基于加权支持向量机的焊缝RT图像中缺陷分类研究

焊接结构通常必须进行无损检测,像压力容器、电厂管道、舰船、航天装置等重要部位焊接后的检查一般使用射线照相法进行检测,焊接不合格能导致事故的发生。射线检测材料和焊接件发现缺陷时,必须确定缺陷的种类和大小,缺陷定性和定量分析是无损检测人员做出判断的依据。目前射线检测焊缝缺陷的分析主要还是人工评定,其存在有评判结果的不确定性、操作麻烦等缺点。用计算机进行自动评片是X射线无损探伤技术向自动化迈进的一步,由于焊缝图像中缺陷特征和缺陷类别关系比较复杂,存在正确识别率不高问题。过去30年,在进行缺陷识别的研究中,多是用分类器方法识别缺陷,取得了一定的效果,但正确识别缺陷率很低。近期有学者提出了基于模糊神经网络的缺陷识别方法识别正确率有较大提高,但神经网络本身还存在隐层结构无规律可循,易陷于局部极小值等缺陷,故在一定程度上降低了神经网络的实际应用效果。     

基于支持向量机的开采沉陷预计参数选取研究

为建立精确度高且具有自学习能力的开采沉陷预计参数选取模型,采用主成分分析方法,对文献中的数据进行预处理,选择累计方差达到96.79%的6个主成分因子和地表下沉系数为输入和输出变量,以径向基(RBF)为核函数,建立了基于支持向量机开采沉陷预计参数选取模型。结果表明,支持向量机模型在训练样本较少的情况下,具有较高的预测精度和较强的泛化能力,平均相对误差和均方根误差值的对比证明了支持向量机模型的预测准确性和预测稳定性更好。     

基于支持向量机的射线检测焊接图像中缺陷识别

提出了应用支持向量机(SVM)进行射线检测焊接缺陷识别的方法。该方法首先对图像进行预处理,并根据缺陷特点提取、选择8个参数作为特征参数,将焊缝内常见缺陷分为6类,根据有限的学习样本,建立影响缺陷类别的条件、因素和类别之间的一种非线性映射,对测试的样本进行识别。     

基于粗糙集和模糊支持向量机的感应电动机故障诊断方法

提出粗糙集(RS)和模糊支持向量机(FSVM)相结合的电动机故障诊断方法。先利用粗糙集对属性进行约简,然后将约简属性作为FSVM的输入,再对其进行训练,实现多分类,并使结果可视化。实际诊断结果验证了此方法的可行性与有效性。     

基于支持向量机的液压泵故障诊断

支持向量机在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,用ν-支持向量机构造"一对一"多分类算法,应用于ZB40液压泵的故障诊断,取得了较好效果,较神经网络方法,它不必预先提取信号的特征量,只需要少量的故障样本训练分类器,实用性好。     

改进的模糊多类支持向量机算法在瓦斯预警中的应用

煤与瓦斯危险性的准确预测一直是矿山安全领域的关键技术难题和重大研究课题。支持向量机是在瓦斯预警中广泛使用的一种技术,以统计学习理论和支持向量机为基础,通过研究基于模糊支持向量机的多类分类方法,对原算法进行改进,采用模糊多类支持向量机,并构造模糊隶属函数,同时使用序列最小最优化算法进行求解,以期提高算法的精度和速度。     

基于小波分析-支持向量机的风机故障预测

提出了基于小波分析和支持向量机的风机故障早期预测方法。通过小波分解,将风机原始振动时间序列依尺度分解到不同层次,对每层分别采用支持向量机（SVM）预测,最后合成得到原始序列的预测值。对某铝厂排送风机的运行状态进行预测,并与其它预测方法进行了对比,结果表明该方法预测精度更高。应用该预测方法可合理安排维修时间,减少维修费用。     

支持向量机在原矿品位分析中的应用研究

原矿品位是矿山生产中非常重要的技术经济指标。探讨了支持向量机回归分析方法在原矿品位分析上的应用。以某金、铜多金属矿为研究对象,进行了实例计算,并取得了较好的效果。计算结果显示支持向量机回归的预测精度明显优于经典的一元线形回归。     

基于支持向量机的数控机床总线的故障诊断研究

为了能够准确地对数控机床进行故障诊断,深入地研究了支持向量机故障诊断的方法。提出了最小二乘支持向量机的基本理论;提出了遗传模拟退火算法;进行了实例研究,结果表明该方法具有较高的故障诊断能力。     

基于支持向量机的井筒风流温度预测

井筒风流温度直接影响着整个矿井的风流温度.对于井筒风流温度的计算,普遍采取的方法有:差分法、舍尔巴尼法、数理统计法等.通过选用支持向量机(SVM)法进行井筒风流温度预测,考虑了影响井筒风流温度的因子之间的复杂关系,取得了良好的预测精度.     

