共查询到20条相似文献,搜索用时 921 毫秒
1.
2.
3.
目的针对包装机械设备中动力机轴承的故障诊断识别率低的问题,提出一种基于参数寻优的故障识别方法。方法首先通过主元分析算法对包装设备动力机的振动数据进行主成分特征提取,减少各数据间的相关性,然后采用LSSVM对各类数据样本进行故障识别。为了克服LSSVM惩罚因子和核函数参数易出现局部最优、收敛精度差等问题,提出一种ICS算法优化LSSVM的状态参数,提高包装机械动力机轴承故障诊断的识别率,以实测糖果厂包装机械振动数据为例验证所提方法的有效性。结果实验结果表明,在包装机械动力机轴承故障类别确定的情况下,算法能够高精度地识别各类动力机故障。结论该算法实现了分类器参数的自适应选择,为提高包装机械动力机轴承故障诊断的识别率提供了可靠的方法。 相似文献
4.
5.
6.
柴油机振动监测及故障诊断系统 总被引:1,自引:0,他引:1
简述了柴油机活塞-缸套磨损、气阀间隙异常、排气门漏气和主轴承磨损故障的振动诊断机理,介绍了基于上述机理的自行研制的柴油机振动监测仪的硬件设计和软件功能,该仪器利用PC104总线、高速同步采集、异步FIFO和DOS编程环境等技术,经测试能实现船舶柴油机的实时在线诊断。 相似文献
7.
8.
目的 对于四杆机构在包装推料应用中,其运动轨迹与理论要求差别较大,不能很好地满足高精度包装产品需求的问题,拟采用改进蚁群算法来优化四杆机构几何参数。方法 引入二维坐标系建立四杆机构几何参数,通过数学关系式推导运动轨迹点的坐标方程式。分析四杆机构几何参数变量,构造多目标优化误差函数,添加四杆机构运动约束条件。引用改进蚁群算法对四杆机构几何参数进行多目标优化,采用数学软件Matlab对优化结果进行误差仿真验证。结果 仿真结果表明,四杆机构参数优化后,横向和纵向的平均误差、均方根误差降低,横向的平均误差和均方根误差分别降低了55.9%和59.1%,纵向的平均误差和均方根误差分别降低了56.7%和53.5%。结论 采用改进蚁群算法优化四杆机构几何参数,提高了四杆机构在包装中的定位精度。 相似文献
9.
10.
11.
12.
结合核主成分分析(KPCA)以及支持向量机对水轮机转轮叶片裂纹源的声发射信号进行定位。结果表明,利用核主成分分析提取的特征参数进行定位的精度高于原始参数的定位精度,即输入9个特征参数时,支持向量机在叶片区域的识别率为100%,在裂纹源对焊缝距离的支持向量回归分析中的最大误差为20cm。因而结合KPCA和支持向量机对复杂的大尺寸结构进行定位是一种较好的方法,既减少了输入信号的维数,又提高了定位精度。 相似文献
13.
14.
Zhong-Hua Miao Chen-Hui Ma Zhi-Yuan Gao Ming-Jun Wang Cheng-Liang Liu 《先进制造进展(英文版)》2018,6(4):409-418
An online hidden feature extraction algorithm is proposed for unknown and unstructured agricultural environments based on a supervised kernel locally linear embedding (SKLLE) algorithm. Firstly, an online obtaining method for scene training samples is given to obtain original feature data. Secondly, Bayesian estimation of the a posteriori probability of a cluster center is performed. Thirdly, nonlinear kernel mapping function construction is employed to map the original feature data to hyper-highdimensional kernel space. Fourthly, the automatic determination of hidden feature dimensions is performed using a local manifold learning algorithm. Then, a low-level manifold computation in hidden space is completed. Finally, long-range scene perception is realized using a 1-NN classifier. Experiments are conducted to show the effectiveness and the influence of parameter selection for the proposed algorithm. The kernel principal component analysis (KPCA), locally linear embedding (LLE), and supervised locally linear embedding (SLLE) methods are compared under the same experimental unstructured agricultural environment scene. Test results show that the proposed algorithm is more suitable for unstructured agricultural environments than other existing methods, and that the computational load is significantly reduced.The full text can be downloaded at https://link.springer.com/article/10.1007/s40436-018-0227-8 相似文献
15.
