检索结果-南通市图书馆

齿轮箱故障非线性特征测度及状态TWSVM辨识研究

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2018年第15期37卷 179-184,198页

作者：曾柯柏林重庆大学机械传动国家重点实验室重庆400044

针对齿轮箱振动的非线性,利用非线性特征测度的方法提取齿轮箱振动信号的故障特征。并利用双子支持向量机(TWSVM)对齿轮箱故障类别的辨识性能进行研究。TWSVM努力构造两个非平行的超平面来实现分类,它比支持向量机(SVM)针对多分类问题... 详细信息

针对齿轮箱振动的非线性,利用非线性特征测度的方法提取齿轮箱振动信号的故障特征。并利用双子支持向量机(TWSVM)对齿轮箱故障类别的辨识性能进行研究。TWSVM努力构造两个非平行的超平面来实现分类,它比支持向量机(SVM)针对多分类问题具有更好的样本不均衡适应性,并且分类性能优势明显。对齿轮箱故障类别辨识的实验表明,与传统的SVM和BP神经网络算法相比较,TWSVM具有更高的分类准确率。

关键词：齿轮箱故障诊断非线性特征 TWSVM

基于Fretchet距离与TWSVM的多机牵引道岔故障诊断研究

在线全文

学校读者我要写书评

暂无评论

铁道科学与工程学报 2019年第11期16卷 2866-2872页

作者：吴永成阳长琼何涛兰州交通大学甘肃省工业交通自动化工程技术研究中心甘肃兰州730070 兰州交通大学光电技术与智能控制教育部重点实验室甘肃兰州730070

针对多机牵引道岔故障频发、人工诊断困难的问题,提出一种基于Fretchet距离和双向支持向量机的故障诊断方法。首先,设计基于Fretchet距离的相似度指标,通过计算实时曲线与标准曲线的相似度值来定位多机牵引道岔的故障源;其次,利用双向... 详细信息

针对多机牵引道岔故障频发、人工诊断困难的问题,提出一种基于Fretchet距离和双向支持向量机的故障诊断方法。首先,设计基于Fretchet距离的相似度指标,通过计算实时曲线与标准曲线的相似度值来定位多机牵引道岔的故障源;其次,利用双向支持向量机一对一型分类算法对已定位的故障多机牵引道岔进行故障类型诊断;通过使用兰州西站采集的数据进行仿真,结果表明该算法能及时、准确诊断多机牵引道岔故障。

关键词：多机牵引道岔 Fretchet距离 TWSVM 故障诊断

在线全文

学校读者我要写书评

暂无评论

基于正则化技术的对支持向量机特征选择算法

计算机研究与发展 2011年第6期48卷 1029-1037页

作者：业巧林赵春霞陈小波南京理工大学计算机科学与技术学院南京210094

对支持向量机(twin support vector machine,TWSVM)的优化思想源于基于广义特征值近似支持向量机(proxi mal SVMbased on generalized eigenvalues,GEPSVM),问题解归结为求解两个SVM型问题,因此,计算开销缩减到标准SVM的1/4.除了保留了GEPSVM优势外,在分类性能上TWSVM远优于GEPSVM,但仍需求解凸规划问题,并且,目前尚无有效的TWSVM的特征提取算法提出.首先,向TWSVM模型中引入正则项,提出了正则化TWSVM(RTWSVM).与TWSVM不同,RTWSVM保证了该问题为一个强凸规划问题.在此基础上,构造了TWSVM的特征提取算法(FRTWSVM).该分类器只需求解一个线性方程系统,无需任何凸规划软件包.在保证得到与TWSVM相当的分类性能以及较快的计算速度上,此方式还减少了输入空间的特征数.对于非线性问题,FRTWSVM可以减少核函数数目.

关键词： TWSVM GEPSVM RTWSVM 无约束凸规划特征镇压

基于SPSO优化TWSVM及Bayesian更新指数模型的轴承剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

基于SPSO优化TWSVM及Bayesian更新指数模型的轴承剩余寿命预测

作者：曾柯重庆大学

学位级别：硕士

滚动轴承是机械装备重要的零部件,其工作状态及剩余使用寿命关系到机械装备的健康运转。一般滚动轴承剩余使用寿命存在着离散性,一方面当滚动轴承的实际使用寿命比设计使用寿命要短时,人们可能会因为滚动轴承的早期故障微弱性而忽视,这... 详细信息

