基于支持向量机的异步电机故障诊断系统

电机故障将造成巨大的经济损失,甚至于人身安全.一个准确的故障诊断系统能够最大程度地降低风险,有利于生产、生活的正常进行.阐述了支持向量机(SVM)及最小二乘支持向量机(LS-SVM)算法的原理,研究了基于LS-SVM的异步电动机故障诊断,比较了正常状况与3类故障的不同,并对3类故障进行了自动分类,测试了分类结果.实验表明,基于SVM的异步电机故障诊断可靠性好,实用性强,验证了SVM的优越性.     

基于支持向量机回归机的曲面拟合技术

提出了一种基于支持向量回归的点云曲面重构方法,从点云中按一定规则取样得到小样本集,以小样本集为支持向量,并以径向基函数为核函数重建复杂线性函数曲面模型。实验表明该方法能直接重建散乱点云数据．拟合出曲面模型且具有较好的效果,并具有误差小、速度快等优点。     

球状曲面零件数控加工的刀具路径

阐述了球状曲面的数控粗，精加工的基本方法，提出了其加工刀具路径的合理组合。     

浅析自由曲面数控加工中刀具路径规划

复杂曲面广泛应用于航空、汽车、电子等行业,所以加工制造业对于自由曲面数控技术要求越来越高,而刀具路径规划是负责曲面加工过程中关键技术之一.本文在刀具路径规划技术发展基础上,对自由曲面数控加工中刀具路径规划问题进行了分析.     

基于支持向量回归机的点云曲面重构方法

提出了一种基于支持向量回归的点云曲面重构方法,并以径向基函数为核函数重建复杂线性函数曲面模型,实验表明该方法能直接重建散乱点数据,具有误差小,速度快等优点.     

基于支持向量机的曲面数据修补

针对有孔洞的点云数据,提出了一种基于支持向量机的修补方法.该方法首先找出孔洞的边界点,然后根据边界点获得模型的样本点集;其次,为了获得均匀的修补点,建立局部坐标系,进行坐标变换,通过坐标变换后的边界点采样得到模型的输入,实现残缺点云数据的修补,为后续的曲面构造提供完整的数据型面.     

基于支持向量回归机的刀具寿命预测

刀具寿命是制定刀具需求计划、衡量刀具性能和核算成本等的重要依据。针对现有神经网络方法在预测刀具寿命方面存在的不足,提出了一种新的基于支持向量回归机的刀具寿命预测方法。在分析了影响刀具寿命预测主要因素的基础上,建立了基于支持向量回归机的刀具寿命预测模型。应用实例的仿真结果表明,所建立的预测模型具有较强的推广能力和较高的预测精度。     

基于支持向量机的点云切片分割技术的研究

支持向量机这种学习方法,最初用于处理模式识别问题,随后推广到解决回归估计问题,成功解决了高维问题和局部极值问题,是一个具有最优泛化能力的学习机器提出了一种基于支持向量机最优超平面的点云切片分割技术,该技术采用较新的人工智能技术支持向量机（SVM）的最优超平面原理,应用其统计特性,把切片中的点分割成模型本身的独立部分实验诬明,该方法具有速度快、分割准确的优点,分割效果较好.     

自由曲面三坐标加工等间距刀具路径规划

为提高自由曲面数控加工的切削效率,改善刀具的受力状态,提出了一种自由曲面三坐标加工等间距刀具路径规划方法.分析了在实际加工过程中可采用的几种刀具路径规划方法及其实现等距加工的约束条件.研究了等间距刀具路径的计算方法,并针对计算过程中出现的逼近误差校验和刀具路径延伸与裁剪问题给出了解决方法.对等参数线法和等距截面法进行了比较,表明应用该方法规划自由曲面刀具路径,可提高走刀路径对曲面形状变化的适应性和切削行间距分布的均匀性.     

