共查询到19条相似文献,搜索用时 171 毫秒
1.
为了克服最小二乘支持向量回归机(LS-SVR)算法不能直接应用于多输入多输出(MIMO)系统建模的缺点,通过在目标函数中加入样本绝对误差项,提出了一种多输出最小二乘支持向量回归机(MLSSVR)新算法。将MLSSVR算法应用于板形模式识别研究,提出了一种基于MLSSVR的板形模式识别新方法,将该方法与LS-SVR合成识别方法进行对比实验,并对MLSSVR识别模型的识别能力进行了测试和分析,
结果证明了MLSSVR算法的有效性。MLSSVR板形模式识别方法不仅避免了LS-SVR合成方法的复杂组合运算,具有更高的识别速度,而且具有更高精度和很强的泛化能力。
相似文献
结果证明了MLSSVR算法的有效性。MLSSVR板形模式识别方法不仅避免了LS-SVR合成方法的复杂组合运算,具有更高的识别速度,而且具有更高精度和很强的泛化能力。
相似文献
2.
3.
《机电工程》2021,38(2)
针对轴承尺寸检测系统中检测数据存在异常值和数据波动的问题,对异常值检测的方法和轴承尺寸检测数据的分布特点进行了研究,对异常值的产生与数据波动的原因进行了归纳,提出了一种基于箱型图理论异常值检测与最小二乘多项式拟合相结合的方法。首先,运用箱型图理论对检测数据进行了异常值筛选,再使用检测数据的中位数暂代了异常值;然后,利用最小二乘多项式拟合法对异常值暂代处进行了校正,且通过拟合的方式重新估计了检测数据;最后,通过轴承检测设备对其进行了实验验证。实验结果表明:该方法可以快速、高效地识别轴承尺寸检测数据中的异常值,有效地降低检测数据的波动性,箱型图法异常值识别率为7.5%,高于3σ准则法2.3%;最小二乘多项式拟合法可降低检测数据50%的波动性,显著提高检测结果的准确性。 相似文献
4.
5.
6.
7.
8.
为满足某氮氧化物(NO_x)传感器精度测试系统"传感器内部温度应维持在750℃以确保测试结果的准确性"的要求,通过三线制加热电路加热传感器内部热敏电阻,利用滤波算法对所采集电压信号进行预处理,并借助于电阻-电压多项式拟合法及阻-温特性分段最小二乘法非线性校正得到温度-电压关系式,最后辅以模糊自适应PID控制以达到控温750℃的目的。实验证明:该温度控制系统能使传感器内部温度稳定在(750±2)℃,满足了检测系统的需要。 相似文献
9.
为了抑制甲烷传感器中统计特性无法预知的电学噪声,本文结合递归最小二乘自适应去噪算法和直接吸收光谱技术,使用中心波长为3 291nm的带间级联激光器和多反射吸收气室,研制了一种电域自适应中红外甲烷传感器系统。在传统探测器输出信号(称为信号通道)的基础上,增加了激光器电流驱动器的反馈信号作为噪声通道来感知电学噪声。利用MATLAB软件对最小二乘法在直接吸收光谱技术中的滤波效果进行了仿真。通过在激光器驱动信号中施加不同的噪声,实验验证了最小二乘法的去噪效果。针对该传感器的Allan标准差结果表明,当不使用自适应最小二乘法时,系统在积分时间为6s的检测下限为78.8nL/L;使用RLS自适应算法时,系统的检测下限为43.9nL/L。相比基于传统传感结构和滤波方法的中红外直接吸收光谱传感器,本文所报道的中红外甲烷传感器由于采用了电域自适应滤波方法,因而呈现出更好的抗干扰性和稳定性。 相似文献
10.
11.
整辊式板形仪是冷轧带材接触式板形仪的发展趋势。整辊式板形仪在自重和外载作用下的挠曲变形会使内部安装的传感器预紧力发生变化,产生类似正弦波形的干扰信号,和有效信号叠加在一起,影响板形检测精度。本文研究这种影响信号的产生机理和识别消除方法。首先,根据试验标定和工业测试结果,发现并分析了板形信号与干扰信号的波形特征,即沿包角分布的板形波形位于沿圆周分布的干扰波形的波峰和波谷。其次,应用弹性力学理论计算分析了板形辊挠曲产生的应力变形,揭示了传感器预紧力的周期性变化是产生干扰正弦波形的原因。最后,根据包角范围以外的检测信号数据,采用曲线拟合最小误差优化方法,建立了精确快速识别和消除干扰信号波形的数学模型。工业应用表明,本文方法可有效的消除挠曲影响信号,提高板形检测和控制效果1~2 I。 相似文献
12.
