《PCA特征抽取与SVM多类分类在传感器故障诊断中的应用》PDF+DOC
作者:彭红星,陈祥光,徐巍
单位:信号处理学会;微弱信号检测学会;南京航空航天大学
出版:《数据采集与处理》2010年第01期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFSJCJ2010010230
DOC编号:DOCSJCJ2010010239
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于PCA与SVM的振动传感器故障诊断方法》PDF+DOC2019年第10期 李翼飞,吴春平,涂煊
《基于小波包的多尺度主元分析在传感器故障诊断中的应用》PDF+DOC2007年第09期 徐涛,王祁
《基于PCA的火电厂湿法烟气脱硫系统的传感器故障诊断》PDF+DOC2011年第02期 张丽萍,黄飞群,田丽玲,林心光
《基于小波包和支持向量机的传感器故障诊断方法》PDF+DOC2008年第05期 冯志刚,王祁,徐涛,信太克规
《基于小波包PCA的故障传感器数据重构方法》PDF+DOC2008年第14期 徐涛
《PCA在火箭发动机试车台传感器故障诊断中的应用》PDF+DOC2006年第06期 徐涛,王祁
《基于LS_SVM与PCA的小型无人机传感器故障诊断》PDF+DOC2014年第07期 高云红,赵丁,李一波
《基于SVM的多传感器信息融合故障诊断》PDF+DOC2014年第09期 张宁波
《基于SVM的传感器故障诊断和信号恢复技术》PDF+DOC2013年第12期 陈烨,王建平
《基于PCA和信息融合理论的传感器故障诊断》PDF+DOC2013年第08期 赵乃卓,伍江超
为了提高传感器故障诊断的准确率,提出了基于主元分析(PCA)特征抽取和支持向量机(SVM)多类分类的故障诊断方法。该方法通过对传感器输出信号进行小波包分解产生原始特征数据,然后采用PCA特征抽取得到二次特征向量,增强传感器各个状态模式的可分性。二次特征输入到二叉树SVM多类分类算法设计的分类器实现传感器故障诊断。仿真实验结果表明,这种结合了PCA特征抽取和SVM分类的诊断方法准确率高,其诊断效果优于直接采用原始特征进行分类的情况。
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。