共查询到20条相似文献,搜索用时 171 毫秒
1.
针对甲醇生产过程中高度的非线性和时变性,采用精确在线支持向量机模型预测粗甲醇的转化率。在线支持向量机模型一般采用单一的核函数,混合核函数可以弥补单一核函数的不足,提高模型的泛化能力和学习能力。为了使模型的预测精度进一步提高,在混合核函数的基础上运用在线误差校正方法。将基于混合核函数和误差校正的在线支持向量机建模方法应用在煤制甲醇数据上,通过与传统支持向量机和准确在线支持向量机模型对比,仿真实验和分析结果表明改进的在线支持向量机模型比传统支持向量机预测精度高,能够实现粗甲醇转化率的实时预测,从而更好的指导甲醇生产。 相似文献
2.
3.
针对支持向量机核函数和控制参数选取难度较大的问题,提出了一种主动划分参数区间的双尺度径向基核支持向量机,并用并行定向变异混合粒子群优化算法选取其控制参数。试验分析了利用标准数据集经多次独立重复试验得到的均值等统计量,验证、测试了上述支持向量机模型,同时考虑了类间数据不平衡的影响。结果表明,双尺度径向基核函数的性能在多数情况下优于单径向基核函数,并行定向变异的混合粒子群优化算法优于标准粒子群优化算法,能够有效抑制早熟收敛,有利于搜索到更优的支持向量机控制参数。 相似文献
4.
基于支持向量机的旋转机械故障诊断 总被引:5,自引:0,他引:5
把支持向量机应用于诊断旋转机械不平衡和转静碰摩故障,利用转子故障实验器分别对多项式和径向基核函数进行了实验比较,选取了不同振动参数作为特征量输入支持向量机进行学习和测试。结果表明.两种不同核函数的支持向量机在各种条件下所获得的最优故障诊断准确率很接近。这说明支持向量机的性能对结构(核函数)的依赖性很小,便于在工程中应用,但特征量的选取对故障诊断准确率影响很大。对于诊断不平衡和转静碰摩故障.一、二和三阶正、反进动量是最适合的故障诊断特征量。用正、反进动量构造出SV-进动图,可明确、形象地显示故障分类面,有助于诊断故障。 相似文献
5.
《计算机集成制造系统》2015,(9)
为提高加工过程异常模式检测的自动化程度,在建立控制图数学描述的基础上,利用蒙特卡洛法构建了控制图数据集,研究了基于邻域粗糙集的控制图时域特征约简方法,提出了基于支持向量机的控制图异常模式识别模型。通过仿真实验,使用遗传算法优化了异常识别模型的主要参数,并对不同核函数、不同分类模型的识别精度进行了分析与对比。通过实际生产数据测试验证了所构建模型的有效性与可用性。 相似文献
6.
为了解决最小二乘支持向量机对于选择核函数盲目性的问题,将核度量标准核极化和多核学习引入最小二乘支持向量机中,提出了基于核极化的多核最小二乘支持向量机算法。算法首先利用核极化确定每个基本核函数的权系数,再根据多核学习原理组合多核函数,然后,建立多核最小二乘支持向量机模型,并进行模型的学习训练和预测。UCI数据上的试验结果表明,所提出的算法比SVM、最小二乘支持向量机和其他的多核学习方法具有更高的分类准确率。 相似文献
7.
小波支持向量机在结构损伤识别中的应用研究 总被引:1,自引:1,他引:1
基于小波框架理论和支持向量核函数的条件,引入非线性小波基函数构造支持向量机(SVM)的核函数.得到一种具有较强泛化能力的紧致型小波支持向量机。对结构在环境脉动下的反应信号进行小波包分解,利用“能量一损伤状态”的特征提取方法得到特征向量,并作为紧致型小波支持向量机的输人进行训练和分类检验,提出了一种基于完全小波支持向量机的结构损伤识别方法。以一空间单层网壳结构为检测和诊断对象,用该方法对结构的损伤位置和程度进行识另口和分类具有较高的精度,同时该方法具有面向工程实际应用、成本低和分析简便等特点。 相似文献
8.
9.
10.
11.
12.
智能统计工序质量控制的体系研究 总被引:1,自引:0,他引:1
吴少雄 《计算机集成制造系统》2006,12(11):1832-1838
针对统计工序质量控制的要求,提出了智能控制体系的基本框架,论述了控制图模式的分类及其表达。对智能统计工序质量控制的控制图模式识别、控制图异常模式的参数估计和诊断分析专家系统3个主要方面进行了分析,并提出了解决方案和系统模型。在模型构造中,采用小波概率神经网络进行控制图的模式识别和控制图异常模式的参数估计。模拟仿真和实际应用结果表明:该方法结构简单、收敛速度快、识别准确率高,能够满足控制图在线检测和分析的需要。 相似文献
13.
