基于支持向量机的电控发动机故障诊断

为快速准确诊断出电控发动机故障,达到较强的故障有效识别水平,提出振动信号分析与支持向量机(support vector machine,SVM)相结合的故障诊断方法.将振动信号的偏度、峰峰值以及由小波分析理论与熵原理结合得到的小波能谱熵作为实验样本的三维特征向量,并将提取到的故障三维特征向量作为训练样本和测试样本输入到...     

基于蜻蜓算法和支持向量机的变压器故障诊断

电力变压器作为电力系统中变换电压、输送电能、分配电能的重要电力设备,其运行状态直接影响到电网的运行安全。为了提高故障诊断的准确率,提出了一种基于蜻蜓算法(dragonfly algorithm,DA)和支持向量机(support vector machine,SVM)的变压器故障诊断方法。利用蜻蜓算法DA对SVM分类器参数进行优化且以SVM分类预测准确率最大为其适应度函数。变压器故障诊断实例仿真结果分析表明:基于蜻蜓算法的DA-SVM支持向量机的变压器故障诊断与交叉验证法CV-SVM,基于遗传算法的GA-SVM,基于粒子群算法的PSO-SVM相比较,在变压器故障诊断中具有故障诊断准确率高,全局寻优能力强,收敛速度快,且稳定性好的优越性。     

基于SVM的船舶废气涡轮增压器故障诊断研究

文章首先分析了支持向量机智能诊断的理论,接着介绍了废气涡轮增压器的原理及常见故障,最后研究其在船舶柴油机增压器故障诊断中的应用,并用仿真实验验证了支持向量机在柴油机废气涡轮增压器故障诊断中具有的拟合能力。研究表明,在正确选取特征参数的基础上,采用SVM方法进行船舶柴油机废气涡轮增压器智能故障诊断是可行的。     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型．采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优．实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的．     

基于多输出支持向量机的物流量预测研究

物流量预测问题受众多因素影响,而已有的方法都是用多输入单输出模型进行预测,因此难以获得满意的预测效果。一种多输出支持向量机的方法用于广州市的物流量的预测中,为了与单输出预测相比,选取自适应迭代支持向量机方法进行预测。结果表明,多输出支持向量机的预测是有效的。     

基于壳向量的边界邻近支持向量机

对边界邻近支持向量机进行改进,即在壳向量集上进行边界邻近样本的搜索,给出了基于壳向量的边界邻近支持向量机。实验结果证明:基于壳向量的边界邻近支持向量机比边界邻近支持向量机具有更快的训练速度。     

基于灰色支持向量机的民航旅客吞吐量预测

依据灰色预测和支持向量机的特点,提出了一种将两种预测方法相结合的灰色支持向量机,并结合民航旅客吞吐量的预测结果,对比了灰色预测模型、支持向量机以及灰色支持向量机的预测结果,验证了灰色支持向量机的预测精度高,预测结果更为准确可靠,为提高民航旅客吞吐量预测精度提供了新的途径.     

基于支持向量机的短时交通流预测方法

在介绍智能交通系统的特点和相关技术的基础上,SVR算法被用来处理短时交通量预测问题.实验证明,支持向量机在交通系统中的应用具有可行性、有效性和广阔的前景.     

基于支持向量机的短时交通流预测方法

在介绍智能交通系统的特点和相关技术的基础上，SVR算法被用来处理短时交通量预测问题。实验证明，支持向量机在交通系统中的应用具有可行性、有效性和广阔的前景。     

基于支持向量分类机和回归机的综合评价方法

采用支持向量多值分类机和回归机进行综合评价排序,以提高机器学习方法的综合评价排序能力,并以管理信息系统综合评价为例,与人工神经网络（ANN）方法进行了对比研究.试验结果表明,基于支持向量多值分类机综合评价得分之间的差异比ANN更明显,而且基于支持向量回归机综合评价得分的相对误差明显小于ANN.     

