基于数据挖掘的挤塑成型温度预测验证

挤塑成型生产过程中因温度控制不理想而产生次品较多,针对这一现象提出利用LabVIEW实时采集大量挤塑成型机筒压缩段出口处、均化段出口处的塑料熔融温度,借助数据挖掘中的多元线性回归预测方法,挖掘出熔体在压缩段和均化段温度变化的函数关系,通过采集压缩段温度,预测均化段出口处熔体温度,为挤塑成型温度预控提供数据支持。该方案通过大量的试验数据,验证了基于数据挖掘的挤塑成型机筒温度预测方案的可行性。     

基于支持向量回归机的切削力预测

针对神经网络方法在切削力预测方面存在的缺陷,提出了一种新的基于支持向量回归机的切削力智能预测方法。分析了以往切削力预测模型中输入参数和输出参数的选择问题,在此基础上选择轴向切深、进给量、主轴转速和曲面半径四个关键指标作为预测模型的输入,选择XY平面上的切削力合力和轴向切削力作为预测模型的输出,进一步建立了基于支持向量回归机的切削力预测模型。仿真实例的预测结果表明,建立的智能切削力预测模型合理有效。     

轧线电机温度趋势预测研究

为了对轧线电机温度趋势预测进行研究,提出了一种基于支持向量机的温度趋势预测算法.在对轧线电机冷却系统的工作原理及结构进行深入分析的基础上,建立了SVM多步预测模型并给出了预测评价指标.实际结果显示,该方法预测准确,具有较高的应用价值.     

基于机器学习的设备剩余寿命预测方法综述

随着科学技术的发展和生产工艺的进步,当代设备日益朝着大型化、复杂化、自动化以及智能化方向发展。为保障设备安全性与可靠性,剩余寿命(Remaining useful life,RUL)预测技术受到了普遍关注,同时得到了广泛应用。传统的统计数据驱动方法受模型的选择影响明显,而机器学习具有强大的数据处理能力,并且无需确切的物理模型和专家先验知识,因而机器学习在剩余寿命预测领域表现出了广阔的应用前景。鉴于此,详细分析和阐述了基于机器学习的设备剩余寿命预测方法。根据机器学习模型结构的深度,将其分为基于浅层机器学习的方法和基于深度学习的方法。同时疏理了每类方法的发展分支与研究现状,并且总结了相应的优势和缺点,最后探讨了基于机器学习的剩余寿命预测方法的未来研究方向。     

基于机器学习的收入预测研究

个人收入关系着居民幸福指数和国家经济发展水平,个人收入的分析与研究一直是人们关注的热点之一。现主要研究机器学习在个人收入预测方面的应用,涉及的机器学习模型主要包括KNN、SVM和随机森林。实验结果表明,在这三种模型中,随机森林模型的预测准确率最高。     

基于支持向量回归机的刀具寿命预测

刀具寿命是制定刀具需求计划、衡量刀具性能和核算成本等的重要依据。针对现有神经网络方法在预测刀具寿命方面存在的不足,提出了一种新的基于支持向量回归机的刀具寿命预测方法。在分析了影响刀具寿命预测主要因素的基础上,建立了基于支持向量回归机的刀具寿命预测模型。应用实例的仿真结果表明,所建立的预测模型具有较强的推广能力和较高的预测精度。     

基于SVM的激光陀螺温度误差建模与补偿方法

激光陀螺误差决定了机载全成孔径雷达(SAR)运动补偿用位置姿态测量系统(POS)的测量精度.针对激光陀螺测量精度受环境温度影响严重的问题进行了研究,分析了激光陀螺的温度误差模型,结合支持向量机SVM的函数拟合功能,提出一种新的陀螺温度误差建模与补偿方法.与基于线性回归以及神经网络的补偿方法相比,该方法具有精度高、泛化能力强等优点.实验结果表明,激光陀螺的温度误差减小约75％,提高了激光陀螺对环境温度的适应能力.     

锅炉给水泵轴承温度变化状态预测

为了预测锅炉给水泵轴承温度的变化情况,提高给水泵运行的安全性和经济性,采用了统计学习理论中的核心算法--支持向量机,建立了给水泵温度预测模型(SVAR).并通过一个实例,与基于灰色方法建立的预测模型(GM)和基于自回归方法建立的预测模型(AR)进行了比较.结果表明:基于支持向量自回归的给水泵轴承温度预测模型具有精度高、速度快、易于建模的特点.应用该方法建立的预测模型能够很好地预测给水泵运行中的温度状况,有效地避免给水泵运行中出现的故障.     