曲面铣削中刀具路径的自适应研究

如何高效率、高精度的完成自由曲面的数控加工。是机械制造领域的研究工作者一直追求的目标,针对这一问题,提出了全曲面误差和均匀粗糙度加工的概念。建立了通实现这种加工的刀具路径自模型及其算法,分析表明：该模型所确定的刀具路径,在相同精度下可达到最高加工效率。     

从测量的散乱数据点云直接生成数控刀具路径的研究

提出了一种直接从测量的散乱数据点云用球头刀对自由曲面进行三轴数控加工时生成刀具路径的方法。不同于现有散乱点云基于逆向工程的刀具路径生成方法,本法考虑并估计了曲面加工误差和粗糙度。将散乱数据点云向XY平面投影,以获得的投影边界为刀具路径的主方向,然后根据曲面所需的加工误差和残留高度要求划分该投影数据点云,得到一系列刀位网格单元。通过最小化每个刀位网格单元的加工误差以确定每个刀位网格的节点位置,加权平均相关联刀位网格节点来对齐相邻刀位网格单元的边缘。为了缩短加工时间,裁去刀位路径上多余的线段,最终生成高效合理的数控加工刀具路径。已用实测的数据点云验证了本法直接生成刀具路径的有效性。     

基于谐波小波包和BSA优化LS-SVM的铣刀磨损状态识别研究

针对铣削刀具磨损状态识别问题,提出谐波小波包和最小二乘支持向量机（LS-SVM）的状态识别方法。为克服传统小波包分解的频带交叠问题,采用谐波小波包提取不同磨损状态下铣削力信号的各频段信号能量,归一化处理后,输入LS-SVM多类分类器,实现铣削刀具磨损状态的识别。针对LS-SVM的惩罚因子和核参数对模型识别精度影响较大的问题,提出回溯搜索算法（BSA）进行自动参数寻优。实验结果表明,谐波小波包比小波包在刀具磨损状态特征提取时具有更好的识别效果。与粒子群算法进行比较,证明BSA优化LS-SVM具有更高的识别精度。     

基于云理论与LS-SVM的刀具磨损识别方法

针对刀具磨损过程中产生声发射信号的不确定性以及神经网络学习算法收敛速度慢、易陷入局部极小值、对特征要求较高等问题,提出了基于云理论和最小二乘支持向量机的刀具磨损状态识别方法。首先,对声发射信号进行小波包分解与重构,滤除干扰频段对求取特征参数的影响;其次,对重构后的信号利用逆向云算法提取云特征参数:期望、熵、超熵,分析刀具磨损声发射信号的云特性及磨损状态与云特征参数之间的关系;最后,将云特征参数组成特征向量送入最小二乘支持向量机进行识别。研究结果表明:所提取的特征可以很好地反映刀具的磨损状态,云-支持向量机方法可以有效地实现刀具磨损状态的识别,与传统神经网络识别方法相比具有更高的识别率,识别率达到96.67%。     

基于LS-SVM的传感器阵列多维信号智能提取方法研究

传感器阵列可同时对多个信号进行测量,而对多个输入信号进行解耦和并行提取是其关键。提出一种基于最小二乘支持向量机(LS-SVM)的传感器阵列输入信号逆向提取智能方法,该方法基于结构风险最小化,能够逼近任意复杂的非线性关系且泛化能力强。仿真试验表明,该方法具有拟合精度高、运算速度快、容易实现等优点,适用于对传感器阵列多个输入信号进行解耦和并行提取。     

贝叶斯证据框架下的LS-SVM多工况数控机床热误差建模

最小二乘支持向量机(LS-SVM)模型是表征数控机床热误差特性的有效工具,但该模型中的参数设置直接影响建模的精度。传统的基于交叉验证法或网格法的参数获取方法存在计算量大、精度低的缺点,且同一组模型常数往往不能准确表征机床多种工况条件下所产生的热误差。为解决这一问题,提出了一种基于贝叶斯证据框架理论的LS-SVM多工况参数优化方法。通过测量不同工况下数控机床温度值与主轴热变形量,采用贝叶斯证据框架的3个推断对LS-SVM模型进行训练并对参数进行辨识和优化,推导出了不同工况所对应的最优模型和参数。热误差建模实验验证了该参数优化方法的有效性,结果显示,经优化的模型具有泛化能力强、预测精度高、计算速度快的特点,能够较准确地描述多种典型工况条件下的实际热误差特性。     

