基于支持向量机方法的模拟电路故障诊断

模拟电路故障诊断是电路故障诊断的难点问题,也是制约电路故障诊断技术发展的瓶颈.支持向量机方法被看作是对传统学习分类方法的一个好的替代,特别在小样本、非线性情况下,具有较好的泛化性能.本文采用支持向量机方法对模拟电路故障诊断进行了研究,并从核函数、模型参数等方面对其故障诊断性能进行了分析.实验表明,支持向量机方法能获得比神经网络方法更好的故障诊断性能.     

模糊支持向量机在船舶发电机故障诊断中的优化应用

对以往提出方法的优点进行总结,在故障诊断中对模糊支持向量机进行优化应用,提出一种优化诊断方法。基于模糊支持向量机进行发电机故障分类,构建模糊故障分类模型。利用故障仿真模型获取各种发电机故障的对应电流信号,将电流信号中的特征量设为模型的四维输入向量。根据模糊故障分类模型的分类结果和船舶发电机历史运行数据,建立故障诊断融合识别框架。根据建立的故障诊断融合识别框架,将故障诊断过程分为4个步骤进行船舶发电机的实际故障诊断。对模糊支持向量机的优化应用进行实例研究,测试结果证明其优化应用实现了有效的故障诊断,验证了设计方法的有效性。     

基于机器学习的舰船机电装备故障诊断

随着信息技术的发展,以机器学习、模式识别为代表的人工智能技术在故障诊断领域逐步得到应用。通过对振动噪声信号的采集,利用时频分析技术对信号进行分解,并提取故障特征参数,再利用机器学习或模式识别技术对信号进行判别分类,可以实现舰船机电装备的智能诊断。为了验证该方法,选择经验模态分解方法进行信号分解,采用支持向量机进行诊断分类。通过实验表明,该方法有着较高的诊断精度,故障诊断率达到了96.7%,可以对舰船机电装备常见故障进行准确的智能诊断。     

基于PCA和C-SVM的涡轮部件故障诊断

针对某型三轴燃气轮机高、低压涡轮部件容易出现的8种故障,提出一种基于PCA(主成分分析)与C-SVM(C-支持向量机)相结合的涡轮部件故障诊断模型.采用主成分分析方法对表征涡轮部件故障模式的测量参数进行特征提取,选择对故障模式影响最大的若干主成分作为C-SVM的输入样本,进而对高、低压涡轮部件故障进行诊断.通过实验表明,即使在较少样本的情况下,应用PCA与C-SVM相结合仍能取得较好效果.     

基于随机森林和支持向量机的船舶柴油机故障诊断

针对船舶低速二冲程柴油机故障的分析问题,提出基于随机森林和支持向量机的船舶柴油机故障诊断方法。对船舶低速二冲程柴油机MAN BW 6S50MC-C建立故障仿真模型并验证其有效性;在此基础上,通过故障仿真模型生成故障样本。运用基于随机森林的VarSelRF特征选择算法对故障数据进行降维,提出运用支持向量机对降维后的故障数据进行分类的方法。通过仿真试验验证并分析该方法的有效性。     

支持向量机在船舶电力推进系统故障诊断中的应用

针对人工神经网络收敛速度慢、容易陷入局部最优解等不足,本文采用支持向量机技术建立船舶电力推进故障诊断系统。确定支持向量机的核函数和分类方法,结合训练样本,采用基于网格搜索的K重交叉验证法进行核函数的参数优化,从而得到支持向量机故障诊断模型。利用支持向量机工具箱函数,在MATLAB中进行故障诊断模型的仿真计算,结果表明基于支持向量机所建立的故障诊断模型有较强的诊断准确性和泛化推广能力,从而提高船舶的安全性。     

基于主成分和支持向量机的设备寿命周期费用建模方法

提出运用主成分分析法和支持向量机技术相结合的分析法来减少影响设备寿命周期费用因素的数量,降低建模的难度。利用主成分分析法来约简影响因素,采用支持向量机技术来建模,减少非线性数据带来的不确定性。采用Matlab中的支持向量机工具箱,建立回归估算模型,并以实例分析验证本方法的可行性。     

基于小波域2DPCA特征提取算法的SAR图像识别

文章提出了一种利用二维离散小波变换与二维数主成分分析结合对SAR图像进行特征提取的新方法。该方法对SAR图像进行二层小波分解后提取低频子带图像的二维主成分分量作为目标的识别特征,利用支持向量机完成目标分类。采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率。     

支持向量机改进算法在船舶桨叶数分类中的应用

利用船舶目标辐射噪声DEMON谱特征,采用支持向量机改进算法,实现了对船舶螺旋桨桨叶数的分类识别应用研究。针对支持向量机算法对噪声比较敏感和求解最优分类面时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏特性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数2方面进行改进,构造齐次决策二阶损失函数径向基支持向量机改进算法,进行理论分析、数据仿真实验,并应用于利用船舶目标辐射噪声DEMON谱进行船舶螺旋桨桨叶数的分类识别实验。结果表明,该改进算法实现了支持向量机在二次规划中的最小约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,适用于利用船舶目标辐射噪声DENOM进行船舶螺旋桨桨叶数分类应用。     

基于支持向量机的船舶柴油机故障诊断

介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高.     

