改进跟踪微分器在喷头墨点补偿中的应用

3D打印封装技术是电子封装保护领域的新型工艺，双向打印过程中喷头平移和墨滴喷射之间的相对运动使墨滴实际位置与期望位置产生偏差，影响封装效果。在喷头到达打印位置前一段时间(墨滴飞行时间T_f)喷射可以消除偏差，因此准确获取墨点具体喷射时间至关重要。提出一种改进跟踪微分器估计喷头速度，通过估计的速度值计算采样点到打印位置的移动时间进而得到各墨点喷射时刻，实现喷头墨点补偿。该方法基于位移信息可快速估计速度，有效滤除位置测量时带有的噪声，速度估计比较准确，无需基于对象模型，易于实现。仿真与实验验证该速度估计方法可较准确估计喷头速度值，响应速度较快，有效减小喷头双向打印过程中的墨点偏差，双向打印对准精度在23μm以内。     

时间截尾场合AMSAA-BISE模型的区间估计

在时间截尾场合，对AMSAA-BISE模型的系统MTBF的区间估计问题进行了讨论，给出了系统MTBF的随机化精确区间估计与无信息先验分布下Bayes区间估计的系数表，比较表明，Bayes区间估计更适于工程应用，并用数值例说明了这些方法。     

集成化产品成本估计系统设计

成本估计是产品设计中非常重要的环节，分析了成本估计工作中存在的问题；指出了信息集成是成本估计的亟待解决的关键问题；设计了集成化成本估计的支持系统，该系统将CAD产品结构信息，CAPP中的工艺信息和MRPⅡ中的工作中心信息进行系统集成，通过系统实现提高了成本估计的精度；缩短了成本估计的时间；扩大了成本估计的范围。     

基于振动时间序列的汽车轮毂轴承寿命威布尔估计

振动时间序列能够表征轴承的状态演变过程，该状态演变过程包含着疲劳特征信息，故采用威布尔估计方法分析汽车轮毂轴承疲劳寿命试验中监测的振动时间序列，将振动时间序列划分为多个子序列并开展统计分析以研究不同序列中威布尔分布参数的变化。对不同型号汽车轮毂轴承疲劳寿命试验数据的分析结果表明：大多数子序列的形状参数和尺度参数会在一定范围内波动，总有个别子序列会发生显著波动，说明威布尔估计方法能应用于轴承状态演变分析并能提前预报轴承的疲劳失效。     

故障时间观测的机电系统可靠性估计

根据系统发生故障时间的统计数据,应用KM方法估计系统可靠度,并利用威布尔分布模型拟合可靠度估计结果。分别用最小二乘和支持向量回归机两种方法估计威布尔分布模型参数,从而得到基于这两种方法的威布尔分布模型。利用所研究的方法,分析了卫星机电系统发生故障时间的统计数据,给出了系统可靠度估计结果,并进行了结果对比分析。     

机械产品可用度的区间估计公式

本文介绍了机械产品可用度的点估计和区间估计方法。在“能工作时间”和“不能工作时间”均服从指数分布或均服从正态分布,“能工作时间”服从指数分布和“不能工作时间”服从对数正态分布的三种情况下,给出了可用度和不可用度的区间估计公式。     

基于卡尔曼滤波的动态传感数据流估计方法

在无线传感器网络应用系统中,众多传感器节点以一定的时间间隔不断采集被监测对象的参数,对于数据中心而言,形成了无线传感数据流.同时数据流中的数据模型可能随时间变化,因此形成了动态的传感数据流.针对目前无线传感数据流估计方法中存在的估计精度较低、模型更新不及时和计算复杂度高等问题,提出了基于卡尔曼滤波的动态无线传感数据流估计方法.采用卡尔曼滤波实现估计模型的动态调整,为了降低数据流估计的计算复杂度,采用基于相关分析的多元线性回归估计方法,将卡尔曼滤波和多元线性回归模型有机结合,实现对动态无线传感数据流的准确估计.采用实际传感数据的估计实验结果表明,提出的基于卡尔曼滤波的动态传感数据流估计方法可有效实现动态传感数据流的估计.     

