国家科技重大专项(2011ZX05056-003-0)
- 作品数：3 被引量：7H指数：1
- 相关作者：王东王新晴杨成松章青闫凤国更多>>
- 相关机构：天津大学解放军理工大学武汉军械士官学校更多>>
- 发文基金：国家科技重大专项国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于模拟加载系统油压信号的自动测试与识别技术研究被引量：6
- 2013年
- 在液压系统模拟加载与自动测试、识别过程中,工作装置油压波动信号是一种典型的非平稳信号。针对其影响因素多、不具备明显频域特征以及任何单一特征参量都无法对信号进行准确识别的难题,提出了对信号先进行状态分割,在分割基础上计算不同工作状态下的特征参量,并进行基于主成分分析(PCA)的特征提取方法,最后采用最小二乘支持向量机(LSSVM)构建多分类器,实现对工作装置6种不同工作状态的准确识别。实验结果验证了该方法的有效性,为同类液压系统的信号特征分析及模式识别提供了参考。
- 王新晴王东赵洋朱会杰谢全民
- 关键词：特征提取主成分分析模式识别最小二乘支持向量机
- 基于KPCA-LSSVM的发动机PT燃油系统故障诊断被引量：1
- 2016年
- 为有效解决PT燃油系统进油油路堵塞、滤清器泄漏、喷油器油路堵塞等多种典型故障诊断问题,提出了基于核主元分析(KPCA)和最小二乘支持向量机(LSSVM)的故障识别方法。首先计算油压信号的时域特征集,然后采用KPCA对原始多维初始特征向量进行特征提取,最后将经过KPCA提取的主特征向量输入经多种群遗传算法(MPGA)优化的LSSVM中实现故障类型的识别。实验结果表明,KPCA提取的主特征向量有效表达了原始故障的特征信息,相比于传统的BP神经网络和未经参数优选的LSSVM等分类模型,基于KPCA-LSSVM的故障识别方法速度更快、分类准确率更高。
- 王东王新晴闫凤国杨成松章青
- 关键词：PT燃油系统核主元分析多种群遗传算法故障诊断