滚动轴承是机械装备重要的零部件,其工作状态及剩余使用寿命关系到机械装备的健康运转。一般滚动轴承剩余使用寿命存在着离散性,一方面当滚动轴承的实际使用寿命比设计使用寿命要短时,人们可能会因为滚动轴承的早期故障微弱性而忽视,这将会对机械设备运转时的性能及安全造成威胁;另一方面当滚动轴承的实际使用寿命大于其设计寿命,此时将滚动轴承报废不利于最大化发挥资源的利用率。因此研究采用有效的方法准确预测滚动轴承的剩余使用寿命具有十分重大意义。随着近些年大数据,云计算和人工智能的兴起,基于数据驱动的滚动轴承寿命预测方法得到了极大的应用,特征提取、特征评价、特征融合和退化状态评估是滚动轴承寿命预测的大数据基础。滚动轴承在高速运转过程中存在很多非线性因素,传统的线性、平稳特征提取技术,容易丢失重要的非线性状态信息,不能很好地从复杂非线性信号中提取真实反映其非线性振动本质的有效状态特征,因此本文提出了分形维数,熵值特征,递归分析和三角函数特征等非线性特征测度方法,这些非线性特征提取方法对滚动轴承的退化趋势识别非常敏感,具有较好的统计特性。考虑到滚动轴承的退化失效规律,本文将趋势性指标应用到非线性特征评价方法上以筛选出较好的特征,并同时在趋势性指标的基础上提出了基于趋势性的加权融合方法实现最后特征的融合。退化状态评估阶段本文提出了一种基于切比雪夫(Chebyshev)不等式和25σ准则的方法来识别滚动轴承的衰退期和失效期。上述方法在实验阶段均取得了很好的效果。为了适应不同情况下滚动轴承寿命预测的需求,本文提出了两种滚动轴承寿命预测方法,一种方法是用一个典型轴承退化数据作为训练样本集来建立预测模型,进而预测待预测轴承的剩余使用寿命,该方法适用于积累的轴承数据量充足且完整的情况;另一种方法是用待预测轴承自身的历史数据,实现待预测轴承当前时刻剩余使用寿命的预测,该方法不需要其他轴承的先验数据积累,直接利用本轴承的历史退化数据建立预测模型。两种方法分别为:(1)基于SPSO-TWSVM(SPSO-TWSVM,Simple Particle Swarm OptimizationTwins Support Vector Machine)的滚动轴承剩余寿命预测:本方法能够通过对融合后的特征进行相空间重构形成多变量的输入矩阵,利用TWSVM进行训练学习挖掘出多变量特征矩阵与剩余寿命之间的映射关联性,并用SPSO方法优化TWSVM参数;本文将该方法应用到了一对滚动轴承剩余寿命预测中取得了很好的预测准确率,并同时与不优化参数的TWSVM和SPSO-SVM(SPSO-SVM,Simple Particle Swarm Optimization-Support Vector Machine)预测方法进行了对比,证明了本文提出方法的优越性。(2)基于SPSO优化Bayesian更新指数退化模型的滚动轴承剩余寿命预测:该方法采用Bayesian过程将滚动轴承状态数据作为先验信息来对指数模型参数进行后验评估,选择当剩余寿命概率密度函数值取最大时的预测剩余寿命作为最终剩余寿命预测结果,此外采用了SPSO方法对指数模型非随机未知参数进行先验评估,从而避免了期望最大化(EM,Expectation Maximization)参数评估方法对迭代初始参数的敏感性,同时也提高了剩余寿命预测的准确性。本文将该方法应用到了单个滚动轴承剩余寿命预测中,取得了很高的预测准确率,同时对比了EM方法对指数模型非随机未知参数的评估,显示出EM方法的迭代初始参数的敏感性,与本文提出的SPSO优化非随机未知参数的稳定性和准确性形成强烈对比,证明了本文方法的优越性。

关键词：滚动轴承非线性特征 TWSVM Bayesian更新指数模型剩余寿命预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于TWSVM的煤矿井下钻机轴承故障诊断

煤矿机械 2015年第5期36卷 298-300页

作者：董洪波申中杰姚亚峰中国煤炭科工集团西安研究院有限公司西安710077

在轴承的监测数据中,故障数据所占比例很小。在这种不平衡样本集中,如何准确地诊断轴承故障成为了一大难题。为此,提出运用孪生支持向量机(TWSVM)解决该难题。TWSVM可以构造2个不平行的超平面,每个超平面都要尽可能靠近与其对应的一类... 详细信息

在轴承的监测数据中,故障数据所占比例很小。在这种不平衡样本集中,如何准确地诊断轴承故障成为了一大难题。为此,提出运用孪生支持向量机(TWSVM)解决该难题。TWSVM可以构造2个不平行的超平面,每个超平面都要尽可能靠近与其对应的一类而远离另一类。TWSVM的超平面只关注其对应类别的样本分布,而不受整个数据集中各类样本数量比例、其他样本分布的影响。运用轴承故障试验对TWSVM进行检验,结果表明:与支持向量机(SVM)相比,TWSVM拥有更高的识别精度和更快的计算速度,能较好地诊断轴承故障。

