铣削加工粗糙度的智能预测方法

提出了一种基于最小二乘支持向量机的铣削加工表面粗糙度智能预测方法.首先进行了铣削工艺参数对工件表面粗糙度影响的正交实验,再通过对主轴转速、进给速率和切削深度三因素,以及各因素之间交互三水平实验的数据分析,找出了铣削工艺参数对工件表面粗糙度影响的一些规律.利用最小二乘支持向量机算法建立了铣削预测模型,通过该模型能在有限实验基础上利用工艺参数方便地得到粗糙度预测值.实际预测表明,在相同情况下,该模型构造速度比反向传播神经网络建模预测方法高2个～3个数量级,预测精度高10倍左右.     

一种基于支持向量机思想的无监督聚类算法

支持向量机作为一种新的机器学习方法，由于其建立在结构风险最小化准则之上，而不是仅仅使经验风险达到最小，从而使对支持向量分类器具有较好的推广能力。本文分析了支持向量机在解决无监督分类问题上的不足，提出一种基于支持向量机思想的最大间距的聚类新方法。实验结果表明．该算法能成功地解决很多非监督分类问题。     

LS-SVM的非线性特征提取新方法及与PCA的关系研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性特征提取新方法.先将线性特征提取公式表达成与LS-SVM回归算法中相同的形式;再根据SVM思想,将数据集由输入空间映射到高维特征空间,进而通过核技巧实现非线性特征提取.在理论上证明了所提特征提取方法的结果与PCA方法具有一致性,是传统PCA的一种对偶形式,更适合高维特征数据集的提取.最后,通过近红外光谱数据集特征提取实例验证了在上述条件下该方法的优越性.     

基于最小二乘支持向量机的传感器非线性动态系统辨识

讨论了一种基于最小二乘支持向量机的非线性动态传感器系统辨识方法,并给出了相应的推导过程和学习算法.首先,将传感器的非线性动态系统分解为静态非线性子环节和动态线性子环节串联--Hammerstein模型;然后,建立类似线性的中间模型,通过该模型能将Hammerstein模型的非线性传递函数转换为等价的类线性形式;再通过LS-SVM线性回归算法求取中间模型参数;最后推导出中间模型参数与Hammerstein模型参数之间的关系,并通过该关系反演出原传感器系统的Hammerstein模型参数,实现传感器非线性动态辨识.仿真与实际传感器系统辨识的实验结果均表明该方法可行.     

一种大卷装带材收卷过程中张力控制的优化设计方法

提出了一种适合高品质、大卷装收卷的控制张力设计方法.首先,介绍了收卷机张力控制的主要结构及其工作原理.再根据弹性力学原理,分析了收卷张力与卷装内应力分布的关系模型.在此基础上,讨论了恒张力收卷、锥度收卷和恒力矩收卷模型,并计算了其卷装的内应力分布情况.最后,提出了一种应用单纯形法进行最优收卷张力求取的方法.实验结果表明...     

基于微分磁导率的铁磁性材料无损检测新方法

利用微分磁导率变化特性,提出了一种可对材料的宏观缺陷进行快速扫查的无损检测新方法。首先,将铁磁性材料置于偏置磁化场环境下,缺陷将导致内部磁通的畸变;其次,磁通畸变进一步体现在材料表面微分磁导率分布的差异性;再次,通过特殊设计的微分磁导率检测探头,对材料表面微分磁导率的分布进行扫查;最后,由磁导率分布差异获得材料内部的不连续性信息,从而实现对缺陷的无损检测。开展了系列验证实验,结果表明,相对于传统的漏磁检测方法,新方法具有磁化强度低、磁通泄漏少、检测信号稳定的特点。新方法正、反面缺陷探测信号存在差异,在缺陷深度识别方面亦存在优势。     

基于SVM构造的FLANN数据融合方法在CPS修正中的应用

在对常规函数链接型神经网络（FLANN）构造方法的认识基础上，讨论了一种基于支持向量机（SVM）技术的FLANN构造新方法，并利用该方法对实际的电容压力传感器（CPS）系统进行非线性修正及温度补偿。先将SVM的拓扑结构与常规FLANN结构进行比较，确定两者的等价性。因此，可通过SVM求解二次规划问题来实现FLANN结构的唯一优化。用常规FLANN方法在同样条件下进行对比实验，实验结果表明用该方法构造的FLANN具有结果唯一、结构简单、全局优化等特点，特别是在实验数据较少的小样本条件下仍然具有更高的鲁棒性和修正精度。     

径流式小水电站年发电量综合预测模型

针对径流式小水电站电力生产的特点，建立了一种新的多元线性回归（MLR）＆最小二乘支持向量机（LS—SVM）的年发电量综合预测模型。该模型充分利用径流式小水电站发电量与其影响因素（年来水量、来水离差系数和电网负荷率）之间的关系，并建立与之对应的由初步预测子模型和误差修正子模型两部分组成的综合预测模型。实际预测结果表明，本文所提的综合预测方法能适应径流式小水电站发电量的具体问题，其效果优于常用方法，易于实现。     

基于主元分析的倾斜车牌图像校正方法研究

文章提出了一种基于主元分析（PCA）的车牌图像倾斜校正新方法。该方法将原始的像素坐标矩阵经过中心化后转换为2维协方差矩阵，再奇值分解为能反映图像倾斜方向的2维对角矩阵和坐标变换矩阵。校正算法的时间复杂度分析与实验结果均表明：相对于Hough变换等校正方法，PCA方法缩短了计算时间1-2个数量级，并且在污迹、光照不均等条件下也能获得较好效果。     

基于SVM的传感器动态模型辩识方法

提出了一种传感器动态模型辩识新方法,给出了相应的辩识过程及学习算法.该方法采用支持向量机模型,与常规模型辩识方法比较,其优点是明显的.其采用了结构风险最小化准则,在最小化样本误差的同时减小模型泛化误差的上界,提高了模型的泛化能力;而且将学习算法转换为求解二次规划问题,使得整个模型参数辩识过程中有且仅有一个全局极值点,确定了结果的唯一性.最后,仿真和实际试验结果均表明应用支持向量机对传感器动态模型进行辩识有效.