基于GA-LSSVR的铣削加工变形预测

为了解决传统预测方法铣削加工变形预测精度低等问题,文章提出基于遗传算法优化最小二乘支持向量回归法( GA-LSSVR)的铣削加工变形预测方法,首先,提出了基于遗传算法优化最小二乘支持向量回归法的铣削加工变形预测原理,其中通过遗传算法优化最小二乘支持向量回归模型参数,以获取高性能的最小二乘支持向量回归模型.实验结果表明,基于遗传算法优化最小二乘支持向量回归法的铣削加工变形预测精度高于支持向量机.     

基于最小二乘支持向量机建模的电液伺服系统故障检测方法

基于最小二乘支持向量机建模的方法,研究了电液伺服系统的故障检测问题.介绍了基于最小二乘支持向量机进行建模的基本原理,分析了电液伺服系统所存在的非线性和故障模式,给出了基于最小二乘支持向量机建模进行故障检测的方法,试验结果表明,由支持向量机模型预测输出与实际输出相比较所形成的残差,能够准确地反映故障发生与否的情况;同时,与神经网络方法和普通的支持向量机方法相比,最小二乘支持向量机方法更适合工程应用,效果更好.     

利用最小二乘支持向量机预测铝熔体氢含量

提出了一种最小二乘支持向量机的铝熔体在不同温度和保温时间下的氩含量预测新模型.以2个主要影响因素加热温度、保温时间为输入,铝熔体中氢含量为输出,通过最小二乘支持向量机模型拟合输入与输出之间的复杂非线性映射关系.以铝熔炼实验数据为样本对模型进行学习训练,用训练好模型预测在一定影响因素下铝熔体中氢的含量.仿真实践表明该方法具有建模速度快、预测精度高、操作简便等优点,不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型.     

筒形件充液拉深工艺参数的正交设计优化

在有限元模拟基础上,采用正交设计与最小二乘小波支持向量机对充液拉深过程参数优化进行了研究.直接用节点力和单元力代替液压作用,建立了带径向推力的充液拉深过程有限元模型.基于正交设计方法,研究了充液拉深多因素少水平的情形,并给出了各因素的重要程度.然后对正交实验结果以及选取的适当数量单因素轮换模拟结果的学习,最小二乘小波支持向量机对给定范围内各因素组合的目标结果进行了预测和比较优化.结果表明,基于正交设计和最小二乘小波支持向量机的数值模拟参数优化方法可以大大减少工作量,从统计角度为参数优化提供了有效的解决办法.     

机床主轴热误差的累积法建模研究

为实现数控机床热误差的快速精确建模,提出一种基于累积法的机床热误差建模新方法。对一台立式加工中心,利用温度传感器与非接触式激光位移传感器同步测量主轴温度变化及热变形值,对获取的模型数据进行累积算子求和,构建累积矩阵及热误差正规方程来估计模型中的参数以实现热误差建模。利用该方法构建的热误差模型分别与最小二乘法(LS)、最小二乘支持向量机(LSSVM)模型进行对比,结果表明:累积法的建模精度要高于最小二乘法,且建模时间比最小二乘支持向量机法要少。     

基于多重分形KPCA和LS-SVM列车车轮早期损伤的检测研究

针对车轮早期损伤难以检测的问题,利用JD-1轮轨模拟试验机进行了车轮早期损伤模拟振动试验,提出基于多重分形核主成分(KPCA)和最小二乘支持向量机(LS-SVM)的车轮早期损伤诊断方法。首先对信号进行共振稀疏分解预处理降噪,根据峭度和互相关系数最大原则,筛选子带分量重构信号,然后获得其多重分形参数,利用核主成分(KPCA)降维提取敏感特征向量矩阵,将该向量矩阵输入最小二乘支持向量机(LS-SVM)进行分类识别。研究结果表明,该方法可以有效地实现车轮早期损伤的识别,与未通过降噪信号的比较,其具有更高的诊断准确率,为深入研究损伤车轮振动特性提供理论依据。     

基于LS-SVM的铜铬合金挤压加工挤压力预测

提出一种最小二乘支持向量机的Cu-0.75Cr铜合金反挤压力预测新模型.以断面缩减率、凸模锥角和挤压温度这3个主要工艺参数作为影响因素,以反挤压过程的挤压力为影响对象,通过最小二乘支持向量机模型建立影响因素和影响对象之间的复杂非线性关系.以正交实验数据为样本对模型进行训练,用训练好的模型预测在一定反挤压条件下Cu-0.75Cr铜合金的挤压力.结果表明:该模型不仅预测精度和处理速度大大高于人工神经网络预测模型,而且建模速度也比标准支持向量机快,实际预测误差小于3%.     

基于稀疏多核最小二乘支持向量机的浮选关键指标软测量

由于浮选性能受多种因素的制约,适宜的矿浆pH值是高效泡沫浮选的关键.针对pH值在线检测仪易受干扰、维护保养成本高等不足,结合泡沫浮选过程机理分析,以泡沫视频图像特征为辅助变量,将局部核函数和全局核函数加权组合,提高模型的学习和泛化能力,利用Schmidt正交化理论约简多核矩阵,减小计算量,建立基于稀疏多核最小二乘支持向量机的浮选矿浆pH值软测量模型.工业运行数据测试结果表明:所建模型具有预测精度高、反应迅速、稳定性好等优点,适于工业应用.     

