收藏本站
《大连海事大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

模拟电路故障诊断AdaBoost集成学习方法研究

刘冲  
【摘要】:课题来源于重庆市交通委员会所立项目“三峡库区运输船舶节能实用技术研究”,研发船用柴油机油耗仪表。 对于现代电子系统,模拟电路日益复杂,出现故障的可能性也随之增大,对模拟电路的故障诊断也越加困难。若船用仪表的模拟电路出现故障,会影响船用仪表测量的准确性和运行的稳定性,而导致仪表故障。为了增加船用柴油机油耗仪表测量的准确性和运行的稳定性,在研发船用柴油机油耗仪表的同时,开展模拟电路故障诊断方法的研究,在不影响油耗仪表原有功能的基础上,增加模拟电路故障诊断功能,使油耗仪表具有故障自诊断的功能。 用无穷维AdaBoost集成学习算法进行模拟电路故障诊断。进行模式识别时,分类精度较高的强分类器不容易找到,分类精度比随机猜测略好的弱分类器很容易找到,AdaBoost集成学习算法集成多个弱分类器而成为一个强分类器,从而避免了直接去寻找强分类器,为了进一步增加AdaBoost集成学习算法的分类精度,将AdaBoost集成学习算法的弱分类器数量增加到无穷多个,用无穷维AdaBoost集成学习算法进行模拟电路故障诊断。 本文采用支持向量机实现无穷维AdaBoost集成学习算法,从如下几个方面分析AdaBoost集成学习算法和支持向量机之间的联系: (1)用Lp范数理论,从样本分类超平面最大边界这一角度,分析AdaBoost集成学习算法的优化目标,得出AdaBoost集成学习算法和支持向量机的优化目标完全相同的结论。 (2)分析AdaBoost集成学习算法和支持向量机分类器分类器的相同点,通过设定条件,使支持向量机的分类器满足AdaBoost集成学习算法对其强分类器的要求。 (3)分析支持向量机的映射φ(x)与AdaBoost集成学习算法弱分类器h(x)之间的相同点,通过设定条件,使支持向量机的映射分量φ(x)与AdaBoost集成学习算法弱分类器h(x)建立联系。 因为以上所设定AdaBoost集成学习算法和支持向量机之间的联系,因此可以用支持向量机实现无穷维AdaBoost集成学习算法。实现无穷维AdaBoost集成学习算法的关键是建立一个新的支持向量机核函数,使此核函数集成无穷多个AdaBoost集成学习算法的弱分类器。 用Matlab 6.5编写无穷维AdaBoost集成学习算法程序,用无穷维AdaBoost学习方法进行模拟电路故障诊断。故障诊断结果表明:无穷维AdaBoost集成学习算法分类精度优于有限维AdaBoost集成学习算法,使用无穷维AdaBoost集成学习算法提高了AdaBoost集成学习算法的分类精度。 在研发船用柴油机油耗仪表的同时,开展模拟电路故障诊断方法研究,在撰写本文的同时,完成了船用柴油机油耗仪表的研发工作,进行了流量的模拟实验和实船测试。在设计船用柴油机油耗仪表的过程中,分析船用仪表的稳定性、可靠性因素,并采用模拟电路诊断故障的方法,来增加船用柴油机油耗仪表的稳定性、准确性,在不影响船用柴油机油耗仪表功能的基础上,增加故障自诊断的功能。
【学位授予单位】:大连海事大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TN710

