基于LDA和支持向量机的微铣刀磨损状态识别研究

为提高微铣刀磨损在线监测的识别精度,尝试通过线性判别分析法（Linear Discriminant Analysis,LDA）对微铣削振动信号的时域和频域特征进行降维。然后将降维后的特征输入到改进型蚁群优化SVM模型,从而实现微铣刀磨损的特征分类。其中,改进型蚁群优化算法主要用来优化SVM模型核函数的两个关键参数,避免由于初始参数选择不合适而带来的局部最优和过拟合的问题。实验结果表明,提出的微铣刀状态识别方法能够准确识别微铣刀的各种磨损状态,对微铣刀磨损的其它状态识别方法具有一定的指导意义和借鉴价值。     

基于支持向量机的航空发动机磨损趋势预测

基于支持向量机开发的航空发动机磨损趋势预测技术运用结构风险最小化准则,可通过内积函数将低维空间的非线性问题转化为高维空间的线性问题,在发动机滑油光谱监控中十分有用.阐述了支持向量机的原理和数学模型,建立了适用于航空发动机磨损趋势预测的支持向量机回归模型和自回归模型,并对支持向量的核函数模型参数进行了讨论.对实际发动机的润滑油光谱监控数据趋势预测结果表明,基于支持向量机回归模型的趋势预测技术具有很高的预测精度和很强的实用性,可有效提高通过润滑油光谱监控技术预报航空发动机磨损类故障的预测能力.     

基于支持向量机的摩擦学系统状态判别方法研究

传统的摩擦学系统状态的判别采用逐步判别分析法,该方法以油液监测历史数据为依据,通过从不同的油液监测方法中获取信息,构造出状态分类判别数学模型来进行状态判别,具有建模样本量大,建模时间长,对建模人员要求较高的缺点。通过引入支持向量机分类方法,缩短了对摩擦学系统进行状态判别的时间,提高了分类效率,最后通过实例说明了该方法的有效性、实用性和良好的推广应用前景。     

在线支持向量机在数控铣床刀具磨损预测建模中的应用

刀具磨损的自动监测是现代制造技术的关键技术之一,是保证自动化加工顺利进行的前提之一.在实际生产当中,对刀具磨损的检测,不能停机检测而只能采取在线的间接监测方法.提出一种基于在线支持向量机的数控铣床刀具磨损的预测方法.结果表明,所提方法具有参数调整时间快、泛化能力强的优点,可以比较准确地监控刀具磨损.     

基于支持向量机的异步电机故障诊断系统

电机故障将造成巨大的经济损失,甚至于人身安全.一个准确的故障诊断系统能够最大程度地降低风险,有利于生产、生活的正常进行.阐述了支持向量机(SVM)及最小二乘支持向量机(LS-SVM)算法的原理,研究了基于LS-SVM的异步电动机故障诊断,比较了正常状况与3类故障的不同,并对3类故障进行了自动分类,测试了分类结果.实验表明,基于SVM的异步电机故障诊断可靠性好,实用性强,验证了SVM的优越性.     

基于支持向量回归机的切削力预测

针对神经网络方法在切削力预测方面存在的缺陷,提出了一种新的基于支持向量回归机的切削力智能预测方法。分析了以往切削力预测模型中输入参数和输出参数的选择问题,在此基础上选择轴向切深、进给量、主轴转速和曲面半径四个关键指标作为预测模型的输入,选择XY平面上的切削力合力和轴向切削力作为预测模型的输出,进一步建立了基于支持向量回归机的切削力预测模型。仿真实例的预测结果表明,建立的智能切削力预测模型合理有效。     

基于支持向量机的离心泵故障诊断方法研究

简要论述了支持向量机的原理，介绍了几种支持向量机的多类分类算法，最后将它们应用于离心泵的故障诊断进行比较，获得了令人满意的效果。     

支持向量机刀具磨损预测模型及MATLAB仿真

针对刀具使用时加工参数多变的实际情况,提出使用最小二乘支持向量机（LS—SVM）建立模型并对刀具磨损进行预测：首先引入最小二乘支持向量机建立刀具磨损模型,然后针对具体实验数据,采用交叉验证的办法,选取优化的核参数。实验和仿真结果表明：该模型可以有效地学习刀具磨损中的非线性关系,刀具磨损的预测精度较高。因此该模型可以用作对实际加工中的刀具磨损进行有效预测,并为切削参数的实际选择提供依据。     

基于支持向量机的变电设备状态检修方法

文章提出一种基于支持向量机的变电设备状态检修方案。首先,通过数据采集和预处理步骤获取一定数量的已知状态的样本数据。其次,应用支持向量机模型进行特征提取和状态分类,以快速诊断变电设备的状态问题。在模型构建过程中,选取适合的核函数,并通过参数优化方法对模型的准确性和泛化能力进行提升。实验结果表明,该方法在变电设备状态检修方面具有良好的效果,能够准确划分不同状态,并为相关检修工作提供科学、准确的决策依据。     

基于支持向量机的飞机装配工艺模糊综合评价方法

针对飞机装配的特点,提出了一种基于支持向量机的飞机装配工艺性综合评价方法。该方法从装配效率、装配成本、装配精度、人机工效学4个方面选取对应的评价指标,通过模糊数学建立这些指标的隶属度函数,从而获取训练样本和评价向量。并利用获取的训练样本对支持向量机进行训练,将获取的预测向量导入训练好的支持向量机中得出评价结果。该方法充分利用了支持向量机的均衡风险性和准确率的优点,可得到准确、可信的评价结果。     