基于最小二乘支持向量机的精密数控机床热误差建模与补偿研究

为了减小热误差对数控机床加工精度的影响,以自主研制的五轴精密数控机床为研究对象,得出定位误差与温度之间的变化规律。运用最小二乘支持向量机(LS-SVM)建立Y轴的热误差模型,并对LS-SVM模型进行参数寻优。根据LS-SVM模型计算出移动轴热平衡状态下定位误差的预测值与测量值对比曲线,通过分析发现LS-SVM热误差模型性能较好,其拟合偏差带宽较窄,均方差较小。依据LS-SVM模型进行定位误差补偿实验,误差降低了87. 3%。实验结果证明最小二乘支持向量机建模方法具有较高的预测精度、补偿精度。     

燃煤反射炉一次熔炼铝硅活塞合金

ZL110、ZL108铝硅活塞合金中含有多种高熔点、难熔元素。为保证成分准确、均匀,国内一般多采用二次熔炼法,并在熔炼预制合金前,先将硅、锰等制成中间合金。该熔炼工艺能耗大,劳动强度高,     

基于核偏最小二乘法的动态预测模型在铜转炉吹炼中的应用

为实现铜转炉吹炼过程中的关键操作参数的准确预测,构造一种基于核偏最小二乘法的动态预测模型,并提出一种适用于动态建模的在线式异常样本剔除方法。该动态预测模型使用滑动窗方法不断更新建模数据,再利用核偏最小二乘法对动态模型的参数进行辨识,最后根据反馈的前次计算误差对本次预测值进行修正。仿真研究结果表明：该动态预估模型具有较好的泛化能力和较强的鲁棒性,并具有较好预测精度（风量预测的相对均方根误差小于10%,氧量预测的相对均方根误差小于19%）。目前,该预测模型被用于某转炉的吹炼辅助决策系统中。     

压铸机合模力传感器非线性动态补偿的研究

合模力传感器作为压铸机监测的主要传感器之一,非线性动态影响到它的测量准确度和测量范围,从而不利于标准生产。针对这一问题,采用最小二乘支持向量机非线性动态方法对传感器进行补偿,并对算法予以改进。通过仿真试验加以比较,试验结果表明,改进最小二乘支持向量机非线性动态补偿传感器测量准确性及测量范围大大提高,对促进生产有积极的作用。     

板厚对T2紫铜板U形弯曲回弹的影响

采用U形弯曲模对T2紫铜板进行弯曲试验,测量卸载后的弯曲角回弹量,结果表明:在板厚0.15-2.0mm的范围内随着板厚的增加,试样的弯曲角回弹量逐渐减小。为了精确描述弯曲角回弹量与板厚之间的关系,分别用最小二乘法拟合与拉格朗日插值获得两者之间的函数关系式,接着用一组弯曲角回弹量的测量值去验证两种方法的计算精度,验证结果表明:最小二乘法拟合得到的函数关系式的计算值具有更小的均方根误差,可以用来预测T2紫铜板的弯曲角回弹量,对于分析T2紫铜板的弯曲变形以及合理制定弯曲工艺具有一定的指导意义。     

Least squares approximated stability boundaries of milling process

First and second order least squares methods are used in generating simple approximation polynomials for the state term of the model for regenerative chatter in the milling process. The least squares approximation of delayed state term and periodic term of the model does not go beyond first order. The resulting discrete maps are demonstrated to have same convergence rate as the discrete maps in other works that are based on the interpolation theory. The presented discrete maps are illustrated to be beneficial in terms of computational time (CT) savings that derive from reduction in the number of calculation needed for generation system monodromy matrix. This benefit is so much that computational time of second order least squares-based discrete map is noticeably shorter than that of first order interpolation-based discrete map. It is expected from analysis then verified numerically that savings in CT due to use of least squares theory relative to use of interpolation theory of same order rises with rise in order of approximation. The experimentally determined model parameters used for numerical calculations are extracted from literature.     

基于机器学习的前轴辊锻工艺参数预测

使用基于混合核函数的最小二乘支持向量机算法来进行前轴第1道次辊锻工艺参数的预测,构造混合函数以提高预测模型的预测精度。对工艺参数预测模型进行实验验证,结果表明,与基于单独RBF核的LS-SVM算法相比,混合核函数LSSVM算法构建的预测模型具有更高的预测精度,由3组不同核函数参数构成的预测模型对最大成形载荷及展宽的平均预测精度分别为91.8%和92.1%、89.4%和90.1%以及94.5%和93.2%,并且确定了最优的核函数参数:RBF核函数系数γ=4.52、惩罚系数c=276.4、Polynomial核函数核阶数q=1.21以及混合权重系数a=0.28。通过3组工艺参数实验对所研究的前轴辊锻工艺参数预测方法的可行性进行验证,所使用的预测方法预测得到的最大成形载荷和展宽与实际值误差在10%以内。     

模具充型过程中光滑粒子流体动力学模拟(英文)

讨论了基于光滑粒子流体动力学(SPH)的压铸充型模拟的实施过程。建立了一种区分流体粒子和入流粒子的入流边界条件。对人工黏度和移动最小二乘法在处理压力振荡中的作用进行了对比。对最终模型在模拟压铸二维与三维的充型过程进行了验证。将SPH和有限差分的模拟结果与实验结果进行了对比研究。结果显示SPH与实验更为吻合,表明了SPH在描述充型过程流态方面的有效性与精度。     

基于AR参数的液压阀故障信号检测

本文提出了一种使用最小支持向量机检测溢流阀故障信号的方法。通过提取溢流阀振动时的正常信号和故障信号,在此基础上进行了AR建模,并由建立的模型获取了信号的AR参数,之后利用这些参数作为最小支持向量机的输入进行故障辨识,取得了令人满意的结果。