基于改进粒子群的高斯过程故障预测模型建立方法
吕佳朋, 史贤俊, 王康. 基于改进粒子群的高斯过程故障预测模型建立方法[J]. 电光与控制, 2020, 27(11): 75.
LYU Jiapeng, SHI Xianjun, WANG Kang. Establishing Gaussian Process Fault Prediction Model Based on Improved PSO[J]. Electronics Optics & Control, 2020, 27(11): 75.
[1] 徐永成.装备保障工程学［M］.北京:国防工业出版社,2013.
[2] 康锐.可靠性维修性保障性工程基础［M］.北京:国防工业出版社,2012.
[3] 石君友.测试性设计分析与验证［M］.北京:国防工业出版社,2011.
[4] 叶婧.基于高斯过程回归的锂电池数据处理［D］.北京:北京交通大学,2016.
[5] RASMUSSEN C E,WILLIAMS C K I.Gaussian processes for machine learning［M］.Cambridge:The MIT Press, 2006.
[6] POLYAK B T.The conjugate gradient method in extreme problems［J］.USSR Computational Mathematics and Mathematical Physics,1969,9(4):94-112.
[7] 刘开云,刘保国,徐冲.基于遗传–组合核函数高斯过程回归算法的边坡非线性变形时序分析智能模型［J］.岩石力学与工程学报,2009,28(10):2128-2134.
[8] 孙林燕.一种新的改进粒子群算法［D］.大连:大连海事大学,2008.
[9] CHEN Y G,LI L X,XIAO J H,et al.Particle swarm optimizer with crossover operation［J］.Engineering Applications of Artificial Intelligence,2018,70:159-169.
[10] JORDEHI A R.Enhanced leader particle swarm optimisation(ELPSO):an efficient algorithm for parameter estimation of photovoltaic (PV) cells and modules［J］.Solar Energy,2018,159:78-87.
[11] THARWAT A,ELHOSENY M,HASSANIEN A E,et al.Intelligent Bézier curve-based path planning model using chaotic particle swarm optimization algorithm［J］.Cluster Computing,2019,22(2):4745-4766.
[12] 练青坡,王宏健,袁建亚,等.基于粒子群优化算法的USV集群协同避碰方法［J］.系统工程与电子技术,2019,41(9):2034-2040.
[13] 刘朝华.混合免疫智能优化算法研究及其在复杂系统中的应用［D］.长沙:湖南大学,2012.
[14] 韩琳.免疫粒子群算法研究及其应用［D］.西安:西安工程大学,2008.
[15] 高鹰,谢胜利.免疫粒子群优化算法［J］.计算机工程与应用,2004,40(6):4-6,33.
吕佳朋, 史贤俊, 王康. 基于改进粒子群的高斯过程故障预测模型建立方法[J]. 电光与控制, 2020, 27(11): 75. LYU Jiapeng, SHI Xianjun, WANG Kang. Establishing Gaussian Process Fault Prediction Model Based on Improved PSO[J]. Electronics Optics & Control, 2020, 27(11): 75.
PDF全文