基于支持向量机的煤岩图像特征抽取与分类识别

为了尽可能减少作业人员数目,研究了煤岩图像的自动识别技术,介绍了煤岩图像的识别基础、小波变换和支持向量机原理,分析了煤岩图像纹理在多尺度分解情况下的特点以及支持向量机的参数设置,利用煤岩图像基于灰度共生矩阵的纹理统计量角二阶矩、对比度、相关性、均值、方差构造纹理特征子向量P1,利用煤岩图像不同尺度分解下的角二阶矩、对比度、相关、均值、方差构造纹理特征子向量P2,利用不同尺度分解系数构造纹理特征子向量P3,结合3个特征子向量构造纹理特征向量,最后结合支持向量机对煤岩图像进行分类识别。对不同的特征抽取方式以及煤岩的不同分类进行了比较分析。结果表明：该特征抽取以及分类方法能有效的表达纹理信息,对煤岩的识别准确率达到了97.959 2%,与不使用小波的方法相比提高了7.01%。研究结果可为煤岩界面的自动识别提供依据。     

基于支持向量机的概率积分法参数计算方法

为准确确定概率积分法参数值,在综合分析影响概率积分法参数的地质采矿因素的基础上,建立了基于支持向量机的概率积分法参数计算模型。以43个典型岩移观测站的实测数据作为训练和测试样本,以十折交叉验证的方法选取支持向量机参数,采用MSE、MAPE和WIA准则评定模型的精度和预测能力。应用该模型计算4个测试样本的概率积分法参数,所有计算结果误差均小于3倍中误差,最大相对误差为9.6%,表明所建立的概率积分法参数模型计算结果准确可靠。     

基于小波-支持向量机的矿用通风机故障诊断

运用小波包频道能量分解技术提取了不同频带反映矿用通风机不同工作状态的特征向量,以此作为支持向量机多故障分类器的故障样本,经训练的分类器作为故障智能分类器可对通风机的工作状态进行自动识别和诊断.并以不对中故障为例,进行了实用验证.研究结果表明,支持向量机在小样本情况下仍能准确、有效地对通风机的工作状态和故障类型进行分类.     

基于模糊-支持向量机的煤层底板突水危险性评价

提出将模糊理论中的隶属度与支持向量机相结合的模糊-支持向量机模型,用于对煤层底板突水危险性的评价。在对肥城煤层底板突水危险性评价指标体系分析的基础上,通过对肥城矿区10个地段的样本数据训练确定最优的模型参数,并对4个测试样本进行了突水危险性评价。实验表明：该模型能够减少样本数据处理的复杂性,较好地解决小样本、非线性问题,为煤层底板突水危险性的评价提供了一种新方法。     

基于支持向量机的露天矿边坡地表变形预测

在充分考虑露天矿边坡地表变形影响因素复杂性的前提下,基于丰富的地表变形监测资料,建立了露天矿边坡地表变形预测的支持向量机（SVM）模型,并采用遗传算法对核函数和惩罚因子进行确定.将该模型应用于抚顺露天矿边坡地表变形的预测,预测结果最大误差为3.014 cm,表明该模型是定量预测露天矿边坡坡肩地表变形量的一种有效方法.     

基于支持向量机的概率积分法参数动态时序预报

根据支持向量机和时间序列分析原理,建立了开采地表移动的概率积分法参数动态时序预报模型。首先获得等时间间隔的地表移动参数数据,并进行时间序列的平稳性、零均值和正态性处理。通过合理确定模型嵌入维数和支持向量机参数建立支持向量机模型,采用平均绝对误差百分率和威尔莫特一致性指数两个指标对模型的精度和泛化性能进行评价。以淮北某矿实测地表移动参数为例,所预报的下沉系数、水平移动系数、主要影响角正切、开采影响传播角的绝对误差和相对误差较小,预报结果与实测结果吻合。     

基于支持向量机的煤炭储量精确算法

针对目前煤炭储量估计方法的局限性,提出了基于支持向量机的煤炭储量精确算法.通过已知钻孔数据采用支持向量回归方法构造区域煤厚与密度模型,根据点与多边形关系判别算法剔除区域外部点,由区域积分求和得到精确的煤炭储量.列举了2个不同类型煤矿的储量计算实例,分别构造了三维煤厚分布图,实例结果表明了方法的可靠性和优越性.     

基于小波理论的支持向量机瓦斯涌出量的预测

将小波框架理论引入到支持向量机预测函数中,建立了基于小波理论的支持向量机预测模型。该模型通过小波变换将输入向量映射到一个高维特征空间,在这个特征空间内,利用支持向量机进行预测。经实验表明该模型预测的结果比较准确,在时间复杂度上和预测精度上要优于以往的预测模型,能够达到指导实践的要求。     

基于最小二乘支持向量机的煤层底板突水量预测

针对底板突水受到多种复杂因素的影响和突水量预测可看成是非线性、高维数、有限样本的模式识别问题,提出煤层底板突水量预测的最小二乘支持向量机方法,给出预测步骤,建立了符合期望风险最小化原则的预测模型,表达了最大突水量等级与其影响因素之间的非线性关系.