作者:涂望明,宋执环,陈运涛,魏友国,周晶晶 单位:东北大学 出版:《控制工程》2013年第02期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFJZDF2013020260 DOC编号:DOCJZDF2013020269 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于改进LS-SVM的雷达故障诊断技术》PDF+DOC2015年第02期 王旭婧,陈长兴,赵学军,任晓岳 《一种模拟电路的支持向量机故障诊断方法》PDF+DOC2006年第15期 罗志勇,史忠科 《基于支持向量机的信息融合诊断方法》PDF+DOC2005年第09期 尉询楷,李应红,刘建勋,路建明 《基于LS-SVM的飞控系统传感器故障诊断》PDF+DOC2011年第03期 胡良谋,曹克强,苏新兵,李小刚 《基于改进LS-SVM的液压舵机双闭环系统故障诊断》PDF+DOC2009年第17期 胡良谋,曹克强,徐浩军 《基于进化支持向量机的机载燃油泵故障诊断及实验研究》PDF+DOC2016年第05期 梁威,景博,焦晓璇,羌晓清,刘晓东 《基于随机森林算法的旋转机械齿轮组故障诊断》PDF+DOC2019年第05期 王子兰,杨瑞 《基于改进的LS-SVM测量油气两相流空隙率》PDF+DOC2008年第01期 彭珍瑞,王保良,黄志尧,李海青 《LS-SVM构造FLANN逆系统的传感器动态补偿方法》PDF+DOC2007年第03期 吴德会 《基于SVM的ECG传感器信号身份识别方法》PDF+DOC2014年第10期 陈曦,陈冠雄,沈海斌
  • 根据雷达接收机信号特点,提出了将小波变换和最小二乘支持向量机相结合的雷达故障诊断新方法。首先,根据专家经验选取电路中恰当的测试点,运用小波变换对采样数据进行处理和特征提取,然后建立了雷达故障诊断模型。最后再运用最小二乘支持向量机(LS-SVM)的基本原理和分类方法进行故障诊断,并在某型雷达接收机故障诊断中进行了实际应用研究。采样信号先经过小波降噪处理,以减少采样引人的误差,再进行小波分解提取能量系数作为雷达的故障特征向量,经归一化处理后,作为输入向量,经诊断模型输出后完成雷达接收机典型故障的诊断。MATLAB实例仿真结果表明,该方法有很好的分类能力,提高了雷达故障诊断的正确性和效率。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。