SVM与PSO相结合的电机轴承故障诊断

针对电机轴承故障问题,提出一种基于支持向量机(SVM,support vector machine)与粒子群优化(PSO,particle swarm optimization)相结合的电机轴承故障诊断方法。结合振动信号的时域与小波包能量特征,使表征振动信号的特征具有较好的可靠性和敏感性,提高了故障的诊断准确率。采用PSO算法对SVM的惩罚参数和径向基核函数参数进行寻优,并与其它参数寻优算法进行比较分析。实验表明,研究提出的轴承故障诊断方法不仅对电机轴承的外圈故障、内圈故障和滚珠故障有很好的识别效果,而且还对每一类故障的严重程度有较好的区分,具有较强的实用性。     

高校留学生教学任务编排系统分析及设计

结合最新高校留学生教学任务管理的工作规程,通过设计编排系统的开发流程、程序结构及数据库分析,使用ASP技术和SQL Server 2000相结合的综合开发环境,设计一个方便高校外事工作人员管理的留学生教学任务编排系统.     

基于数据资源的认知图挖掘系统研究

认知图是一种知识表达和管理工具,被广泛应用于知识表达和决策制定。传统的认知图建立方法大多依赖于领域内的专家经验,而专家经验往往在一定程度上存在知识的局限性、观点的偏向性等不足,因而通过专家经验建立的认知图可能与现实世界存在着较大的差距。构建了一个基于数据资源的认知图挖掘系统,通过对客观数据资源进行训练来建立认知图,摆脱对专家经验的依赖。该系统主要由数据资源预处理、认知图挖掘、认知图推理等部分组成,在对客观样本数据进行学习并建立认知图的基础上,通过认知图推理机制进行决策分析,最终实现对现实世界的真实模拟。最后通过对客观数据样本进行试验,证明该系统所挖掘出的认知图以及推理分析结果与现实世界基本一致。     

基于数据资源的认知图挖掘系统研究

认知图是一种知识表达和管理工具,被广泛应用于知识表达和决策制定.传统的认知图建立方法大多依赖于领域内的专家经验,而专家经验往往在一定程度上存在知识的局限性、观点的偏向性等不足,因而通过专家经验建立的认知图可能与现实世界存在着较大的差距.构建了一个基于数据资源的认知图挖掘系统,通过对客观数据资源进行训练来建立认知图,摆脱...