基于注意力机制的微小型自主式水下机器人姿态估计方法

为提高机器人姿态估计与感知精度，引进注意力机制，以微小型自主式水下机器人为例，设计一种全新的姿态估计方法。参照SCANet多分辨率感知网络架构，采用在其中插入信息补充、细节增强等功能模块的方式，建立微小型自主式水下机器人姿态多分辨率感知网络；将注意力机制划分为Ca-Block与Ca-Neck两个模块，提取微小型自主式水下机器人姿态中的特征信息；采用对信息融合处理的方式，设计机器人姿态信息归一化处理，以此实现微小型自主式水下机器人姿态自适应融合与估计。对比实验结果证明：设计的方法在实际应用中的效果良好，该方法可以提高姿态估计结果的精度，且姿态估计所需时间较短，仅需20s。因此，通过此种方式可以掌握机器人在水下的作业姿态，提高机器人工作时的工作效率。     

基于三阶累积量的自适应参数型多径时延估计

在存在背景噪声干扰的情况下,本文提出了一种基于三阶累积量的自适应参数型多径时延估计方法。该方法能准确地进行多径传输情况下的时间延时估计,有效地抑制相关噪声干扰的影响,仿真结果说明了该方法的有效性。该时间延时估计方法可用于声纳及雷达系统的目标定位。     

一种基于声线理论的声速剖面反演技术的研究

本文讨论了采用声线理论反演声速剖面中所涉及的一些主要问题，例如声线模型，声线方程的求解方法，寻找特征声线的方法，声线传播时间计算方法，到达时间差的获取，时延估计方法，声速剖面的反演，声速剖面的经验正交函数的表示，拷贝时间差的获取，反演代价函数确定及EOF系数的确定，EOF的正交函数的确定和获取背景声场平均声速的获取，海洋环境的模型选取。     

基于模糊支持向量机预测胎重的方法研究与比较

胎重的准确预测在胎儿监护中具有重要作用,为提高胎重预测的准确性,提出一种基于模糊支持向量机的预测方法。通过在支持向量机中引入模糊逻辑,抑制由测量误差造成的异常数据对预测模型训练的影响,提高了胎重预测对参数测量误差的鲁棒性。对600例数据构成的训练集和150例数据构成的测试集进行应用,比较了模糊支持向量机和以前的回归方法、误差反向传递神经网络、支持向量机在胎重预测中的性能。结果表明:与其它方法相比,模糊支持向量机能获得更准确的胎重估计。     

机械设计方案的模糊评估系统的研究

针对机械设计方案的多样性和模糊性，阐述了建立机械设计方案模糊评估系统的必要性，进而根据机械设计方案评定指标的树状体系的特征，介绍了分级模糊评估的方法，并且以“四工位转台”设计方案的评估为例，说明如何在MATLAB软件平台上建立模糊评估系统。     

Robustness of thermal error compensation modeling models of CNC machine tools

In order to achieve effective control of thermal error compensation of computer numerical control (CNC) machine tools, the prediction accuracy and robustness of the compensation model is particularly important. In this paper, the temperature of sensitive points and thermal error of the spindle in Z direction are measured. Using a combination of fuzzy clustering analysis and gray correlation method to select temperature-sensitive points and then using multiple linear regression of least squares and least absolute estimation methods, distributed lag model, and support vector regression machine to establish prediction models of the relationship between temperature of sensitive points and the thermal error. Also, the temperature values of sensitive points and the thermal error in the experimental conditions of different ambient temperatures and different spindle speeds are measured. By comparing the prediction accuracy of various prediction models under different experimental conditions verify the robustness of the models. Experimental results show that when the modeling data are less, the prediction accuracy of multiple linear regression of least squares and least absolute estimation methods and distributed lag model is declined, and their robustness are poor, while support vector regression model has good prediction accuracy and its robustness remains strong when changing the experimental conditions. However, when modeling data are rich, the prediction accuracy of various algorithms is improved, but the robustness of support vector regression model is volatile. The robustness analysis of different models provides a useful reference for the thermal error compensation model, selection of CNC machine tools, and has good engineering applications.     

一种T-S模糊模型的自组织辨识算法及应用

提出了一种新的具有自适应学习能力的T-S模糊模型辨识算法.该算法通过使同一条规则的高斯函数的宽度参数彼此相等建立与支持向量机等效的T-S模糊模型,在此基础上,利用模糊聚类算法和支持向量机分别建立前后件辨识模型,并利用一种改进粒子群优化算法优化输出误差函数使前后件参数联合辨识,从而获得T-S模糊模型的结构和参数.仿真结果表明,相比其它方法,文中方法具有较高的逼近精度和较好的泛化能力,由此算法获得的直拉单晶炉热场模型具有0.1171的均方差,完全符合均方差小于0.5的要求.     

