已閱讀1頁，還剩76頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、本文主要是研究有監(jiān)督學習算法的一種-支持向量機(SVM)算法，在深入研究支持向量機理論的基礎上，提出了具有遺忘因子的遞推最小二乘支持向量機(FFRLSSVM)算法。并針對間歇過程在工業(yè)生產(chǎn)過程中所占比重越來越大的現(xiàn)狀，本文選擇間歇生產(chǎn)過程作為故障診斷算法的應用對象。
針對間歇過程所具有的多批次、非線性、非高斯等復雜特性，將多向快速獨立主元分析(MFastICA)與改進的支持向量機算法相結合，綜合兩種算法各自的優(yōu)勢，提出故障診斷
2、算法MFastICA-FFRLSSVM。
MFastICA-FFRLSSVM算法主要思想是：首先通過MFastICA算法進行多批次數(shù)據(jù)維數(shù)轉換，并快速提取轉換后數(shù)據(jù)的獨立分量，然后訓練FFRLSSVM算法的故障診斷模型，最后將訓練好的故障診斷模型用于過程故障診斷中。
本文的對比實驗結果表明，MFastICA-FFRLSSVM算法具有更高的診斷精度和更穩(wěn)定的診斷效果，該算法中的快速和遞推算法保證了運算的快速性；而遺忘因
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于半監(jiān)督學習的故障診斷研究.pdf
- 基于無監(jiān)督學習的狀態(tài)監(jiān)測和故障診斷技術研究.pdf
- 基于無監(jiān)督學習的風電機組傳動鏈智能故障診斷方法研究.pdf
- 基于集成學習的故障診斷方法研究.pdf
- 基于有監(jiān)督學習的選擇型問題解答方法研究.pdf
- 基于字典學習的稀疏表示故障診斷方法研究.pdf
- 基于變換的故障診斷方法研究.pdf
- 基于符號有向圖的故障診斷研究.pdf
- 基于DSP的故障診斷方法研究.pdf
- 基于DCA的有桿泵抽油井的多故障診斷方法研究.pdf
- 基于監(jiān)督學習的問答對提取方法研究.pdf
- 基于半監(jiān)督學習的目標跟蹤方法研究.pdf
- 基于故障樹的電磁兼容故障診斷方法研究.pdf
- 基于HSMM的齒輪故障診斷方法研究.pdf
- 基于Petri網(wǎng)的故障診斷方法研究.pdf
- 基于有監(jiān)督學習技術的Web和XML查詢.pdf
- 基于深度學習模型的感應電機故障診斷方法研究.pdf
- 基于字典學習理論的機械故障診斷方法研究.pdf
- 基于鄰域粗糙集的符號有向圖故障診斷方法研究.pdf
- 基于符號有向圖的熱力系統(tǒng)故障診斷方法研究.pdf
評論
0/150
提交評論