效的解决方案。 展开更多
关键词 轴承故障诊断 莱维飞行 改进的麻雀搜索算法 支持向量机 主成分分析 主成分分析特征降维 小波阈值函数去噪
在线阅读 下载PDF
多策略融合改进AO优化SVM的变压器故障诊断研究 被引量：1
8
作者 谢国民 齐晓亮 《控制工程》 CSCD 北大核心 2024年第11期2000-2009,共10页
针对变压器故障诊断精度不高的问题,提出了一种多策略融合改进天鹰优化器(IAO)优化支持向量机(SVM)的变压器故障诊断模型。首先,采用核主成分分析(KPCA)方法对高维度据进行降维,减少数据中的稀疏性对结果的影响;其次,利用Tent混沌映射... 针对变压器故障诊断精度不高的问题,提出了一种多策略融合改进天鹰优化器(IAO)优化支持向量机(SVM)的变压器故障诊断模型。首先,采用核主成分分析(KPCA)方法对高维度据进行降维,减少数据中的稀疏性对结果的影响;其次,利用Tent混沌映射、动态扰动因子策略、点对称策略改善其寻优能力和收敛速度,通过算法寻优能力测试验证了其优越性;最后,利用IAO对SVM的参数寻优,克服SVM参数选择不良的弊端,建立变压器故障诊断模型。结果显示,与AO、WOA、GWO优化SVM相比,IAO优化SVM的诊断正确率分别提升了7.08%、9.74%、15.93%,同时,也优于最小二乘支持向量机(LSSVM)、BP神经网络(BPNN)、随机森林(RF)典型分类模型,验证了所建立的变压器故障诊断模型的优越性,并具有较强的泛化能力。 展开更多
关键词 变压器 故障诊断 油中溶解气体分析 算法改进 支持向量机
在线阅读 下载PDF
基于改进NGO算法优化SVM的变压器故障诊断研究 被引量：1
9
作者 陈忠华 王森 《控制工程》 CSCD 北大核心 2024年第11期2010-2018,共9页
为解决通过油中溶解气体诊断变压器故障精确度不高的问题,提出了一种改进北方苍鹰优化(INGO)算法优化支持向量机(SVM)的故障分类模型。首先,采用主成分分析(PCA)法对油中溶解气体体积数据降维,去除冗余信息;然后,通过引入Singer混沌映... 为解决通过油中溶解气体诊断变压器故障精确度不高的问题,提出了一种改进北方苍鹰优化(INGO)算法优化支持向量机(SVM)的故障分类模型。首先,采用主成分分析(PCA)法对油中溶解气体体积数据降维,去除冗余信息;然后,通过引入Singer混沌映射、改进的野马算法搜索机制、Lévy飞行策略多种方法改进北方苍鹰优化算法,再利用INGO算法对SVM核心参数进行优化;最后,将处理后的数据输入到INGO-SVM故障诊断模型中。结果表明,其诊断平均准确率为93.5%,与NGO、GWO、AO优化SVM相比,诊断平均准确率分别提升了3.34%、7.04%、10.12%。同时,该模型也优于极限学习机(ELM)、概率神经网络(PNN)、随机森林(RF)典型分类模型,验证了所建立的变压器故障诊断模型具有更高的精度和泛化能力。 展开更多
关键词 变压器 故障诊断 数据处理 北方苍鹰优化算法 支持向量机
在线阅读 下载PDF
采用改进遗传算法优化LS-SVM逆系统的外转子无铁心无轴承永磁同步发电机解耦控制 被引量：7
10
作者 朱熀秋 沈良瑜 《中国电机工程学报》 EI CSCD 北大核心 2024年第5期2037-2046,I0032,共11页
为了实现外转子无铁心无轴承永磁同步发电机(outer rotor coreless bearingless permanent magnet synchronous generator,ORC-BPMSG)的精确控制,提出一种基于改进遗传算法(improved genetic algorithm,IGA)优化最小二乘支持向量机(leas... 为了实现外转子无铁心无轴承永磁同步发电机(outer rotor coreless bearingless permanent magnet synchronous generator,ORC-BPMSG)的精确控制,提出一种基于改进遗传算法(improved genetic algorithm,IGA)优化最小二乘支持向量机(least square support vector machine,LS-SVM)逆系统的解耦控制策略。首先,基于ORC-BPMSG的结构及工作原理,推导其数学模型,并分析其可逆性。其次,建立LS-SVM回归方程,并采用IGA优化LS-SVM的性能参数,从而训练得到逆系统。然后,将逆系统与原系统串接,形成伪线性系统,实现了ORC-BPMSG的线性化和解耦。最后,将提出的控制方法与传统LS-SVM逆系统控制方法进行对比仿真和实验。仿真和实验结果表明:所提出的控制策略可以较好地实现ORC-BPMSG输出电压和悬浮力、以及悬浮力之间的解耦控制。 展开更多
