基于支持向量机的滚动轴承故障诊断

滚动轴承是各种机械设备中最常见的零部件,同时也是易损坏的零件之一.机械的许多故障都与滚动轴承有关,它的运行状态是否正常往往直接影响到整台机器的性能.因此开展对滚动轴承的故障诊断具有很现实的意义.再分析了支持向量机的基本理论后,提出了基于支持向量机的滚动轴承故障诊断方法,并且进行了MATLAB仿真实验,验证支持向量机的诊断效果,实验结果表明此方式适用于滚动轴承故障诊断.     

基于改进的遗传算法优化支持向量机的精馏塔故障诊断

针对支持向量机(SVM)参数的选取困难,提出了利用改进的遗传算法(IGA)对其参数进行优化.IGA采用代沟选择和可变交叉概率,确保当前种群中最适应的个体总是被连续传播到下一代,并使进化后期优化的对象比较容易稳定,计算效率提高.将基于改进遗传算法优化的SVM(IGA-SVM)训练算法应用于某醋酸共沸精馏塔的故障诊断,仿真...     

关于改进的支持向量机的研究

支持向量机是一种基于统计学习理论和对偶理论的分类和函数估计方法,其推广能力强和全局最优的特点引起了学者的广泛关注。本论文对目前所提出的各类改进的支持向量机进行了初步的研究和分析。     

基于支持向量机的故障诊断方法

提出了基于支持向量机的故障诊断方法和步骤。诊断实例表明,与神经网络故障诊断方法相比,诊断小样本分析的支持向量机故障诊断方法具有分类能力强、推广能力好的特点。     

支持向量机在变压器故障诊断中的应用

针对变压器传统检测方法的局限性,本文提出了一种基于支持向量机的电力变压器故障诊断方法,并构建了相应的数学模型。仿真结果表明,该模型能有效提高变压器故障诊断的准确率。     

改进的M-ary支持向量机模型及其在变压器故障诊断中的应用

使用M-ary支持向量机进行基于油中溶解气体分析的变压器故障诊断研究.分析结果表明,M-ary支持向量机算法简单,与一对一支持向量机的诊断精度可以比拟.在此基础上,还对常用的M-ary支持向量机模型进行了改进,将各二类分类器的输出计算值直接使用另一支持向量机进行组合,可以更好地反映各分类器之间的非线性关系,从而使新模型具有更高的分类精度.变压器的应用实例证明了改进方法的有效性和优越性.     

基于粗糙集的支持向量机故障诊断

该文结合粗糙集属性约简及支持向量机分类机理,提出了一种新的故障诊断方法。首先利用粗糙集对过程特征变量进行约简,去除冗余的过程信息,并降低过程数据的维数,获得具有代表性的过程特征信息。基于该特征信息建立支持向量分类机用于故障的诊断。以高压直流输电系统为例,对交流单相接地故障和直流接地故障进行诊断,诊断时间分别为12ms和11ms,诊断正确率分别为98.8%和96.8%。     

基于遗传编程和支持向量机的故障诊断模型

提出了一种基于遗传编程和支持向量机的故障诊断模型．该模型利用遗传编程对传统的时域指标进行特征选择和提取，得到更能反映信号本质的特征，与其他特征组合后作为识别特征输入多类支持向量机，实现了对机器不同类型故障的识别．实验结果表明，同传统时域指标相比，经过遗传编程选择和提取的特征对轴承的故障具有更好的识别能力，进而提高了多类支持向量机的分类准确性．     

基于支持向量机的发动机故障诊断

针对发动机的故障特点,提出了一种基于主分量分析和支持向量机的发动机故障诊断方法.利用小波包对声级计采集到的解放CA141型汽车发动机声音信号进行特征提取,应用主分量分析方法在不损失有效信息的情况下,将原始特征向量中的冗余信息约简,在此基础上通过支持向量机对发动机故障进行分类.诊断结果表明,该方法在保证较高诊断精度的同时,可将支持向量机的训练时间缩短1/3,从而提高了故障诊断效率.     

遗传支持向量机在电力变压器故障诊断中的应用

针对支持向量机中的参数通常靠交叉试验来确定的状况,提出了遗传支持向量机,即使用遗传算法来优化支持向量机中的参数,并将之进一步应用在基于溶解气体分析的变压器故障诊断中.以变压器油中5种主要特征气体作为支持向量机的输入,以7种变压器状态作为相应的输出,选用径向基核,使用遗传算法得到优化参数,充分发挥了支持向量机具有较高泛化能力的优势.实验表明,本文方法能够在较大范围内准确地找到相应的优化参数,并能有效地进行变压器的故障诊断.     

