文献

J-GLOBAL ID：201302296318587249   整理番号：13A0933904

エンジン故障診断に関するDNPSOベースのサポートベクトルマシン

DNPSO-Based Support Vector Machine for Engine Fault Diagnosis

著者 (4件)： Nie Lixin (School of Mechanical Engineering & Automation,Northeastern Univ., Shenyang) ,  Zhang Tianxia (School of Mechanical Engineering & Automation,Northeastern Univ., Shenyang) ,  Zhang Liping (School of Mechanical Engineering & Automation,Northeastern Univ., Shenyang) ,  Guo Lixin (School of Mechanical Engineering & Automation,Northeastern Univ., Shenyang)
資料名： Dongbei Daxue Xuebao(Zirankexueban)  (Dongbei Daxue Xuebao(Zirankexueban))
巻： 33  号： 4  ページ： 571-575  発行年： 2012年 
JST資料番号： C5017A  ISSN： 1005-3026  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 動的近傍粒子群パターンを近隣粒子の直列数と量に基づいて設定した。6つの試験関数の最適性能をTaguchi DOEによって解析した。PSO因子(例えば慣性重量,粒子近傍の数および加速係数)のより良い変化パターンを選択した。動的近傍粒子群の最適化モデルを築いて,それはより広い適応性とより低い計算複雑性を有するかもしれなかった。サポートベクトルマシンのペナルティ因子とカーネル関数評価因子をこの提案モデルを用いて最適化した。BP ANNとSPSOベースのSVMモデルのものと比較して,DNPSOベースのサポートベクトルマシンはエンジン故障診断においてより良い特性同定性能とより高いロバスト性を示した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *サポートベクトルマシン ,  パターン認識 ,  コンピュータ ,  ベクトルプロセッサ ,  並列演算 ,  故障診断 ,  識別関数 ,  モデル ,  計算量 ,  ロバスト性 ,  ペナルティ
準シソーラス用語： Kernel関数 ,  最適化モデル ,  計算複雑性

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (2件)： 故障診断 ,  サポートベクトルマシン