关键词 外转子无铁心无轴承永磁同步发电机 最小二乘支持向量机 逆系统 改进遗传算法 解耦控制
在线阅读 下载PDF
基于RF-SFLA-SVM的装配式建筑高空作业工人不安全行为预警 被引量：1
11
作者 王军武 何娟娟 +3 位作者 宋盈辉 刘一鹏 陈兆 郭婧怡 《中国安全科学学报》 CAS CSCD 北大核心 2024年第3期1-8,共8页
为有效预警装配式建筑高空作业工人不安全行为的发生趋势或状态,增强对装配式建筑工人不安全行为(PBWUBs)的管控,采用随机森林(RF)-混合蛙跳算法(SFLA)-支持向量机(SVM)模型,开展工人不安全行为预警研究。首先,采用SHEL模型分析处于高... 为有效预警装配式建筑高空作业工人不安全行为的发生趋势或状态,增强对装配式建筑工人不安全行为(PBWUBs)的管控,采用随机森林(RF)-混合蛙跳算法(SFLA)-支持向量机(SVM)模型,开展工人不安全行为预警研究。首先,采用SHEL模型分析处于高空作业危险中的PBWUBs的影响因素,并通过RF确定关键预警指标;然后,采用SFLA对SVM的参数进行寻优改进;最后,利用RF-SFLA-SVM预警高空作业PBWUBs,提出应对措施,并与其他预警模型对比。研究结果表明:基于RF-SFLA-SVM预警高空作业PBWUBs,准确率最高,为91.67%,与其他模型的预警性能相比,最高提升14%。研究结果可为高空作业PBWUBs的防控提供参考。 展开更多
关键词 随机森林(RF) 蛙跳算法(SFLA) 支持向量机(svm) 装配式建筑 高空作业 不安全行为
在线阅读 下载PDF
基于改进鲸鱼算法优化SVM的软件缺陷检测方法
12
作者 杜晔 田晓清 +1 位作者 李昂 黎妹红 《信息网络安全》 CSCD 北大核心 2024年第8期1152-1162,共11页
为解决传统支持向量机在软件缺陷检测中存在分类精度低、参数选择困难等问题,文章提出一种基于改进鲸鱼算法优化SVM的软件缺陷检测方法LFWOA-SVM。首先针对鲸鱼算法在求解过程中存在收敛速度慢、寻优效率低和局部最优解问题,基于Levy飞... 为解决传统支持向量机在软件缺陷检测中存在分类精度低、参数选择困难等问题,文章提出一种基于改进鲸鱼算法优化SVM的软件缺陷检测方法LFWOA-SVM。首先针对鲸鱼算法在求解过程中存在收敛速度慢、寻优效率低和局部最优解问题,基于Levy飞行策略优化鲸鱼觅食阶段,最大限度地实现搜索代理多样化,并利用混合变异扰动算子提高WOA的全局寻优能力;然后采用改进的鲸鱼算法LFWOA对SVM的惩罚因子和核函数参数进行优化,在获得最优参数的同时可有效检测软件缺陷。仿真实验表明,在6个基准测试函数中,LFWOA展现出更高的寻优速度和全局搜索能力;在8个公开软件缺陷数据集上进行测试显示,LFWOA-SVM方法能够有效提高分类性能和预测精度。 展开更多
关键词 软件缺陷检测 Levy飞行 鲸鱼优化算法 变异扰动 支持向量机
在线阅读 下载PDF
基于PSO-SVM的Φ-OTDR系统模式识别研究 被引量：1
13
作者 朱宗玖 王宁 《科学技术与工程》 北大核心 2024年第12期5023-5029,共7页
针对相位敏感光时域反射仪(phase sensitive optical time domain reflectometer,Φ-OTDR)系统中误报率高的问题,提出一种多域特征提取与粒子群算法优化支持向量机(particle swarm optimization-support vector machine,PSO-SVM)相结合... 针对相位敏感光时域反射仪(phase sensitive optical time domain reflectometer,Φ-OTDR)系统中误报率高的问题,提出一种多域特征提取与粒子群算法优化支持向量机(particle swarm optimization-support vector machine,PSO-SVM)相结合的模式识别算法。首先,对原始信号进行差分处理后提取时域特征,并利用小波包分解方法,通过验证不同分解层数下的事件分类准确率,设定最优分解层数为6层,提取差分信号的能量特征。然后以SVM分类器为基础,利用PSO算法优化SVM分类器参数,提高光纤振动信号识别准确率。最后利用Φ-OTDR事件数据集进行验证,实验结果表明,该模式识别算法达到了95.6%的振动事件分类准确率。 展开更多
