期刊文献+
共找到508篇文章
< 1 2 26 >
每页显示 20 50 100
基于Rough Sets-C4.5的故障征兆提取与判别 被引量:1
1
作者 王庆 巴德纯 孟祥志 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2006年第10期1138-1141,共4页
针对原始信息系统往往存在大量重复样本和冗余属性,从而影响实际故障诊断的精度和速度这一问题,介绍了一种基于粗糙集和决策树C4.5算法相融合的故障诊断模型,用于设备的精确和快速故障诊断.利用粗糙集具有较强的处理不确定和不完备信息... 针对原始信息系统往往存在大量重复样本和冗余属性,从而影响实际故障诊断的精度和速度这一问题,介绍了一种基于粗糙集和决策树C4.5算法相融合的故障诊断模型,用于设备的精确和快速故障诊断.利用粗糙集具有较强的处理不确定和不完备信息的能力,对原始样本集进行离散化及约简处理;同时,利用决策树C4.5算法对约简后的决策表进行快速学习并形成树状故障分类器.以实例介绍了利用该模型进行故障诊断的完整过程. 展开更多
关键词 粗糙集 属性 约简 决策树 故障诊断
在线阅读 下载PDF
基于粗集理论和SVM算法的入侵检测方法研究 被引量:4
2
作者 彭宏 吴铁峰 张东娜 《计算机工程》 EI CAS CSCD 北大核心 2005年第8期157-158,170,共3页
提出了一种将粗集方法与SVM算法结合起来的入侵检测方法。利用粗集理论在处理大数据量、消除冗余信息等方面的优势,减少SVM训练数据,克服SVM算法因为数据量大,处理速度慢等缺点。同时,借助于SVM良好的分类性能,对粗集约简后的最小属性... 提出了一种将粗集方法与SVM算法结合起来的入侵检测方法。利用粗集理论在处理大数据量、消除冗余信息等方面的优势,减少SVM训练数据,克服SVM算法因为数据量大,处理速度慢等缺点。同时,借助于SVM良好的分类性能,对粗集约简后的最小属性子集进行分类,实现入侵检测的快速性能,高检测率和抗噪声强等优点。实验结果表明,该方法优于其它同类方式。 展开更多
关键词 相集 svm算法 网络安全 入侵检测
在线阅读 下载PDF
基于融合CNN与PSO-SVM的滚动轴承故障诊断 被引量:11
3
作者 王永鼎 金子琦 《机械强度》 CAS CSCD 北大核心 2021年第4期793-797,共5页
针对滚动轴承故障识别过程中,难以提取细微故障特征的问题,提出一种基于融合卷积神经网络与基于粒子群优化算法的支持向量机相结合的滚动轴承故障诊断方法。该方法将轴承振动信号同时作为一维卷积神经网络和二维卷积神经网络的输入信号... 针对滚动轴承故障识别过程中,难以提取细微故障特征的问题,提出一种基于融合卷积神经网络与基于粒子群优化算法的支持向量机相结合的滚动轴承故障诊断方法。该方法将轴承振动信号同时作为一维卷积神经网络和二维卷积神经网络的输入信号,并在汇聚层中将提取到的故障信息融合,最后通过优化后的分类器提高故障识别准确率。为了验证该方法的诊断性能,将与融合卷积神经网络同规格的一维卷积神经网络和二维卷积神经网络进行对比。试验结果表明,该方法不仅可以提高故障识别准确率,还可以在信号受到噪声污染时保持良好的诊断性能。 展开更多
关键词 滚动轴承 故障诊断 卷积神经网络 svm
在线阅读 下载PDF
基于RS与LS_SVM的密闭鼓风炉故障诊断 被引量:2
4
作者 戴贤江 桂卫华 蒋少华 《计算机工程与应用》 CSCD 北大核心 2008年第10期221-223,共3页