关键词：故障诊断 TWSVM 非平行超平面滚动轴承

在线全文

学校读者我要写书评

暂无评论

基于红外图像的火场态势分析方法研究

基于红外图像的火场态势分析方法研究

作者：续婷沈阳航空航天大学

学位级别：硕士

火灾作为一种灾害性燃烧现象,不仅会吞噬宝贵的自然资源,还给国家财产和人民生命安全带来严重威胁。为了及时检测野外火灾并评估当前火场态势,本文基于红外成像技术,通过对在户外实际拍摄的红外火灾视频进行处理,从图像去噪增强、火灾... 详细信息

火灾作为一种灾害性燃烧现象,不仅会吞噬宝贵的自然资源,还给国家财产和人民生命安全带来严重威胁。为了及时检测野外火灾并评估当前火场态势,本文基于红外成像技术,通过对在户外实际拍摄的红外火灾视频进行处理,从图像去噪增强、火灾疑似区域划定、火焰特征提取、火灾识别和火场环境分析几个方面进行研究,提出了一套针对火场态势分析的研究方法,实验证明算法准确度高,漏检率小。针对红外图像信噪比低的情况,本文提出了一种新的融合了边缘信息的F-H滤波去噪算法,通过权重值λ改变图像效果,能够在去除图像噪声的同时保留边缘,提高红外图像信噪比和分辨率,实际应用效果较好。对预处理后的图像采用模糊C均值聚类算法区分图像中的目标和背景,运用形态学闭运算解决孤立噪声点、火焰区域内部存在细小孔洞等问题,成功标定出红外图像疑似火灾区域。在此基础上分别提取火焰的形状、纹理、直方图以及动态特征,根据特征的重要性、关联性及可区分性等对特征向量集进行选择,采用KPCA算法减少不必要的火焰特征数据,降低向量维数,得到最优特征子集。在火灾识别方面,重点研究了 TWSVM分类器的理论与实现,并在原有算法的基础上对矩阵加入正则项用以消除矩阵奇异性,提高模型分类性能。同时针对TWSVM在参数选择方面的不足,首次将QGA算法应用于TWSVM超参数寻优,提出一种新的QGA-TWSVM算法,样本识别准确率达到97.65%。在识别实验中,为了研究不同特征子集的识别效果、不同分类器的识别效果、不同参数寻优算法对同一分类器的识别效果分别进行实验探索。最后在确认为火灾之后,通过研究分析火焰主茎的长度与偏移倾角来研究火场的火场风向与风力大小等环境情况,推断火灾蔓延趋势。

关键词：火灾红外图像特征分析 TWSVM 火场环境

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

支持向量机相关算法的鲁棒性研究

支持向量机相关算法的鲁棒性研究

作者：王春燕南京林业大学

学位级别：硕士

支持向量机作为一种数据挖掘方法,一直以来因为较强的泛化能力而被广泛的应用于社会各个领域。然而,支持向量机需要求解带有不等式约束的凸二次规划问题,并且具有训练时间长、计算量大的缺点,所以无法处理大规模数据问题。另外,支持向... 详细信息

支持向量机作为一种数据挖掘方法,一直以来因为较强的泛化能力而被广泛的应用于社会各个领域。然而,支持向量机需要求解带有不等式约束的凸二次规划问题,并且具有训练时间长、计算量大的缺点,所以无法处理大规模数据问题。另外,支持向量机可以采用核函数来处理非线性分类,如XOR分类,但选择合适的核函数却是困难的。后来,孪生支持向量机(TWSVM)的提出,不仅缩短了训练时间,还能更有效的解决异或类型的数据分类,但它的目标函数仍是基于L2范数。二次规划问题中因为L2范数对于噪声数据敏感,一旦数据中含有较多噪声数据,那么算法的性能就会大大降低。因此,本文在基于TWSVM算法的基础上,为了提高算法的鲁棒性与分类精度,提出了三类算法,主要工作概括如下:1.在TWSVM算法的基础上,本文提出了一种新的具有鲁棒性的切L1范数孪生支持向量机(CTWSVM)算法,它不仅保持了TWSVM原有的优点,并且提高了算法的分类精度。在目标函数中,实验引入了切L1范数来度量点到平面的距离,它在计算时会根据给定阈值来判断数据点是否为噪声点,若被视为噪声数据,则会被“丢弃”并排除计算,以此来缓和异常值对分类平面的影响。此外,我们通过使用新设计的有效迭代算法来求解切L1范数的问题,对算法的局部最优解的存在和收敛性进行了理论分析,并通过对人工数据集和UCI数据集的大量实验证明了提出的CTWSVM算法的稳健性和可行性。2.在CTWSVM算法的基础上,为了减少算法的训练时间,引入了最小二乘的思想。在此,提出了新的算法-切L1-LSTSVM算法,它不仅大大减少了计算开销,还提高了算法的鲁棒性。同样地,本文采用了简单有效的迭代算法来求解该问题,并且从人工数据集和UCI数据集的实验验证了该算法的抗噪能力和可行性。3.为了进一步的提高算法的鲁棒性和增加算法的灵活性,本文将切Lp范数引入到最小二乘支持向量机(LSTSVM)中,使算法能够应用于范围更广的数据。同样地,本文设定了合适的阈值来减少噪声数据的影响,并从理论上推导证明了算法的可行性。最后,实验采用了人工数据集和UCI数据集,通过引入不同的高斯噪声比,与其他类似的分类算法进行比较分析,其结果证明了该算法的抗噪能力。

