最小二乘支持向量机在电梯故障诊断中的应用(英文)

针对电梯故障诊断中特征提取困难和故障样本数量少问题,提出了应用小波包分解和最小支持向量机( LS-SVM) 相结合进行电梯急停智能故障诊断的方法。借助小波包分解,该方法首先提取电梯轿厢振动信号作为特征向量,然后利用 LS-SVM 分类模型对故障进行辨识。实验证明,小波包与 LS-SVM 相融合的故障诊断与识别技术可发挥两者的优势,该方法对电梯急停故障的诊断具有较好的诊断效果。     

基于小波包和支持向量机的滚动轴承故障模式识别

为了解决对故障轴承的特征提取和故障特征准确分类问题,提出了应用小波包变换和支持向量机相结合进行滚动轴承故障诊断的方法.小波包变换具有良好的时-频局部化特征,非常适于对瞬态或时变信号进行特征提取.而支持向量机可完成模式识别和非线性回归.利用上述原理根据轴承振动信号的频域变化特征,采用小波包变换对其提取频域能量特征向量,然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别.试验结果表明,支持向量机可以有效、准确地识别轴承的故障模式,为轴承故障诊断向智能化发展提供了新的途径.     

一种基于最小二乘支持向量机JSP调度算法

作为生产调度里面一类典型问题,Job-shop问题的求解是属于NP完全的,对于大规模Job-shop 问题的有效算法至今仍未找到.在有向图模型基础上,提出通过约束引导方式获取可行调度.提出使用最小二乘支持向量机对样本学习实现可互换工序对准确选取,以此提高调度方案质量.将求解过程中特殊算例补充到样本库进行后续训练以提高算法性能.数值仿真结果表明所提算法对于大规模Job-shop问题求解存在较好效果.     

基于小波包和支持向量机的液压泵故障诊断

研究基于小波包频带能量的故障诊断方法及其在齿轮泵故障诊断中的应用.论述齿轮泵的典型故障设置及其数据采集.针对齿轮泵实验数据,研究基于小波包和支持向量机的齿轮泵故障诊断方法.实验结果表明:基于小波包一支持向量机的故障诊断方法是有效的,而且可以满足在线实时状态监测与故障诊断的要求.     

基于小波分析和支持向量机的刀具故障诊断

为了有效地进行刀具状态监测,提出了一种基于小波分析和支持向量机相结合的刀具故障诊断方法。首先运用小波包对AE信号进行分解和重构,然后提取各个频带里的信号能量值,将该能量值作为特征参数输入到支持向量机,进行学习训练,完成对刀具磨损状态的有效识别。仿真结果表明该方法是有效的。     

利用最小二乘支持向量机预测铝熔体氢含量

提出了一种最小二乘支持向量机的铝熔体在不同温度和保温时间下的氩含量预测新模型.以2个主要影响因素加热温度、保温时间为输入,铝熔体中氢含量为输出,通过最小二乘支持向量机模型拟合输入与输出之间的复杂非线性映射关系.以铝熔炼实验数据为样本对模型进行学习训练,用训练好模型预测在一定影响因素下铝熔体中氢的含量.仿真实践表明该方法具有建模速度快、预测精度高、操作简便等优点,不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型.     

基于最小二乘支持向量机的激光拼焊焊缝识别

激光拼焊焊缝质量结构光视觉检测中,对焊缝的准确识别是实现高精度检测的关键. 针对检测图像中结构光光纹畸变特征不明显,无法准确识别焊缝的问题,依据焊缝纹理特征信息,提出了一种基于最小二乘支持向量机的焊缝识别方法. 首先,分析并提取焊缝区和非焊缝区差异明显的纹理特征. 其次,训练最小二乘支持向量机模型,对焊缝进行粗识别. 最后,采用Laws纹理滤波提取焊缝区域,并通过阈值分割方法精确识别焊缝. 针对不同工艺参数下的激光拼焊焊缝开展焊缝识别试验,结果表明,该方法能够有效地识别焊缝.     