针对密闭鼓风炉故障信息的复杂性和不完备性,建立了基于粗糙集(RS)和最小二乘支持向量机(LS_SVM)相结合的故障诊断模型。首先运用等频率划分法对故障诊断数据中的连续属性进行离散化,然后采用粗糙集理论进行故障诊断决策系统约简,获得... 针对密闭鼓风炉故障信息的复杂性和不完备性,建立了基于粗糙集(RS)和最小二乘支持向量机(LS_SVM)相结合的故障诊断模型。首先运用等频率划分法对故障诊断数据中的连续属性进行离散化,然后采用粗糙集理论进行故障诊断决策系统约简,获得最优决策系统。将约简结果与LS_SVM相结合,建立了故障诊断模型。实验结果表明,该模型提高了诊断效率和判断准确率。 展开更多
关键词 粗糙集(RS) 最小二乘支持向量机(LS_svm) 故障诊断 密闭鼓风炉
在线阅读 下载PDF
基于DTCNN-SVM的工业循环水系统供水泵故障诊断 被引量:7
5
作者 吴佳 李明宸 唐文妍 《振动与冲击》 EI CSCD 北大核心 2023年第13期226-234,共9页
工业循环水系统供水泵的工作状态是影响工业过程安全生产的重要因素,为及时准确地识别供水泵的工作状态,提出一种基于深度迁移卷积神经网络和支持向量机(deep transfer convolutional neural network-support vector machine,DTCNN-SVM... 工业循环水系统供水泵的工作状态是影响工业过程安全生产的重要因素,为及时准确地识别供水泵的工作状态,提出一种基于深度迁移卷积神经网络和支持向量机(deep transfer convolutional neural network-support vector machine,DTCNN-SVM)的故障诊断方法。将与工作状态强相关的振动信号进行信号-图像预处理,实现振动时序信号的二维灰度图化;在此基础上,采用融合迁移学习与残差神经网络的深度迁移卷积神经网络模型提取振动信号灰度图特征,并基于模糊不一致性度量对深度学习特征进行约简;采用支持向量机法建立供水泵故障诊断模型。试验结果表明,所提方法在少量样本数据和模型参数下能有效识别供水泵工作状态。 展开更多
关键词 供水泵故障诊断 深度迁移卷积神经网络(DTCNN) 支持向量机(svm) 模糊不一致性度量
在线阅读 下载PDF
基于EEMD模糊熵和GA-SVM的牵引网故障诊断研究 被引量:3
6
作者 包晗 曹保江 +2 位作者 刘凯 杨雁 吴广宁 《铁道标准设计》 北大核心 2023年第5期128-137,共10页
牵引网发生故障时,如何快速诊断故障对维护铁路的正常运输秩序有极大影响,针对这一问题,提出一种基于EEMD模糊熵和GA-SVM的故障诊断方法。选取牵引网馈线电压在故障发生时刻后两个周期的故障分量波形作为原始故障信号,首先,对其进行EEM... 牵引网发生故障时,如何快速诊断故障对维护铁路的正常运输秩序有极大影响,针对这一问题,提出一种基于EEMD模糊熵和GA-SVM的故障诊断方法。选取牵引网馈线电压在故障发生时刻后两个周期的故障分量波形作为原始故障信号,首先,对其进行EEMD分解得到一系列的本征模态函数(IMF)分量,选取IMF1~IMF3分量并计算其模糊熵作为表征不同故障类型的特征量;然后,为对故障类型进行诊断,建立多分类支持向量机(SVM)模型,将特征量输入至SVM模型中进行训练和识别;同时,为使模型的性能达到最佳,采用遗传算法(GA)对模型进行优化。测试结果表明,该方法能够有效地对5种典型牵引网故障进行诊断,且准确率达到了96%,验证了该方法的可行性。 展开更多
关键词 牵引网 故障诊断 EEMD 模糊熵 遗传算法 svm 电气化铁路
在线阅读 下载PDF