基于改进欧拉算法的灰预测模型在综合传动故障预测中的应用研究

针对灰预测模型在实际应用过程中出现的预测结果主要依赖于第一个实测值的问题,提出了基于改进欧拉算法的灰预测算法,该算法的预测值主要依赖于其前一个的实测结果,使得预测结果更准确。将该方法应用到某综合传动油液分析Fe浓度的预测中,能捕捉到其发生故障的征兆信息,具有很好的应用价值。     

综合传动装置油液分析数据预处理方法

结合综合传动装置工作原理和液压润滑系统的结构特征,分析了油液分析状态监测与故障诊断的原理,介绍了综合传动装置油液分析数据预处理中补油修正方法和初始浓度转化方法.通过数学方法对采集油液浓度值进行修正,可排除补油造成的影响;对于起始浓度值不同、试验方法完全一样的油液分析数据,基于油液浓度值变化的规律,利用数学建模计算的方法,可将初始浓度转化为一致情况.     

基于最小二乘支持向量机的磨损预测

针对机器设备磨损产生的因素多,而且磨损量的多少与产生的因素具有高度非线性,磨损难以预测的问题。同时考虑到监测得到的数据为小样本事件也是磨损难以预测的原因,在齿轮箱实验数据的基础上,利用最小二乘支持向量机,给出预测步骤,提出一种以载荷、温度、振动信号特征、速度和时间为输入量,机器设备的磨损量为输出量的预测方法。用齿轮箱的实验数据验证了所提出的方法的有效性。     

基于支持向量机的铁谱磨粒模式识别

将支持向量机方法用于铁谱磨粒模式识别，以磨粒样本的圆形度、细长度、散射度和凹度4个形态特征量作为支持向量机分类器的输入，以滑动磨损、切削磨损、正常磨损和疲劳点蚀4种磨损形式作为分类器的输出，建立基于支持向量机的磨粒分类器；研究支持向量机中误差惩罚系数和核参数对磨粒分类器的性能影响；通过实验比较了基于支持向量机与基于BP神经网络的磨粒分类器的性能，结果表明，基于支持向量机的磨粒分类器分类准确率为96％，基于BP神经网络的磨粒分类器分类准确率为90％。     

综合传动装置中胀圈密封功率损失敏感度研究

胀圈密封作为综合传动装置中重要的动密封形式,准确地评估其功率损失影响因素的敏感度对传动装置设计和性能评估有着重要意义。为研究不同影响因素对胀圈密封功率损失的影响,建立某胀圈密封结构的计算流体动力学模型,采用层流模型对胀圈密封内部流动特征进行研究,分析压力、转速、温度(动力黏度)对胀圈密封功率损失和泄漏量的影响规律,并通过正交方案研究胀圈密封功率损失和泄漏量的影响因素主次关系。结果表明：主密封面在实现密封的同时造成了较大的功率损失,泄漏主要由胀圈切口和端面槽体在压差作用下产生;密封功率损失与转速呈抛物型关系,与压力、动力黏度呈线性增长关系,泄漏量与转速呈线性降低关系,与压力呈线性增长关系,与动力黏度呈反比例关系;三者对功率损失的影响由强到弱依次为动力黏度、转速、压力,对泄漏量的影响由强到弱依次为动力黏度、压力、转速。     

基于改进支持向量机的磨粒铁谱识别的研究

提出了一个基于改进支持向量机的磨粒模式识别系统。该系统首先对磨粒的铁谱分析图像进行预处理，然后提取其特征参数，最后利用支持向量机对磨粒所属的类型进行分类。     

基于互相关函数幅值和SVM的输电塔损伤识别

针对目前输电塔结构损伤识别中需要布设大量传感器的问题,提出了基于互相关函数幅值和支持向量机(support vector machine,简称SVM)的损伤识别方法。首先,定义初始与当前状态结构模态响应近似信号的互相关函数幅值差为损伤特征;其次,将损伤特征作为输入样本来训练支持向量机分类器,将损伤识别问题转化为模式分类问题;最后,利用2层角钢塔模型的振动试验,验证了方法的可行性。该方法仅需要少量传感器测得结构的动力响应,且适用于环境荷载激励,对输电塔结构损伤有较好的识别效果和噪声鲁棒性。     

基于LS-SVM的柴油机润滑油中磨粒含量预测

介绍了最小二乘支持向量机(LS-SVM)回归算法的基本原理,并以490BPG型柴油机润滑油中磨损磨粒为研究对象,使用LS-SVM对磨粒的浓度数据进行了回归拟合并预测,并与基于人工神经网络的预测模型的预测结果进行了比较.结果表明,LS-SVM的预测模型的精确度较高,泛化能力强,是用于润滑油中磨粒浓度预测的一种有效的方法.     

基于支持向量机的控制图在线检测和分析系统的研究

针对控制图在线检测和分析的要求，提出了系统基本框架。利用一对一算法的多类分类支持向量机进行控制图模式识别和异常模式下参数估计。在模型构造中，采用混合核函数，并利用遗传算法优化混合核函数支持向量机参数。仿真结果和实际应用表明：该方法结构简单、收敛速度快，识别准确率高，能够满足控制图在线检测和分析的需要。