张弦
- 作品数：25 被引量：213H指数：10
- 供职机构：第二炮兵工程学院自动控制系更多>>
- 发文基金：国防科技技术预先研究基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信航空宇航科学技术军事更多>>
- 测试仪器的发展历程被引量：9
- 2007年
- 按照从传统测试仪器到现代测试仪器的顺序,简要介绍了测试仪器的发展历程,并对其发展趋势进行了展望。
- 孙浚清李世平张弦唐超
- 关键词：测试仪器接口总线虚拟仪器
- 基于WT与LSSVC的信号消噪方法及其在转子故障诊断中的应用被引量：1
- 2010年
- 噪声是影响转子早期故障特征有效识别与准确提取的主要因素。针对转子故障信号的消噪问题,提出一种基于最小二乘支持向量分类器的小波消噪方法。该方法以信号与噪声在小波域内的统计特征为理论依据,通过构造最小二乘支持向量分类器,以分类方式实现小波域内的信号与噪声判别,并对信号与噪声小波系数采取衰减策略以弱化噪声污染。模拟信号消噪分析与转子故障信号消噪实例表明,该方法可有效抑制信号中的噪声干扰,在信噪比与均方误差意义下的消噪性能优于小波阈值消噪方法。
- 张弦王宏力
- 关键词：小波变换信号消噪转子故障诊断特征提取
- 基于GA-SVM的装备需求时间序列预测
- 支持向量机是基于结构风险最小化原理的一种学习技术,是一种具有很好泛化能力的数据挖掘工具,但是支持向量机需要人为选择参数,一定程度上限制了其应用。遗传算法是一种实用、高效、鲁棒性强的优化技术,将其用于优化支持向量机参数能提...
- 孙浚清李世平唐超张弦
- 关键词：支持向量机遗传算法时间序列预测数据挖掘
- 文献传递
- 故障率预测的稀疏直接支持向量回归机方法
- 2010年
- 为改善直接支持向量回归机(DSVMR)的稀疏性,提出一种适用于DSVMR的剪样训练算法.该算法利用矩阵变换实现剪样前后DSVMR的递推求解,提高了剪样训练过程中DSVMR多次训练的计算效率.混沌时间序列预测仿真表明,该算法有效改善了DSVMR的稀疏性,且计算效率较基于Cholesky分解的剪样训练算法有显著提高.飞机故障率预测实例表明,经剪样训练后的DSVMR的预测精度高于BP(back-propagation)神经网络预测方法与RBF(radial casis function)神经网络预测方法.
- 张弦王宏力
- 关键词：稀疏性时间序列
- 局域极端学习机及其在状态在线监测中的应用被引量：12
- 2011年
- 针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种可实现在线训练的局域极端学习机(LELM).LELM以逐次增样训练与减样训练的方式实现在线训练,从而有效保持了简约的模型结构,同时利用分块矩阵求逆引理有效减小了多次模型训练的计算代价.混沌时间序列在线预测仿真表明,LELM的在线训练时间远小于ELM,且预测精度更高.基于时间序列预测的雷达发射机状态在线监测实例表明,相比于利用粒子群优化的自适应灰色模型方法,LELM具有更高的计算效率与预测精度,适用于电子系统状态在线监测.
- 张弦王宏力
- 关键词：极端学习机电子系统时间序列预测
- 适用于小子样时间序列预测的动态回归极端学习机
- 2011年
- 针对设备状态在线监测中的小子样建模问题,提出一种基于动态回归极端学习机(dynamic regressionextreme leaming machine,DR-ELM)的设备状态在线监测方法.该方法利用设备状态数据训练基于DR-ELM的预测模型,通过逐次增加新数据与删减旧数据的方式,对DR-ELM预测模型进行在线训练,从而实现对设备状态的准确预测.混沌时间序列预测仿真与基于时间序列预测的风机状态监测实例表明,相比于极端学习机(extreme learningmachine,ELM)与在线贯序极端学习机(on-line sequential extreme learning machine,OS-ELM),该方法的计算效率与预测精度更高.
- 张弦王宏力
- 关键词：极端学习机小子样时间序列预测
- 嵌入维数自适应最小二乘支持向量机状态时间序列预测方法被引量：19
- 2010年
- 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重要参数,以交叉验证误差为评价准则,利用粒子群优化(PSO)进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型。航空发动机排气温度(EGT)预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测。
- 张弦王宏力
- 关键词：最小二乘支持向量机粒子群优化航空发动机
- 利用粒子群优化的小波简化交叉验证消噪被引量：12
- 2010年
- 阈值是小波阈值消噪方法中决定消噪结果的关键因素。针对被高斯噪声污染的信号消噪问题,提出一种用于估计最优阈值的简化交叉验证方法。该方法利用信号奇偶划分后,奇序列与偶序列间的相似性减少了交叉验证方法的计算代价,并结合粒子群优化实现最优阈值的进化搜索。模拟信号消噪分析与转子故障信号消噪实例表明,该算法显著提高了交叉验证方法的计算效率,且消噪性能与交叉验证方法相近。
- 张弦王宏力
- 关键词：信号消噪粒子群优化转子故障诊断
- 基于GA-SVM的装备需求时间序列预测
- 支持向量机是基于结构风险最小化原理的一种学习技术,是一种具有很好泛化能力的数据挖掘工具,但是支持向量机需要人为选择参数,一定程度上限制了其应用。遗传算法是一种实用、高效、鲁棒性强的优化技术,将其用于优化支持向量机参数能提...
- 孙浚清李世平唐超张弦
- 关键词：支持向量机遗传算法时间序列
- 文献传递
- 基于支持向量经验模态分解的故障率时间序列预测被引量：9
- 2011年
- 针对故障率时间序列的非线性与非平稳特性,提出一种基于支持向量经验模态分解(SVEMD)的预测方法。首先,将故障率时间序列分解为多个固有模态函数(IMF)与一个余量(RF),利用最小二乘支持向量机(LSSVM)预测时间序列两端的局部极值点,以抑制传统经验模态分解(EMD)的边缘效应;同时以LSSVM回归方式形成包络线,以取代传统EMD中的三次样条插值;然后,建立各IMF与RF的预测模型;最终,将各IMF与RF的预测结果相加以获得故障率时间序列的预测结果。仿真结果表明,该方法的预测精度较传统基于EMD的预测方法与单一预测方法有显著提高,可实现对故障率的准确预测。
- 张弦王宏力
- 关键词：经验模态分解最小二乘支持向量机时间序列预测时间序列分析