基于RS与LS-SVM多分类法的故障诊断方法及其应用 被引量:10
7
作者 蒋少华 桂卫华 +1 位作者 阳春华 戴贤江 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2009年第2期447-451,共5页
针对密闭鼓风炉熔炼过程工艺复杂、工况变化较大的特点,提出应用粗糙集(RS)和最小二乘支持向量机(LS-SVM)进行鼓风炉故障诊断的方法。该方法首先利用RS对炉子的故障样本进行知识约简,获得各故障类型的征兆最小条件属性作为特征向量,然后... 针对密闭鼓风炉熔炼过程工艺复杂、工况变化较大的特点,提出应用粗糙集(RS)和最小二乘支持向量机(LS-SVM)进行鼓风炉故障诊断的方法。该方法首先利用RS对炉子的故障样本进行知识约简,获得各故障类型的征兆最小条件属性作为特征向量,然后,输入到由多个最小二乘支持向量机构成的多故障分类器中进行故障识别和分类。研究结果表明:该方法具有较强的泛化能力,诊断准确率达到90%以上。 展开更多
关键词 粗糙集 最小二乘支持向量机 多类分类器 故障诊断
在线阅读 下载PDF
基于DWT-DSCNN-SVM的轴承故障诊断 被引量:3
8
作者 杨瑞恒 唐向红 +1 位作者 陆见光 陈功胜 《组合机床与自动化加工技术》 北大核心 2021年第6期76-80,共5页
在故障诊断过程中,为了更好地提取特征以及提高故障识别率,提出了一种基于离散小波变换和深度可分离神经网络算法以及SVM分类器的滚动轴承故障诊断方法。首先,模型利用离散小波变换对原始振动信号提取特征,形成多通道样本;然后对样本进... 在故障诊断过程中,为了更好地提取特征以及提高故障识别率,提出了一种基于离散小波变换和深度可分离神经网络算法以及SVM分类器的滚动轴承故障诊断方法。首先,模型利用离散小波变换对原始振动信号提取特征,形成多通道样本;然后对样本进行深度可分离卷积神经网络训练,最后在全连接层后接SVM分类器实现对故障信号的分类。实验所用数据来自CTU-2实验平台,故障标签共有10类。实验结果表明,相比较单一使用小波变换提取特征或者CNN卷积神经网络分类的方法,该模型的诊断效果更加优秀。 展开更多
关键词 离散小波 深度可分离神经网络 svm 故障诊断
在线阅读 下载PDF
应用快速多分类SVM的航空发动机故障诊断方法 被引量:20
9
作者 徐启华 师军 耿帅 《推进技术》 EI CAS CSCD 北大核心 2012年第6期961-967,共7页
提出了一种新的快速多分类SVM算法,用于解决大样本情况下航空发动机的多类故障诊断问题。首先,选用层次支持向量机(H-SVM)来实现多类分类,用各类数据中心代表该类数据,通过自组织特征映射神经网络(SOFM)进行聚类,把类中心之间距离较近... 提出了一种新的快速多分类SVM算法,用于解决大样本情况下航空发动机的多类故障诊断问题。首先,选用层次支持向量机(H-SVM)来实现多类分类,用各类数据中心代表该类数据,通过自组织特征映射神经网络(SOFM)进行聚类,把类中心之间距离较近的数据归为同一个子类进行训练,得到H-SVM层次结构。其次,在训练H-SVM中的二元分类器时,应用相对边界向量(RBV)代替全部训练样本,在保持分类精度几乎不变的条件下大幅度减少了训练样本数,使训练时间明显缩短;同时,由于支持向量的数量减小,分类时间也相应缩短。在分类数据混迭较为严重的情况下,新算法先剔除混迭的异类数据,再计算RBV,并且把与计算的RBV距离小于一定数值的样本都选择来训练SVM,保证了RBV的合理性,防止了关键数据的丢失,有效提高了分类精度。针对一个航空涡喷发动机5类复合故障的分类进行了实例仿真,总的故障分类正确率达到91.2%,二元SVM的训练时间最多只有原来的16.20%;当训练样本总数达到7500的大规模情况下,根据本算法,约减后的样本数量只有原来的3.05%。仿真结果表明,提出的算法有效、可靠,容易实现。 展开更多
