最小二乘支持向量机弯曲回弹元模型技术研究

影响大尺寸高强度U型折弯件回弹的变量众多,使得其弯曲回弹难以控制。提出一种基于约束的高斯过程潜变量(RGPLVM)筛选技术来进行最优变量的筛选和降维。将筛选出的变量作为决策变量,并以最小二乘支持向量机(LSSVM)为基础,构建了大尺寸高强度U型折弯件的最小二乘支持向量机(LSSVM)元模型。分别以支持向量机(SVM),LSSVM和BP神经网络为模型进行预测,并将预测结果与实际工程零件进行对比。结果表明LSSVM模型的预测结果更为接近实际零件的回弹情况,从而验证了所提方法的可行性。     

弹性弯曲冲压件回弹控制策略

分析了一个典型的弹性弯曲冲压件,深入研究了其冲压工艺和级进模结构,探索了在级进模设计中弹性弯曲冲压件回弹的控制策略。     

板料拉力下弯曲回弹分析

通过对板料拉力下弯曲应力状态的分析,根据回弹理论,推导了回弹角与拉力之间关系的近似计算公式。     

支持向量机回归算法在机器人误差补偿中的应用研究

研究了支持向量机回归算法,并将该算法运用于机器人绝对误差的补偿.针对机器人绝对误差补偿多输入、多输出的特点,提出了用多个支持向量机回归算法实现多输出的解决策略;提出了基于支持向量机回归算法误差的2种补偿方法,并进行了仿真与实验,验证了所提方法的有效性.仿真结果表明运用该方法可以使机器人的定位精度平均提高95%以上.     

基于支持向量机的灰铸铁强度预测模型

利用高碳当量灰铸铁组织强度试验数据,提出了一种基于支持向量机理论的灰铸铁强度预测模型。与多元线性回归、模糊回归和自适应模糊神经网络相比,该模型学习精度高且具有较好的泛化能力,能取得较好的预测效果。     

支持向量机在焊接过程中的应用

焊接过程是典型的非线性系统,涉及到复杂的物理、化学过程,基于神经网络的建模方法往往不能有效地获得系统模型.支持向量机在解决小样本、非线性和高维的机器学习问题中表现出许多特有的优势,非常适合于复杂的非线性系统建模,因此在焊接过程系统建模中具有广阔的应用前景.介绍了支持向量机的基本理论,给出了支持向量机在焊接过程中的系统建...     

U形弯曲件的回弹控制及模具结构

Ｕ形弯曲件的回弹是弯曲工艺研究的重要课题,此文分析引起弯曲有关因素入手,提出了控制回弹的措施和相应的结构及其参数。     

基于支持向量机的校直机工件弯曲量测量误差补偿

针对自动校直机在工件弯曲量测量过程中的测量误差问题,提出一种基于支持向量机(SVM)的校直机工件弯曲量测量误差补偿方法。在试验过程中,利用偏摆检测仪将校直机测得的工件弯曲量进行标定,进而获取建模数据。模型训练过程运用交叉验证法对SVM的惩罚参数、核函数参数进行优化选择,构建SVM优化模型。利用SVM优化模型对不同工件同一测量位置的弯曲量测量误差进行预测补偿,通过对比预测补偿效果,SVM模型的补偿效果明显,具有工程应用价值。     

弯曲件成形回弹的研究与分析

金属板材在外力作用下产生弯曲的总变形,由塑性变形和弹性变形两部分组成。当弯曲结束后．外力去除．塑性变形就会留存下来,弹性变形完全消失。弯曲变形区外侧因弹性恢复而伸长．就会产生弯曲件的弯曲角度和弯曲半径与工件相应尺寸不一致的现象．这种现象称为弯曲件的弹性回弹。回弹是弯曲成形时常见的现象．但也是弯曲件生产过程中不易解决的棘手问题。     

基于支持向量回归机的反卷积技术

为了提高复合材料超声无损检测(UNDT)中A扫描信号的时域分辨率,在分析传统反卷积技术局限性的基础上,提出了一种基于支持向量回归机(SVR)的反卷积技术.通过研究SVR的数学模型,将超声检测传输的数学模型经过傅立叶变换变换到频域后,对变换得到的复数按照实部和虚部分别进行最优化求解,求解结果合成复数再经过反傅立叶变换变回时域,得到最终的反卷积结果.计算机仿真结果表明,与传统反卷积技术相比,该方法在提高时域分辨率能力方面大大改观,并表现出很好的泛化性能.     

