原文服务方: 计算机测量与控制       
摘要:
针对电源组合的故障特点,提出了一种基于改进QPSO优化SVR的故障预测方法;文中首先对QPSO算法进行了介绍;然后对支持向量回归机(Support Vect or Regression,SVR)性能影响因素进行了分析,并给出了基于改进QPSO优化SVR参数的算法步骤;最后以制导雷达波束系统中的某电源组合为例进行了仿真分析,预测结果表明,同QPS()算法相比该预测方法误差更小,达到了预期效果.
推荐文章
AFSA优化灰色神经网络的某电源组合故障预测
AFSA
灰色神经网络
电源组合
故障预测
基于指数平滑和改进增量SVR的齿轮寿命预测研究
二次指数平滑
融合指标集
改进增量SVR
寿命预测
GAFSA优化SVR的网络流量预测模型研究
网络流量预测
参数优化
支持向量回归机
全局人工鱼群算法
自相似性
基于改进的QPSO训练BP网络的网络流量预测
量子粒子群优化算法
粒子群优化算法
早熟
神经网络
网络流量预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进QPSO优化SVR的某电源组合故障预测研究
来源期刊 计算机测量与控制 学科
关键词 QPSO SVR 电源组合 故障预测
年,卷(期) 2014,(5) 所属期刊栏目 自动化测试技术
研究方向 页码范围 1342-1344
页数 3页 分类号 TP277
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王成 军械工程学院导弹工程系 73 378 10.0 15.0
2 孟晨 军械工程学院导弹工程系 164 1365 19.0 27.0
3 杨森 军械工程学院导弹工程系 22 97 6.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (51)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (6)
二级引证文献  (0)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
QPSO
SVR
电源组合
故障预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机测量与控制
月刊
1671-4598
11-4762/TP
大16开
北京市海淀区阜成路甲8号
1993-01-01
出版文献量(篇)
0
总下载数(次)
0
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导