基于支持向量机故障诊断方法

支持向量机是一种基于统计学习理论的机器学习算法,它能在训练样本很少的情况下达到很好的分类效果.本文以双螺杆挤出机为例,介绍了基于支持向量机的多故障分类器,探讨了"成对分类"与"一类对多类"两种多类分类算法的应用.诊断实例表明,基于支持向量机的多故障分类器对设备故障具有很好的分类效果.     

基于支持向量机的抽油机故障诊断研究

与传统的故障诊断方法相比,基于支持向量机的故障诊断方法具有模型简单、分类能力强、推广能力好等特点。以油田生产中抽油机的常见故障诊断为例,表明了本文所提方案的有效性。     

基于支持向量机的数字电路故障诊断研究

为了解决因缺少大量故障数据样本而制约数字电路故障智能诊断发展的问题,提出了一种基于支持向量机的故障诊断仿真模型.由FPGA仿真产生数字电路,由PCI-72001/O卡进行采集.支持向量机建立在VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷.在选取诊断模型输入向量时,对故障信号进行筛选,简化了故障特征向量的提取.仿真结果表明支持向量机可以有效地对数字电路故障进行诊断.     

基于支持向量机的非线性系统故障诊断

提出了联想度的概念,并由此设计出一种自组织模糊CMAC（SOFCMAC）及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高等特点,用该SOFCMAC作为非线性系统观测器而生成残差,通过支持向量诊断器得到故障检测与诊断结果。对某型歼击机的结构故障进行诊断,仿真结果表明了该方法的有效性。     

基于支持向量机的旋转整流桥故障诊断

针对车辆同步发电机中旋转整流桥发生故障时电源系统处于"带病"工作状态,直接检测相对困难的问题,通过MATLAB/Simulink建立同步发电机中旋转整流桥的仿真模型,分析各种故障状态下对定子绕组电流波形的影响,将定子绕组产生的谐波次数及幅值作为特征向量,采用支持向量机进行模式分类,通过组合网格法选择各模式分类的参数,构成"一对多"的多分类支持向量机.通过与BP神经网络的分类对比,结果表明支持向量机用少量样本就能获得较好的诊断效果.     

基于一类支持向量机的传感器故障诊断

提出了一种基于一类支持向量机的传感器故障诊断方法,它利用相空间重构技术将传感器本身获取的相关时序数据转化成矢量,再用一类支持向量机来训练正常行为模型,进而通过发现数据异常来进行故障诊断。通过连续输入测量数据,它还可以实现在线诊断。仿真实验表明:该方法在诊断传感器故障方面有良好的性能。     

基于支持向量机集成的故障诊断

为提高故障诊断的准确性,提出了一种基于遗传算法的支持向量机集成学习方法,定义了相应的遗传操作算子,并探讨了集成下的分类器的构造策略。对汽轮机转子不平衡故障诊断的仿真实验结果表明,集成学习方法的性能通常优于单个支持向量机,而所提方法性能则优于Bagging与Boosting等传统集成学习方法,获得的集成所包括的分类器数目更少,而且结合多种分类器构造策略可提高分类器的多样性。该方法能容易地推广到神经网络、决策树等其他学习算法。     

基于支持向量机的电路故障诊断模型

提出了一种基于遗传编程和支持向量机的故障诊断模型。通过遗传编程对时域指标进行特征选择和提取，得到更能反映信号本质的特征信号，该特征信号可作为识别特征输入多类支持向量机，实现对模拟电路不同类型软故障的识别。实验结果表明，同传统时域指标相比，经过遗传选择和提取的特征对模拟电路的软故障具有更好的识别能力，进而提高了多类支持向量机的分类准确性。     

基于支持向量机的故障诊断

将支持向量机应用于故障的分类诊断,通过实例建立了两类故障分类器和多故障分类器,给出了具体的建立多故障分类器的步骤和仿真结果。最后提出了一种新的方法——基于支持向量机的并行诊断网络。     

飞行器远程故障诊断与健康监控

通过对飞行器故障机理与人、机、环境的相关性研究,利用人工智能理论和方法,提出了一种飞行器网络化远程故障诊断与健康监控方案,并对其实现技术进行了分析与研究,为提高飞行器运行的安全性和可靠性及对早期故障的适应与防护能力提供了一种新的技术途径.     