基于遗传算法的压缩机故障诊断

研究遗传算法在全封闭压缩机故障诊断中的实现,利用遗传算法的寻优特性,搜索出特征参数的最佳组合,利用行征参数的不同最佳组合分压缩机故障,将人工进化训练后生成的特征参数组合用于压缩机故障诊断试验,结果表明,有效提高了诊断精度,该方法对于压缩机故障诊断行之有效,且对机械系统故障诊断具有普遍意义。     

基于遗传算法的电力系统故障诊断

采用遗传算法的电力系统故障诊断,其基本思想是将电网故障诊断描述为优化问题,建立诊断的解析模型,最终都归结为无约束0—1整规划问题,并采用遗传算法进行求解数学模型得到故障设备。诊断电力系统故障元件就是要找出最能解释警报信号的故障假说。对以前的目标函数进行了改进,此外简单介绍了采用遗传算法进行故障诊断的步骤。     

数字电路故障模块诊断的神经网络方法研究

对数字电路系统的测试，提出一种基于神经网络的电路故障模块诊断方法，对方法的诊断系统模型、故障特征的获取、网络结构的确定与调整、诊断的流程等进行了详细论述。由于传统的电路故障诊断方法是通过对故障字典的搜索来确定发生的故障，这对庞大的故障字典来说既复杂又费时，因此文中的方法可显著提高传统故障字典法的效率。     

基于遗传小波神经网络的变压器故障诊断

电力变压器油中溶解气体的色谱分析是变压器故障诊断的重要方法,通过该方法可以间接了解变压器的运行状态和内部潜在故障.人工神经网络已经成功地应用于电力变压器故障诊断,但学习样本数多和输入输出关系复杂性减慢了网络的收敛速度.为解决此问题,将用遗传算法改进的小波神经网络应用于电力变压器故障诊断,克服小波算法易于陷入局部极小、收敛速度慢等缺点.     

免疫遗传优化Elman神经网络的旋转机械故障诊断

针对旋转机械故障诊断过程中故障知识相互关联的过程难以用传统机器学习模型快速得到全面的典型故障数据,提出一种免疫遗传算法（immune genetic algorithm,IGA）优化Elman神经网络的故障诊断模型。首先对滚动轴承振动信号进行经验模式分解（empirical mode decomposition,EMD）,得到多个内禀模态分量（intrinsic mode function,IMF）,再提取表征状态特征的内禀模态分量能量构建特征向量输入到IGA优化的Elman神经网络进行故障模式辨识,IGA参数优化可快速准确得到Elman神经网络的全局最优权值和阈值向量,提高Elman神经网络     

旅行商问题(TSP)的改进遗传算法

对于中大规模ＴＳＰ问题的求解,提出了２种新的改进遗传算法:两交换启发交叉算法和三交换启发交叉变参算法·经过仿真实验和实例应用证明了算法的有效性·三交换启发交叉变参算法的性能优于两交换启发交叉算法·     

基于模糊逻辑和遗传算法的工程机械故障诊断

为了使遗传算法能够处理存在模糊信息的工程机械故障事件,将模糊逻辑与遗传算法有机地结合起来,提出了一种基于模糊逻辑和遗传算法的工程机械故障诊断方法。充分利用模糊逻辑可以对模糊性和不确定性进行定量描述的特性,对工程机械模糊的系统部件技术状况进行定量描述,求得系统部件发生故障的概率。把工程机械系统部件作为节点引入模糊有向图并建立简化的故障诊断模型。采用遗传算法对可能的故障传播路径进行搜索,获取发生故障的原因。利用该方法既可以有效地处理工程机械故障中的模糊信息,又可以提高遗传算法路径搜索的效率和准确性,并用实例说明了该方法的优点。     

人工免疫机理在故障诊断中的应用

将人工免疫系统的反面选择算法作了改进，在产生检测器时，利用了遗传算法，并将欧几里德距离作为遗传算法中的适应函数。最后通过模拟实验表明，该算法能对旋转机械故障进行诊断，平均准确率可达95％以上。该算法也可以用于其他系统的在线故障诊断。     

基于改进遗传算法的单级多项目无能力约束生产批量问题研究

通过对单级多项目无能力约束生产批量问题(SMULP)模型进行分析,得出了一些重要的结论．分析了基本遗传算法的缺陷及其产生的原因．对该问题在遗传算法的编码、适应度函数、选择复制操作、交叉方法、交叉概率、变异概率和终止条件等各个环节进行了改进．采用VB6．0对SMULP改进遗传算法编程实现,能很好地与ERP软件集成．并对SMULP改进遗传算法进行了性能分析．     

基于IGA-BP神经网络滚动轴承故障的诊断

为提高滚动轴承故障模式识别技术的研究,基于IGA-BP神经网络的故障诊断原理,运用IGA对BP神经网络的权值与阈值进行调整和优化,利用小波包分解获得轴承振动信号的特征向量,进行了滚动轴承故障的诊断实验研究,对故障模式进行识别。结果表明,IGA-BP神经网络方法具有很强的故障识别能力,说明利用IGA-BP神经网络方法进行轴承故障诊断是可行的。