基于从明暗恢复形状的雕塑曲面三维形状重构

在从明暗恢复形状问题(由物体二维灰度图象提取其表面高度值的问题)的基本原理和数学模型的基础上,提出了一种求解该问题的算法,利用变分原理和有限差分方法得到了算法的迭代方程。这里将该算法应用于雕塑曲面的三维形状重构,通过对人工合成图象的计算及数控加工实验证明了该算法具有一定的实用价值。     

基于灵敏度分析的支持矢量机特征选择

特征选择可以去除冗余特征提高机械故障诊断精度和诊断效率。对于支持矢量机(SVM)作为故障决策器, 提出基于特征灵敏度分析的特征选择方法。此方法通过分析候选特征子集对SVM输出的影响大小,以此作为特征选择标准,并采用遗传算法搜索最佳特征子集。数值仿真和柴油机故障特征选择试验结果显示此方法有较好的寻优特征子集的能力,能够提高故障诊断的精度和效率。     

基于明暗恢复形状的三维重建改进算法

为达到利用照片重建物体的三维模型的目的,提出了一种基于明暗恢复形状的三维重建改进算法,该算法基于球面谐波原理,解除了重建过程中光源方向的约束,能够在未知光照条件的情况下对输入的单张照片进行三维重建。同时使用C++语言搭建了基于对话框的MFC应用程序,最终的实验结果证明了该算法的有效性。     

基于支持向量机的混凝土泵车支腿故障诊断方法

针对混凝土泵车支腿频繁发生开裂的问题,提出了一种基于支持向量机的故障诊断方法。混凝土泵车在施工过程中,施工状态的不同,直接影响到支腿的承载情况。对支腿故障进行分析,找出支腿最易出现开裂的关键位置,研究出了影响支腿关键位置承载的主特征量,搭建关键位置受力的支持向量机预测模型。运用MATLAB编写支持向量机预测程序,对模型进行训练和验证,通过输出的应力曲线图对支腿故障进行预测。实例验证了支持向量机对支腿关键位置应力预测的可行性。该方法相对于BP神经网络在小样本上更加精确,并为泵车工况参数的选择提供了理论支持。     

基于灰色支持向量机的裂纹扩展信息预测研究

针对裂纹扩展是一个典型的非线性、随机过程,且裂纹数据样本少、获取困难等问题,提出一种基于灰色支持向量机的裂纹扩展预测模型。首先通过灰色模型对原始序列进行数据生成,以增强数据的规律性;然后选择合适的核函数,并用试验数据修正核函数;最后用支持向量机进行预测,并还原数据,得到预测结果。将其应用于某航天发射塔架裂纹扩展预测中,并与灰色模型、单一支持向量机、最小二乘支持向量机进行预测性能对比,结果表明,灰色支持向量机预测性能最优。同时也为裂纹扩展预测及提高预测性能提供一种新途径。     

非Lambert表面从明暗恢复形状技术的研究进展

传统的从明暗恢复形状(Shape from Shading,SFS)技术通常假定物体表面为Lambert表面,然而对于实际的物体表面来说,上述简化造成了重构结果误差较大.近年来,许多学者开始关注于非Lambert表面下的SFS技术的研究.结合作者自身的研究,从成像过程建模、图像辐照度方程的建立及求解数值算法出发,介绍了非Lambert表面从明暗恢复形状技术的研究进展.首先,简要介绍了非Lambert表面下典型的SFS技术;其次,以OrenNayer模型为例详细说明了非Lambert表面SFS方法的关键技术;最后,对非Lambert表面SFS技术的发展趋势进行了探讨.     

