基于GA优化小波LS-SVR的惯性器件故障预报

被引:1
作者
蔡艳宁
胡昌华
机构
[1] 第二炮兵工程学院教研室
关键词
最小二乘支持向量回归机; 小波核函数; 遗传算法; 惯性器件; 故障预报;
D O I
暂无
中图分类号
TN966 [各种体制的导航系统];
学科分类号
080401 ; 081105 ; 0825 ;
摘要
为了提高最小二乘支持向量回归机的性能,将Morlet小波核函数引入其中,形成了最小二乘小波支持向量回归机模型。利用待优化的参数重构模型的目标函数和约束条件,并在此基础上通过遗传算法进行参数选择,从而提高了该模型的泛化能力。将最小二乘小波支持向量回归机应用于导弹陀螺仪的漂移趋势预测,仿真实验结果表明了该方法的有效性和可行性,因此可以为陀螺仪的故障预报、可靠性辅助决策提供依据。
引用
收藏
页码:190 / 192
页数:3
相关论文
共 8 条
[1]   一种基于Morlet小波核的约简支持向量机 [J].
武方方 ;
赵银亮 .
控制与决策 , 2006, (08) :848-852+856
[2]   基于小波核LS-SVM的网络流量预测 [J].
杨光 ;
张国梅 ;
刘星宇 .
微机发展, 2005, (12) :125-128
[3]   最小二乘Littlewood-Paley小波支持向量机 [J].
武方方 ;
赵银亮 .
信息与控制, 2005, (05) :94-99
[4]   基于非平稳时间序列的陀螺漂移性能建模与预测方法研究 [J].
周志杰 ;
胡昌华 ;
韩晓霞 .
电光与控制, 2005, (03) :23-26
[5]   子波核函数网络 [J].
张莉 ;
周伟达 ;
焦李成 .
红外与毫米波学报, 2001, (03) :223-227
[6]   Optimal control by least squares support vector machines [J].
Suykens, JAK ;
Vandewalle, J ;
De Moor, B .
NEURAL NETWORKS, 2001, 14 (01) :23-35
[7]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300
[8]  
NEURAL NETWORKS[P]. PERRETT JAY;KING DANIEL.WO2004097733A3,2005-12-29