基于最小二乘支持向量机的数控机床热误差预测

为实现数控机床热误差的补偿控制,提出基于最小二乘支持向量机进行数控机床热误差建模预测的方法.根据最小二乘支持向量机回归预测的原理,优化选择最小二乘支持向量机参数,对数控车床热误差进行最小二乘支持向量机建模.通过测量数控车床主轴温升值与主轴热变形量,将获得的数据进行最小二乘支持向量机建模训练,以建立机床热误差预测模型.实验结果表明,该模型能有效描述热动态误差,与最小二乘法建模进行比较,结果显示,基于最小二乘支持向量机的数控机床热误差预测模型精度高、泛化能力强;采用最小二乘支持向量机得到的预测模型可用于数控机床热误差实时补偿,以提高机床的加工精度.     

遗传最小二乘支持向量机法预测时用水量

为解决传统最小二乘支持向量机采用交叉验证确定参数耗时较长的问题,提出基于遗传算法和最小二乘支持向量机的城市时用水量预测方法.根据城市时用水量序列具有较强相关性的特点,利用自相关系数法分析时用水量序列的变化规律,并引入二进制编码的自适应遗传算法优化最小二乘支持向量机的超参数,采用交叉验证法确定遗传算法个体的适应值,建立了时用水量预测模型.实例分析表明：与基于传统最小二乘支持向量机的时用水量预测方法相比,基于遗传算法和最小二乘支持向量机的时用水量预测方法计算速度更快,预测精度更高.     

基于WOA-LSSVM算法的区域GNSS高程异常拟合方法

为了提高区域GNSS高程拟合模型的预测精度,针对最小二乘支持向量机(LSSVM)模型中难以选择最佳参数的问题,将鲸鱼算法(WOA)引入最小二乘支持向量机中,利用其全局搜索能力强、 参数少、 收敛速度快等特性,为常规最小二乘支持向量机提供可靠的核参数和正则化参数.采用少量实际工程中的GNSS水准重合点进行检验,选择高程异...     

基于NGA-LSSVM的白水浓度软测量

提出了一种基于小生境遗传算法—最小二乘支持向量机(NGA-LSSVM)的软测量建模方法.充分利用遗传算法强大的全局搜索能力,引入小生境遗传算法对最小二乘支持向量机各个参数(损失函数参数、惩罚因子、核函数及其参数)进行优化选择,将支持向量机参数由人工选取变为自动确定,为解决支持向量机参数自动优化问题提供了一条有效的途径.将所提出的建模方法应用于制浆造纸生产过程白水浓度软测量研究中,研究结果表明:与普通最小二乘支持向量机相比,该建模方法具有更佳的预测精度,能满足造纸生产过程的实际需要.     

基于最小二乘支持向量机的刀具磨损预报建模

最小二乘支持向量机是支持向量机的一种扩展,已在模式识别和函数逼近等领域得到了成功应用.将最小二乘支持向量机应用于刀具磨损的预报,在网格搜索的基础上采用交叉验证法确定模型的参数,并同偏最小二乘回归的建模结果进行了比较.     

基于最小二乘支持向量机的时用水量预测模型

针对神经网络存在结构较难确定,训练易陷入局部最优以及容易过学习等问题,提出将最小二乘支持向量机用于预测时用水量.最小二乘支持向量机(LSSVM)基于结构风险最小化,能够较好地协调经验风险最小化和学习机器VC维之间的关系,并且LSSVM在支持向量机(SVM)的基础上,通过将价值函数改为最小二乘价值函数以及用等式约束代替不等式约束,将求解的二次规划问题转变为一组等式方程,采用径向基核函数,得到LSSVM模型的待定参数比标准支持向量机少,仅为2个.根据时用水序列具有周期性和趋势性的特点,建立了基于最小二乘支持向量机的时用水量模型.实例分析表明,与基于BP网络的时用水量模型相比,基于最小二乘支持向量机的时用水量模型具有更强的预测能力.     

PSO-LSSVM的核电站破口故障程度评估方法

为了保证从核电站大量数据中有效地挖掘信息以及故障下运行状态的智能表征,本文提出一种基于粒子群优化和最小二乘支持向量机的系统级故障程度评估方法,用于完善故障诊断系统的功能.针对最小二乘支持向量机算法的超参数选取对于回归精度影响较大问题,应用基于粒子群优化算法借助智能搜索策略来优化模型的超参数.基于最优超参数的回归模型能够提取系统级参数间的约束关系,以进行实时故障程度的评估.性能测试表明:采用提出的方法能够有效评估核电站系统级故障的程度,相较于粒子群优化-支持向量机以及最小二乘支持向量机算法具有更高的回归精度,且抗噪性能良好,保证了故障诊断系统的精度及可靠性.     