LS-SVM回归算法在刀具磨损量预测中的应用

提出了基于最小二乘支持向量机回归算法的刀具磨损量预测方法。该方法首先利用经验模态分解算法对非线性、非平稳的声发射信号进行平稳化处理,得到了若干个固有模态函数;然后建立了每个固有模态函数的自回归模型,并提取模型系数构造特征向量;最后采用最小二乘支持向量机回归算法实现了刀具磨损量的预测。该方法与神经网络预测算法相比,具有更高的预测准确率,可有效预测当前切削状态下10s后的刀具磨损量。     

关于复杂曲面刀具轨迹规划技术的研究

如何生成无干涉、无过切、高效的刀具路径是复杂曲面数控加工中必须解决的至关重要的问题,本文结合刀具轨迹规划所涉及的几大关键技术问题,对近年来复杂曲面刀具轨迹规划技术的研究现状和进展进行了综述,分析了当前研究中存在的不足,阐明了刀具轨迹规划的研究成果在通用性、有效性和稳定性等方面还不能完全满足工程实际中的要求,指出了刀具规划技术的发展方向。     

Identification of thermal error in a feed system based on multi-class LS-SVM

Research of thermal characteristics has been a key issue in the development of high-speed feed system. The thermal positioning error of a ball-screw is one of the most important objects to consider for high-accuracy and high-speed machine tools. The research work undertaken herein ultimately aims at the development of a comprehensive thermal error identification model with high accuracy and robust. Using multi-class least squares support vector machines (LS-SVM), the thermal positioning error of the feed system is identified with the variance and mean square value of the temperatures of supporting bearings and screw-nut as feature vector. A series of experiments were carried out on a self-made quasi high-speed feed system experimental bench HUST-FS-001 to verify the identification capacity of the presented method. The results show that the recommended model can be used to predict the thermal error of a feed system with good accuracy, which is better than the ordinary BP and RBF neural network. The work described in this paper lays a solid foundation of thermal error prediction and compensation in a feed system.     

基于多特征融合的刀具磨损识别方法

针对刀具磨损监测中多传感器融合监测方法的缺点,提出了基于声发射信号多特征融合与最小二乘支持向量机(lease square support vector machine,简称LS-SVM)相结合的刀具磨损状态监测方法。首先,分别采用经验模态分解法、双谱分析法以及小波包分析法提取采样信号在时域、频域、时-频域内的特征,构造联合多特征向量;然后,利用核主元分析法(kernel principal component analysis,简称KPCA)对联合多特征向量进行融合降维处理,通过提取累积贡献率大于85%的主元,剔除了联合多特征中与刀具磨损相关性较小的冗余特征,生成融合特征;最后,将融合特征送入最小二乘支持向量机,有效地实现了（尤其在小样本下）刀具磨损状态的识别,与神经网络识别方法相比具有更高的识别率。     

Hilbert填充曲线用于刀具路径生成的算法及改进研究

对Hibert填充曲线的生成方法进行了研究,建立了平面Hilbert填充曲线与Bezier参数平面之间的映射关系,得到了平面Hilbert填充曲线到空间曲面的映射规则和相应算法。针对该方法用于刀具路径生成时存在转向过于频繁等缺点,为了减小加工过程中对刀具和工件的冲击,提出了用倒角或圆弧进行过渡来代替原来的直角过渡的方法生成加工刀具路径。针对改进后的生成刀具路径的方法编制了仿真程序,对改进前后的刀具路径的长度和生成时间进行对比分析。通过一具体曲面加工路径生成仿真,验证了该方法的有效性。