基于支持向量机的船用柴油机装配质量预测

针对船用柴油机整机装配工序复杂、零部件种类多、多工序并行作业难度大,导致装配质量稳定性与一致性差等问题。基于粒子群-支持向量机建模原理,提出一种船用柴油机装配质量预测方法,以提高船用柴油机装配质量。通过对船用柴油机装配质量特性影响因素分析,结合灰色关联和主成分分析原理,筛选出关键装配质量参数作为支持向量机输入变量,利用粒子群优化算法对支持向量机预测模型关键参数进行优化,并结合实际装配参数,对预测模型进行了验证。结果表明,基于粒子群优化支持向量机的装配质量预测方法能够提高预测精度,缩短预测时间,为装配过程控制和异常诊断提供技术支持。     

基于粒子群算法的支持向量回归机优化算法在铣刀磨损量建模中的应用

为了准确预测铣刀在加工过程中的磨损量,提出一种基于粒子群算法的支持向量回归机的优化算法用于对铣刀磨损量的建模与预测。通过粒子群算法,优化输入不同维度的特征向量的支持向量回归机的建模,得到特征向量维度的最优解和对应的支持向量回归机训练参数,建立了铣刀磨损量的预测模型。通过随机选取的真实样本,验证了该模型的准确性     

基于Fisher判别准则的故障分类器核函数参数优化研究

核函数选择及其参数优化对提高支持向量机分类性能是极其重要的.针对支持向量机故障分类器的核参数优化问题,讨论了以Fisher判别准则为目标函数的核函数参数优化的原理,提出了基于Fisher判别准则和固定步长优化算法相结合的核函数参数优化算法.依据该算法实现了故障分类器的核参数优化,并应用于转子试验台不平衡和不对中故障的分类器中.理论分析和实验结果表明,通过这种参数优化算法能够提高分类器的分类性能,并且具有算法简单、优化效率高等优点.     

基于GA-SVR的数控机床热误差建模

为了提高数控机床加工精度,消除数控机床热误差对加工精度的影响,文章提出了基于GA-SVR(遗传算法-支持向量回归机)的数控机床热误差建模方法.为了构建机床的热误差模型,首先采用温度传感器与位置传感器测量机床的温度与对应的机床主轴变形量.其次把获得的数据进行支持向量回归机建模训练,同时使用遗传算法寻找支持向量回归机相关参数的最优值.最后建立机床热误差模型,并验证模型的准确度.结果表明,基于GA-SVR的数控机床热误差建模方法具有精度高和鲁棒性强的特点.     

基于IAFSA优化LS-SVM的变压器故障识别研究

为快速、准确识别变压器在运行过程中出现的不同故障,文章运用改进人工鱼群(IAFSA)对最小二乘法支持向量机(LS-SVM)的参数进行优化,并提出了一种新的变压器故障识别方法。首先,利用加权平均方法与调整函数对人工鱼群算法进行改进,并运用改进人工鱼群算法对最小二乘法支持向量机算法的惩罚因子与核函数进行优化,提高诊断模型的识别精度;其次,对变压器不同故障样本数据进行分析;最后与实际故障参数对比,验证该方法的准确性、可靠性。研究表明,基于改进人工鱼群算法优化LS-SVM的变压器故障识别方法可准确地识别变压器在运行过程中出现的故障,为变压器工作状态监测提供新的思路。     

基于改进型支持向量机算法的轧机轧制力预测

考虑到基于神经网络算法建立的预测模型虽然具有较好的预测精度,但是神经网络模型需要大量的训练样本,另外会增加模型的复杂程度,研究了一种基于改进型支持向量机的轧机轧制力预测模型,建立基于RBF核函数和多项式核函数的最小二乘支持向量机,并使用协同量子粒子群算法对混合函数的参数进行寻优,以提高预测模型的预测性能。由协同量子粒子群算法优化得到了基于改进型支持向量机的轧机轧制力预测模型中的RBF核函数参数γ值、惩罚系数c值、多项式核函数参数q值和两个核函数的权重a值。通过实例研究表明:使用本文研究的改进型支持向量机的轧制力预测模型预测相对误差在4%～6%之间,多组数据的平均值误差为4. 83%。验证了本文研究的基于改进型支持向量机的轧机轧制力预测模型的可行性。本文研究的预测模型相比其他3种对比模型耗时更长,但是相比之下提高了预测准确率,更具有实际意义。     

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.     