最小二乘支持向量机弯曲回弹元模型技术研究

影响大尺寸高强度U型折弯件回弹的变量众多,使得其弯曲回弹难以控制。提出一种基于约束的高斯过程潜变量(RGPLVM)筛选技术来进行最优变量的筛选和降维。将筛选出的变量作为决策变量,并以最小二乘支持向量机(LSSVM)为基础,构建了大尺寸高强度U型折弯件的最小二乘支持向量机(LSSVM)元模型。分别以支持向量机(SVM),LSSVM和BP神经网络为模型进行预测,并将预测结果与实际工程零件进行对比。结果表明LSSVM模型的预测结果更为接近实际零件的回弹情况,从而验证了所提方法的可行性。     

基于小波核最小二乘支持向量机的齿轮磨损预测

针对齿轮在磨损过程中的磨损程度,可以用振动信号来表征,并通过对磨损过程中振动信号的预测来实现磨损预测,提出了一种基于小波核的支持向量机磨损预测算法。首先,分析了最小二乘小波在磨损预测中建模方法,其核函数采用小波核,改善了系统非线性性能;然后用量子行为粒子群优化算法（ QPSO）优化SVM参数,具有较快的搜索速度并保持了时间序列的特征。验证实验中用齿轮箱振动信号的统计指标表征齿轮磨损状态。实验结果表明,该预测方法能够有效地进行齿轮磨损预测。     

基于经验小波变换和流形学习的滚动轴承故障诊断研究

针对振动信号的非线性、非平稳性和早期故障特征信号难以提取的特点,提出一种基于经验小波变换(EWT)和流形学习约简的故障特征提取方法。首先利用EWT将振动信号分解成不同特征时间尺度的单分量固有模态函数(IMF),然后从包含故障信息的IMFs中提取滚动轴承的时域统计特征、频域统计特征、AR模型自回归系数和功率谱熵,构造高维特征集;再利用线性局部切空间排列(LLTSA)流形学习算法将构造的高维特征集约简为故障区分度更好的低维特征集;最后利用支持向量机(SVM)对提取特征进行故障识别。实验结果表明该特征提取方法对滚动轴承故障诊断准确率更高。     

基于最小二乘支持向量机的超磁致伸缩执行器磁滞非线性模型

为准确模拟超磁致伸缩执行器的磁滞非线性特性,基于最小二乘支持向量机与实验数据建立了超磁致伸缩执行器的模型,结果显示所建模型都能够充分逼近非线性实验数据点。为提高模型的求解速度,仅选用一半的实验数据建立了小样本模型,并与神经网络所建小样本模型对比,结果表明:基于最小二乘支持向量机所建模型的位移预测误差小于1.2μm,而基于神经网络所建模型的位移预测误差大于1.5μm。     

基于稀疏多核最小二乘支持向量机的浮选关键指标软测量

由于浮选性能受多种因素的制约,适宜的矿浆pH值是高效泡沫浮选的关键.针对pH值在线检测仪易受干扰、维护保养成本高等不足,结合泡沫浮选过程机理分析,以泡沫视频图像特征为辅助变量,将局部核函数和全局核函数加权组合,提高模型的学习和泛化能力,利用Schmidt正交化理论约简多核矩阵,减小计算量,建立基于稀疏多核最小二乘支持向量机的浮选矿浆pH值软测量模型.工业运行数据测试结果表明:所建模型具有预测精度高、反应迅速、稳定性好等优点,适于工业应用.     

