基于Shannon小波支持矢量机二级决策的故障诊断

提出一种基于Shannon小波支持矢量机(Shannon wavelet support vector machine,SWSVM)二级决策的故障诊断模型。先求出原信号的双谱相关值特征矩阵奇异值谱,并用BP神经网络对主分量分析(Principal component analysis,PCA)后的奇异值谱调维得到可分性更高的三维模式矢量,再将该三维模式矢量用SWSVM进行二级故障诊断。SWSVM可以对BP网络因陷入局部极值﹑欠/过学习输出的低分辨率进行校正,获得更高的故障识别精度和自适应识别能力。本模型实现了BP网络和SWSVM优势互补。一滚动轴承故障诊断实例验证了该模型的有效性。

基于支持矢量机的小波域超声信号消噪技术

为了提高超声无损检测与无损评价基础数据的信噪比,提出一种基于支持矢量机模式识别理论的小波域超声信号消噪技术。该技术在研究材料内部散射体引起的结构噪声产生机理,以及分析传统裂谱分析算法局限性的基础上,利用小波变换方法将原始超声检测信号分解到小波空间,并通过采用以高斯函数为核函数的支持矢量机所构成的信噪分离器对信号和噪声进行识别、分离来消除噪声,得到高信噪比的超声回波信号。试验结果表明,与传统裂谱分析算法相比。该技术提高了消噪性能的稳定性,增强了湮没材料内部各种散射体散射中的缺陷回波信号能力。

基于小波降噪-支持矢量机的锂离子电池剩余使用寿命预测模型

针对锂电池充放电数据中夹杂噪声从而影响剩余使用寿命预测的问题,首先基于多分辨率的小波降噪方法,提出了锂电池充放电曲线降噪方法。然后采用支持矢量机回归方法建立了基于降噪数据的支持矢量机预测模型。最后用实验的方法采集锂电池容量保持率-充放电次数数据,对数据进行降噪并应用支持矢量机回归方法对其进行了寿命预测。结果显示基于降噪数据建立的支持矢量机回归模型预测性能优于基于原始数据建立的支持矢量机回归模型的预测性能,该方法预测结果与实际实验数据相对偏差在2.1%以内。

基于小波变换和支持矢量机的调制信号识别

提出一种基于小波变换和支持矢量机的数字信号自动调制识别新方法,即将信号小波变换后提取各尺度上的能量峰值作为特征向量,利用支持矢量机把分类特征向量映射到一个高维空间,并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声具有良好的稳健性,并避免了神经网络中的过学习和局部极小点等缺陷。计算机仿真结果表明,这种方法具有很高的分类性能和良好的稳健性。

心电信号多形态T波检测方法研究

目的研究一种T波检测新方法,以提高检测形态异常T波的准确率。方法基于小波变换和支持矢量机技术,设计了一种准确性高且适用于检测心电信号多形态T波的新方法,并从QT数据库下载了50组真实心电信号中5000个形态多样的T波数据验证新方法的性能。结果将实验结果与库中专家标注的信息对比,在误差容忍度20 ms内,检测准确率达到96.38%,敏感度达到98.04%,阳性预测率达到100%。与现有其他类似方法比较,新方法的平均检测精确度和敏感度分别高出6.73%和4.48%。结论本文方法对于各种形态的T波均具有高的检测准确率,且具有良好的抗噪性和可扩展性。

基于双密度双树小波变换的电能质量扰动识别方法

针对电能质量扰动的识别问题,提出一种基于双密度双树小波变换(DD-DT DWT)小波熵和支持向量机的扰动信号识别方法。该方法首先对电能信号进行DD-DT DWT变换,然后分别提取其小波能量熵和小波系数Shannon熵以描述不同扰动信号的特征,最后采用二元树结构支持向量机分别对提取的两类小波熵特征向量进行分类。仿真实验表明:所提出的基于DD-DT DWT小波熵的特征提取方法能有效识别常见的8种扰动信号,并具有正确识别率高及噪声鲁棒性强的优点。

基于向量机人脸识别技术研究

随着人脸识别特征提取技术的发展，促进了人脸识别技术的不断完善和发展，其中基于向量机人脸技术的改造，是现阶段人脸识别技术的重点突破，人脸识别具有高清的辨识度和可信度，本文主要研究的是基于向量机的人脸技术，其中利用小波变换和鉴别共同矢量DCV的方法是人脸技术的核心，对人脸的识别提高了更为高的准确率。

基于DSP与FPGA的实时电能质量监测终端系统

针对目前电能质量扰动识别的实时性和识别率不高的问题,研制了一种基于DSP与FPGA的实时电能质量监测系统。该监测系统采用FPGA控制高精度的8通道16位同步AD转换器AD7606完成电能质量信号的同步采集,DSP(TMS320DM642)从FPGA内部的FIFO存储器读取采集的电能质量数据,然后对其进行双密度双树离散小波变换(DD-DTDWT),并计算其小波系数Shannon熵,最后用训练得到的最小二乘支持向量机分类树对扰动信号进行分类识别。实验测试结果表明:该电能质量监测系统能够连续实时对8路电能质量进行准确监测,对8种常见扰动信号的平均识别率可以达到99.1%。

基于三相电流检测的逆变器开路故障诊断及容错方案研究

为解决逆变器开路故障诊断问题及充分利用剩余桥臂资源,针对基于矢量控制的异步电机驱动系统中逆变器开路故障诊断及容错方案,采用逆变器输出三相电流信号作为特征参数,利用小波分析理论提取特征向量,进而通过支持向量机(SVM)判断逆变器是否故障。当SVM检测到逆变器故障时,逆变器由传统的六开关拓扑切换为四开关拓扑,采用四开关模式"七段式"空间矢量脉宽调制(SVPWM)算法调制。通过计算机仿真验证了SVM诊断逆变器开路故障及四开关容错控制的正确性和有效性。

一种自适应的XML数据流质量预测策略

针对当前XML数据流质量检测存在的不足,提出了一种自适应的XML数据流质量预测方法XAFS。该方法用XML键构建的矢量矩阵作为窗口、利用矢量积小波变换多级分解与重构XML数据流、再结合最小二乘支持向量机对XML数据流质量进行预测;为了更好的适应网络负载,采取加权与自适应窗口调整等调度策略充分保证XML数据流的质量检测。对比其它相应算法,一系列仿真实验表明所提出算法具有较高的精度与实用性,是XML数据流挖掘的一种有效方法。