WOA-SVM算法在钛合金端铣刀具磨损预测的研究

针对钛合金加工中刀具磨损状态的准确识别问题,建立了基于支持向量机(SVM)和鲸鱼优化算法(WOA)的钛合金刀具磨损预测模型。将SVM和WOA相结合,提出了一种新的WOA-SVM模型,用于钛合金立铣刀刀具磨损的精确估计。通过提取切削力的信号特征作为监测特征,利用邻域保持嵌入(NPE)对监测特征实现降维,提高了WOA-SVM模型的建模效率。实验结果表明：在保证预测精度的前提下,NPE的使用使WOA-SVM的建模时间减少了90%以上;与PSO-SVM和GSA-SVM等常用方法相比,WOA-SVM具有较高的预测精度,建模时间减少了30%以上;所建模型能有效预测钛合金加工刀具的磨损状态。     

基于PCA_Nu-SVR的水下焊缝偏差识别方法

为了实现基于旋转电弧传感器的水下自动焊接,并获得良好的跟踪精度,必须研究水下的焊缝偏差识别算法.首先对采集到的焊接电流信号进行小波滤波和中值滤波,然后进行周期化和数据归一化处理.将主成分分析(PCA)线性降维方法与支持向量回归机(Nu-SVR)回归算法相结合,利用PCA对输入的样本数据进行主成分分析,消除输入波形数据间...     

基于LSSVM和AFSA的摩擦焊接工艺参数优化

为了准确和快速确定最佳摩擦焊接工艺参数,提出了一种最小二乘支持向量机与鱼群算法相结合的摩擦焊接工艺参数优化方法。以摩擦时间、摩擦压力和顶锻压力3个主要摩擦焊接工艺参数为优化对象,焊接接头抗拉强度为优化目标,通过最小二乘支持向量机拟合优化对象与优化目标之间的复杂函数关系。首先进行焊接试验,以试验数据为样本对模型进行训练,然后用鱼群算法对模型进行优化,获得最佳摩擦焊接工艺参数。结果表明,该方法具有建模容易、求解快捷等优点,优化得到的工艺参数与正交回归优化的工艺参数相比,使焊接接头的抗拉强度提高了2.1%。     

压铸机合模力传感器非线性动态补偿的研究

合模力传感器作为压铸机监测的主要传感器之一,非线性动态影响到它的测量准确度和测量范围,从而不利于标准生产。针对这一问题,采用最小二乘支持向量机非线性动态方法对传感器进行补偿,并对算法予以改进。通过仿真试验加以比较,试验结果表明,改进最小二乘支持向量机非线性动态补偿传感器测量准确性及测量范围大大提高,对促进生产有积极的作用。     

基于CEEMDAN-IGWO-SVM的轴承故障诊断研究

为了提高支持向量机(SVM)在轴承故障诊断时的准确率和识别效率,提出了一种基于具有自适应白噪声的完整集成经验模态分解方法(CEEMDAN)、改进灰狼优化算法(IGWO)和支持向量机(SVM)相结合的故障诊断方法。首先用CEEMDAN与Shannon熵对振动信号消噪、分解,获得典型故障的敏感信号;其次,将粒子群算法(PSO)惯性权重w与粒子“飞行”速度v引入灰狼优化算法(GWO),得到IGWO,通过IGWO算法优化SVM得到诊断模型的最优参数,增强SVM的学习能力和泛化能力;最后,利用美国西储大学的轴承试验数据验证优化模型的有效性。结果表明,IGWO算法优化SVM的模型可以准确、高效地对轴承进行故障诊断;与GA、PSO、和GWO算法优化的SVM模型相比,该方法的故障诊断准确率和识别效率更高。     

基于支持向量机的高速电火花小孔加工穿透检测技术

为解决高速电火花小孔加工穿透检测技术的难题,分析并提出采用支持向量机分类算法对穿透检测特征量进行处理,将小孔穿透检测看作数据分类问题,利用支持向量机构建穿透检测的SVC模型。通过实验分析和数据处理,选择脉冲宽度、脉冲间隔、加工电流、有效放电频率和电极进给速度作为SVC模型的五个输入量,输出为是否发生穿透。穿透检测的SVC模型采用径向基核函数,通过对样本的训练学习,实现了对小孔穿透瞬间的可靠辨识。实验结果表明:在正常加工情况下,支持向量机辨识模型对不同的工件厚度均能在电极穿透工件瞬间进行有效辨别。     

基于改进LFQPSO优化MRVM的轴向柱塞泵故障诊断

针对传统粒子群优化算法以准确率或误判率作为适应度函数耗时长和轴向柱塞泵故障机制较为复杂的问题,提出一种基于改进适应度函数的Lévy飞行量子粒子群优化(QPSO)多分类相关向量机(MRVM)的轴向柱塞泵概率性智能软状态判别方法。为了克服人为设定核参数不精确、效率低等缺点,采用基于Lévy飞行的QPSO搜索MRVM的最优核参数;为了缩短寻优时间,将样本间余弦相似度作为寻优算法的适应度函数,并利用UCI机器学习标准数据集进行仿真来验证改进后优化方法的有效性及优越性;采集柱塞泵不同故障状态的数据,提取时频域和时域特征,输入到优化后的MRVM中,进行训练及测试。实验结果表明：所提方法可以有效提高故障诊断的准确率及诊断效率,同时能够实现软分类,即以概率形式输出诊断结果,能够为设备检修及维护提供可靠且符合实际的故障信息。     

