基于麻雀搜索算法优化支持向量机的刀具磨损识别

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition, EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions, IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。     

分布式无线传感器网络的目标分类

研究了无线传感器网络中的运输车辆的检测问题,并利用AR-Burg最大熵算法对不同车辆时间序列进行谱特征提取.分类结果是使用支持向量分类器类得到的.仿真结果表明,该分类方法可以达到较高的分类率,计算快且稳定,生成数据量小.     

基于离散元的盾构开挖面合理支护压力

采用离散元法(DEM)对无水砂土地层(摩擦角37°)3种埋深条件下盾构隧道开挖面的颗粒流动及渐进性破坏过程进行了模拟,分析研究了开挖面极限支护压力及周围地层扰动分布的变化规律,得到:①不同埋深条件下,开挖面极限支护压力均出现在开挖面位移为0.06D(D为隧道直径)时,对应支护压力比为10%~20%,砂土强度软化现象导致最终极限支护压力增大.②支护压力比降至40%~50%为剧烈地层扰动及显著地表变形的触发点.当开挖面支护压力比降低至40%~50%时,地层扰动范围和程度对隧道埋深非常敏感,如埋深由2D降低至0.5D时,扰动范围扩大了3倍,最大扰动程度提高了1倍;地表产生明显大幅沉降.③基于极限破坏的支护压力比为10%~20%,而基于变形控制的支护压力比为40%~50%,虽明显大于前者,但支护压力仅为静止土压力的40%~50%.综合考虑盾构刀盘磨损及地层支护效果,在无水砂土地层中采用支护压力比为40%~50%是一种合理选择.     

一种基于环形分布的SVM核选择方法

核选择是支撑向量机(Support Vector Machine,SVM)研究中的核心问题之一.文章提出了一种基于数据分布特征的SVM核函数选择方法.分析了几种常用核函数的性能,提出了判断数据呈环形分布的方法,探讨了SVM核函数及其参数选择与数据分布的相关性.数值实验说明了该方法的可行性与有效性.     

一种新的支持向量回归机的模型选择方法

针对支持向量回归机的模型选择问题,将模型选择问题转化为一个非线性系统的状态估计问题,然后引入无迹卡尔曼滤波进行求解,提出一种新的基于无迹卡尔曼滤波的模型选择方法(UKF-SVR).对标准数据集和太阳黑子数平滑月均值进行仿真实验,结果表明,UKF-SVR与粒子群算法相比,该方法全局寻优能力更强,保证了支持向量回归机泛化能...     

基于AP算法支持向量机的设计与应用

设计一种基于AP聚类算法和SVM分类器相融合的新的混合分类器, 使用AP聚类算法优化数据集, 得到了高质量、 小样本的SVM分类器训练集. 实验结果表明: 与传统的SVM分类器相比, 混合分类器具有更高的分类精度; 在心脏病预测上, 该分类器的效果较好.     

锚梁支护结构及参数确定

本文叙述了锚梁支护结构的形式和特点,并采用弹性地基梁理论分析了锚梁支护结构的受力特征,为其支护参数的确定提供了理论依据。     

大型水轮机推力轴承支架结构优化设计

本文通过对大型水轮机推力轴承支架结构特点的分析,提出了大型水轮机推力轴承支架结构优化设计的数学模型.这是一个有尺寸、应力及位移约束的结构优化问题.本文采用复合形法迭代求解,采用自编的推力轴承支架的结构分析和优化设计的程序系统进行计算,得出最优解.     

应用支持向量机处理岩土材料的细观图像

应用数字图像处理技术提取非均质岩土材料的细观特征是量化其细观结构的有效途径。为提高图像处理的质量和效率,在进行数字图像处理的阈值分割时,采用统计学习理论中的支持向量机分类方法。选取待原始图像的一个矩形区域作为训练样本图像,提取这些样本点的特征与训练目标一起组成训练样本集,通过对训练样本集的学习,生成SVM(support vector machine)分类机,利用SVM分类机提取原始图像中的特征图像。以花岗岩为例,利用该方法提取其细观结构,结果表明,合理选取训练样本和模型参数,可以提高图像处理的准确率和效率,得到最佳的处理结果。     

实船喷水推进泵空化识别试验

根据空化特征,提出了利用高阶导数判别空化特征频带的方法.对喷水推进泵壳体振动信号以及进口水声信号进行高阶导数计算,然后进行均方根标准化,通过特征频段滤波后在时域中求取超过给定阈值的极值,计算其均值、均方根值、方差、歪度以及峭度指标,利用基于最小二乘支持向量机（LS SVC）对实船测试的6种空化状态进行了分类识别.与传统的反向传播（BP）和径向基函数（RBF）神经网络识别效果相比,LS SVC的分类准确率更高,程序运行时间更短.