关键词 相位敏感光时域反射仪(Φ-OTDR) 小波包分解 粒子群算法(PSO) 支持向量机(svm) 模式识别
在线阅读 下载PDF
参数优化的IZOA-SVM机械设备故障诊断方法
14
作者 赵月静 邢天祥 秦志英 《机电工程》 CAS 北大核心 2024年第10期1894-1902,共9页
在复杂的工作环境中,机械设备振动信号的复杂性常常会导致机械设备故障诊断的准确性不高,为解决设备运行中因信号复杂性引发的故障诊断难题,提出了一种参数优化的斑马优化算法优化支持向量机(IZOA-SVM)的故障诊断方法。首先,引入了柯西... 在复杂的工作环境中,机械设备振动信号的复杂性常常会导致机械设备故障诊断的准确性不高,为解决设备运行中因信号复杂性引发的故障诊断难题,提出了一种参数优化的斑马优化算法优化支持向量机(IZOA-SVM)的故障诊断方法。首先,引入了柯西变异和反向学习的改进策略到斑马优化算法(ZOA)中,提出了改进的斑马优化算法(IZOA),旨在改善原有斑马优化算法在迭代后期容易陷入局部极值等问题,从而有效增强了其全局搜索能力;其次,利用IZOA优化支持向量机(SVM)的核参数g和惩罚参数c以寻找SVM最优参数组合[c,g],并构建了IZOA-SVM模型;然后,计算了样本的13个时域特征以构成特征向量,并将特征向量分别输入到IZOA-SVM模型、斑马优化算法优化支持向量机(ZOA-SVM)模型、粒子群算法优化支持向量机(PSO-SVM)模型、遗传算法优化支持向量机(GA-SVM)模型和支持向量机模型,进行了故障分类;最后,通过旋转机械振动及故障模拟试验验证了该方法的有效性。研究结果表明:IZOA-SVM模型在分类准确率方面得到了明显的提高,达到了98.33%;该模型能够精准而稳定地识别故障类型,提高故障识别的准确性,在准确率方面相较于其他对比方法表现出更为显著的优势。因此,该方法在全局搜索和故障分类准确性方面都取得了明显的改进,为复杂环境下的故障诊断提供了可参考的解决方案。 展开更多
关键词 机械设备 旋转机械 故障诊断 改进斑马优化算法 柯西变异 反向学习 支持向量机
在线阅读 下载PDF
EHDE和WHO-SVM模型在齿轮箱故障诊断中的应用
15
作者 马晓娜 周海超 《机电工程》 CAS 北大核心 2024年第4期622-632,共11页
针对现有齿轮箱故障诊断方法对数据长度敏感的缺陷,提出了一种基于增强层次多样性熵(EHDE)和野马算法(WHO)优化支持向量机(SVM)的齿轮箱故障诊断模型。首先,传统熵值特征提取方法在特征提取阶段对数据样本的长度比较敏感,为此提出了增... 针对现有齿轮箱故障诊断方法对数据长度敏感的缺陷,提出了一种基于增强层次多样性熵(EHDE)和野马算法(WHO)优化支持向量机(SVM)的齿轮箱故障诊断模型。首先,传统熵值特征提取方法在特征提取阶段对数据样本的长度比较敏感,为此提出了增强层次多样性熵,并将其作为特征提取指标用于提取齿轮箱的故障特征;其次,采用WHO算法对SVM模型的参数进行了优化,建立了参数最优的WHO-SVM分类器;最后,将故障特征样本输入至WHO-SVM分类器中进行了训练和识别,完成了样本的故障识别;利用齿轮箱数据集分别从数据长度敏感性、算法特征提取时间、模型诊断性能三种角度对EHDE、精细复合多尺度样本熵、精细复合多尺度模糊熵、精细复合多尺度排列熵、精细复合多尺度散布熵、精细复合多尺度波动散布熵进行了对比研究。研究结果表明:EHDE方法对数据长度的要求较低,在数据长度为512时即可以取得99.1%的平均识别准确率,在诊断稳定性和诊断精度方面均优于其他对比方法;在算法的泛化性实验中,EHDE方法能够以98%的准确率识别齿轮箱的不同故障类型,具有明显的泛化性和通用性。 展开更多
关键词 齿轮箱故障诊断 增强层次多样性熵 野马算法优化支持向量机 数据长度敏感性 算法特征提取时间 模型诊断性能
在线阅读 下载PDF
基于信号距离度模型和SVM的变压器绕组变形诊断方法研究 被引量：1
16
作者 唐轩 成俊杰 +2 位作者 吴琳 张磊 徐艳春 《高压电器》 CAS CSCD 北大核心 2024年第11期27-36,共10页
