陕西省自然科学基金(2004JC12)
- 作品数：5 被引量：82H指数：3
- 相关作者：杜京义侯媛彬候媛彬曾良才更多>>
- 相关机构：西安科技大学武汉科技大学更多>>
- 发文基金：陕西省自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信机械工程更多>>
- 改进小脑模型网络的干式变压器卷线机跑偏信号谐波分析被引量：2
- 2005年
- 提出一种基于改进的小脑模型控制器(CMAC)神经网络的干式变压器卷线机跑偏信号谐波分析方法.该方法在检测到干式变压器卷线机跑偏信号的基础上,对不同频率的谐波进行了分析、推论,将常规CMAC网络的学习因子改成随学习误差的变化动态调整,然后采用基于改进的CMAC神经网络对跑偏各谐波分别辨识,再取主次非线性谐波叠加.辨识结果表明,这种方法不仅能方便地识别出最大跑偏信号谐波基频的最小频率范围,而且比在相同情况下采用常规反向传播(BP)的网络辨识的精度高,学习速度提高20%,同时得到了最大跑偏信号谐波的最简单模型.
- 侯媛彬杜京义
- 关键词：谐波分析
- 基于最小风险的SVM及其在故障诊断中的应用被引量：12
- 2006年
- 结合两类错误分类造成损失不等这一故障诊断特点,提出了基于最小风险的SVM方法。进行了三个方面的研究:a.在Platt提出的样本后验概率基础上,给出了修正的分类面以及修正的后验概率估算方法,并分析了该方法的合理性;b.将最小风险决策与SVM输出的后验概率有机融合,使该方法对故障的诊断更加敏感,减小漏判概率;c.以电液伺服阀故障诊断为例,对样本数据经K-L变换后进行可视化研究,分类结果表明了该方法的可行性。
- 杜京义候媛彬
- 关键词：支持向量机故障诊断后验概率电液伺服阀
- 混沌背景中微弱谐波信号检测的SVM方法被引量：12
- 2007年
- 为了提高混沌背景下的微弱谐波信号检测能力,提出了一种提取混沌背景中微弱谐波信号的支持向量机(support vector machines,SVM)方法。该方法的突出特点是针对小样本或嵌入维数未知的情况,建立混沌噪声的一步预测模型,抑制噪声对混沌背景信号预测的影响,起到预滤波作用,然后从预测误差中提取微弱谐波信号。实验结果表明,该方法具有比传统RBF神经网络预测方法更强的稳健性和泛化性,在信噪比(SNR)为-47.931dB时仍可检测出强混沌中的微弱谐波信号。
- 杜京义侯媛彬
- 关键词：微弱信号检测混沌支持向量机
- 基于遗传算法的支持向量回归机参数选取被引量：58
- 2006年
- 针对支持向量回归机(support vector regression,SVR)的参数选择问题,提出了基于遗传算法的SVR参数自动确定方法。分析了SVR各参数对其性能的影响,根据已有的样本集确定遗传算法的搜索区间,然后在该区间内对搜索的参数进行最优选取。为了减少所选参数对训练样本的依赖性,借鉴交叉验证的方法,把训练集分为估计子集,用来选择模型;确认子集选择参数,以推广能力最好的一组参数作为最终参数。将所提出的方法应用于受噪声影响的标准函数,实验结果表明,由该方法所得参数确定的SVR具有较优的预测性能。
- 杜京义侯媛彬
- 关键词：遗传算法支持向量回归机参数选择
- 基于单值支持向量机的电液伺服阀故障诊断被引量：1
- 2006年
- 以液压伺服系统的关键部件———电液伺服阀为研究对象,针对正常运行状态的数据样本较易获得,而故障样本难以获得的情况,应用单值支持向量机,仅仅依靠正常状态下的数据样本,建立起单值分类器,从而对电液伺服阀的运行状态进行识别。并用推广能力估计的方法,实现控制参数的选择。
- 杜京义曾良才
- 关键词：电液伺服阀故障诊断
