大型再制造机床运动结合部的热变形分析

在高速重载高精度机床切削过程中,多种热源的作用会使导轨运动结合部产生热变形,采用红外测温仪测定机床导轨面的温度分布,然后利用有限元软件ABAQUS,计算出结合部的热变形量,评估热变形对几何精度的影响,最后优化配置床身导轨结合部。结果表明:合理布置床身的导轨支撑,使得导轨运动结合部上的变形量得到抑制不致出现过大突变。因而必须考虑大型部件空间分布的温度场对机床结合部精度的影响,可为大型机床的再制造提供参考。     

一种基于信息熵数据修剪的支持向量机:EB-SVM

支持向量机在处理分类问题时,如果两类数据重叠严重会造成分类器过学习,降低泛化性能。为此提出了一种基于信息熵的数据修剪支持向量机EB-SVM(entropy based-support vector machine),其主要思想是通过计算样例信息熵删除部分边缘数据和边界处混淆程度较高的样例以及噪声数据,用较少的训练样例学习SVM分类器。实验结果表明,该方法能够有效提高SVM的泛化性能。     

定心机控制系统中的位置与误动作问题及处理

定心机是无缝钢管生产中,管坯穿孔前在线热状态下,对管坯前端面实行预先热定心工艺的一种机械。设计这种控制系统的核心是理解并分类设备的工艺,进而设计一个简单实用的控制系统。管坯定心前的准确停止位置问题及没有管坯到来而出现的热金属检测器误动作问题是影响定心机控制系统正常运行的难题,为解决这一问题,提出了一种"量化惯性加挡板"的控制方法,解决了准确停止位置问题,对于没有管坯到来而出现的热金属检测器误动作问题,采用了PLC编程得到解决。经实践证明,控制系统设计合理,运行可靠。     

ANSYS在数控机床热误差建模中的应用

机床热误差是影响机床加工精度最大的误差源,因此如何有效地选择机床的温度测点,对热误差补偿具有重要的意义。讨论了应用ANSYS与热误差模态分析相结合的方法,该方法极大地增强了选择测点的准确性。     

数字时代下“机床夹具设计”教学模式

结合现在数字化发展趋势,改革了＂机床夹具设计＂本科课程教学,提出了递进式、知识点逻辑联系紧密的课程体系。在此基础上,提出了强化理论、再现式教学方法和基于工程应用案例的拓展联想教学方法,取得了较好的教学效果。     

喷动流化床射流穿透度智能拟合

在三维冷态试验台架上对喷动流化床射流穿透度进行了实验研究,得出了射流穿透度随喷口尺寸、载气密度、喷动气速的增大而增大,随静止床高、颗粒尺寸、颗粒密度、流化气率、载气黏度的增大而减小的结论.在实验研究的基础上利用最小二乘支持向量机对射流穿透度与喷动流化床主要设计参数之间的数值关系进行了智能拟合,并利用自适应遗传算法优化了最小二乘支持向量机的初始参数.通过15个预测样本的检验,最小二乘支持向量机模型的预测平均相对误差减小至4.0%,其性能大大优于常用的经验公式以及神经网络.     

基于非下采样Contourlet变换的 SVM多聚焦图像融合

提出基于非下采样Contourlet变换的支持向量机(SVM)多聚焦图像融合算法. 采用非下采样Contourlet变换分解图像得到不同频域子带系数. 针对直接取系数绝对值最大融合规则不能反映图像区域的缺点,提出SVM分类系数融合规则. 根据各子带系数物理意义将区域方差、区域能量作为SVM核函数参考量来选择清晰像素点系数,根据融合系数重构得到融合图像. 结果证明该算法能有效并准确地融合图像中的信息.     

Markov逻辑网在重复数据删除中的应用

为了解决和突破现阶段重复数据删除方法大多只能针对特定领域,孤立地解决问题的某个方面所带来的不足和局限,提出了基于Markov逻辑网的统计关系学习方法。该方法可以通过计算一个世界的概率分布来为推理服务,从而可将重复数据删除问题形式化。具体采用了判别式训练的学习算法和MC-SAT推理算法,并详细阐述了如何用少量的谓词公式来描述重复数据删除问题中不同方面的本质特征,将Markov逻辑表示的各方面组合起来形成各种模型。实验结果表明基于Markov逻辑网的重复数据删除方法不但可以涵盖经典的Fellegi-Sunter模型,还可以取得比传统的基于聚类算法和基于相似度计算的方法更好的效果,从而为Markov逻辑网解决实际问题提供了有效途径。     

基于SVM预测的金融主题爬虫

随着Internet上信息的爆炸,利用通用搜索引擎检索用户相关的信息变得越来越困难,而主题爬虫成为WEB上检索主题相关信息的重要工具。目前大部分基于分类器预测的主题爬虫的训练数据是不同类别网页的内容,但是在实际预测过程只能根据父网页中的一些链接信息进行预测,所以造成主题爬虫的预测的准确率较低。本文使用SVM分类器对标注了类别的URL以及上下文和锚文本进行训练,并分别使用了DF和信息增益两种不同的特征选择方法进行特征筛选,对影响分类器的各种因素进行了实验对比,并对分类器进行了在线的实验.实验证明这种方法在实际预测过程中效率很高。     

基于K近邻的支持向量机多模型建模

单一的支持向量机在建模时存在一定的局限性,对于复杂的实际数据,不能很好地提取其中的信息,导致模型泛化性能较差,为此提出基于K近邻的组合支持向量机方法。该方法首先采用简单距离分类方法对经过主元分析的样本数据进行分类,并采用K近邻算法得到支持向量机子模型的组合参数,进而建立起基于支持向量机的多模型。将该方法应用于双酚A生产过程中质量指标的软测量建模,仿真结果表明基于K近邻方法的支持向量机多模型建模可以有效提高模型的泛化性能,并验证了该算法的可行性和有效性。