CCD摄像机镜头薄棱镜畸变的研究

本文以CCD摄像机小孔成像模型为基础建立了薄棱镜畸变的非线性几何畸变模型,通过对影响畸变参数测量精度的各种因素的分析,使用最小二乘法解线性方程组得到摄像机系统畸变模型的畸变系数。通过与径向畸变相对比得出薄棱镜畸变对摄像机标定的影响相对较小,在此基础上提出了提高标定精度的有效方案。     

基于LS-SVM的光纤智能结构损伤诊断

针对目前结构损伤诊断方法的局限以及最小二乘支持向量机算法优点,提出采用最小二乘支持向量机来对光纤智能结构损伤位置识别进行研究,并在Matlab中编制了相应的支持向量机程序,建立了相应损伤诊断模型.以实例数据为学习样本和测试样本,讨论了基于最小二乘支持向量机的光纤智能结构损伤诊断可行性.试验研究结果表明,基于最小二乘支持向量机光纤智能结构损伤诊断识别方法具有较高的可靠性和精度且操作方便,是一种性能优良的智能识别方法,为智能结构实现损伤自诊断提供了更为先进的方法.     

基于最小二乘支持向量机的黏着状态辨识

针对重载机车黏着状态辨识中分类准确率不高的问题,提出采用布谷鸟遗传算法对最小二乘支持向量机的参数进行优化,并采用交叉验证原理提高该模型的整体泛化性能。首先,采用布谷鸟算法寻找惩罚因子和核参数的初始值;然后,采用遗传算法对最小二乘支持向量机进行训练,从而得到具有最佳参数的最小二乘支持向量机的分类模型。该分类模型将重载机车黏着状态分为正常、故障征兆、微小故障和严重故障4个状态。实验结果表明,提出的最小二乘支持向量机模型在黏着状态辨识中的分类准确率高达94.59%,高于极限学习机的分类准确率(84.61%),证明布谷鸟遗传算法能够有效提高最小二乘支持向量机的分类准确率。     

基于交比不变量的摄像机标定方法

为了解决摄像机标定的菲线性优化过程中解的不稳定性问题,针对具有镜头径向畸变的摄像机模型,提出了一种实用的摄像机线性标定方法.该方法利用透视投影的交比不变性原理标定镜头的畸变系数,基于摄像机成像的单应性矩阵及内部参数的基本约束,线性标定出其他摄像机参数.实验结果表明,该方法标定模板制作简单,速度快,具有一定的鲁棒性,可以满足工业机器视觉的精度要求.     

Calibration of Camera with Large Field-of-View Based on Flexible Planar Target

For high precision calibration of camera with large field-of-view, massive calibration points will be needed if traditional methods are selected, which makes the calibration complex and time-consuming. In order to solve this problem, a calibration method based on flexible planar target is proposed. In this method, distortion factor is firstly acquired by the invariance of cross ratio, and existing feature points are adjusted with the distortion factor. Then, a large number of points that will be used for the calibration are constructed with the adjusted feature points. Simultaneously, Tsai method is modified so as to reduce the complexity of calibration, which makes the process linear. The simulation and real experiments show that the method proposed in this paper is simple, linear, accurate and robust, and the precision of this method is close to that of Tsai method using abundant points. The method can satisfy the requirement of high precision calibration for camera with large field-of-view.     

基于一维标定物的高精度标定

基于一维标定物相机标定方法的标定精度问题,系统地分析了标定过程中的误差形成因素,提高精度的关键在于对畸变的校正。结合一维标定物的特点,提出用交比不变法对成像畸变进行校正。同时指出了在实际应用中应注意的一些问题,以提高算法的稳定性。实验表明,其标定精度可以达到基于平面标定法的标定精度,从而验证了算法的有效性。     

一种基于Tsai法的摄像机改进标定法

为了提高摄像机标定精度和降低标定的复杂度,在Tsai两步标定法的基础上,提出了一种改进标定法.该方法采用分步标定的思想,以创建的平面模板为标定物,利用共面点便可线性求解出摄像机的内外参数.建立的摄像机模型考虑了径向畸变,有利于提高标定精度,标定过程只需要线性计算,避免了繁琐的非线性优化.     