船舶柴油机故障诊断技术的研究及展望

文章通过对船舶柴油机故障诊断机理的分析,介绍了船舶柴油机故障诊断的主要方法,分析了柴油机故障诊断的特点,并提出了柴油机故障诊断的发展方向。     

基于小波网络的船舶柴油机燃油系统故障诊断

采用小波变换和BP神经网络的辅助式结合,通过小波变换提取故障特征向量作为BP神经网络的输入值,设计并组建了小波神经网络;利用小波变换模极大值分析高压油管燃油压力信号的奇异性,提取故障特征向量;根据故障采集数据并建立学习样本,通过网络训练建立BP神经网络输入和输出间良好的非线性映射,进而通过特征向量输入BP神经网络来诊断故障。实验数据分析表明:该方法具有良好的诊断效果。     

基于小波分析的电控发动机故障诊断

利用小波系数分析发动机转速信号,把转速信号的小波分析结果与发动机各缸的性能参数进行时比,从而来判断发动机断缸故障.实践证明是切实可行的.     

基于支持向量机的巴拿马型船舶运价指数预测方法

考察运价指数波动的内在规律和外在影响,提出新模型预测运价指数,为航运市场经营者和投资者提供把握市场态势、规避价格风险的有力工具. 针对波罗的海巴拿马型船舶运价指数（BPI）序列,首先用小波变换对运价指数序列进行去噪,消除干散货运输市场中无规律的突发事件所造成的影响;在此基础上以前五个月的BPI值为输入变量,以第六个月的运价指数为输出变量,对支持向量机（SVM）进行训练,得到预测模型. 通过实证分析发现小波变换-SVM混合预测模型具有较高的预测精度,可用于对巴拿马船型运价走势的预测.     

基于瞬时转速的内燃机模糊神经网络故障诊断方法的研究

文章研究了基于瞬时转速波形分类的内燃机故障诊断方法,从瞬时转速波形中定义了3种用于诊断的波形特征参数,提出了用模糊理论对内燃机瞬时转速波形识别的故障诊断方法,并进行了大量的实验研究与分析。实验表明该方法对内燃机故障诊断是一种较为有效的方法。     

基于时频分析的柴油机活塞环故障振动诊断研究

活塞环是柴油机的关键部件之一，如果出现故障将严重影响柴油机的性能．文中介绍了时频分析理论，利用时频分析方法对柴油机正常和活塞环故障状态下的机体表面振动信号进行了分析，提取了特征信息，两种状态下结果区别明显，说明时频分析方法能够作为柴油机的故障诊断和状态监测的有效工具和方法．     

基于引力搜索RBF神经网络的柴油机故障诊断

为了解决RBF神经网络的参数选择问题,以便提高柴油机故障诊断的精度,提出了一种基于引力搜索算法和RBF神经网络相结合的智能故障诊断方法.该方法首先采用减聚类算法确定网络隐层单元数,然后提出改进引力搜索算法优化RBF神经网络的参数.利用国际标准样本集对该方法进行分类测试,并将该方法应用于柴油机故障的诊断,仿真实验验证了该方法对柴油机故障的分类和诊断效果.     

柴油机故障诊断技术的研究

本文以MAN B&W 8L21/31型柴油机为研究对象,测量分析了柴油机正常态和故障态的柴油机瞬时转速、扭转振动和示功图,进行了基于瞬时转速、扭转振动和示功图的柴油机故障诊断技术的研究。     

基于支持向量回归机的道路交通事故预测模型研究

针对道路交通事故预测具有随机波动性较大、信息量较少和非线性数据序列预测的特点,引入支持向量回归机（SVR）,建立基于SVR的道路交通事故预测模型。通过实例计算,证明基于SVR的道路交通事故预测模型具备非线性、所需数据资料较少、建模简单和计算快捷等优点,同时与RBF神经网络预测模型相比,该模型的预测精度高、泛化能力强,更适用于道路交通事故预测。