作者:徐耀松,邱微,王治国,王雨虹,阎馨 单位:中国微米纳米技术学会;东南大学 出版:《传感技术学报》2019年第01期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFCGJS2019010160 DOC编号:DOCCGJS2019010169 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于拉普拉斯特征映射和深度置信网络的半监督故障识别》PDF+DOC2020年第01期 张鑫,郭顺生,李益兵,江丽 《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 《智能变电站网络设备故障的快速准确定位技术》PDF+DOC2019年第08期 姜学朴,吴港,孙婷,夏元斗,李增宁 《基于小波神经网络的水下航行器传感器故障诊断》PDF+DOC2010年第04期 王生武,石秀华,许晖,唐万文 《基于克隆聚类的特征提取与多传感器故障诊断》PDF+DOC2010年第06期 侯胜利,王威,乔丽,史霄霈,周根娜 《基于模糊故障特征信息的随机集度量信息融合诊断方法》PDF+DOC2009年第07期 徐晓滨,文成林,王迎昌 《EMD在卫星姿态控制系统未知故障诊断中的应用》PDF+DOC2009年第S1期 张筱磊,沈毅,张迎春 《新型解析冗余关系法在传感器故障诊断中的应用》PDF+DOC2014年第07期 帕孜来·马合木提,董小亮,杨莲,廖俊勃 《基于ASGSO-SVR模型的瓦斯传感器故障诊断》PDF+DOC2013年第S2期 黄凯峰,刘泽功,王其军,杨静,高魁 《基于EMD和有向因子图的航天器故障诊断》PDF+DOC2013年第01期 沈毅,张筱磊,王振华
  • 针对瓦斯传感器故障诊断速度慢、诊断精度不高的问题,以常见的冲击型、漂移型、偏置型和周期型传感器输出故障作为研究对象,提出一种基于拉普拉斯特征映射(LE)和改进化学反应优化算法(ICROA)优化的相关向量机(RVM)进行模式分类与辨识,实现瓦斯传感器故障诊断。首先采用流形学习方法 LE对高维原始数据空间进行非线性降维特征提取,提取故障特征,该方法极大地保留了原始数据中的整体几何信息;然后将故障特征作为RVM模型训练输入,利用ICROA算法对RVM模型的核参数进行全局寻优,将训练好的ICROA-RVM模型对测试样本进行故障诊断。实验结果表明:该诊断方法具有训练速度快,故障辨识精度高的特点,故障诊断正确率在96%以上,能够有效地提高瓦斯传感器故障诊断的速度和准确性。

    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。