基于小波分解与SVR组合的风电场短期风速预测

针对风电场风速波动快、预测难的特点,构建了一种基于小波分解与支持向量回归机模型组合的风电场短期风速预测方法.该方法首先将变化剧烈的原始风速序列用小波分解为多个变化较为平缓的风速分量,然后再针对各分量利用支持向量回归机模型分别进行预测,最后将预测的结果重构得到最终的风速预测序列.利用MATLAB进行了算法仿真,仿真结果表...     

基于机器学习的蠕变断裂寿命预测方法

工程结构的寿命预测问题是结构完整性领域的重要课题.通常,工程问题的解析解难以获得、经验解无法描述高维变量之间的非线性交互,而机器学习可以克服两者的局限性,是实现工程部件寿命预测的重要解决方案.基于此,提出了面向工程结构寿命预测问题的机器学习方案及优化的一般性方法.以316奥氏体不锈钢蠕变断裂寿命预测问题为例,基于高维数...     

支持向量机回归方法在切削参数预测中的应用

采用支持向量机回归算法对切削参数进行预测,并与试验数据进行比较,计算结果证明了该算法在切削参数预测中的有效性和实用性。     

基于紫外吸收光谱的水质硝酸盐含量LLE-SVR建模

基于紫外吸收光谱的总氮测定方法在分析精度上严重依赖于所建数学模型的预测精度.针对紫外光谱数据波段多,容易引入未知物质干扰光谱信息的问题,提出了局部线性嵌入( local linear embedded,LLE)和偏最小二乘支持向量回归机(least square support vector regression machine,LS-SVR)相结合的紫外吸收光谱数据建模方法.首先利用LLE算法将高维的紫外吸收光谱映射到低维的流形空间,实现高维非线性光谱数据结构的特征提取,并利用LS-SVR建立硝酸盐含量的非线性回归模型.仿真结果表明:利用LLE-SVR方法获得的硝酸盐含量预测模型,其训练样本的相对误差为0.001 9,测试样本相对误差为0.035 8,小于单纯的LS-SVR模型的0.023 3和0.0602.     

基于支持向量机的葡萄酒质量预测

通过葡萄酒的理化指标来对葡萄酒质量进行预测,一方面可以减少因为评酒师主观原因造成的偏差,另一方面可以根据预测结果调整酿造过程提高成酒品质。介绍了支持向量机的原理,并通过实验进行测试验证了通过支持向量机对葡萄酒理化指标数据进行建模分析从而预测葡萄酒质量的方法是有效可行的。     

基于支持向量回归机的外圆纵向磨削表面粗糙度预测

表面粗糙度是评价磨削加工质量的重要指标,表面粗糙度预测是实现表面粗糙度在线控制的前提。针对现有神经网络方法在预测外圆纵向磨削表面粗糙度方面存在的不足,提出了一种新的基于支持向量回归机的外圆纵向磨削表面粗糙度预测方法。在分析了影响外圆纵向磨削表面粗糙度预测主要因素的基础上,建立了基于支持向量回归机的外圆纵向磨削表面粗糙度预测模型。应用实例的仿真结果表明,所建立的预测模型具有较强的泛化能力和较高的预测精度。     

基于SVM的船舶动力定位系统预测控制

支持向量机(SVM)是基于统计学习理论的新一代机器学习技术。基于预测控制思想,利用支持向量机回归进行非线性系统辨识,并将支持向量机模型应用到船舶动力定位(DP)预测控制,提出一种基于支持向量机的非线性系统预测控制策略。仿真实验表明,支持向量机在小样本情况下具有良好的非线性建模能力和泛化能力,预测控制效果良好。     

非线性控制系统的支持向量机辨识建模研究

针对非线性控制系统辨识建模难的问题,系统研究了基于支持向量机的非线性控制系统的辨识建模理论和方法,然后利用回归支持向量机(Support Vector Regression,SVR)设计了一个非线性控制系统的辨识建模系统.仿真试验结果表明,SVR具有很高的建模精度和较强的泛化能力,从而验证了该辨识方法的有效性和先进性.     

基于支持向量机回归算法的疲劳寿命预测研究

根据材料疲劳损伤的特点,提出了基于支持向量机回归算法的材料疲劳寿命预测方法。收集材料疲劳性能数据构建训练样本集,建立基于支持向量机回归算法的疲劳寿命预测模型,对疲劳载荷预处理后就可以计算出疲劳寿命。预测结果表明,该方法可利用较少的材料疲劳性能数据,实现疲劳寿命的预测。