基于支持向量机的蠕墨铸铁表面粗糙度预测

目的准确预测蠕墨铸铁加工过程中的表面质量,指导加工参数调整,保证加工过程中加工质量的稳定,运用差分进化算法优化的SVM模型(DE-SVM)构建蠕墨铸铁表面粗糙度(Ra)预测模型和加工参数选择方法。方法采用DE-SVM提高支持向量机回归模型的预测精度,建立针对实际加工材料的表面粗糙度预测模型,基于构建的预测模型,挖掘表面粗糙度与加工参数之间的关系,从而获得较优的加工参数。结果结合蠕墨铸铁的铣削加工实验数据,对比DE-SVM与常用优化算法(粒子群优化算法(PSO)和遗传算法(GA))优化的SVM模型,DE-SVM模型获得的MAPE(0.122)和R2(0.9559)值均优于粒子群和遗传算法优化的支持向量模型获得MAPE和R2值。在给定的加工参数范围内,切削速度和进给速度对表面粗糙度的影响较大,且表面粗糙度与切削速度成正比关系,与进给速度成反比,而切削深度对表面粗糙度影响不显著。结论由实验的对比结果可知,采用DE-SVM模型建立的蠕墨铸铁表面粗糙度模型具有更高的预测精度,基于DE-SVM获得的加工参数对表面粗糙度的影响,可有效指导加工参数的选择与调整,对保持蠕墨铸铁优良的加工质量具有较好的指导意义。     

基于PSO-LSSVM算法的表面粗糙度预测模型与应用

为便于选取合适的切削参数,以满足期望的加工表面质量要求,提出一种最小二乘支持向量机(LSSVM)和粒子群优化(PSO)相结合的表面粗糙度预测模型。以预测精度和收敛速度为指标,对比PSO-LSSVM模型与支持向量机、人工神经网络和遗传算法优化BP神经网络模型的优劣。结果表明:PSO-LSSVM模型具有较高的预测精度和较快的收敛速度。基于MATLAB GUI搭建了表面粗糙度预测与参数优化应用系统。该系统具有较好的实用性,可实现简单、快速预测表面粗糙度,帮助决策人员灵活选取切削参数。     

基于小位移旋量公差建模和蒙特卡洛模拟的装配体公差优化设计方法

提出一种基于小位移旋量(SDT)公差建模和蒙特卡洛模拟的装配体公差优化设计方法,通过分析装配精度链、装配结合面和结合面公差3个对装配精度具有重要影响的核心要素之间的关系,利用SDT理论和蒙特卡洛模拟法建立公差模型,再利用齐次变换理论建立结合面误差模型和装配精度模型,进而推导出装配体装配精度与结合面公差相关的映射模型;结合公差制造成本、装配精度可靠度原则,建立装配体装配精度的公差优化模型,并以顶尖装配体为例完成公差优化分析。研究发现:在满足装配精度可靠度的前提下,可使顶尖装配体加工成本降低9.02%,而装配精度可靠度提高至97.81%,验证了所提方法的有效性。     

改进粒子群优化BP的数控机床热误差预测研究

由于BP存在网络结构选取基于经验、易陷入局部最优、收敛速度慢等缺陷,致使基于BP的数控机床热误差预测模型精度不高,对此提出了一种改进粒子群优化BP的数控机床热误差预测建模的新方法。通过改进标准粒子群算法中粒子的位置与速度更新策略,以此寻找BP神经网络最优的阈值和权值,在此基础上建立数控机床热误差预测模型。仿真实验结果表明:与标准的BP神经网络和支持向量机相比,改进粒子群优化BP神经网络的数控机床热误差预测模型精度更高、泛化能力更强。     

基于改进贝叶斯分类的电机轴承故障诊断系统研究

针对电机轴承故障诊断模型构建时间长、准确率不高的问题,提出一种基于改进贝叶斯分类的故障诊断方法。首先通过小波包变化、粗糙集及主成分分析方法分别构造原始故障特征集、降维后的故障特征集,再将原始故障特征集和降维后的故障特征集输入到改进贝叶斯分类模型中实现故障诊断,以此为基础设计一套交流发电机轴承故障诊断系统。最后以国内车辆车载电机轴承振动数据为依据,将改进贝叶斯分类方法和神经网络及最小二乘支持向量机方法作对比分析,结果表明：改进贝叶斯分类方法建模时间更短,故障诊断准确率更高。     

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,并使用鲸鱼优化算法对模型参数进行优化,避免了参数取值对模型回归性能的影响.以海洋挂片实验为例,通过MATLAB进行模拟仿真,分析验证模型预测结果,并将预测结果与其他模型进行对比分析.结果 LASSO回归算法筛选得到影响腐蚀速率的主要因素为:温度、溶解氧含量、pH值.采用WOA-LSSVM模型所预测的结果与实际值较为吻合,其平均相对误差为2.23％,均方根误差(RMSE)为0.3248,决定系数R2达到0.9708,均优于其他两种模型.结论 基于LASSO回归和鲸鱼优化算法的最小二乘支持向量机预测模型具有更优的泛化能力和预测精度,为海底管道腐蚀研究工作提供了新思路,也为海洋油气输送系统的结构安全与风险防范提供了参考.