为了解决在使用频响法诊断绕组变形时依赖于人工经验判断误判率较高的问题,实现变压器绕组变形的精准诊断,提出了一种基于信号距离度模型和SVM的变压器绕组变形诊断方法。文中利用信号距离度模型,通过计算分频段互复距离度、互距离度、... 为了解决在使用频响法诊断绕组变形时依赖于人工经验判断误判率较高的问题,实现变压器绕组变形的精准诊断,提出了一种基于信号距离度模型和SVM的变压器绕组变形诊断方法。文中利用信号距离度模型,通过计算分频段互复距离度、互距离度、相关系数,将其作为特征量输入支持向量机进行故障分类。使用遗传算法(GA)对支持向量机进行参数优化。使用Pspice分别模拟了以5%为等级的57份样本和以3%为等级的90份样本,仿真发现,使用分频段互复距离度作为特征来进行绕组变形故障分类的准确率达到96.296 2%和97.222 2%,分类效果明显高于仅考虑幅值特性的互距离度和传统的相关系数。并通过实际变压器形变数据证明了其有效性,为变压器绕组故障诊断提供新思路。 展开更多
关键词 信号距离度模型 支持向量机 遗传算法 绕组变形
在线阅读 下载PDF
基于GA-PSO混合优化SVM的机载EHA故障诊断 被引量：3
17
作者 覃刚 葛益波 +1 位作者 姚叶明 周清和 《液压与气动》 北大核心 2024年第5期168-180,共13页
针对机载电静液作动器(Electro-Hydrostatic Actuator,EHA)的典型故障,详细分析了故障原理并在MATLAB/Simulink中搭建了仿真模型。为了高效准确识别故障类型,提出一种用遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Opti... 针对机载电静液作动器(Electro-Hydrostatic Actuator,EHA)的典型故障,详细分析了故障原理并在MATLAB/Simulink中搭建了仿真模型。为了高效准确识别故障类型,提出一种用遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)混合优化支持向量机(Support Vector Machine,SVM)的故障诊断算法。GA鲁棒性好且全局搜索能力强但收敛速度慢,PSO对样本规模不敏感且具有记忆功能但易陷入局部最优,故融合两种算法寻找SVM的最优参数。另外,为了解决传统SVM多分类方法“一对多”和“一对一”易出现不可分的问题,建立一种偏二叉树结构的SVM多分类模型。对于采集的原始数据高度重合的情况,引入时域特征统计量进一步提升模型的分类性能。实验结果表明,提出的混合优化算法寻优速度更快、所寻参数更佳,同时用该算法优化的SVM分类模型相比于其他5类常用的机器学习模型分类效果更好,故障识别正确率可达97.7%。 展开更多
关键词 机载EHA 遗传算法 粒子群算法 偏二叉树结构 多分类svm
在线阅读 下载PDF
基于改进海鸥算法优化SVM的变压器故障诊断方法 被引量：2
18
作者 时宇辉 袁至 +1 位作者 王维庆 孙汝羿 《科学技术与工程》 北大核心 2024年第28期12169-12176,共8页
变压器故障诊断率不足一直是制约着电网运行安全和效率低下的关键问题。为解决这一问题,提出基于改进海鸥算法优化支持向量机(improved seagull optimization algorithm support vector machine,ISOA-SVM)的变压器故障诊断方法。首先开... 变压器故障诊断率不足一直是制约着电网运行安全和效率低下的关键问题。为解决这一问题,提出基于改进海鸥算法优化支持向量机(improved seagull optimization algorithm support vector machine,ISOA-SVM)的变压器故障诊断方法。首先开始构建SVM的油中溶解气体分析的故障诊断模型并通过核主成分分析(kernel principal component analysis,KPCA)对油中数据处理;其次通过ISOA寻找到SVM的最优核函数参数和惩罚系数;最后将数据归一化输入ISOA-SVM模型进行诊断,判断变压器的运行状态,并将结果与其他算法优化模型进行比较,仿真结果显示,该模型故障检测方法在识别故障速度以及识别精度上明显优于其他模型,有助于保证变压器的稳定运行。 展开更多
关键词 变压器 核主成分分析(KPCA) 支持向量机(svm) 优化海鸥算法 故障诊断