基于混沌v-支持矢量机的产品销售预测模型

针对制造企业产品销售时序具有多维、小样本、非线性和多峰等特征,将混沌理论与支持矢量机(Support vector machine,SVM)参数优选方法相结合,证明了结构风险最小化原则是在概率意义下近似正确的,由此得到支持矢量机的表现形式并不是唯一的,具有多样性的特征,在此基础上提出一种混沌v-支持矢量机(Chaotic-v SVM,Cv-SVM)模型,给出相应的产品销售预测方法。最后进行了汽车销售时序预测,结果表明基于Cv-SVM的产品预测方法是有效和可行的。     

基于支持向量机的汉字识别方法研究

由于我国汉字的特殊性,汉字识别与字母和数字的识别有很大的不同,相对于字母和数字来说,汉字的识别是一个难点,采用常规的模板匹配方法难以保证识别正确率,所以需要寻找一种可以避免提取大量信息以减少识别误差的汉字识别方法--支持向量机(SVM,Support Vector Machine)方法。     

基于混合核函数支持向量机的齿轮诊断方法研究

支持向量机是一种基于统计学习理论的新型机器学习方法,它具有在训练样本很少的情况下达到很好的分类效果的优点.把支持向量机技术应用于齿轮故障诊断,通过预先使用局部、全局核函数支持向量机的分类结果适当选取各自在混合函数中的权重,来作为混合核函数进行支持向量机分类.实验和数据分析证明,使用混合核的支持向量机比单独使用全局或局部...     

基于支持矢量机的疲劳应力集中系数预测模型研究

疲劳应力集中系数作为材料疲劳抗力指标的疲劳极限,不仅反映了疲劳应力集中的程度,还反映了材料对缺口的敏感程度,将近年来飞速发展的支持矢量机(Support vector machine,SVM)应用于疲劳应力集中系数的研究。介绍支持矢量机的基本原理,利用LIBSVM,选择高斯型径向基函数(Radial basis function,RBF)作为核函数,建立以材料的抗拉强度、屈服强度、光棒疲劳强度、理论应力集中系数、缺口根部半径、试样尺寸及缺口疲劳极限作为输入值,疲劳应力集中系数为输出值的模型,从而对疲劳应力集中系数进行分析和预测。同时,SVM模型与经验公式Neuber式和Peterson式的计算值进行比较。结果表明,在小样本条件下,应用SVM技术构建的数学模型,模型的拟合相对误差小于7.4%,从而证明该SVM模型的准确性和适用性。     

RECONSTRUCTION OF WELD POOL SURFACE BASED ON SHAPE FROM SHADING

A valid image-processing algorithm of weld pool surface reconstruction according to an input image of weld pool based on shape from shading (SFS) in computer vision is presented. The weld pool surface information is related to the backside weld width, which is crucial to the quality of weld joint. The image of weld pool is recorded with an optical sensing method. Firstly, the reflectance map model, which specifies the imaging process, is estimated. Then, the algorithm of weld pool surface reconstruction based on SFS is implemented by iteration scheme and speeded by hierarchical structure. The results indicate the accuracy and effectiveness of the approach.     

SENSITIVITY ANALYSIS FOR ROLLING PROCESS BASED ON SUPPORT VECTOR MACHINE

A method for the calculation of the sensitivity factors of the rolling process has been obtained by differentiating the roll force model based on support vector machine. It can eliminate the algebraic loop of the analytical model of the rolling process. The simulations in the first stand of five stand cold tandem rolling mill indicate that the calculation for sensitivities by this proposed method can obtain a good accuracy, and an appropriate adjustment on the control variables determined directly by the sensitivity has an excellent compensation accuracy. Moreover, the roll gap has larger effect on the exit thickness than both front tension and back tension, and it is more efficient to select the roll gap as the control variable of the thickness control system in the first stand.     