为提高生产过程中产品质量的智能监控水平,提出基于时间序列混合模型及改进多分类马田系统的控制图模式识别算法。选用时间序列混合模型对控制图实时数据进行特征提取;改进马田系统的阈值计算方法并制定多类判别准则,将表征的特征向量代入改进多分类马田系统分类器中进行特征约减及模式识别。最后,将该识别算法应用于控制图公开数据集及生产案例中,以验证算法的有效性,并与其他算法对比了分析,结果表明,基于时间序列混合模型及改进多分类马田系统算法能简化识别系统,识别精度高,是一种更为有效的控制图模式识别方法。 相似文献
14.
15.
The control chart patterns are the most commonly used statistical process control (SPC) tools to monitor process changes. When a control chart produces an out-of-control signal, this means that the process has been changed. In this study, a new method based on optimized radial basis function neural network (RBFNN) is proposed for control chart patterns (CCPs) recognition. The proposed method consists of four main modules: feature extraction, feature selection, classification and learning algorithm. In the feature extraction module, shape and statistical features are used. Recently, various shape and statistical features have been presented for the CCPs recognition. In the feature selection module, the association rules (AR) method has been employed to select the best set of the shape and statistical features. In the classifier section, RBFNN is used and finally, in RBFNN, learning algorithm has a high impact on the network performance. Therefore, a new learning algorithm based on the bees algorithm has been used in the learning module. Most studies have considered only six patterns: Normal, Cyclic, Increasing Trend, Decreasing Trend, Upward Shift and Downward Shift. Since three patterns namely Normal, Stratification, and Systematic are very similar to each other and distinguishing them is very difficult, in most studies Stratification and Systematic have not been considered. Regarding to the continuous monitoring and control over the production process and the exact type detection of the problem encountered during the production process, eight patterns have been investigated in this study. The proposed method is tested on a dataset containing 1600 samples (200 samples from each pattern) and the results showed that the proposed method has a very good performance. 相似文献
16.
17.
由于累积和控制图(cumulative sum,简称CUSUM)算法应用的基本假设是从过程得到的观测值彼此独立,而工业过程通常是自相关过程,数据自相关性会影响CUSUM控制图的性能.针对这一问题,利用数学推理的方法分析了数据自相关性对CUSUM控制图性能的不利影响,正自相关会使CUSUM控制图的平均运行长度变短,可能引起假警报;负自相关会使CUSUM控制图的平均运行长度变长,可能造成故障漏报.在此基础上,提出用残差CUSUM控制图来检测自相关过程中的故障,运用时间序列模型的残差检测自相关过程中的故障,消除数据自相关性对控制图性能的不利影响.结果表明,该方法具有较好的鲁棒性和较高的准确率. 相似文献
18.
To deal with pattern classification of complicated mechanical faults, an approach to multi-faults classification based on
generalized discriminant analysis is presented. Compared with linear discriminant analysis (LDA), generalized discriminant
analysis (GDA), one of nonlinear discriminant analysis methods, is more suitable for classifying the linear non-separable
problem. The connection and difference between KPCA (Kernel Principal Component Analysis) and GDA is discussed. KPCA is good
at detection of machine abnormality while GDA performs well in multi-faults classification based on the collection of historical
faults symptoms. When the proposed method is applied to air compressor condition classification and gear fault classification,
an excellent performance in complicated multi-faults classification is presented.
__________
Translated from Journal of Vibration Engineering, 2005, 18(2) (in Chinese) 相似文献
19.
为了提高对数据库恶意事务的检测粒度和检测范围,在基于事务时序图的数据库管理系统恶意事务入侵检测机制的基础上,通过增加记录条件短语,扩展了审计表内容,增加节点属性,改进了合法事务时序图.提出了一种基于合法事务时序图的恶意事务检测算法.该算法可以使检测粒度细到查询语句条件级,而且能检测单语句事务等一些特殊事务.实验表明,该算法具有更强的检测能力、更广的适用范围及较好的性能,并能方便地应用于实际的数据库管理系统中. 相似文献
20.
为解决复合材料压机多轴调平系统的控制精度不高的问题,将滑模变结构控制算法应用到多轴调平系统中。开展了多轴调平系统的不平衡机理、调平控制策略及算法的研究,建立了多轴调平系统的数学模型。结合基于双曲正割函数改进的指数趋近律,提出了一种多输入多输出滑模变结构控制算法,给出了控制器的设计方法,并将其应用到滑块的水平控制中。通过仿真分析和试验验证相结合的方式验证了算法的有效性。研究结果表明:该控制器能削弱抖振,使多轴调平的滑块系统快速准确地进行调平,能较好地抑制干扰和未建模动态,提高了系统的鲁棒性,且控制器简单,易于实现。 相似文献