基于引力搜索BP神经网络的柴油机故障诊断

为了提高柴油机故障诊断的精度,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法,并将其运用于柴油机磨损故障的振动诊断。结果表明,该方法与BP神经网络相比,对柴油机的磨合、磨损、极限等故障诊断准确,精度提高明显,验证了该方法的有效性。     

基于粗糙集和 SVM 理论的柴油机故障分类预测诊断

文中利用粗糙集和 SVM 理论相结合的方法对柴油机故障进行快速准确分类预测诊断。首先对收集的故障特征数据进行预处理,再运用粗糙集理论进行属性约简得到最优决策属性表,然后使用 SVM 理论中的分类预测规则对最优决策属性表进行诊断分类,得出诊断结果。通过实例分析验证了该诊断方法优于单一的粗糙集诊断和 SVM 诊断。     

柴油机状态在线监测与故障诊断系统开发

介绍了状态监测与故障诊断系统的原理和方法,使用LabVIEW平台及多功能数据采集卡研制柴油机的故障诊断系统。提出了几种特征参数分析方法,开发了多个子仪器,可较好的对柴油机的不同故障进行监测。     

船用柴油机工作过程故障诊断的仿真研究

利用计算机数值计算方法进行了船用柴油机性能故障的仿真计算,通过对各故障下热工参数的特征分析,揭示了热工参数在不同性能故障、不同运行工况和不同航行工况下变化规律,探讨了热工特征参数的优化选择、性能故障的分类和计算机仿真建模等问题,提出了热工参数的相对偏差分析法,并介绍了人工神经网络在船用柴油机故障诊断中的具体应用。     

基于SPA的船用柴油机热工故障诊断研究

船用柴油机热工参数蕴含着大量的故障信息,外界干扰小,诊断范围广,具有很好的诊断价值。本文将集对分析应用到柴油机热工故障诊断当中,介绍了集对分析(SPA)的基本理论,在此基础上,建立了基于SPA的柴油机热工故障诊断模型。再利用4190型船用中速柴油机AVL BOOST工作过程仿真模型,进行故障仿真计算,提取了13类热工参数进行分析,获取了基准故障集和待检工作状态集,验证了模型的准确性;同时证明了集对分析在柴油机故障诊断中的可行性,为柴油机故障监测和诊断提供了新方法。     

Fault diagnosis of marine diesel engine intake and exhaust system based on dynamic feature fusion北大核心CSCD

[目的]船舶系统由多设备的复杂机构组成,各组件参数具有动态性和非线性的特点,所以故障诊断过程复杂。为提高诊断效率,提出一种动态特征融合方法。[方法]利用分形理论、动态理论及核主元分析(KPCA)法对系统状态数据进行重构、映射及筛选,得到主元特征数据矩阵,求得平方预测误差(SPE)及相应的控制限,构建出基于船舶柴油机进排气系统健康数据的离线监测模型,利用该模型对系统进行故障诊断分析。为验证模型的有效性,选取某船舶柴油机进排气系统的故障数据进行验证分析。[结果]结果表明,动态特征融合分析方法可有效实现对系统动态非线性状态数据的精确分析,实现对系统故障的高效分析和诊断。与KPCA及支持向量机(SVM)方法相比,所提方法具有更好的故障诊断性能。[结论]该方法可实现船舶柴油机进排气系统故障的检测和诊断,提升系统运行的可靠性和安全性。     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。     

故障树分析法在船舶主机系统故障诊断中的应用

根据故障树分析法原理,结合船舶柴油机出现的典型故障,构筑相应的故障树,从定性和定量两个方面进行分析。实践证明,故障树分析法能从故障现象着手快速判断、分析故障原因及其逻辑关系,对复杂故障的分析和故障点的定位具有较好适用性。     

基于多源信息融合的柴油机故障诊断方法

为提高柴油机这一复杂系统的故障诊断精度,在采集缸盖声发射信号、缸盖振动信号和机体声发射信号特征信息的基础上,利用3个BP神经网络进行局部诊断并获得证据体,对各证据体应用D S证据组合规则进行决策融合。针对D S证据理论在处理冲突证据时存在的局限性问题,提出一种多源加权融合的故障诊断方法。该方法利用各证据体对命题识别的正确率和证据体之间的距离对各证据体进行修正。故障模拟试验表明:提出的方法可提高柴油机的故障诊断精度,充分验证其应用在柴油机故障诊断中的可行性。