基于支持向量机和模态频率的结构损伤诊断

支持向量机（support vector machine,SVM）是一种基于统计学习理论的机器学习算法,能够较好地解决小样本的学习问题。文中介绍支持向量机回归算法,并应用于结构损伤诊断领域;构造基于模态频率的损伤标识量,作为特征参数训练支持向量机实现对结构损伤的定位和程度标识;最后以梁的损伤识别为例进行验证。结果表明,支持向量机在结构损伤诊断领域中具有很好的应用前景。     

SFS与特征点对应技术结合的形状测量法研究

以特征点对应技术为基础的摄影测量术有着广泛应用,但存在着测量数据稀疏的缺陷,对此提出了SFS（Shape from shading）与特征点技术相结合的方法,加密插值点,解决复杂表面形状测量问题。首先设计了用于测量的摄影系统,然后讨论了图像平面的剖分算法,最后给出SFS与特征点技术结合的有限单元形式,并设计了多重网格加速求解算法。算例表明,该算法效果令人满意。     

基于小波包分解和支持向量机的机械故障诊断方法

提出应用小波包分解和支持向量机进行机械故障诊断的方法。该方法将振动信号小波包分解后的频带能量作为特征向量,输入到由多个支持向量机构成的多故障分类器中进行故障识别和分类。试验结果表明,与神经网络相比,采用支持向量机进行故障诊断可以获得更高的诊断精度,表明该方法是有效的、可行的。     

基于改进蜂群算法优化支持向量机的故障诊断

针对支持向量机(Support Vector Machine,SVM)的故障诊断性能受参数选择影响较大的问题,提出了基于改进蜂群算法(Improved Artificial Bee Colony,IABC)优化SVM的故障诊断方法。为提高ABC算法的寻优能力,引入Levy飞行策略,对原始蜂群算法进行了改进。利用改进的ABC算法进行SVM参数的优化,可以有效地提高SVM的分类性能。滚动轴承不同类型、不同程度故障诊断的实例表明,与ABC、GA和PSO等方法相比,IABC算法能够获得更优的参数组合,提高了SVM的故障诊断准确率,可有效应用于故障诊断。     

基于最小二乘支持向量机退化数据的可靠性评估

传统的可靠性评估依赖于产品的失效数据,需要大量的统计数据和试验样本,试验周期长、费用高。针对这一问题,提出了在不需要失效数据的前提下,通过性能退化数据进行可靠性评估的方法。方法建立了基于最小二乘支持向量机的性能退化模型,并用改进的NSGA-Ⅱ算法对模型参数进行了寻优,给出了优化结果和可靠性评估过程。最后通过实例验证了该方法的有效性和可行性。     

SOFT SENSING MODEL BASED ON SUPPORT VECTOR MACHINE AND ITS APPLICATION

Soft sensor is widely used in industrial process control. It plays an important role to improve the quality of product and assure safety in production. The core of soft sensor is to construct soft sensing model. A new soft sensing modeling method based on support vector machine (SVM) is proposed. SVM is a new machine learning method based on statistical learning theory and is powerful for the problem characterized by small sample, nonlinearity, high dimension and local minima. The proposed methods are applied to the estimation of frozen point of light diesel oil in distillation column. The estimated outputs of soft sensing model based on SVM match the real values of frozen point and follow varying trend of frozen point very well. Experiment results show that SVM provides a new effective method for soft sensing modeling and has promising application in industrial process applications.     

基于改进果蝇优化算法优化支持向量机的故障诊断

为提高支持向量机(SVM)在机械故障诊断中的精度,对果蝇优化算法(FOA)进行改进,提取了一种基于改进果蝇优化算法优化SVM的故障诊断方法。改进果蝇优化算法(IFOA)中果蝇个体在进行位置更新时,融入了历史位置信息,在增加果蝇种群多样性的同时,又使算法具有了跳出局部最优的能力,进而可以获得更优的SVM参数以增强SVM分类性能。齿轮故障诊断实例验证了IFOA算法提升了SVM的识别效果,相比于其他一些方法更有优势。     

PENETRATION QUALITY EVALUATION IN ROBOTIZED ARC WELDING BASED ON SUPP0RT VECTOR MACHINE

A quality monitoring method by means of support vector machines (SVM) for robotized gasmetal arc welding (GMAW) is introduced. Through the feature extraction of the welding process signal,a SVM classifier is constructed to establish the relationship between the feature of process parametersand the quality of weld penertration. Under the samples obtained from auto parts welding productionline, the learning machine with a radial basis function kernel shows good performance. And thismethod can be feasible to identify defect online in welding production.