基于支持向量回归的熔丝制造3D打印能效优化模型

基于响应面法和支持向量回归模型对熔丝制造3D打印能效进行预测与优化。首先,利用田口方法设计六因素三水平正交试验,通过响应面法分析得出对加工能效影响较为显著的3个因素即层高、打印速度和热床温度;然后,通过支持向量回归方法建立加工能效预测模型,并与BP神经网络方法进行对比,结果表明支持向量回归方法建模预测性能更优;最后,建立以加工时间和能效为目标的优化模型,利用NSGA-Ⅱ、MOEA/D、SPEA2和MOPSO 4种算法分别对模型进行求解,分析比较4种算法的Pareto前沿,结果表明NSGA-Ⅱ算法在求解此问题时综合表现最佳,对比NGSA-Ⅱ算法求得的优化结果与试验结果可知,NSGA-Ⅱ算法具有有效性和合理性。     

P—tile与直方图FCM结合的路面图像分块分割

公路养护需要用到路面图像裂缝自动检测技术,路面图像的分割是路面图像处理的关键。由于噪声等干扰因素的影响,以往利用传统的模糊C-均值聚类（FCM）算法进行路面图像分割得不到满意的结果。文章采用P-tile算法和直方图模糊C-均值聚类算法对路面图像进行分块阈值分割,既克服了传统FCM运算量大,计算速度慢的缺点,又可减少分割算法的分析范围;而且,因不同的子图有不同的阈值,可避免统一阈值的缺陷,使图像分割更加准确。实验证明,该算法能较好地分割出路面图像的裂缝。     

P-tile与直方图模糊C-均值聚类相结合的路面图像阈值分割

路面图像裂缝自动检测技术是公路养护技术的重要方向,路面图像的分割是路面图像处理的关键步骤。由于噪声等干扰因素的影响,使得利用传统的模糊C_均值聚类（F（M） 算法进行路面图像分割得不到满意的结果。本文采用Ptile算法和直方图模糊C-均值聚类算法对路面图像进行分割,一方面克服了传统FCM运算量大、计算速度慢的缺点,另一 一方面减少分割算法分析的范围,增强了分割的效果。实验证明,本文算法能较好地分割出路面图像的裂缝。