基于ANN和SVM的轴承剩余使用寿命预测

为了提高现代制造业设备的可靠性和高效性,轴承剩余使用寿命(RUL)的预测已经成为越来越重要的研究方向.提出一种基于人工神经网络(ANN)和支持向量机(SVM)的轴承剩余使用寿命预测方法.该方法首先将获取的18维反映轴承衰退的时域特征和频域特征输入到ANN模型中做特征抽取,再将输出的18维特征向量作为SVM模型的输入,进...     

基于PCA-SVM方法的点焊质量评估

通过对电阻点焊过程电极位移和动态电阻信号的实时采集和时域特征分析,利用电阻信号动态特征刻画熔核形成不同阶段,从同步电极位移信号中提取9个特征参量建立输入样本数据集.以焊点接头抗剪强度作为焊点质量的评价指标,将PCA(主成分分析)方法与传统的SVM(支持向量机)回归分析相结合,利用PCA方法对支持向量机的输入样本数据集进行主成分分析,消除了输入特征参量间的自相关性,实现数据降维后作为支持向量机的输入,建立焊点质量映射模型.交叉有效性预测结果表明,基于PCA-SVM的算法增强了SVM的泛化能力,比传统的SVM算法具有更高的预测精度.     

激光熔覆层形貌预测对比分析

将多元线性回归分析和遗传神经网络对比应用于激光熔覆层形貌的预测,确定了主要工艺参数(激光功率、扫描速率、送粉速率)和激光熔覆层形貌(熔覆层宽、高、基体熔深)之间的对应关系.结果表明,多元线性回归分析应用于激光熔覆层的形貌预测是可行的,五组检验数据的平均相对误差为6.05%;基于遗传算法优化的神经网络预测熔覆层形貌是可靠的,五组检验数据的平均相对误差为2.49%.二者相比较,前者应用较方便,能直观的获得熔覆层宽、高、熔深等参数与熔覆层形貌参数之间的函数关系;后者精度相对较高,但运算过程相对复杂,函数关系模糊.一般情况下推荐采用多元线性回归分析.     

大功率碟形激光焊支持向量回归熔宽预测算法

大功率碟形激光焊接作为一种重要的新型激光加工技术在制造业领域得到日益广泛的应用.针对焊接过程多变量强耦合性以及反馈的实时性要求,提出了用支持向量机(SVR)对焊接过程中熔宽变化量进行预测的新方法,并根据焊接试验数据对其性能进行验证.同时分析对比了支持向量机与BP神经网络的预测效果.结果表明,BP神经网络和支持向量机的训练和单步预测效果良好,均可以应用在大功率碟形激光焊接过程中,但SVR模型要更加适应于大功率碟形激光焊接过程的样本训练和预测.当采样点数N值取10时预测效果最优.     

基于人工神经网络的岩土流变本构模型辨识

岩土流变是岩土工程失稳破坏的重要原因之一。从系统辨识的角度 ,首先将岩土材料流变本构的一般微分方程通式按实际的采样周期转化为线性时不变SISO系统的离散差分方程格式 ,构建了用于岩土流变本构模型辨识的BP神经网络模型 ;然后探讨了该神经网络模型用于岩土流变本构模型辨识的基本步骤以及其网络结构参数 (输入层神经元数和网络连接权值 )与SISO流变系统差分方程模型参数间相互转化的算法原理 ,并据此在Matlab软件平台中编制了BP网络辨识算法的相应程序CYJ1.M ;最后 ,采用有关的考题验证证明该辨识算法是成功可信的     

摩擦焊接轴向缩短量神经网络与支持向量机预测

轴向缩短量是惯性摩擦焊接过程中的关键参量.文中利用ABAQUS有限元软件对高温合金管材惯性摩擦焊接过程进行了模拟,获得并研究了不同焊接工艺参数下的轴向缩短量结果.基于模拟结果,分别建立了支持向量机(SVM)和径向基函数(RBF)神经网络的轴向缩短量的预测模型.两种模型的对比表明,对于该小样本的预测,RBF神经网络比SVM智能预测结果更接近有限元模拟值.因此RBF神经网络模型可以更好的辅助摩擦焊接的有限元模拟,并有效降低模拟的时间成本.     

Influence of different plasma nitriding treatments on the wear and crack behavior of forging tools evaluated by Rockwell indentation and scratch tests

Forging tools are often showing short lifetimes compared to cold forming tools e.g. for sheet metal forming. This is based on the process conditions where high local surface temperatures are alternating with chilling conditions due to the spray cooling with water based cooling lubricants. The resulting thermal shock is provoking fatigue of the tool material in the near surface regions. Crack initiation and crack growth due to thermal shock exposure then causes chipping of the tool steel material in the surface regions. These are starting points for extensive wear.Hardness and wear resistance of tool surfaces at elevated temperatures can be dramatically enhanced with nitriding pretreatments. This has become state-of-the-art for hot forming tool steels in many forging applications. With inappropriate adjustments of the nitriding parameters a decrease of the ductility can occur and will reduce the crack resistance of the tool surface especially under thermal shock conditions.The hot working steel DIN-1.2367 (X38CrMoV5) is currently one of the most often used chromium-molybdenum tool steels in the field of forging. Exemplary for this material is the influence of the nitriding parameters like temperature, nitrogen supply and plasma parameters on the nitriding depth, the maximum hardness and the crack sensitivity will be discussed.Nitrided samples will be investigated with methods developed for the adhesion measurement of hard coatings. It could be shown that this is also appropriate for a qualification of the crack sensitivity of tools. Comparative application tests in the production of automotive components show the influence on the wear behavior and lifetime of forging tools in an industrial environment.     

