《基于小波与GBDT的无人机传感器故障诊断》PDF+DOC
作者:舒畅,李辉
单位:北京长城航空测控技术研究所
出版:《测控技术》2017年第08期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFIKJS2017080090
DOC编号:DOCIKJS2017080099
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于遗传算法优化的RBF神经网络的压力传感器故障诊断》PDF+DOC2016年第07期 那文波,何宁,刘巍,刘甜甜
《基于小波包和GBDT的瓦斯传感器故障诊断》PDF+DOC2016年第12期 王立平,邓芳明
《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TMS320C5509A的传感器故障诊断》PDF+DOC2009年第08期 朱泳,凌滨,赫惠馨
《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
《半铠装滑动测温传感器及其故障诊断的研究》PDF+DOC2002年第06期 张荣标,蔡兰,孙玉坤,鞠时光
《基于主元分析的传感器故障诊断》PDF+DOC2002年第02期 张晓华,吴贵强
《基于时间序列和专家系统的PH值传感器故障诊断的研究》PDF+DOC2001年第03期 张荣标,蔡兰,王贵成
《飞控系统传感器故障诊断的在线方法研究》PDF+DOC2010年第05期 赵红梅,章卫国,刘小雄,李丹
《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
相对于有人飞行器,确保无人机传感器的正常工作更为重要。针对无人机传感器的故障诊断,提出了一种将小波特征提取与梯度提升决策树(GBDT)算法相结合的故障诊断方法。采用基于多层小波包分解的特征提取方法,将小波包分解系数与频带能量熵组合构成特征向量,相比单一的能量特征提取方法,有效提升了故障的可分性。采用梯度提升的策略对弱分类器进行迭代优化和线性组合,构成强分类器,使故障分类精度得到显著提高。仿真结果表明,该方法能有效进行特征提取和故障类型识别,且有较高的诊断精度和较强的泛化能力。
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。