船体弹性支撑轴机械故障检测方法研究

当前船体弹性支撑轴故障检测存在效率低、错误多等不足,为了改善船体弹性支撑轴故障检测效果,设计了支持向量机多类分类器的船体弹性支撑轴故障检测方法。首先选择船体弹性支撑轴作为研究对象,提取其振动信号。然后从振动信号中提取描述其工作状态的特征,并通过对特征进行选择,得到最优的船体弹性支撑轴故障检测特征。最后根据故障检测特征,采用支持向量机多类分类器进行船体弹性支撑轴故障分类和检测。仿真测试结果表明,本文方法能够很好识别各种类型的船体弹性支撑轴故障,对所有类型故障检测率超过95%以上,而且具有较快的船体弹性支撑轴故障检测速度,相对其他船体弹性支撑轴故障检测方法,优势十分明显。     

基于决策SVM的入侵检测技术研究

在网络入侵检测中,数据类别不均衡训练集的使用将产生分类偏差,支持向量机是一种新型的统计学习模型,在处理小样本和学习机的推广能力上有很大的优势．针对支持向量机解决k个多类分类问题存在训练样本数据大、训练困难的问题,提出基于支持向量机的决策树训练算法,构建了基于支持向量机决策树的入侵检测系统模型．利用KDDCup99数据集,将本文提出的算法与Lee-Carter方法和1-v-R方法进行了对比实验．通过实验和比较表明,该方法的训练效率大大提高,并且具有较高的检测率．     

基于改进的支持向量机方法的多目标图像分割

支持向量机方法被看作是对传统学习分累方法的一个好的替代,特别在小样本、高维情况下,具有较好的泛化性能。针对一对一支持向量机方法进行了改进,并采用其对多目标图像进行了分割研究。实验结果表明,支持向量机方法是一种很有前景的图像分割技术。     

线性预测编码和支持向量机在目标识别中的应用

针对利用船舶辐射噪声进行水下目标识别的问题进行研究,提出一种基于线性预测编码(LPC)倒谱系数和支持向量机(SVM)的船舶目标识别方法。该方法通过对捕获到船舶辐射噪声进行LPC倒谱分析,实现各信号分量及信道的分离,以提取其LPC倒谱参数。再采用支持向量机技术处理多类水下目标的非线性、小样本的识别分类。最后,利用仿真得到的几种水下目标辐射噪声进行本文算法试验,证明本文算法是有效的,并取得较高的识别准确率。     

基于支持向量机的液压调节器多类故障辨识

针对目前故障诊断中故障数据样本获取及特征提取困难的问题,分析了液压调节器的4种典型故障,建立了基于支持向量机的多类故障分类器,并直接将少量的时间序列信号作为分类器的输入。实验结果表明,在小样本情况下,不必对信号预处理以提取特征,该分类器便可实现液压调节器的多类故障分类,证明该方法是有效、可行的。     

基于DAGSVM的装备不常用备件分类方法

针对装备不常用备件需求样本数据有限、影响不常用备件需求的因素众多,且各因素间的关系多为非线性等特点,分析了现有备件分类方法中的不足,并引入在小样本学习方面具有优势的支持向量机(Support Vector Machines,SVM)方法,利用有向无环图支持向量机(Directed Acyclic Graph SVM,DAGSVM)方法对装备的不常用备件进行分类,并进行了实例应用。结果表明,该方法可以有效地解决装备不常用备件的多类分类问题。     

SVM在合成孔径雷达图像目标识别中的应用

提出一种采用Zernike矩和支持向量机SVM结合对SAR图像中的舰船目标类型进行分类识别的算法。此算法首先对SAR舰船切片图像进行预处理,再采用Zernike矩提取SAR舰船图像切片的旋转不变特征算子;然后,利用支持向量机的方法对目标样本进行训练构造分类器,并采用"一对一"多类方式实现多类舰船目标的识别。最后,仿真建立3类舰船三维模型,并利用本文算法进行分类识别,实验结果表明本文算法能够有效识别舰船目标。     

使用协议分析和聚类支持向量机的入侵检测方法

根据入侵检测中协议分析技术与聚类支持向量机各自不同的检测特点,将协议分析技术融合到聚类支持向量机中,提出了一种新的入侵检测方法.通过协议分析不但可以快速地检测出入侵行为,而且可以有效减少支持向量机的训练时间,同时结合聚类算法进一步减少支持向量机的训练时间和预测时间,从而提高聚类支持向量机的检测效率.使用KDD99中的数据集进行仿真,试验结果表明,算法具有可行性、有效性,能有效提高检测率,降低误报率.     

航运企业客户信用监测预警研究

提出了基于系统模糊优选和支持向量机的客户信用监测预警模型,该方法首先通过系统模糊优选模型划分样本类别,处理了不确定性信息,标示出样本的信用警级,其次利用标示样本对支持向量机进行训练,建立基于二叉树的多类支持向量预警模型;最后,对航运企业客户信用进行监测预警实验,并与BP神经网络和Logit模型进行对比,实验表明该方法有效、可行.     

