排序方式: 共有66条查询结果,搜索用时 15 毫秒
61.
62.
63.
64.
滚动轴承故障诊断普遍采用有监督学习的方式,针对有标签数据难以获取的问题,提出一种VMD分解与t-SNE流形学习相结合的滚动轴承故障诊断方法。利用VMD分解将滚动轴承原始振动信号分解为若干本征模态分量(IMF);计算每个模态分量的时频特性指标组成高维故障特征,通过t-SNE对故障进行二次特征提取,获取低维敏感特征并将其作为K-means分类器的输入,实现故障类型的识别。将该方法应用到滚动轴承故障诊断中并与VMD+PCA、原始时频特征+t-SNE两种方法进行对比,结果表明VMD+t-SNE方法以无监督学习的方式实现了故障诊断的去标签化和自适应性,同时提高了故障诊断的准确性。 相似文献
65.
目前熔融沉积工艺(FDM)3D打印机大多数只能打印颜色单一的模型,为了改善这一现状,在深入研究现有3D打印机的基础上,设计出一套可以实现彩色成型的3D打印控制方案。该方案以Hbot机构为主要机械结构,使用混色挤出头作为成型挤出头,同时应用Bresenham直线算法,三次多项式型加减速控制算法对系统进行运动控制。为了验证该方案的有效性与稳定性,以过渡色打印和多色打印进行打印测试。结果表明,所提出的控制方案可以在精确地完成模型打印的前提下,同时保证很高的稳定性。 相似文献
66.
针对差速驱动AGV(automated guided vehicle)动力学的非线性、强耦合性、以及未建模问题导致无法建立精确模型进行轨迹跟踪控制任务,为此提出一种基于Koopman算子的数据驱动控制策略(koopman data-driven control, KDC)。首先,基于Koopman算子理论,利用扩展动态模态分解(EDMD)方法,得到了该AGV系统的近似高维线性动态显式表达式,即Koopman算子的近似表达。然后,基于导出的该高维线性Koopman动态表达式,设计线性模型预测控制器(MPC)实现AGV轨迹跟踪控制。最后,通过仿真测试对Koopman模型进行了对比验证,同时仿真实验验证轨迹跟踪效果,结果表明从数据中获取的模型信息精确,能高度拟合AGV的动力学模型,所设计的控制策略计算耗时少,在轨迹跟踪控制的精度和稳定性方面具有一定的有效性和先进性。 相似文献