基于改进多输出支持向量机的声发射源定位研究

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 数字工厂研究室

	基于改进多输出支持向量机的声发射源定位研究
	史勃; 黄益泽; 荣胜波; 张环宇; 朱军
刊名	传感器与微系统
	2018
卷号	37 期号:2 页码:64-66, 71
关键词	声发射核主成分分析多输出支持向量机参数优化
ISSN号	2096-2436
其他题名	Research on acoustic emission source localization based on improved multi-output SVM
通讯作者	朱军
产权排序	1
中文摘要	为了提高根据声发射(AE)现象预报煤与瓦斯突出位置的精度,结合核主成分分析(KPCA),提出了一种改进的多输出最小二乘支持向量机(LSSVM)的目标定位方法。对于采集的声发射参数信号,采用核主成分分析提取重要定位特征;采用多输出最小二乘支持向量机建立定位模型,采用文化基因算法对多输出最小二乘支持向量机参数进行优化。试验测试定位性能,结果表明:算法提高了试验平台声发射定位的精度且定位时间少于其他定位算法,具有很高的实际应用价值。
英文摘要	In order to improve precision of predicting position of coal and gas outburst based on acoustic emission ( AE) phenomena， combined with kernel principal component analysis( KPCA) ，a target positioning method based on improved multi-output least squares ( LS) support vector machine ( SVM) ，KPCA-LSSVM， is proposed． For collected acoustic emission parameter signals，KPCA is used to extract important localization features． Multi-output least squares support vector machine is used to establish positioning model． Memetic algorithm is used to optimize the parameters of the multi-output LSSVM． Simulation experiment is used to test positioning performance． The results show that the algorithm improves precision of acoustic emission localization of test platform and positioning time is less than other positioning algorithms， it has high practical application value．
收录类别	CSCD
语种	中文
CSCD记录号	CSCD:6160143
内容类型	期刊论文
源URL	[http://ir.sia.cn/handle/173321/21608]
专题	沈阳自动化研究所_数字工厂研究室
作者单位	中国科学院沈阳自动化研究所
推荐引用方式 GB/T 7714	史勃,黄益泽,荣胜波,等. 基于改进多输出支持向量机的声发射源定位研究[J]. 传感器与微系统,2018,37(2):64-66, 71.
APA	史勃,黄益泽,荣胜波,张环宇,&朱军.(2018).基于改进多输出支持向量机的声发射源定位研究.传感器与微系统,37(2),64-66, 71.
MLA	史勃,et al."基于改进多输出支持向量机的声发射源定位研究".传感器与微系统 37.2(2018):64-66, 71.