基于单CCD尺寸检测的摄像机标定方法

为提高机械零件尺寸检测的精度,针对Tsai两步标定法中初始参数不精确的问题,提出了基于直线投影约束的三步标定方法.该方法首先利用直线投影约束条件求解出图像中心点和畸变参数的初始值,然后结合径向排列约束条件求解超定方程组得出全部外部参数和余下内部参数值,最后对全局参数进行非线性优化.为验证提出方法的效果,通过建立基于图像模板的世界坐标系实现,即首先利用图像像素坐标求取摄像机坐标,再将摄像机坐标进行归一化,利用外参数矩阵就可以求解出图像点的世界坐标.结果表明,该方法可以有效提高摄像机标定的精度,像素误差可达0.126 5像素点,单目视觉尺寸检测中任意两点距离误差小于0.41%.     

利用直线段成像特性的摄像机畸变迭代标定方法

提出一种标定非量测摄像机成像中心和畸变参数的新方法,解决了不进行摄像机线性内外参数求解即可对多种单参数畸变模型进行标定的问题.该方法由两步组成：近似标定,添加直线与近似呈圆弧的直线段畸变成像形成闭合曲线,得出其闭合面积及端点与畸变参数及中心的近似关系;参考模型逼近,依据该闭合曲线端点及当前标定值,由畸变模型生成闭合曲线的参考面积值和曲线端点的无畸变成像位置,以此修正该近似关系,进而逼近准确的畸变中心与参数.仿真和真实图像实验均表明,该方法利用四条成像直线段即可实现高精度标定且收敛迅速.     

基于多光谱图像的不同品种绿茶的纹理识别

为了提高茶叶加工的智能化水平,提出一种基于多光谱图像纹理分析的快速识别不同品种绿茶的方法.通过3CCD成像仪同时获得绿茶样本的红光、绿光和近红外三个通道的图像,采用灰度共生矩阵和纹理滤波相结合来提取图像纹理特征,分析了不同品种绿茶的各个通道图像的纹理特征.非监督聚类分析表明,基于组合方法提取的纹理特征优于仅依靠灰度共生矩阵得到的纹理特征.优化和筛选后得到10个特征参数作为支持向量机模型的输入,建立模式识别模型.结果表明,对于126个建模样本的识别正确率达到94.4％,对于未知64个预测样本的识别正确率达到93.8％,说明提出的组合纹理特征提取和模式识别方法能够较好地识别不同品种的绿茶.     

基于CCD的数字光处理光源特性测量

针对数字光处理(DLP)投影机所用光源，提出了基于光阑小孔成像和CCD相机的光源色度坐标和亮度分布测量方法，建立了相应的光源测试系统.分析了DLP光源的结构及其对锥形光束的影响，并对测试系统中的CCD进行了光谱响应曲线测试和三基色校正，以得到准确的颜色测量值.测试结果表明，绝大多数DLP光源的色度坐标与D65光源接近，而光源的亮度分布特性对最终DLP投影画面的成像质量有很大的影响，并可用几何中心与亮度中心之间的偏差来表示.     

基于傅里叶条纹分析的摄像机标定

为了寻找一种简单、有效、精度高,并且使用方便的摄像机现场标定方法,提出将已知相位分布的平面二维正弦灰度调制条纹图作为标定平面靶,通过傅里叶条纹分析方法计算出两个正交相位分布,由正交相位分布与平面坐标的对应关系可以建立图像坐标与2D平面坐标的一一对应关系。将此二维正弦平面靶在摄像机成像空间中放置不同的位置,并完成相位测量,然后根据2D共面参照物摄像机标定方法即可完成摄像机标定。这种方法避开了复杂的标定特征点提取,大大增加了2D标定数据量,提高了标定精度。实验和计算机模拟表明,此方法简单、可靠和精度高,仅需测量3幅图像即可达到较高的标定精度。     

相机快速立体定标方法

相机定标是计算机视觉中极为重要的环节,定标的准确性和实时性直接影响其工业应用。为了实现快速、高精度的相机定标,对相机的成像模型及模型参数求解进行了研究,发现相机成像平面中心附近区域的畸变基本可以忽略。针对这一发现,提出一种简易、快速的相机立体定标方法。首先以成像平面中心附近的点作为特征点,用来求解相机的内外参数,再将求得的内外参数作为已知带入畸变模型,以剩余点的三维坐标及像素坐标作为输入,用多元线性回归最小二乘法对畸变参数进行最优化拟合。实验表明,该方法的定标精度高,其平均像素误差可达到10-2量级,同时算法运算时间明显缩短,能更好地满足实际工业应用的需求。