支持向量机在轴承故障诊断中的应用

支持向量机是建立在结构风险最小原理^[1]基础上，专门研究小样本情况下的学习规律。本文针对滚动轴承的加速度信号和声音信号的特点，选取识别能力好的时域无量纲指标作为支持向量机的特征矢量，对滚动轴承的四种典型故障进行模式识别。结果表明，支持向量机在滚动轴承故障诊断中有很出色的分类能力。     

支持向量机在拉深筋设计中的应用

支持向量机(SVM)以统计学习理论为基础,广泛应用于回归预测。文章根据零件特点,针对拉深筋几何参数和板料拉延阻力间复杂的非线性关系,以拉深筋流入量作为衡量板料拉延阻力的参数,利用支持向量机建立其与嵌入程度、弯曲程度之间的映射关系,分别基于小样本、大样本两组数据预测。结果表明该方法与神经网络模型相比具有更优良的性能,为筋参数基准值的确定提供了很好的指导,并解决了神经网络在小样本预测和泛化能力上的问题。     

基于向量机回归理论研究齿轮泵流量特性

针对齿轮泵流量计算问题,采用支持向量机回归理论,以齿轮泵实验数据作为学习样本,建立了齿轮泵流量特性模型,研究齿轮泵流量特性计算问题。研究结果表明:基于向量机回归理论流量计算模型所得计算值与试验结果具有良好的一致性。     

小曲率板材弹塑性校正弯曲回弹分析

采用平面应变假设,建立了线性硬化板材的弹塑性弯曲弯矩及回弹分析模型,给出了卸载前后板材曲率半径之间的定量关系。该模型在弯矩计算中考虑了弹性变形区的大小与板材中性层曲率半径之间的关系。研究结果表明,当曲率半径较大时,弯矩随曲率半径按近似抛物线的规律变化;曲率半径较小时,弯矩随曲率半径按近似双曲线的规律变化。将所提出的分析模型与目前普遍采用的模型进行对比分析,指出了普遍采用的模型在适用范围上的不足。提出的回弹分析模型的预测值与实验结果吻合较好,特别是在进行小曲率弯曲回弹分析预测时具有优势。     

基于支持向量机的非线性系统内模控制

提出了基于回归型支持向量机的非线性系统内部模型和逆模型的辨识建模方法,在此基础上,提出了基于回归型支持向量机的非线性系统内模控制的方法。仿真试验结果表明:采用回归型支持向量机建立的非线性系统内部模型和逆模型都具有很高的建模精度和较强的泛化能力,基于回归型支持向量机的内模控制算法对非线性系统具有良好的控制性能、较强的抗干扰能力和鲁棒性能。     

支持向量机法在钢结构焊接质量安全评价中的应用

目前我国对钢结构焊接质量安全鉴定方法主要依赖于经验判断,针对这个问题,本文研究借助现代检测仪器和测试技术,综合考虑现代统计学理论和凸二次规划理论,提出基于支持向量机的钢结构焊接质量安全评价方法。运用优秀的机器学习算法,对钢结构焊接质量进行全面分析,并作出钢结构焊接质量与安全的综合评价,使钢结构焊接质量与安全评价更加科学和合理,以期对类似的研究和应用提供参照。     

V形件弯曲回弹的影响因素及其实验研究

以简单V形件为对象，研究了影响弯曲回弹的各种因素。在对弯曲回弹问题进行系统理论分析的基础上，对一些影响回弹的重要影响因素做了定量的实验分析研究。     

激光焊熔池红外辐射特征支持向量机回归分析

大功率光纤激光焊接过程中,熔池红外辐射蕴含着丰富的焊接质量信息。以大功率光纤激光对接焊304不锈钢板为试验对象,运用近红外高速摄像机获取焊接熔池动态热像。定义并提取熔池宽度、匙孔面积、匙孔周长和匙孔质心横、纵坐标,作为熔池特征参数,运用支持向量机建立熔池特征参数和焊缝宽度的回归模型,并通过网格寻优和粒子群算法优化支持向量机参数。试验表明,所建立的支持向量回归机能够较好地融合熔池特征,预测焊缝宽度,从而为自动监控大功率光纤激光焊接质量提供试验依据。     

基于小波分析和支持向量机的刀具故障诊断

为了有效地进行刀具状态监测,提出了一种基于小波分析和支持向量机相结合的刀具故障诊断方法。首先运用小波包对AE信号进行分解和重构,然后提取各个频带里的信号能量值,将该能量值作为特征参数输入到支持向量机,进行学习训练,完成对刀具磨损状态的有效识别。仿真结果表明该方法是有效的。     

基于多类支持向量机的板形识别方法

提出一种基于多类支持向量机理论的板形识别分类器,通过对冷轧工序中板形仪测得的数据进行预处理,获取所需样本数据。采用“一对多”方法训练多类支持向量机分类器,最后用测试样本对训练出的分类器进行性能测试。仿真结果表明该方法在处理小样本数据时识别率非常高,泛化能力更强,为板形识别提供了新的研究方法。