混沌耗散离散粒子群算法及其在故障诊断中的应用

针对PHM（PrognosticandHealthManagement）中数据挖掘和知识获取困难的问题，提出一种以J48决策树算法为基础的故障诊断方法。采用了开源数据挖掘软件Weka，对CTSV滤波器

?U Gi min ? U Gi ? U Gi max ? ?QCi min ? QCi ? QCi max ? ?Tti min ? Tti ? Tti max ?Q ? QGi ? QGi max

这是一篇硕士论文详细的阐述了粒子群算法及其改进的算法等相关的内容。

电机、泵以及风机等设备均为石油化工生产的重要设备，这些设备一旦发生故障，将对安全生产造成不良影响。因此，加强对这类设备的维护、监测，确保其安全生产具有重大的意义。我和我的同志，通过对振动分析技术的研究

结合了混沌优化的粒子群算法，可快速找到全局最优点，避免陷入局部最优点。

基本粒子群算法是一种常见的优化算法，本文将介绍其基本原理、算法流程和在优化问题中的应用。首先讲解基本粒子群算法的运作机制和优点，接着将针对matlab环境，演示一个基本粒子群算法的简单实现，最后介绍该

粒子群算法是一种群智能算法 该上传为粒子群算法在很多领域的应用

基于改进粒子群神经网络的电力电子电路故障诊断,此论文仅供参考,欢迎大家下载

随着电路系统集成化和复杂化的发展,电路故障诊断技术越来越受到学者的重视,其中模拟电路由于其自身的特殊性成为研究中的一个难点。本文运用小波包特征熵作为电路故障特征的提取方法,选取支持向量机作为故障分类器

基于结构风险最小化原则的支持向量机( SVM)对小样本决策具有较好的学习推广性。但由 常规 SVM 算法是从 2 类分类问题推导出的,在解决故障诊断这种典型的多类分类问题时存在困难, 而提出一种依赖故