关键词 航空发动机 支持向量机 故障诊断 大规模训练集 样本约减 神经网络
在线阅读 下载PDF
用LS-SVMs分析油浸式变压器故障 被引量:9
10
作者 李天云 王爱凤 +1 位作者 程思勇 吴正非 《高电压技术》 EI CAS CSCD 北大核心 2008年第2期346-349,共4页
鉴于支持向量机法可较好地解决小样本、非线性、高阶动态系统的检测、分类、诊断等领域的一类实际问题,为改进变压器的故障诊断方法,采用分层决策最小二乘支持向量机作为油浸式变压器故障分类器,利用多层动态自适应优化算法优化了径向... 鉴于支持向量机法可较好地解决小样本、非线性、高阶动态系统的检测、分类、诊断等领域的一类实际问题,为改进变压器的故障诊断方法,采用分层决策最小二乘支持向量机作为油浸式变压器故障分类器,利用多层动态自适应优化算法优化了径向基核函数δ,惩罚参数c。采用最少特征量—4种气体作为故障识别的依据,用4级支持向量机进行训练和诊断,以此判断油浸式变压器运行所处的状态。最小二乘多级支持向量机分类器克服了神经网络存在大量的学习样本又易陷入局部极小值等缺点,具有所用特征量少,训练时间短,诊断准确率高等优点。 展开更多
关键词 油浸式变压器 故障诊断 非线性高阶动态 特征量 多级支持向量机 神经网络
在线阅读 下载PDF
基于复杂网络优化的DAG-SVM在滚动轴承故障诊断中的应用 被引量:9
11
作者 石瑞敏 杨兆建 《振动与冲击》 EI CSCD 北大核心 2015年第12期1-6,34,共7页
针对滚动轴承故障与其演化程度组合类型数量大,一般模式识别方法难以适应的问题,提出基于复杂网络优化的有向无环图支持向量机(CNDAG-SVM)。该方法引入复杂网络理论中相似性测度概念用以评定各样本类型间的分离性质,并以平均相似性测度... 针对滚动轴承故障与其演化程度组合类型数量大,一般模式识别方法难以适应的问题,提出基于复杂网络优化的有向无环图支持向量机(CNDAG-SVM)。该方法引入复杂网络理论中相似性测度概念用以评定各样本类型间的分离性质,并以平均相似性测度作为有效度量样本类型可区分程度的测度对有向无环图叶节点类型进行排序,依次提取对应二元分类器构造较优有向无环图拓扑结构,缓解误差累积效应的同时提高了结构上层节点的容错能力,获得较高的正确识别率。利用局部均值分解方法提取乘积函数(Production Function,PF)分量波峰系数、峭度系数及能量构造特征向量,将其输入CNDAG-SVM分类器中用于区分滚动轴承的故障类型与演化程度。对滚动轴承内圈故障、外圈故障及滚动体故障振动信号的分析结果表明,该方法能准确有效识别故障类型与其演化程度,较之传统多元分类支持向量机具有更高的识别精度和效率。 展开更多
关键词 复杂网络 有向无环图支持向量机 滚动轴承 故障诊断
在线阅读 下载PDF
基于RS-LSSVM的高速列车走行部滚动轴承故障诊断研究 被引量:4
12
作者 贺德强 陈二恒 +1 位作者 李笑梅 刘旗扬 《广西大学学报(自然科学版)》 CAS 北大核心 2017年第2期403-408,共6页