在线阅读 下载PDF
基于MISSA-SVM模型的边坡稳定性预测及应用 被引量：2
19
作者 王团辉 王超 +2 位作者 吴顺川 王琦玮 徐健珲 《中国安全科学学报》 CAS CSCD 北大核心 2024年第4期135-144,共10页
为提高边坡稳定性的预测精度,提出一种基于多策略改进的麻雀搜索算法(MISSA)优化支持向量机(SVM)的边坡稳定性预测模型。选取容重γ、黏聚力c、内摩擦角Ф、边坡角φf、边坡高度H、孔隙压力比ru等6个代表性特征作为模型的预测指标。针... 为提高边坡稳定性的预测精度,提出一种基于多策略改进的麻雀搜索算法(MISSA)优化支持向量机(SVM)的边坡稳定性预测模型。选取容重γ、黏聚力c、内摩擦角Ф、边坡角φf、边坡高度H、孔隙压力比ru等6个代表性特征作为模型的预测指标。针对麻雀优化算法(SSA)存在的收敛速度慢、精确度不高、易陷入局部最优等问题,引入一维复合混沌映射、正余弦算法(SCA)、Levy飞行机制和步长因子动态调整等策略进行优化改进,构建基于MISSA-SVM的边坡稳定性预测模型。将MISSA-SVM模型应用到大溪滑坡等9组边坡工程实例进行验证。结果表明:MISSA-SVM模型的准确率、精确率、召回率、F_(1)分数、均方误差(MSE)和曲线下面积(AUC)分别达到96.29%、92.3%、100%、0.96、0.016和0.967,均优于SSA优化的SVM模型和BP模型,预测结果与实际边坡状况完全吻合,表明MISSA-SVM模型具有较强的泛化能力。 展开更多
关键词 多策略改进麻雀搜索算法(MISSA) 支持向量机(svm) 边坡稳定性 正余弦算法(SCA) 预测指标
在线阅读 下载PDF
VMD结合小波包信息熵和GJO-SVM的电机轴承故障诊断 被引量：5
20
作者 纪京生 周莉 马向阳 《现代制造工程》 CSCD 北大核心 2024年第2期128-136,共9页
针对电机滚动轴承故障特征难以提取从而导致诊断准确率低的问题,提出了一种基于变分模态分解(Variational Modal Decomposition,VMD)结合小波包信息熵(Wavelet Packet Information Entropy,WPIE)的特征提取方法,并采用金豺优化(Golden J... 针对电机滚动轴承故障特征难以提取从而导致诊断准确率低的问题,提出了一种基于变分模态分解(Variational Modal Decomposition,VMD)结合小波包信息熵(Wavelet Packet Information Entropy,WPIE)的特征提取方法,并采用金豺优化(Golden Jackal Optimization,GJO)算法优化后的支持向量机(Support Vector Machine,SVM)进行电机滚动轴承的故障诊断。首先,利用VMD将采集到的信号进行分解,依据局部极小包络熵筛选出最优本征模态(Intrinsic Mode Function,IMF)分量;其次,利用小波包将最优IMF分量再分解,并提取信息熵作为特征向量矩阵;最后,采用GJO算法对支持向量机中的惩罚参数和核参数进行寻优选择,建立GJO-SVM故障诊断模型,将特征向量矩阵输入金豺算法优化支持向量机(GJO-SVM)故障诊断模型中进行故障诊断。将VMD结合小波包信息熵特征提取与VMD结合近似熵特征提取进行对比试验,试验结果表明,VMD结合小波包信息熵特征提取精度提高了2.5%,其特征提取更加优越;将金豺算法优化支持向量机(GJO-SVM)与粒子群优化(Porticle Swarm OPtimization,PSO)算法支持向量机(PSO-SVM)、果蝇优化算法(Fruit fly Optimation Algorithm,FOA)支持向量机(FOA-SVM)进行对比试验,试验结果表明,GJO-SVM其平均准确率达到99.16%,较PSO-SVM、FOA-SVM分别提高了2.5%、3.61%。金豺算法优化支持向量机(GJO-SVM)可以更加有效提取并诊断滚动轴承故障。 展开更多
关键词 变分模态分解 小波包信息熵 金豺优化算法 支持向量机 轴承故障诊断
在线阅读 下载PDF
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 2 … 45 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部