基于多分类SVM的水泵故障诊断的研究

为了预测水泵在运行中的故障,提高水泵运行的安全性和经济性,在分析故障诊断的基本原理的基础上,建立了水泵运行故障知识库,并运用有向无环决策图多分类算法,对水泵故障样本进行训练,建立了基于支持向量机的离心式水泵运行故障诊断模型(DAGSVM).通过实例验证表明,该模型能有效的诊断水泵的常见故障,为水泵故障诊断提供了一种新方法.     

基于SA-PSO优化神经网络的拖拉机齿轮箱故障诊断

采用模拟退火算法,并融合了遗传算法的杂交和变异思想,对粒子群进行寻优运算,利用优化后的SA-PSO对BP神经网络权值和阈值进行优化.通过对拖拉机变速箱的齿轮故障进行诊断,结果表明,该方法解决了基本粒子群算法迭代速度慢容易陷入早熟问题;同时克服了传统BP算法容易陷入局部最小问题.与传统BP算法和Elman算法比较,在网络性能、收敛速度方面均优于前者,可以推广应用到其他故障模式和特征量之间具有非线性关系的故障诊断领域.     

基于EEMD与SVM的滚动轴承故障诊断分析

针对滚动轴承故障振动信号的非平稳与非线性的特点,提出一种基于集合经验模态分解(EEMD)指标能量的滚动轴承故障诊断分析方法.首先利用集合经验模态分解对滚动轴承故障振动信号进行降噪处理,提取故障振动信号能量特征,在此基础上构建相应的故障特征向量;然后通过SVM对滚动轴承故障进行分类,从而实现了对滚动轴承不同故障的有效诊断...     

基于SVM的多传感器信息融合技术在农用柴油机故障诊断中的应用研究

通过运用基于子模块决策输出融合的多传感器信息融合模型,专门针对农用柴油机运行机理和易发故障的特点,探讨了基于SVM的多传感器信息融合技术在农用柴油机故障诊断中的具体运用。通过对故障农用车实车数据比较试验表明,此方法在识别农用柴油机的故障类型上相比于传统诊断方法更加有效。     

基于GAF-Alexnet-ELM的齿轮箱故障诊断方法

针对齿轮箱在噪声、转速、加载电流变化的情况下故障诊断模型泛化性能差的问题,提出一种GAF-AlexnetELM的齿轮箱故障诊断模型。利用格拉姆角场（GAF）的方法将齿轮箱的振动信号转化为二维图像,将二维图像压缩至适当大小,再输入卷积神经网络（Alexnet）进行特征提取,最后将Alexnet提取的特征放入极限学习机（ELM）进行故障识别。为了验证模型性能,采用千鹏公司QPZZ-II旋转机械振动分析及故障诊断试验平台系统的数据集进行齿轮箱故障诊断分析,同时进行多组对比实验,验证不同模型的故障诊断性能和泛化性能。结果表明,该模型故障识别准确率达到了96.33%;在噪声、转速、加载电流变化的情况下,故障识别准确率也较高,证明了所提方法具有良好的故障诊断效果和泛化性能。     

小波分析在拖拉机齿轮箱故障诊断中的应用

在分析了采用傅立叶变换对拖拉机齿轮箱故障诊断进行信号分析技术所存在的不足的基础上，提出了采用小波变换对该信号进行分析处理时，基小波选取的方法。同时在对拖拉机齿轮箱故障诊断的实际应用中，用齿轮箱振动的加速度信号对傅立叶变换和小波变换的结果进行了比较，证明了应用小波变换能准确反映齿轮箱故障的结果，并提出用小波变换可以建立故障自动诊断系统。     

齿轮箱故障诊断专家系统的设计

针对齿轮箱的主要故障是齿轮故障,时齿轮箱故障诊断专家系统的构建进行了研究,介绍了数据库系统的功能、知识库的设计和动态数据库的设计.     