针对高速列车走行部滚动轴承故障诊断模型构建时间较长、诊断准确率不高的问题,提出一种基于粗糙集(RS)和最小二乘支持向量机(LSSVM)的方法。该方法利用小波包变换构造能量特征集,使用粗糙集属性约简算法对离散后的能量特征集处理,得到... 针对高速列车走行部滚动轴承故障诊断模型构建时间较长、诊断准确率不高的问题,提出一种基于粗糙集(RS)和最小二乘支持向量机(LSSVM)的方法。该方法利用小波包变换构造能量特征集,使用粗糙集属性约简算法对离散后的能量特征集处理,得到最小约简,将其输入到基于最小二乘支持向量机的故障诊断模型中进行状态识别。测试实例证明了粗糙集属性约简算法不仅保留了能量特征集的重要属性,缩短了后期故障诊断模型构建时间,而且保证了故障诊断的准确率,其模型构建时间为0.071 s,故障诊断准确率为100%。因此,RS和LSSVM相结合是一种优秀的故障诊断方法,可以作为高速列车走行部滚动轴承故障诊断的新思路。 展开更多
关键词 高速列车走行部 滚动轴承 故障诊断 粗糙集 最小二乘支持向量机
在线阅读 下载PDF
基于数值型属性约简的SVM网络故障诊断 被引量:2
13
作者 李爰媛 孟相如 +1 位作者 张立 庄凌屹 《计算机工程》 CAS CSCD 北大核心 2009年第7期273-276,共4页
网络故障的关联性传播可能导致网络故障数据包含大量冗余信息,影响诊断精度和处理效能。该文根据故障数据的特点,将粗糙集理论与支持向量机(SVM)相结合,采用基于邻域粗糙逼近的数值型属性约简算法进行快速高效的故障诊断,避免经典粗糙... 网络故障的关联性传播可能导致网络故障数据包含大量冗余信息,影响诊断精度和处理效能。该文根据故障数据的特点,将粗糙集理论与支持向量机(SVM)相结合,采用基于邻域粗糙逼近的数值型属性约简算法进行快速高效的故障诊断,避免经典粗糙集理论中离散化误差的影响,缩减数据存储空间,降低SVM训练模型的复杂度,提高训练速度。ROC性能曲线分析结果表明,该方法具有良好的泛化能力。 展开更多
关键词 网络故障诊断 支持向量机 数值型属性约简 邻域逼近
在线阅读 下载PDF
基于SVM的故障诊断在网管平台中的应用 被引量:2
14
作者 李爰媛 孟相如 张立 《计算机应用》 CSCD 北大核心 2007年第10期2414-2416,共3页
为了克服现有故障诊断方案在实时性、预测性和智能化方面的不足,基于二叉树的SVM多分类方法,设计了网络故障诊断方案,应用于网络管理平台之上,提高了网络监控以及故障管理的效能。通过测试,验证了该方案的可行性和有效性。对实测的小样... 为了克服现有故障诊断方案在实时性、预测性和智能化方面的不足,基于二叉树的SVM多分类方法,设计了网络故障诊断方案,应用于网络管理平台之上,提高了网络监控以及故障管理的效能。通过测试,验证了该方案的可行性和有效性。对实测的小样本数据显示了较强的预警能力,对多类网络故障也具有较高的分类精度。 展开更多
关键词 支持向量机 网络故障诊断 网络管理平台 二叉树
在线阅读 下载PDF
RS-CS-SVM在电液伺服系统故障诊断中的应用 被引量:1
15
作者 孙海霞 木合塔尔.克力木 +1 位作者 王晨 李卉 《组合机床与自动化加工技术》 北大核心 2018年第6期47-50,55,共5页