平面度误差的最小二乘法分析 总被引:5,自引:1,他引:5
张昉 《机械制造与自动化》2002,(3):17-19
本文就平面度误差的数学模型与按最小乘法建立理想平面(评定基准)的数学模型展开分析讨论;并结合实例分析,得出较客观地评定平面误差或测量较大平面的平面度误差,最小二乘法是最佳方法。 相似文献
13.
基于粒子群理论的板形模糊模式识别方法 总被引:3,自引:2,他引:3
带钢板形的模式识别是板形闭环控制的关键环节,板形模式的识别结果直接影响着板形控制精度.随着板形控制手段的不断更新,对板形模式识别方法提出更高的要求.为克服传统板形模式识别方法抗干扰能力差、逼近阶难以确定的缺点,依据模糊分类原理,运用欧式距离的择近原则对板形模式进行分类,完成板形信号的模式识别.在此基础上,为进一步提高识别精度,将20世纪90年代发展起来的具有全局优化能力的粒子群理论应用于板形模式识别,对模式识别的结果进行优化,并将其与单纯形法优化结果进行对比.试验结果证明了粒子群优化算法的有效性,该算法能够提高识别精度,使优化后的结果能更精确地控制板形调控机构,以适应高精度板形控制要求. 相似文献
14.
阐述了一种测量矩形工件平面度误差的新方法。首先利用圆柱度仪和角尺对被测件进行测量,同时采集原始测量数据.然后利用最小二乘法实现平面度误差的评定。采用这种测量方法可以更全面地实现对较小型矩形工件平面度误差的测量与评定。 相似文献
15.
《Measurement》2014
Targeting that the measured vibration signal of roller bearing contains the characteristics of non-stationary and nonlinear, and the extraction features may contain smaller correlation and redundancy characteristics in the roller bearing fault diagnosis, the vibration signal processing method based upon improved ITD (intrinsic time-scale decomposition) and feature selection method based on Wrapper mode are put forward. In addition, in the design of the classifier, targeting the limitation of existing pattern recognition method, a new pattern recognition method-variable predictive model based class discriminate (VPMCD) is introduced into roller bearing fault identification. However, the parameters are fitted by using least squares in VPMCD method, while least squares regression is sensitive to “abnormal value”. Therefore, a robust regression-variable predictive mode-based class discriminate (RRVPMCD) method is proposed in this paper, robust regression is adopted to estimate parameters and the effect of “abnormal value” in the estimation of parameters would be reduced by giving each feature a weight. Firstly, improved ITD method and feature selection method based on Wrapper mode are combined to extract the fault features of roller bearing vibration signals, and feature vector matrixes are established, then a predictive model is built through the method of RRVPMCD, finally, the established predictive model is used for pattern recognition. Experimental results show that the model based on the improved ITD, the Wrapper feature selection and RRVPMCD method can effectively identify work status and fault type of roller bearing. 相似文献
16.
17.
18.
19.
针对模式识别新方法VPMCD(variable predictive model based class discriminate)在参数估计过程中存在的缺陷,对VPMCD方法进行了改进,用主成分估计法代替原方法中的最小二乘法进行参数估计,消除了预测变量间存在多重线性相关性的影响,可以获得更加稳定的模型参数,从而提高模式识别的精度。采用局部特征尺度分解(LCD)方法对滚动轴承振动信号进行分解得到若干个单分量信号,提取各分量的近似熵组成故障特征向量作为改进VPMCD的输入,以改进VPMCD作为分类器对滚动轴承的工作状态和故障类型进行分类。对正常状态、外圈故障、内圈故障和滚动体故障四种不同工作状态和故障类型下的滚动轴承振动信号进行了分析,结果表明该方法有效。 相似文献