免费申请
【相似文献】
中国期刊全文数据库 前10条
1 柳秋云;;改进的朴素贝叶斯分类器在医疗诊断中的应用[J];科技创新导报;2008年31期
2 杨全;赵杨;;基于AdaBoost的手势识别[J];计算机与网络;2008年13期
3 张良春;夏利民;;基于Adaboost方法的高速公路事件检测[J];计算机工程与应用;2007年28期
4 郭磊;王秋光;;Adaboost人脸检测算法研究及OpenCV实现[J];哈尔滨理工大学学报;2009年05期
5 杨艳;燕东渭;赵奎锋;魏亭;;综合学习方法AdaBoost在暴雨预测中的应用[J];计算机系统应用;2007年01期
6 张剑;谈国新;宋婉娟;;基于模糊集理论的人脸检测[J];计算机工程与应用;2007年17期
7 周红英;蔺启忠;吴昀昭;王钦军;;基于AdaBoost的组合分类器在遥感影像分类中的应用[J];计算机应用研究;2007年10期
8 杨涛;张良春;;基于Adaboost集成RBF神经网络的高速公路事件检测[J];计算机工程与应用;2008年32期
9 许书环;孔斌;郑飞;;基于肤色特征的AdaBoost人脸检测方法[J];计算机系统应用;2010年06期
10 武勃,艾海舟,肖习攀,徐光祐;人脸的性别分类[J];计算机研究与发展;2003年11期
中国重要会议论文全文数据库 前10条
1 文嘉俊;徐勇;战荫伟;;基于AdaBoost和帧间特征的人数统计[A];第十五届全国图象图形学学术会议论文集[C];2010年
2 杨韶瑞;高爱华;秦文罡;;基于支持向量机和AdaBoost的行人检测[A];2011西部光子学学术会议论文摘要集[C];2011年
3 张彬;金连文;;基于AdaBoost的手写体汉字相似字符识别[A];第二十六届中国控制会议论文集[C];2007年
4 李小红;李寅;谢成明;;基于连续Adaboost彩色图像人脸检测算法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年
5 蔡念;金丰;阮恭勤;潘晴;许少秋;;基于AdaBoost算法的图像复原方法[A];第十五届全国图象图形学学术会议论文集[C];2010年
6 侯杰;茅耀斌;孙金生;;基于FDA的快速haar特征选取及其在级联AdaBoost人脸检测中的应用[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 ;Shadow Detection Based on Adaboost Classifiers in a Co-training Framework[A];Proceedings of the 2011 Chinese Control and Decision Conference(CCDC)[C];2011年
8 于淼;李乃民;王宽全;贾丹兵;闫子飞;;基于AdaBoost的中医舌诊分类算法研究[A];第二次全国中西医结合诊断学术研讨会论文集[C];2008年
9 童灿;;基于boosting HMM的语音情感识别[A];2008年中国高校通信类院系学术研讨会论文集(下册)[C];2009年
10 眭新光;沈蕾;燕继坤;朱中梁;;基于Adaboost的文本隐写分析[A];全国网络与信息安全技术研讨会论文集(上册)[C];2007年
中国博士学位论文全文数据库 前10条
1 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年
2 段锦;人脸自动识别中若干问题的研究[D];吉林大学;2004年
3 万民永;智能视频监控算法及硬件实现研究[D];浙江大学;2012年
4 李云峰;基于Gabor小波变换的人脸识别[D];大连理工大学;2006年
5 王磊;支持向量机学习算法的若干问题研究[D];电子科技大学;2007年
6 宋华军;基于支持向量机的目标跟踪技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2006年
7 王先基;基于统计学习的自动人脸识别算法研究[D];中国科学技术大学;2007年
8 倪心强;SAR图像分类与自动目标识别技术研究[D];中国科学院研究生院(电子学研究所);2007年
9 楚瀛;智能视频监控中的多特征融合问题研究[D];华中科技大学;2008年
10 李志华;智能视频监控系统目标跟踪与分类算法研究[D];浙江大学;2008年
中国硕士学位论文全文数据库 前10条
1 牛胜石;基于AdaBoost和SVM的人头检测[D];中南民族大学;2010年
2 付廷杰;基于Adaboost的超分辨率重建算法[D];西安电子科技大学;2010年
3 潘祥;基于车标识别的车型细分类技术研究[D];西华大学;2010年
4 孔祥栋;基于肤色和AdaBoost算法人脸检测的研究[D];燕山大学;2010年
5 高金良;基于Adaboost算法的人脸实时检测及FPGA设计[D];中北大学;2011年
6 李冉;基于改进Adaboost算法的多姿态人脸检测研究[D];广西工学院;2011年
7 洪田荣;基于AdaBoost快速训练算法的人脸检测的研究与实现[D];云南大学;2010年
8 钱力思;基于AdaBoost人脸检测算法的研究[D];西南大学;2011年
9 李荣华;基于AdaBoost与粒子滤波的人脸检测与跟踪[D];南京理工大学;2010年
10 陈松峰;利用PCA和AdaBoost建立基于贝叶斯的组合分类器[D];郑州大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026