提出一种基于小波包变换(wavelet packets transform, WPT)与核主成分分析(kernel principal component analysis,KPCA)的颤振识别方法。铣削颤振会抑制或增强某些频段内的信号,利用四层小波包分解与重构,得到16个频段内的重构信号,获得各重构信号的面积,并进行归一化处理,完成铣削颤振特征向量的选择。继而通过对比基于主成分分析(principal component analysis,PCA)与核主成分分析的特征提取方法的特征提取效果,选取KPCA对特征向量进行降维处理,最后以降维后的数据作为最小二乘支持向量机分类器的输入对铣削状态进行识别。结果表明,在小样本的情况下仍能有效、准确地对铣削状态进行分类,分类准确率达95.0 %。 相似文献
16.
若信号的信噪比较小,经验模式分解不能正确分解出基本模式分量,分量中含有伪分量。根据此种情况,提出一种核主分量分析与经验模式分解相结合的方法。该方法首先建立信号相空间,利用核主分量分析方法提取相空间的核主分量,然后利用投影逆过程将得到的核主分量逆向投影回原相空间,从而重建信号相空间。最后对重建的相空间所对应的信号作经验模式分解。此方法可以有效消除噪声和冗余对经验模式分解的影响,提高经验模式分解的适应能力保证分解的有效性,确保其能够分解出正确的基本模式分量。通过工程实例进一步验证了该方法的可行性。 相似文献
17.
为提高爆破飞石距离预测的精度和效率,构建了一种基于核主成分分析法(KPCA)和鲸鱼算法(WOA)优化的极限学习机(ELM)爆破飞石距离预测模型。以国内某露天煤矿爆破工程为例,选取影响爆破飞石距离的7个因素。通过KPCA对影响因素间非相关性关系进行降维,提取出包含原始信息95.76%的4个主成分作为模型输入。然后,采用WOA对ELM进制参数寻优,避免了局部最优解问题。结果表明,KPCA-WOA-ELM模型的平均相对误差、均方根误差RMSE、决定系数R2和平均绝对误差RMAE分别为4.271%、6.681、0.985和6.413,均优于对比模型。说明该模型可实现对爆破飞石距离的准确预测,为确定爆破作业中的爆破安全区提供依据。 相似文献
18.
19.
针对振动信号非平稳性和特征优化选择的问题,提出一种基于EMD和GA-PLS的特征选择算法。在该算法中,首先,采用EMD方法将振动信号分解成多个固有模态函数(Intrinsic Mode Function, IMF),对IMF分量建立自回归(AR)模型,以AR模型系数和残差作为初始特征向量,然后,遗传算法与偏最小二乘法相结合(GA-PLS)的算法对初始特征向量进行筛选得到新的特征向量,最后,以新的特征向量为输入,建立分类器,用来识别手动换向阀的工作状态和判断故障类型。实验结果表明,采用该特征选择算法能准确地选择出特征,并能应用于手动换向阀的故障诊断 相似文献
20.
Jin Young Choi 《国际生产研究杂志》2013,51(8):2353-2362
This paper presents a computationally efficient neuro-dynamic programming approximation method for the capacitated re-entrant line scheduling problem by reducing the number of feature functions. The method is based on a statistical assessment of the significance of the various feature functions. This assessment can be made by combining the weighted principal components with a thresholding algorithm. The efficacy of the new feature functions selected is tested by numerical experiments. The results indicate that the feature selection method presented here can extract a small number of significant features with the potential capability of providing a compact representation of the target value function in a neuro-dynamic programming framework. Moreover, the linear parametric architecture considered holds considerable promise as a way to provide effective and computationally efficient approximations for an optimal scheduling policy that consistently outperforms the heuristics typically employed. 相似文献