小波和多核SVM方法在UVA传感器故障诊断的应用

被引:43
作者
叶慧 [1 ]
罗秋凤 [2 ]
李勇 [1 ]
机构
[1] 南京航空航天大学自动化学院
[2] 南京航空航天大学无人机研究院
关键词
传感器; 小波包; 多核支持向量机; 故障诊断;
D O I
10.19651/j.cnki.emt.2014.01.027
中图分类号
TP212 [发送器(变换器)、传感器];
学科分类号
140102 [集成电路设计与设计自动化];
摘要
为了提高无人机传感器故障诊断的准确性,提出一种基于小波与多核支持向量机的诊断方法。采用小波处理信号,不依赖于系统的数学模型,直接利用信号模型,分析可测信号,提取频率等特征值,保存了原始信号的特征,提高故障的可分性。多核映射能够解决单核映射核函数及其参数选择的难题,增加故障的可区分性,提高分类器的精度。提出多核学习方法改进核函数的性能,将该方法对某无人机的传感器故障诊断,分别利用单核和多核支持向量机进行仿真,仿真结果表明了多核学习方法的有效性,提高了诊断精度。
引用
收藏
页码:112 / 116
页数:5
相关论文
共 8 条
[1]
无人直升机飞行传感器仿真及其故障诊断与容错技术研究 [D]. 
谢勇 .
南京航空航天大学,
2010
[2]
基于SVM与小波变换的微小型无人直升机传感器故障诊断 [D]. 
吴康 .
浙江大学,
2010
[3]
支持向量机故障诊断及控制技术.[M].胡良谋; 曹克强; 徐浩军; 董新民; 著.国防工业出版社.2011,
[4]
信息融合技术及其应用.[M].李弼程; 黄洁; 高世海; 王天鹏; 编著.国防工业出版社.2010,
[5]
小波分析在滚动轴承故障信号处理中的应用 [J].
李鑫 .
国外电子测量技术, 2013, 32 (06) :65-67+71
[6]
局部切空间排列和支持向量机的故障诊断模型 [J].
万鹏 ;
王红军 ;
徐小力 .
仪器仪表学报, 2012, 33 (12) :2789-2795
[7]
小波包能量谱在滚动轴承故障诊断中的应用 [J].
王冬云 ;
张文志 ;
张建刚 .
轴承, 2010, (11) :32-36
[8]
多核学习方法.[J].汪洪桥;孙富春;蔡艳宁;陈宁;丁林阁;.自动化学报.2010, 08