基于改进SVM的车辆传动系统故障诊断方法

利用车辆传动系统试验数据对车辆进行故障诊断和性能评价可以实现车辆故障预警,提高可靠性,从而提高车辆性能,但测试数据有数据量大、不平衡、维度高、噪声多的特征,使得传统数据分析算法会产生次优的分类模型.针对上述问题,提出了一种改进的不平衡数据分类支持向量机算法.该算法赋予各样本不同的权值,用马氏距离改进模糊隶属度的设计以排除变量相关性干扰,同时可以输出正常状态下的故障概率.实验结果表明,该算法能够有效提高故障诊断的准确性,概率输出模型可用于故障预警和性能分析.      

基于改进人工免疫网络的分类方法

针对人工免疫存在的对样本要求高以及压缩阈值难以确定等问题,结合免疫算法和计算机检测的特点,提出了基于双记忆细胞层网络结构和网络邻近细胞消除规则的改进免疫方法.此外,基于物理中量子能级概率分布,提出了一种分层边界的策略.经VC环境下仿真实验,该方法在存在干扰和样本分布不理想时能够简单确定压缩阈值,有较强的适应性,提高了分类的准确率.