基于支持向量机的卫星姿控系统的故障诊断研究

【目的】解决卫星姿态控制系统中反作用飞轮执行机构中的故障定位问题。【方法】本研究提出了一种基于支持向量机的卫星反作用飞轮故障诊断方法。首先,利用半物理仿真平台模拟出卫星真实在轨运行数据,数据分为反作用飞轮卡死故障、空转故障、力矩衰减累积故障、正常数据四类,每类数据提取约70 h（周期为0.25 s）;其次,对卫星反飞轮注入故障,选取反作用飞轮的转速数据进行时域分析,选取其时域特征作为故障特征,并将正常数据集与反作用飞轮衰减数据集在时域中划分成13种特征,得到每类50份数据;最后,利用支持向量机算法完成对卫星反作用飞轮中出现的卡死、空转、衰减故障的识别。【结果】正常数据、反作用飞轮卡死故障与空转故障的分类结果,正常数据与反作用飞轮衰减故障的分类结果,识别准确率均为100%。【结论】本研究可以为卫星的故障定位问题提供一种更好的解决方案。     

基于随机森林算法拖拉机齿轮箱故障诊断研究

准确检测机械部件的故障是减少维修成本、生产损失和延长机器使用寿命的重要基础条件。在农业生产环境中，由于作业环境较差、干扰信号较多，导致传统故障传感器灵敏度降低，不能及时对故障进行判断与处理，故障频发。为此，选取拖拉机为研究目标，对其辅助齿轮箱进行智能故障诊断。在3种不同的转速(600、1350、2000r/min)条件下，收集了健康和故障小齿轮的振动信号，基于离散小波变换(DWT)作为信号处理，通过相关性特征选择(CFS)方法被用来进行特征选取，并采用随机森林(RF)和多层感知器(MLP)神经网络来对数据进行分类。研究结果表明：不使用特征选择的情况下，RF故障预测准确率为86.25%;在600r/min时，不使用特征选择的RF故障预测准确率为86.25%,使用CFS的最佳6个特征通过训练的RF的相应值，在600r/min时，RF故障预测准确率为92.5%;在1350r/min时，RF故障预测准确率为95.0%。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

支持向量机多分类模型的洪水分类

尝试使用支持向量机多分类模型在洪水分类中的应用,以长江流域宜昌站为研究对象,采用历史文献中的相关数据,验证了支持向量机的多分类法应用于洪水分类的可行性。由于受数据资料的限制,样本数据选取对测试数据分类结果的影响作了探索性分析,如何优化样本数据的选择有待做进一步的深入研究。     

基于支持向量机的水质预测应用实例

水质预测作为水环境污染控制的重要手段,能够预测水质的变化趋势,从而有效地控制水质恶化情况。分析了支持向量机的回归理论和算法;构建了支持向量机水质预测模型。应用实例以通州区新江海河站点为研究对象,取NH3-N浓度和TP浓度为时间序列样本,运用支持向量回归机的理论与方法,构造预测模型,并利用Libsvm软件包和MATLAB软件进行水质预测。从整体预测效果来看,其预测结果能较好地反映水质情况。     

基于支持向量机的水资源开发利用评价模型

基于支持向量级模型良好的泛化能力,构建了区域水资源开发利用程度的支持向量机评价模型.针对评价标准,采用均匀分布随机函数,在3个标准间内插10个样本,形成共30个样本用于支持向量机的训练,实现了对西安市水资源开发利用程度的综合评价.实例研究表明,运用支持向量机分类模型进行区域水资源开发利用问题研究,评价结果合理、可靠,可以为区域水资源开发利用评价提供一种新的方法.     