指控装备多Agent远程监测与诊断系统设计与实现

针对指挥控制系统日趋复杂,装备测试诊断任务压力骤增的现状和装备智能化保障需要,提出了一种基于多Agent分布式指控装备远程智能监测诊断系统,结合某型军用指控系统,将智能代理技术引人远程监测及诊断领域,建立多Agent系统(MAS)的远程监测模型,运用分布式人工智能理论设计组建各功能Agent子系统,并分析了其通信机制及协调一致性等关键技术,实现了对某型复杂指控装备的远程监控及故障诊断任务;通过实验仿真运行,验证了该系统能较好实现装备保障需求,具有良好的时效性与可靠性.     

嵌入式故障诊断系统监管平台的设计与实现

紧凑型外围设备互连(CPCI)总线加固计算机是军用装备的重要组成部分,为了实现该设备在工作过程中的实时在线状态监测和故障诊断,该文针对CPCI总线加固计算机的结构,研究其嵌入式故障诊断系统的总体框架和工作原理。设计该故障诊断系统的监管平台,给出该监管平台的硬件及软件实现方案,分析软件系统中各模块的实现过程,并给出相应的实验结果。     

基于改进支持向量机的仿真电路故障诊断研究

研究电路的故障问题,应提高快速性和准确性。为提高仿真电路故障诊断效率,给出了一种基于改进支持向量机的仿真电路故障诊断方法。首先通过小波包变换实现了信号的能量特征提取,根据主元分析完成了特征压缩;其次针对支持向量机多分类一对一方法存在的不可分类区,将其与最近邻分类法相结合,实现了电路的故障诊断,并提出了一种混合遗传算法实现了小波函数和支持向量机参数的同步选择;最后通过一仿真电路的仿真实验,与BP,RBF和PNN等神经网络对比,结果显示基于支持向量机的方法诊断精度最高,达到98%,为设计提供参考依据。     

基于云平台的蒸渗仪远程故障诊断方法研究

针对蒸渗仪部署分散,设备产生故障后不能及时发现的问题,设计了一种基于云平台的远程故障诊断系统。首先,利用无线通讯技术,将蒸渗仪采集的数据发送至远程云平台;然后,采用卡尔曼滤波算法与阈值检测机制对采集数据进行异常检测;在此基础上,采用基于贝叶斯网络的故障诊断方法对异常数据进行分析,从而推断设备故障原因;最后,通过实时更新历史故障库来动态优化贝叶斯网络诊断模型的结构和参数,以提高系统的正确诊断率。实际应用结果表明,该系统能有效地检测出蒸渗仪的异常信息并给出故障原因,对确保监测数据的正确性具有重要意义。     

铁路机车远程监测与故障诊断系统设计

传统的机车车载故障诊断装置在进行在线监测与车载诊断时存在实时性差、信息难以共享等不足,为此,利用车载嵌入式数据采集技术、GPRS无线传输技术、故障诊断专家系统、MQ传输技术及基于浏览器/服务器模式的客户端展现方式,设计实现一个铁路机车远程监测与诊断系统。应用结果表明,该系统性能稳定可靠,可为现代化机车管理和检修提供技术支撑。     

一种QPSO优化SVM的模拟电路故障诊断方法

为提高基于SVM的模拟电路故障诊断精度,提出了一种基于QPSO优化SVM的故障诊断方法。文中首先对QPSO算法进行了介绍,然后对支持向量机的性能影响因素进行了分析,并给出了基于QPSO优化SVM 参数的算法步骤;最后以某滤波电路为例进行了仿真实验,验证了该方法的有效性。     

基于Internet的远程机械故障诊断技术研究

介绍了利用Internet进行远程机械故障诊断的技术。重点介绍了远程诊断专家系统和远程信号处理系统的方法 ,同时介绍了动态网页 ,CORBA等技术在其中的应用。     

电机故障检测支持向量机的优化

为了提高支持向量机在故障检测中的识别率，需要对其环节和方法进行优化。支持向量机是统计学理论中研究小样本情况下机器学习规律的新理论，其优点是模式分类：隐马尔科夫是马尔科夫链的扩展，是一个双重随机过程。隐马尔科夫具有适合处理连续动态信号的优点，二者的结合可使以前的支持向量机更加完善。小波变换是一种新兴的时频分析方法，其特有的尺度伸缩功能使其具备了很强的奇异、突变信号鉴别能力，能有效地检测到非平稳信号的瞬时、奇异成分，并显示其时域的产生和持续时间。在提取故障信号时，通过小波分析方法从信号中有效提取非平稳特征，训练模型，再用此模型诊断。试验表明，优化后的方法可以明显提高识别率。