期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别
被引量:
4
1
作者
王召广
杨宇飞
+1 位作者
闫召洪
鲁峰
《推进技术》
EI
CAS
CSCD
北大核心
2021年第1期220-229,共10页
针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异...
针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异类样本。根据筛选出的特征子集,利用LMBP神经网络算法进行发动机故障模式识别。以涡轴发动机为对象进行气路故障诊断验证,结果表明所提方法能提取特征传感器参数并实现有效的故障模式识别。
展开更多
关键词
涡轴发动机
气路故障诊断
特征提取
神经网络
relieff
分析
下载PDF
职称材料
基于PSO-SVM的脉搏波特征选择的生理疲劳辨识
被引量:
1
2
作者
张家润
《现代计算机》
2020年第10期7-12,共6页
为了提高脉搏波检测生理疲劳的精度,提出一种脉搏波特征选择的疲劳辨识。先将脉搏波信号经过预处理,后提取脉搏波上升支幅度HUAM、上升支幅度与下降支幅度比值UDOR1、上升支时间TUAM、上升支时间与下降支时间比值UDOR2、脉搏波周期WPT...
为了提高脉搏波检测生理疲劳的精度,提出一种脉搏波特征选择的疲劳辨识。先将脉搏波信号经过预处理,后提取脉搏波上升支幅度HUAM、上升支幅度与下降支幅度比值UDOR1、上升支时间TUAM、上升支时间与下降支时间比值UDOR2、脉搏波周期WPT作为脉搏波疲劳特征预选值,对上述5维特征预选值和疲劳标签,采用ReliefF分析方法,得到预选值权重,采用了权重大于0.045的UDOR2、WPT作为疲劳特征值。最后利用PSO-SVM实现脉搏波特征选择的疲劳辨识。样本总辨识率为95.2%。
展开更多
关键词
脉搏波预选特征
relieff
权值
分析
粒子群优化
支持向量机
下载PDF
职称材料
题名
基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别
被引量:
4
1
作者
王召广
杨宇飞
闫召洪
鲁峰
机构
中国航发湖南动力机械研究所
南京航空航天大学能源与动力学院
出处
《推进技术》
EI
CAS
CSCD
北大核心
2021年第1期220-229,共10页
基金
国家科技重大专项(2017-I-0006-0007)。
文摘
针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异类样本。根据筛选出的特征子集,利用LMBP神经网络算法进行发动机故障模式识别。以涡轴发动机为对象进行气路故障诊断验证,结果表明所提方法能提取特征传感器参数并实现有效的故障模式识别。
关键词
涡轴发动机
气路故障诊断
特征提取
神经网络
relieff
分析
Keywords
Turbo shaft engine
Gas path fault diagnosis
Feature extraction
Neural network
Relief Fanalysis
分类号
V235.113 [航空宇航科学与技术—航空宇航推进理论与工程]
下载PDF
职称材料
题名
基于PSO-SVM的脉搏波特征选择的生理疲劳辨识
被引量:
1
2
作者
张家润
机构
四川大学电子信息学院
出处
《现代计算机》
2020年第10期7-12,共6页
文摘
为了提高脉搏波检测生理疲劳的精度,提出一种脉搏波特征选择的疲劳辨识。先将脉搏波信号经过预处理,后提取脉搏波上升支幅度HUAM、上升支幅度与下降支幅度比值UDOR1、上升支时间TUAM、上升支时间与下降支时间比值UDOR2、脉搏波周期WPT作为脉搏波疲劳特征预选值,对上述5维特征预选值和疲劳标签,采用ReliefF分析方法,得到预选值权重,采用了权重大于0.045的UDOR2、WPT作为疲劳特征值。最后利用PSO-SVM实现脉搏波特征选择的疲劳辨识。样本总辨识率为95.2%。
关键词
脉搏波预选特征
relieff
权值
分析
粒子群优化
支持向量机
Keywords
Pulse Wave Preselection Characteristics
Weight Analysis of
relieff
PSO
SVM
分类号
R318 [医药卫生—生物医学工程]
TN911.7 [医药卫生—基础医学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别
王召广
杨宇飞
闫召洪
鲁峰
《推进技术》
EI
CAS
CSCD
北大核心
2021
4
下载PDF
职称材料
2
基于PSO-SVM的脉搏波特征选择的生理疲劳辨识
张家润
《现代计算机》
2020
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部