基于主成分分析的支持向量机需水预测模型及其应用

需水预测是水资源优化配置、水资源规划和水资源管理的重要依据,其预测精度受到众多因素的影响,且实际用水量数据时间系列较短,制约了传统预测方法的应用。利用支持向量机在对小样本学习的基础上对其他样本进行快速、准确的拟合预测的特点,采用主成分分析与支持向量机相结合的方法,首先利用主成分分析法筛选需水量的主要影响因子,然后将其作为输入样本,对支持向量机模型进行训练和检验,寻找最优模型,并将该方法应用于洛阳市需水预测。结果表明,该模型预测结果平均相对误差为-0.83%,预测精度较高,可作为训练样本较少情况下的一种需水预测方法。     

基于支持向量机的水电机组故障诊断

针对水电机组故障样本少的问题,将支持向量机引入水电机组故障诊断研究,提出一种结合小波频带分解与最小二乘支持向量机的水电机组故障诊断模型。基于机械设备“能量-故障”映射关系,运用小波分解提取机组振动信号各频带能量特征值,然后将能量特征值输入到多分类的支持向量机,实现对机组不同故障类型的识别。通过实验信号分析,表明将小波能量提取与支持向量机结合进行水电机组故障诊断是可行有效的,并具有较高的故障分辨能力,为水电机组故障诊断提供了新的方法和思路。     

基于支持向量机的道路坡度实时预测方法试验

道路坡度预测是汽车ABS、AMT、混合动力汽车扭矩分配等实时控制的关键技术。提出一种基于支持向量机(SVM)的道路坡度实时预测方法,输入参数为发动机转速、输出扭矩、纵向车速和纵向加速度,均从控制器CAN网络中实时提取。分别构建实车道路试验系统和Car Sim仿真平台,通过系统试验分别得到的样本对SVM模型进行学习和泛化能力测试。结果表明:Car Sim试验数据建立的SVM模型预测平方相关系数达到0.99,实车试验数据建立的SVM模型预测平方相关系数在0.9左右,二者差异的主要原因是实车试验GPS方法获取道路坡度信息时叠加了不易消除的车体俯仰角的影响。基于Lab VIEW编程将实车试验SVM模型导入虚拟仪器PXIe实时控制器中,其预测一个点的耗时等效到汽车电控ECU单片机为1.33 ms,完全满足实时控制要求。证明所提出道路坡度预测方法是有效、可行的。     

LS-SVM在径流预测中的应用

提出一种基于最小二乘支持向量机(LS-SVM)的径流预测方法。采用线性函数,多项式函数和径向基函数三种核函数,进行机器学习,经过反复计算和对比分析,建立了精度较高的径流预测模型。预测实例表明,LS-SVM模型预测的平均相对误差比支持向量机 (SVM)减少了2.4％,预测合格率为100％。LS-SVM建模速度快,适用于小样本情况并能得到全局最优解,将其用于径流预测是可行的。     

基于支持向量机的井渠结合灌区地表水地下水合理配置

地表水和地下水的合理配置是井渠结合灌区实现水资源优化,合理调控地下水位的重要途径。以陕西省泾惠渠地下水位变化的主要影响因素为输入变量,以当年平均地下水位为输出变量,建立了基于支持向量机的地下水位动态模拟模型,模拟不同水文年不同渠首引水量和地下水开采量等17种组合情景的地下水位及其变幅,并以多年采补平衡为地表水地下水合理配置的目标。结果表明,丰、平、枯不同水文年的井渠用水比分别为0.3~0.4、0.2~0.3、0.44~0.55时,可实现灌区地下水多年采补平衡。     

基于自适应遗传模糊支持向量机的变压器DGA含量预测

针对以往变压器油中溶解气体含量预测中对所有数据样本等同处理,没有区分不同时间样本对建模作用不同而造成预测误差的问题,提出一种基于模糊支持向量机预测模型,将样本按照时间由近及远赋予不同的权重,并采用自适应遗传算法优化其参数,根据适应度值自动调整交叉概率和变异概率,保证参数的全局最优性,克服参数选择的盲目性。实例分析证明,该模型应用于变压器DGA含量的预测中,有效降低了预测误差,提高了预测精度。