基于RES理论的岩体失稳模式判别及其智能实现

基于完全耦合模型解决复杂岩石力学问题的方法论——岩石工程系统理论(RES)的基本原理，构造了地下工程岩体失稳模式判别的智能预测模型，并采用具有自学习、非线性映射和数据挖掘功能的模糊自组织人工神经网络模型ANN来实现RES交互作用矩阵的编码。通过一个实例说明这种方法具有良好的实用性。     

TiC颗粒增强镍基合金复合涂层的摩擦学性能及磨损预测模型(英文)

运用等离子喷涂技术在铝合金表面制备TiCP/镍基合金复合涂层,研究干摩擦条件下载荷、速度和温度对复合涂层摩擦磨损行为与机理的影响规律;建立了基于最小二乘支持向量机(LS-SVM)的复合涂层磨损预测模型。结果表明:在不同摩擦条件下,TiCP/镍基合金复合涂层的摩擦因数和磨损质量均低于镍基合金涂层。LS-SVM模型对摩擦因数和磨损失重的预测时间仅为BP-ANN模型的12.93%,其预测精度分别比BP-ANN模型提高了58.74%和41.87%,可有效预测干摩擦条件下TiCP/镍基合金复合涂层的摩擦磨损行为。     

基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测

目的 构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性.方法 建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的主要影响因素.应用最小二乘支持向量机算法建立海洋管线外腐蚀速率预测模型,并...     

基于主成分和粒子群优化支持向量机的管道内腐蚀预测

目的研究输油金属管道内腐蚀预测模型,以改善管道维修策略和提高使用期限。方法分析输油管道内腐蚀原因,归纳腐蚀因素,采用主成分分析法对腐蚀因素进行优选,摒弃相关联但腐蚀贡献率较低的因素,以最大化表征腐蚀原因及减少不必要的处理过程。将贡献率较大的腐蚀因素作为支持向量机预测模型的输入变量,以腐蚀率作为目标输出,建立管道腐蚀预测模型。针对支持向量机参数选取问题,应用鲶鱼粒子群算法进行寻优,以提高预测精度。以20#钢管为例进行了模型验证,并与其他预测模型进行了对比和分析。结果主成分分析筛选得到的管道内腐蚀的主要因素有:H_2S、CO_2、Cl~-、酸碱值、压力、介质温度、流速。通过鲶鱼粒子群算法改进的支持向量机模型的预测与实际值的平均相对误差为2.82%,相关性系数值为0.9955,均优于其他三种预测模型。结论金属管道的内腐蚀由多个腐蚀因素共同作用形成,采用主成分和粒子群优化的支持向量机模型能够精确预测内腐蚀率,对金属管道维修和管理的借鉴性高。     

基于线性回归和神经网络的金属陶瓷激光熔覆层形貌预测

目的研究激光熔覆关键工艺参数(激光功率、扫描速度、送粉速率)与单道熔覆层宏观形貌(宽度、高度、熔池深度)之间的数量关系,以实现对WC-Co50复合熔覆层形貌的预测,从而为牙轮钻头的修复提供参考。方法设计不同的实验参数,利用4k W光纤激光器在牙轮钻头钢15MnNi4Mo表面熔覆单道WC-Co50复合涂层。采用工业显微镜观察单道熔覆层的横截面宏观形貌,并测量其三维尺寸。在上述形貌参数的基础上,分别运用多元线性回归分析和人工神经网络方法,建立关键工艺参数与熔覆层宏观形貌之间的关系模型,并将实验结果与模型预测结果进行对比。结果总体来讲,神经网络对熔覆层形貌的预测结果更为精确,平均相对误差为5.3187%;多元线性回归分析预测的平均相对误差为6.0028%。分析表明,对熔覆层宽度的预测结果最精确,两种方法的平均相对误差仅为1.2999%;对高度及熔池深度的预测结果稍差,平均相对误差分别为8.0586%和7.6237%。结论两种预测方法都具有较高的精度,但神经网络法函数关系不明确,运算过程复杂,需要通过进一步的算法优化来提高预测精度。     

基于KPCA-BAS-GRNN的埋地管道外腐蚀速率预测

目的 提高埋地管道外腐蚀速率的预测精度。方法 建立基于核主成分分析法（KPCA）和天牛须搜索（BAS）算法优化的广义回归神经网络（GRNN）腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道外腐蚀的主要因素,应用GRNN建立埋地管道外腐蚀速率预测的数学模型,并采用BAS算法对模型进行优化,减小了人为设置参数的影响。以川气东送埋地管段为例,分析选取出12种关键影响因素,建立了埋地管道外腐蚀指标体系,借助MATLAB-R2014a编写程序进行仿真,并与实际值进行对比。结果 模型的预测结果与实际值基本一致,KPCA可有效降低指标体系的维度,提取出包含原始信息97.9%的3个主因素—土壤电阻率、氧化还原电位、氯离子含量,简化了运算过程。采用的BAS-GRNN模型将预测精度提高到7.83%以内,平均相对误差5.21%,决定系数取值0.93。与其他模型相比,该模型性能较好,预测精度更高。结论 采用KPCA提取的主要影响因素符合工程实际,建立的BAS-GRNN模型预测精度高,有较好的适应性,为埋地管道外腐蚀速率预测提供了新思路,对管道的维护更新工作提供了参考依据。