针对电液伺服系统故障数据冗杂、非线性以及多样性等问题,提出了一种基于Rough Set(RS)和Cuckoo Search(CS)算法优化的Support Vector Machine(SVM)的故障诊断方法。该方法通过AMESim仿真软件对穿戴式康复训练机器人电液伺服系统进行建... 针对电液伺服系统故障数据冗杂、非线性以及多样性等问题,提出了一种基于Rough Set(RS)和Cuckoo Search(CS)算法优化的Support Vector Machine(SVM)的故障诊断方法。该方法通过AMESim仿真软件对穿戴式康复训练机器人电液伺服系统进行建模,并提取故障特征量;利用粗糙集把故障特征量的冗余信息剔除,再利用布谷鸟算法优化进行向量机参数的选取,将优化处理后的故障数据作为样本输入支持向量机,实现故障诊断和分类。通过将该方法与其他几种优化支持向量机方法相比较,这种方法对于电液伺服系统故障数据冗杂、非线性及较差的故障分类具有很好的诊断功能,且其诊断正确率较高以及诊断时间大大缩短。 展开更多
关键词 粗糙集 布谷鸟算法搜索 支持向量机 电液伺服系统 故障诊断
在线阅读 下载PDF
基于PSO-SVM的车载ATC设备故障诊断 被引量:5
16
作者 付文秀 周晓勇 +1 位作者 李弘扬 郭毅 《北京交通大学学报》 CAS CSCD 北大核心 2022年第2期98-107,共10页
地铁列车车载自动控制系统(Automatic Train Control,ATC)设备的故障排查诊断大多依赖人工经验,存在效率低下问题.针对车载ATC设备的故障诊断问题,采用一种基于粒子群算法优化支持向量机(Particle Swarm Optimization-Support Vector Ma... 地铁列车车载自动控制系统(Automatic Train Control,ATC)设备的故障排查诊断大多依赖人工经验,存在效率低下问题.针对车载ATC设备的故障诊断问题,采用一种基于粒子群算法优化支持向量机(Particle Swarm Optimization-Support Vector Machine,PSO-SVM)的地铁列车车载ATC设备故障诊断方法 .根据历史故障数据记录表得到故障特征词汇集,引入粗糙集理论的知识对故障特征词汇集进行属性约简.利用PSO-SVM算法对约减后的故障特征词汇集进行分类对比,实验结果表明:在相同训练测试集下,PSO-SVM算法相对于SVM、神经网络算法具有更高的故障诊断准确率,并且更具稳定性. 展开更多
关键词 车载ATC设备 故障诊断 粗糙集 粒子群算法 支持向量机
在线阅读 下载PDF
SVM技术与ANN方法对旋转机械故障诊断性能的比较 被引量:1
17
作者 张金泽 单甘霖 《电光与控制》 北大核心 2006年第3期72-74,共3页
论述了基于支持向量机故障诊断技术的基本原理;介绍了传统的基于人工神经网络的故障诊断方法;以旋转机械故障诊断为例对两种诊断方法进行了比较,实验结果表明,与神经网络相比,基于支持向量机的故障诊断方法在训练速度、诊断精度、可靠... 论述了基于支持向量机故障诊断技术的基本原理;介绍了传统的基于人工神经网络的故障诊断方法;以旋转机械故障诊断为例对两种诊断方法进行了比较,实验结果表明,与神经网络相比,基于支持向量机的故障诊断方法在训练速度、诊断精度、可靠性等方面都表现出了优越的诊断性能。 展开更多
关键词 支持向量机 神经网络 故障诊断 旋转机械故障
在线阅读 下载PDF
基于KPCA与粒子群优化SVM的扫路车驱动电机故障诊断 被引量:2
18
作者 仝光 王玉林 +1 位作者 陈嘉乐 王强 《中国工程机械学报》 北大核心 2023年第3期266-270,共5页