基于模糊控制的位置精度补偿方法

针对半闭环伺服系统在使用过程中,由于机械传动系统劣化而导致的位置精度降低、动态响应特性下降的现象,提出了基于模糊控制的位置精度补偿方法。以测量得到的小样本位置误差数据为源数据,利用支持向量机对位置误差进行劣化建模,实现对位置误差的预测,并将位置误差预测值用于伺服系统的误差补偿。利用模糊比例—积分—微分控制器控制能有效改善系统动态响应的特性,通过改进模糊控制规则,使模糊控制与位置误差预测补偿有效结合,提高伺服系统位置精度和动态响应特性。     

改进蝙蝠算法优化支持向量机的故障诊断方法

提出了一种基于变分模态分解（VMD）和时移多尺度散布熵（TSMDE）的故障特征提取结合改进的蝙蝠算法（IBA）来优化支持向量机（SVM）的滚动轴承故障诊断方法。通过变分模态分解,避免了模式混叠问题,提取各模态分量的散布熵构造故障特征向量,作为故障诊断模型的输入;提出了一种新的自适应速度权重因子用于构建改进的蝙蝠算法以优化支持向量机（IBA-SVM）,实现了对不同故障类型的轴承进行分类;利用实验数据对提出的诊断方法进行验证,并与用粒子群算法（PSO）优化支持向量机（PSO-SVM）的诊断方法进行对比。结果表明所提出的方法分类准确率更高,用时更少。     

基于主成分分析的齿轮箱故障特征融合分析

为有效降低齿轮箱故障特征的维数并提高诊断准确率,提出了基于主成分分析法的齿轮箱故障特征融合方法,并结合支持向量机和BP神经网络对诊断的准确率进行了分析。以齿轮箱中不同裂纹齿轮为对象,选取能够表征齿轮箱故障状态的时域、频域和基于希尔伯特变换的36个特征,提取累积贡献率达到95%以上的主成分并输入支持向量机分类器中进行分类识别,用BP神经网络分类器进行结果的比较分析。结果表明,采用主成分分析法与支持向量机相结合的方法,既能降低特征维数,降低计算的复杂性,又能有效地表征齿轮箱的运行状态,识别不同裂纹水平的齿轮,比单独使用支持向量机分类器的方法诊断准确率更高,训练时间更短。     

A novel approach for recognition of control chart patterns: Type-2 fuzzy clustering optimized support vector machine

Unnatural patterns in the control charts can be associated with a specific set of assignable causes for process variation. Hence, pattern recognition is very useful in identifying the process problems. In this study, a multiclass SVM (SVM) based classifier is proposed because of the promising generalization capability of support vector machines. In the proposed method type-2 fuzzy c-means (T2FCM) clustering algorithm is used to make a SVM system more effective. The fuzzy support vector machine classifier suggested in this paper is composed of three main sub-networks: fuzzy classifier sub-network, SVM sub-network and optimization sub-network. In SVM training, the hyper-parameters plays a very important role in its recognition accuracy. Therefore, cuckoo optimization algorithm (COA) is proposed for selecting appropriate parameters of the classifier. Simulation results showed that the proposed system has very high recognition accuracy.     

基于改进多尺度模糊熵的滚动轴承故障诊断方法

滚动轴承故障诊断的关键是敏感故障特征的提取。多尺度模糊熵(multi-scale fuzzy entropy,简称MFE)是一种衡量时间序列复杂性的有效分析方法,已经被用于滚动轴承振动信号故障特征提取。针对MFE算法中多尺度粗粒化过程存在的缺陷,笔者采用滑动均值的方式代替粗粒化过程,提出了改进的多尺度模糊熵算法,并通过仿真信号将其与MFE进行了对比分析。在此基础上,提出了一种基于改进多尺度模糊熵与支持向量机的滚动轴承故障诊断方法。最后,将所提故障诊断方法应用于的滚动轴承实验数据分析,并与基于MFE的故障诊断方法进行了对比,结果验证了所提方法的有效性和优越性。     

基于模糊神经网络的切削参数预测方法

提出了一种基于模糊神经网络的数据挖掘算法,将模糊理论与神经网络技术结合,避免了单纯的神经网络结构复杂、网络训练时间长、结果表示不易理解等不足。经过模糊神经网络的建立和训练可达到精度要求。将试验值、单纯神经网络及支持向量机的预测结果进行比较,可以得出如下结论:当模糊神经网络的隶属度函数中的参数及神经网络连接权值的初始值合理时,其学习算法的精度高,收敛性好。