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.     

基于剪辑支持向量机的雷达目标识别方法

支持向量机（SVM）具有分类精度高、泛化能力强等优点,已成功应用在雷达目标识别领域。但其性能受多种因素影响。针对低信噪比、分类面混迭、参数选取等问题,文章提出剪辑SVM分类器,通过小波去噪、剪辑、矩阵相似度优选参数等手段有效抑制上述问题的影响。外场实测数据的仿真也表明剪辑SVM的性能优于传统SVM与最近邻分类器。     

基于支持向量机的SCR整流电路故障诊断方法

提出一种基于支持向量机(SVM)的可控整流电路故障诊断方法。只需要通过对整流阀输出波形的直接分析,利用SVM进行模式识别,就可对整流装置进行故障诊断。以三相桥式晶闸管(SCR)整流电路为例,进行了验证。通过实验研究结果表明:该方法能准确地对可控整流电路进行故障诊断和故障定位,具有良好的实用价值和广阔的应用前景。     

支持向量机在集装箱吞吐量预测上的应用

针对目前常用港口集装箱吞吐量预测方法的局限性,将支持向量机(SupportVectorMachines,SVM)回归方法用于港口吞吐量预测。提出了集装箱吞吐量预测的步骤和相关参数的确定方法。在此基础上,以上海港集装箱吞吐量的预测为例,详细介绍该方法的应用过程。结果表明,本算法合理有效,为解决集装箱吞吐量等非线性系统预测提供了一条新的途径。     

一种多学科设计优化近似模型构建方法

通过采用单个参数控制样本的误差界限、采用Laplace损失函数和改变置信区间项,给出了一种基于单参数的Lagrangian支持向量回归算法。以实际数值函数为例,通过采用三组不同样本集进行拟合训练,构建了基于支持向量机的近似模型;以石油平台支援船总阻力估算为例,通过与模型试验及其他典型方法的对比,检验了算法用于近似模型构建的准确性和适用性。研究结果表明,采用支持向量机方法构建近似模型在小样本条件下比神经网络等传统方法具有更好的泛化性和推广能力,能够有效提高计算精度与优化效率,在复杂系统多学科优化设计中具有很大的应用价值。     

基于DSP并行结构的二叉树SVM多分类器

目前SVM多类分类方法在模式识别领域得到了广泛使用。为了满足识别系统对完成多分类任务的实时性要求,研究了基于二叉树的SVM多类分类算法的实时实现。结合具体的硬件实现,提出了将一棵二叉树分解为几棵二叉树的并行方法。给出了基于TMS320C6711DSPs的并行实时实现方案,即用每一个DSP芯片完成一棵二叉树SVM的运算任务。并对接口电路设计和程序流程进行了阐述。该实现方法具有较好的快速性和可扩展性,可以应用于实时性要求较高和分类数目多的系统。     

基于粒子群优化支持向量机的水面无人艇故障诊断

通过故障诊断可以对水面无人艇可能要发生的故障进行预报、分析和判断,从而及时调整控制策略以抑制故障的继续发展,为消除故障、维修设备提供准确的技术支持.SVM是基于统计学习理论的一种机器学习方法,常用于故障诊断,在解决小样本、高维度、非线性模式识别问题中有独特优势.SVM分类的准确率由其属性参数直接决定,而最佳的属性参数往往很难直接得到.基于粒子群优化SVM(PSO-SVM)的水面无人艇故障诊断方法,即将粒子群优化算法(PSO)用于SVM属性参数的优化选择中,充分发挥了PSO算法的全局搜索能力和易于实现的优势.水面无人艇故障诊断实例分析结果表明,PSO-SVM的故障诊断精度高于BP-NNs、GS-SVM、GA-SVM。PSO-SVM适用于水面无人艇故障诊断.     

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。     

某船应急消防泵舱检查发现问题处理

应急消防泵舱与A类机器处所相邻,2个处所公用的舱壁应隔热至相当于控制站所要求的结构防火标准,然而在船级社检验和港口国检查时,发现两个处所结构防火存在较多缺陷。文章通过一则应急消防泵舱结构防火缺陷解决案例的介绍,希望给予验船师和船厂工作人员技术提示,避免类似问题发生。     

基于红外视觉的船舶机舱火灾探测

介绍了基于红外视觉的船舶机舱火灾探测方法.首先将滑动时间窗内的若干帧红外火焰图像叠加到一个投影平面上,投影图像像素的灰度值反映了火焰的空间分布,采用投影矩来描述火焰的动态特征.然后,基于目标的投影矩特征,采用支持向量机来区分火焰和非火焰目标.实验中采用了两种火焰和两种疑似目标视频,实验结果表明,该方法具有较高的实时性和良好火焰探测效果.