针对环卫车辆驱动电机故障特征不明显且存在大量干扰因素等问题,为了提高故障诊断准确率,提出一种基于核主元分析和粒子群优化支持向量机(SVM)的故障诊断方法。该方法利用在电机故障状态下的振动信号构建时频域混合特征集,通过核主元分... 针对环卫车辆驱动电机故障特征不明显且存在大量干扰因素等问题,为了提高故障诊断准确率,提出一种基于核主元分析和粒子群优化支持向量机(SVM)的故障诊断方法。该方法利用在电机故障状态下的振动信号构建时频域混合特征集,通过核主元分析,对特征集内的特征量进行降维处理;通过选择主元特征和利用粒子群算法,优化SVM的主要参数,将得到的特征量输入到优化后的SVM中进行计算,并与未进行核主元分析的SVM进行对比分析。计算结果表明:该方法能够显著提高扫路车驱动电机的故障诊断准确率。 展开更多
关键词 混合特征集 核主元分析 粒子群优化算法 支持向量机(svm) 故障诊断
在线阅读 下载PDF
基于RS和SVM的化工过程高精度故障诊断方法 被引量:8
19
作者 张鑫 胡瑾秋 +1 位作者 张来斌 王倩琳 《石油学报(石油加工)》 EI CAS CSCD 北大核心 2017年第4期777-784,共8页
化工过程长时间处于正常运行状态而积累的故障样本有限,且含有冗余信息,降低了传统故障分类器的准确率。为了提高化工过程故障诊断的准确率,提出了一种基于RS和SVM的化工过程高精度故障诊断方法。首先,在不损失信息的情况下,采用RS约简... 化工过程长时间处于正常运行状态而积累的故障样本有限,且含有冗余信息,降低了传统故障分类器的准确率。为了提高化工过程故障诊断的准确率,提出了一种基于RS和SVM的化工过程高精度故障诊断方法。首先,在不损失信息的情况下,采用RS约简故障指标体系,去除冗余特征;然后,根据最小约简指标集构建故障数据集,建立优化的SVM故障分类器。将RS-SVM和标准SVM同时应用到预加氢过程的故障分类中,RS不同程度的提高了SVM准确率,当采用RBF核函数且训练样本集容量为60时,准确率提高幅度最大值为11.84%。比较结果表明,剔除数据中的冗余信息有助于提高故障诊断的准确率。 展开更多
关键词 化工过程 故障诊断 冗余信息 粗糙集 支持向量机
在线阅读 下载PDF
基于粗糙集和优化DAG-SVM的船舶主机故障诊断方法 被引量:15
20
作者 刘国强 林叶锦 +1 位作者 张志政 庞水 《中国舰船研究》 CSCD 北大核心 2020年第1期68-73,共6页
[目的]船舶主机各子系统之间是复杂的非线性关系,对于监测点在短时间内采集的大量数据,传统的故障诊断方法难以高效地完成任务。以船舶主机的燃油系统为研究对象,提出一种基于粗糙集理论和优化有向无环图-支持向量机(DAG-SVM)的故障诊... [目的]船舶主机各子系统之间是复杂的非线性关系,对于监测点在短时间内采集的大量数据,传统的故障诊断方法难以高效地完成任务。以船舶主机的燃油系统为研究对象,提出一种基于粗糙集理论和优化有向无环图-支持向量机(DAG-SVM)的故障诊断方法。[方法]首先,将数据挖掘中的粗糙集理论引入传统的支持向量机(SVM)诊断模型,并通过差别矩阵对离散化数据进行降维,在每2种故障之间建立支持向量机分类器,从而构建DAG-SVM拓扑网络;然后,以类间的分类精度为依据,优化有向无环图中根节点和其他叶节点的位置,从而有效避免"误差累积";最后,基于某超大型油轮模拟器,开展数值实验分析。[结果]实验结果表明,粗糙集与优化DAG-SVM相结合的故障诊断方法可以对船舶主机故障进行有效的诊断决策,其分类精度比传统的DAG-SVM方法提高了3.38%,而时间消耗也降低了2.42 s。[结论]该诊断方法对船舶主机的故障诊断研究具有一定的参考价值,也可为SVM在其他小样本分类中的应用提供数据支撑。 展开更多
关键词 粗糙集属性约简 支持向量机 有向无环图-支持向量机 船舶主机 故障诊断
在线阅读 下载PDF
上一页 1 2 26 下一页 到第
使用帮助 返回顶部