《基于粒子群优化相关向量机的无线传感器故障检测》PDF+DOC
作者:吴良海
单位:机械部北京机械工业自动化研究所
出版:《制造业自动化》2010年第13期
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFJXGY2010130130
DOC编号:DOCJXGY2010130139
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于小波奇异熵和相关向量机的氢气传感器故障诊断》PDF+DOC2015年第01期 王冰,刁鸣,宋凯
《多变量过程传感器故障检测的SVM方法》PDF+DOC2008年第08期 彭红星,陈祥光,徐巍,张玮
《飞轮传感器的高斯混合模型故障检测方法》PDF+DOC2015年第06期 龚学兵,王日新,徐敏强
《基于RBF神经网络的传感器故障检测方法》PDF+DOC2017年第05期 刘甜甜,那文波,何宁,李明
《基于硬件自冗余的称重设备传感器故障检测方法》PDF+DOC2017年第15期 卢赢,欧文,刘洋,卢圣文
《基于融合神经网络的传感器故障诊断专家系统》PDF+DOC2013年第02期 魏红娟
《基于神经网络在线建模的非线性动态系统中传感器故障检测方法》PDF+DOC1998年第01期 钮永胜,赵新民
《非线性系统传感器偏差故障的UKF递推检测方法》PDF+DOC2005年第04期 葛哲学,杨拥民,王兴伟,温熙森,胡政
《基于最小二乘支持向量机预测器的传感器故障检测与数据恢复(英文)》PDF+DOC2007年第02期 冯志刚,信太克规,王祈
《计算机控制系统中传感器故障诊断方法仿真》PDF+DOC2014年第03期 杨波
及时准确地对无线传感器节点进行故障检测对于确保整个无线传感器网络有着非常重要意义。为了克服支持向量机的缺点,本文提出了一种基于粒子群优化相关向量机(RVM)无线传感器故障检测方法。相关向量机是一种建立在支持向量机上的稀疏概率模型。与支持向量机相比,它不仅具有较高检测精度,还具有较好的实时性,粒子群优化算法用于确定相关向量机的核参数。最后结合试验将本文提出的方法同支持向量机算法、BP神经网络进行了比较,结果表明,在无线传感器故障检测中本文提出的相关向量机相比于支持向量机、BP神经网络有着更高的入侵精度。
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。