本文選題：故障診斷 + 支持向量機(jī)　； 參考：《艦船科學(xué)技術(shù)》2016年18期

【摘要】：模擬電路在艦船應(yīng)用中越來越復(fù)雜,故障率也在不斷的增加。本文通過分析艦船模擬電路的特征,提出支持向量機(jī)的故障診斷方法,其中采用mRMR-GASVM的支持向量機(jī)對故障診斷做出分析,并結(jié)合遺傳算法對分類器的參數(shù)進(jìn)行優(yōu)化,可以提高故障診斷的準(zhǔn)確性。最后建立一個Sallen-Key帶通濾波器電路,對其進(jìn)行仿真驗(yàn)證,結(jié)果顯示這種方法可以有效診斷出艦船模擬電路的故障。
[Abstract]:Analog circuits are becoming more and more complex in ship applications, and the failure rate is increasing. In this paper, by analyzing the characteristics of ship analog circuit, a fault diagnosis method of support vector machine (SVM) is proposed, in which the support vector machine (SVM) of mRMR-GASVM is used to analyze the fault diagnosis, and the parameters of the classifier are optimized with genetic algorithm. It can improve the accuracy of fault diagnosis. Finally, a Sallen-Key bandpass filter circuit is established and verified by simulation. The results show that this method can effectively diagnose the fault of ship analog circuit.
【作者單位】： 烏蘭察布職業(yè)學(xué)院;
【分類號】：U672;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葛海峰;林繼鵬;劉君華;丁暉;;基于支持向量機(jī)和小波分解的氣體識別研究[J];儀器儀表學(xué)報;2006年06期

2 琚旭;王浩;姚宏亮;;支持向量機(jī)的一個邊界樣本修剪方法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2006年07期

3 張菁華;袁鑫;劉達(dá);;基于支持向量機(jī)的電力工程最優(yōu)投標(biāo)報價決策研究[J];山東電力高等�？茖W(xué)校學(xué)報;2006年04期

4 張濤;段淑敏;;支持向量機(jī)在中醫(yī)疾病癥候診斷中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報;2007年03期

5 王晶;靳其兵;曹柳林;;面向多輸入輸出系統(tǒng)的支持向量機(jī)回歸[J];清華大學(xué)學(xué)報(自然科學(xué)版);2007年S2期

6 陳丹;;多類支持向量機(jī)算法的研究[J];東莞理工學(xué)院學(xué)報;2007年05期

7 程麗麗;張健沛;馬駿;;一種改進(jìn)的加權(quán)邊界調(diào)節(jié)支持向量機(jī)算法[J];哈爾濱工程大學(xué)學(xué)報;2007年10期

8 宋召青;崔和;胡云安;;支持向量機(jī)理論的研究與進(jìn)展[J];海軍航空工程學(xué)院學(xué)報;2008年02期

9 郭濵;孫曉梅;薛明;;基于殼向量的邊界鄰近支持向量機(jī)[J];黑龍江交通科技;2008年12期

10 許超;運(yùn)士偉;舒云星;;基于支持向量機(jī)的混凝土測強(qiáng)換算模型[J];洛陽理工學(xué)院學(xué)報(自然科學(xué)版);2008年02期

相關(guān)會議論文 前10條

1 余樂安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計(jì)算機(jī)學(xué)會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機(jī)方法預(yù)測膜蛋白類型[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 侯澍e，

本文編號：1918481