作者:何拥军,曾文英,曾文权 单位:中国航天科工集团公司第十七研究所 出版:《计算机仿真》2011年第10期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFJSJZ2011100460 DOC编号:DOCJSJZ2011100469 下载格式:PDF + Word/doc 文字可复制、可编辑
《一种基于SVR的传感器系统故障诊断方法》PDF+DOC2007年第07期 金卫民,神显豪,巩传雷 《基于SVR的X型发动机传感器故障诊断研究》PDF+DOC2007年第10期 李本威,樊照远,王永华,尹大伟,蒋科艺 《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 《测控系统故障诊断》PDF+DOC2005年第07期 杨育武,马静 《基于FDDPB方法的卫星姿态控制系统故障诊断》PDF+DOC2011年第05期 王新升,马磊,梁斌 《信息熵在导航传感器故障诊断中的应用研究》PDF+DOC2010年第S1期 钱华明,朱明,陈亮 《传感器故障诊断技术概述》PDF+DOC2009年第01期 张娅玲,陈伟民,章鹏,胡顺仁,黄晓微,郑伟 《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Elman神经网络的传感器故障诊断研究》PDF+DOC2014年第04期 丁硕,常晓恒,巫庆辉,杨友林,胡庆功 《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
  • 研究传感器系统故障诊断效率问题。针对传统故障诊断因传输信息大,速度慢,造成故障,定位不清。传统的方法提取的传感器系统特征信息不全面,导致诊断精度与速度不高。为有效提高传感器系统故障诊断的效率和精度,提出了一种能量信息熵的支持向量机系统故障诊断方法。故障主要难点技术问题在于参数选择优化问题。算法首先利用小波包对传感系统故障信号进行小波包分解,并提取小波包能量信息熵,以此构建输入特征向量;接着采用了支持向量机方法进行非线性特征向量提取,最后以特征向量来建立支持向量机智能化诊断模型。仿真结果表明,改进方法在所有参比模型中精度最高,能高效地对传感器故障进行检测与定位。具有较强的泛化能力,同时缩短了故障诊断时间。

    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。