支持向量机在轴承故障诊断中的应用

支持向量机是建立在结构风险最小原理^[1]基础上，专门研究小样本情况下的学习规律。本文针对滚动轴承的加速度信号和声音信号的特点，选取识别能力好的时域无量纲指标作为支持向量机的特征矢量，对滚动轴承的四种典型故障进行模式识别。结果表明，支持向量机在滚动轴承故障诊断中有很出色的分类能力。     

基于指数小波阈值与PSO-DP-LSSVM的发动机轴承故障诊断

针对小波软、硬阈值函数存在恒定偏差和不连续性的缺点,以及最小二乘支持向量机核函数参数选择困难等问题,提出了一种基于指数小波阈值与PSO-DP-LSSVM的发动机轴承故障诊断方法。利用指数小波阈值函数对原信号进行分解并重组,提取降噪后各个分量的能量特征;采用自适应的DP算法丰富PSO算法的解空间,并采用动态的参数控制,使其更容易获得最优解;将能量特征输入参数已定的LSSVM中,对信息进行训练和预测。结果表明：该方法能快速有效地对故障轴承信号进行自适应的故障诊断及分类。     

包络—小波分析法用于滚动轴承故障诊断的研究

根据现有的小波理论和滚动轴承的振动特征，提出用傅里叶分析与小波分析相结合的包络－小波分析法，研究了其基本原理和在滚动轴承故障诊断中的实际应用，并给出了诊断实例。     

基于PSO参数优化的支持向量机齿轮箱故障诊断研究

为了解决支持向量机惩罚因子c和核函数g的确定只能依靠先验知识的缺点,提出了基于粒子群优化算法(PSO)的支持向量机参数优化的模型,通过PSO的寻优自动获得最优的支持向量机参数。并运用JZQ250型齿轮箱进行故障诊断,实验表明所提出的模型很好地解决了参数选择问题,使SVM性能有所提升。     

基于能量熵与SATCSSA-LSSVM滚动轴承故障诊断

为解决轴承故障特征不易提取,轴承故障的辨识效果不佳等一系列问题,提出基于改进自适应完整集成经验模态分解(ICEEMDAN)-自适应混沌麻雀搜索算法(SATCSSA)优化最小二乘支持向量机(LSSVM)的滚动轴承故障诊断方法.首先,通过ICEEMDAN对滚动轴承信号进行故障特征提取,产生多个本征模态函数分量,结合相关系数...     

基于CEEMD和WOA_LSSVM滚动轴承声信号故障诊断

针对强背景噪声下滚动轴承故障诊断问题,结合互补集合经验模态分解(CEEMD)与鲸鱼优化算法优化最小二乘支持向量机(WOA_LSSVM)进行滚动轴承的故障诊断研究.首先对声信号进行快速谱峭度分析并进行带通滤波预处理,提取故障冲击成分;其次,利用CEEMD算法将滤波信号进行分解运算,得到一系列模态分量(IMF);再利用相关...     

基于最小二乘支持向量回归的划片刀刃长控制优化

划片刀的刀刃长度影响划片刀的使用性能，而刀刃出露是控制刀刃长度的关键工序。在连续生产中一次腐蚀多片，刀刃长度存在波动。针对此问题，以子组划片刀刃长极差为响应，以溶液温度、溶液浓度、工件旋转速度为影响因子，选择正交试验设计方式获取试验点并得到样本集，再用最小二乘支持向量回归法建立模型，最后用粒子群算法对所建模型进行寻优，获得优化后的工艺参数。试验表明:该方法对降低划片刀生产中刃长波动性有显著效果，试验结果与建模寻优结果的划片刀刃长极差仅相差2.1 μm。      

基于最小二乘向量机的锂离子电池建模及参数辨识研究

现有锂离子电池参数辨识研究较少,为提升锂离子电池模型建立有效性以及参数辨识精度,提出了基于最小二乘向量机的锂离子电池建模及参数辨识方法.利用二阶等效电路模型建立锂离子电池RC等效电路模型,并利用LPV技术建立锂离子电池参数可辨识模型,选取最小二乘支持向量机算法求解参数可辨识模型,实现锂离子电池模型参数的有效辨识.利用二...