模拟故障诊断中的容差处理方法研究

基于斜率故障模型的故障诊断方法较好地解决了线性电路的软故障和硬故障诊断问题,是一种很有价值的故障模型,但是容差问题使该方法不实用,基于此,给出了新的容差处理方法。首先斜率故障模型的公共点(由无故障时两个选定测点的电压值确定)不再是一个定值,而是在实际电路运行中获得,它包含了实际电路元件的容差信息。其次,受容差影响,元件斜率特征是一个扇形区域,该扇形区域可以通过计算或者仿真得到。该方法能较好地解决斜率故障模型中的容差问题。     

逐步增加的Ⅱ型截尾下Lomax分布形状参数的估计

文章在逐步增加的Ⅱ型截尾下,给出了Lomax分布形状参数θ的极大似然估计;由“平均剩余寿命”的概念得到了形状参数的逆矩估计,在平方损失函数和对称熵损失函数下,针对不同的先验分布给出了参数θ的Bayes估计;最后通过随机模拟对几个估计进行了比较,说明了在相同的损失函数下,取共轭先验分布较无信息先验分布的精度要高.     

用PSO方法搜索基于MLE的ARMA模型参数

针对小样本条件下用矩估计(ME)方法获取ARMA模型参数粗略的缺点,将粒子群优化算法(PSO)用于小样本ARMA模型参数的极大似然估计(MLE),以获得概率上最优的数字解。在分析基于ARMA模型似然函数的基础上,详细分析了PSO的思想、方法和评价指标。以实际例证显示了联合PSO优化方法估计AMAR模型参数的优良特性,并从算法和似然函数角度分别阐释了形成利弊的原因。     

运用GA-BP神经网络研究时间序列的预测

神经网络能以任意精度逼近非线性函数,以神经网络为基础的时间序列预测模型能很好地反映信息的非线性发展趋势。该文在分析传统BP网络缺点的基础上,用具有良好全局搜索能力的遗传算法来改进神经网络。详细讨论了GA算法的优化神经网络初始权值和阈值的思想和理论。在阐述预测方法同时,用具体例证分析了GA-BP网络预测的性能和特点。结果表明,基于GA-BP神经网络在预测精度和适应性方面高于传统的BP神经网络。     

两均匀分布区间长度之比的区间估计

文章给出了均匀分布的最小和最大次序统计量的密度函数。另外,通过构造统计量,给出了两均匀分布区间长度之比的区间估计及其假设检验方法,讨论了通常区间估计和最短区间估计。最后,根据实例求出了这两种区间估计和它们的长度,并得出了相应的结论。     

基于特征优选模拟电路故障诊断方法

传统基于最小二乘支持向量机模拟电路故障诊断方法都是使用单一的特征向量组合训练支持向量机所有二分类器,然而实际上每个二分类器对不同的特征向量组合有不同的分类精度。因此,提出了基于马氏距离的粒子群优化算法,为最小二乘支持向量机所有二分类器优选出近最优的特征向量组合。然后,将近最优特征向量组合用于训练和测试该支持向量机。最后把该方法应用于模拟电路早期故障诊断,实验结果表明,基于近最优特征向量组合的诊断精度要高于单一特征向量组合的诊断精度。