关键词： TWSVM LSTSVM 切L1范数切Lp范数二分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于新型多尺度几何分析的图像去噪算法研究

基于新型多尺度几何分析的图像去噪算法研究

作者：张娜辽宁师范大学

学位级别：硕士

社会飞速发展,人们交流的方式与途径不断变化,如今图形图像已经成为除文字外最主要的信息交流方式。但是,图像在采集、获取及传输过程中会受到噪声干扰,致使画面发生模糊、扭曲、甚至失真,使其不能完善得表达客观信息,从而失去准确性和... 详细信息

社会飞速发展,人们交流的方式与途径不断变化,如今图形图像已经成为除文字外最主要的信息交流方式。但是,图像在采集、获取及传输过程中会受到噪声干扰,致使画面发生模糊、扭曲、甚至失真,使其不能完善得表达客观信息,从而失去准确性和全面性,严重影响图像的后续分析、处理以及应用。因此,对图像进行去噪处理就变得尤为必要。目前,在图像去噪算法中,采用传统的机器学习、统计模型以及非局部均值等理论进行去噪处理较为常见且效果较好,但仍具有一定不足,在一些方面甚至难以满足要求。因此,为获得更优质的去噪效果,本文以新型多尺度几何分析为基础展开图像去噪算法研究工作,在以下三方面内容取得了一定研究成果:1、提出了一种新型隐马尔科夫树（HMT）模型图像去噪方法,采用了非下采样Contourlet变换技术。利用Weibull方法表示分解变换后系数的统计特性,以变换后系数的大小作为判断系数是否为有意义系数还是缺乏意义系数的依据。充分利用系数的相关性（尺度间、方向间和尺度内三者之间的关系）构建新型HMT模型并进行递归训练,然后将训练所得概率进行贝叶斯去噪。试验结果证明,该方法不仅在保证对边缘和纹理进行保护的基础上收到良好效果,而且所得主观结果也达到预期。2、提出了一种新的基于频域内的指数矩改进的非局部均值（NLM）滤波方法,采用了非下采样Shearlet分解技术。利用鲁棒性优越的指数矩,将所得传统系数值转换成指数矩值,并进行相似度计算,得到权重值。将传统NLM中的高斯核函数用Modefied Bisquare核函数代替。实验结果证明,该方法可以在很好保持图像边缘信息基础上移除噪声,大大提升图像效果。3、提出了一种频域内支持向量机和非局部均值相联合的方法。用孪生支持向量机（TWSVM）方法分类,能成功的在非局部均值去噪前优先挑选出认为是信息的像素,这大大减少了非局部均值计算的像素点数。此外引入了软阈值,改进了Local Adapted James–Stein Type Center Pixel Weights计算方法,优化了核函数。这种方法缩短了去噪时间,减小了时间复杂度,提升了去噪效果。

关键词：图像去噪新型多关系HMT模型 TWSVM 改进NLM

基于ReliefF-DDC特征选择算法的非侵入式负荷识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子技术应用 2021年第7期47卷 74-77,82页

作者：邵琪包永强姜家辉张旭旭南京工程学院电力工程学院江苏南京211167 南京工程学院信息与通信工程学院江苏南京211167

提取有效的负荷运行数据特征对于提高非侵入式负荷识别的精度具有重要作用。针对数据特征选择欠佳导致负荷识别准确率不高的问题,提出了一种基于ReliefF-DDC特征选择算法,用于降低特征维数减少复杂度,改善负荷识别效果。首先,利用Relief... 详细信息

提取有效的负荷运行数据特征对于提高非侵入式负荷识别的精度具有重要作用。针对数据特征选择欠佳导致负荷识别准确率不高的问题,提出了一种基于ReliefF-DDC特征选择算法,用于降低特征维数减少复杂度,改善负荷识别效果。首先,利用ReliefF算法分析各特征与类别的关系计算特征权重,筛选无关特征;其次,利用DDC算法计算特征之间与类别的互信息分析相关性,根据特征子集评价度量删除冗余特征;最后,采用孪生支持向量机(TWSVM)作分类器进行负荷识别。实验表明,所提出的算法在提升分类效果的同时减少了运行时间。

关键词： ReliefF DDC TWSVM 特征选择负荷识别