《小波和多核SVM方法在UVA传感器故障诊断的应用》PDF+DOC
作者:叶慧,罗秋凤,李勇
单位:北京无线电技术研究所
出版:《电子测量技术》2014年第01期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFDZCL2014010280
DOC编号:DOCDZCL2014010289
下载格式:PDF + Word/doc 文字可复制、可编辑
《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SVM和DS证据理论的多传感器信息融合故障诊断》PDF+DOC2015年第04期 张宁波
《自适应LMD与SVM耦合的传感器故障诊断模型》PDF+DOC2015年第06期 吕振,丛金艳,褚永强,韩彦春
《基于SVM的多传感器信息融合算法》PDF+DOC2005年第04期 周鸣争,汪军
《PCA特征抽取与SVM多类分类在传感器故障诊断中的应用》PDF+DOC2010年第01期 彭红星,陈祥光,徐巍
《基于核函数SVM的穿戴式姿态识别系统》PDF+DOC2010年第10期 胡一帆,林欣,丁永生,吴怡之
《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
《基于小波OCSVM的无人机气压高度传感器故障诊断研究》PDF+DOC2013年第10期 史岩,李小民,连光耀
《多核SVM对传感器动态建模的研究》PDF+DOC2013年第01期 吴延增,张政国,刘旭宁
为了提高无人机传感器故障诊断的准确性,提出一种基于小波与多核支持向量机的诊断方法。采用小波处理信号,不依赖于系统的数学模型,直接利用信号模型,分析可测信号,提取频率等特征值,保存了原始信号的特征,提高故障的可分性。多核映射能够解决单核映射核函数及其参数选择的难题,增加故障的可区分性,提高分类器的精度。提出多核学习方法改进核函数的性能,将该方法对某无人机的传感器故障诊断,分别利用单核和多核支持向量机进行仿真,仿真结果表明了多核学习方法的有效性,提高了诊断精度。
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。