计算机测量与控制
計算機測量與控製
계산궤측량여공제
Computer Measurement & Control
2015年
9期
3015-3017,3025
,共4页
非线性%特征提取%状态监测%支持向量机%粒子群算法
非線性%特徵提取%狀態鑑測%支持嚮量機%粒子群算法
비선성%특정제취%상태감측%지지향량궤%입자군산법
nonlinear%feature extraction%state monitoring%support vector machine (SVM)%particle swarm optimization (PSO)
针对常用的线性特征提取方法只能处理线性数据的局限性,提出通过核方法将线性特征提取方法扩展到非线性方面;首先提取模拟电路的幅频响应;然后针对信号特征存在冗余性及高维性,采用核Fisher判别分析法(KFD)对电压特征进行提取;选择SVM作为状态监测器,考虑到SVM的参数设置对识别率有较大影响,所以采用PS()对SVM进行优化;实验结果表明,采用本方法的状态识别率达到70％,高于其他两种方法;说明运用KFD进行特征降维以及采用PSO对SVM进行优化能明显提高状态监测的识别率,体现了本方法良好的模拟电路早期状态监测能力.
針對常用的線性特徵提取方法隻能處理線性數據的跼限性,提齣通過覈方法將線性特徵提取方法擴展到非線性方麵;首先提取模擬電路的幅頻響應;然後針對信號特徵存在冗餘性及高維性,採用覈Fisher判彆分析法(KFD)對電壓特徵進行提取;選擇SVM作為狀態鑑測器,攷慮到SVM的參數設置對識彆率有較大影響,所以採用PS()對SVM進行優化;實驗結果錶明,採用本方法的狀態識彆率達到70％,高于其他兩種方法;說明運用KFD進行特徵降維以及採用PSO對SVM進行優化能明顯提高狀態鑑測的識彆率,體現瞭本方法良好的模擬電路早期狀態鑑測能力.
침대상용적선성특정제취방법지능처리선성수거적국한성,제출통과핵방법장선성특정제취방법확전도비선성방면;수선제취모의전로적폭빈향응;연후침대신호특정존재용여성급고유성,채용핵Fisher판별분석법(KFD)대전압특정진행제취;선택SVM작위상태감측기,고필도SVM적삼수설치대식별솔유교대영향,소이채용PS()대SVM진행우화;실험결과표명,채용본방법적상태식별솔체도70％,고우기타량충방법;설명운용KFD진행특정강유이급채용PSO대SVM진행우화능명현제고상태감측적식별솔,체현료본방법량호적모의전로조기상태감측능력.
