您的位置： 专家智库 > >

博士科研启动基金(BSJXM-201115)

作品数：5 被引量：47H指数：4
相关作者：关山闫丽红彭昶刘炎聂鹏更多>>
相关机构：东北电力大学吉林石化工程设计有限公司沈阳航空航天大学更多>>
发文基金：博士科研启动基金吉林省科技发展计划基金更多>>
相关领域：机械工程自动化与计算机技术更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇机械工程
  • 1篇自动化与计算...

主题

  • 5篇刀具
  • 4篇支持向量
  • 4篇支持向量机
  • 4篇最小二乘
  • 4篇最小二乘支持...
  • 4篇向量机
  • 3篇奇异值
  • 3篇奇异值分解
  • 2篇刀具磨损
  • 2篇识别方法
  • 2篇经验模态分解
  • 1篇刀具状态
  • 1篇刀具状态监测
  • 1篇多特征融合
  • 1篇神经网
  • 1篇神经网络
  • 1篇双谱分析
  • 1篇主元
  • 1篇主元分析
  • 1篇自回归模型

机构

  • 5篇东北电力大学
  • 1篇沈阳航空航天...
  • 1篇吉林石化工程...
  • 1篇安徽宏源铁塔...

作者

  • 5篇关山
  • 1篇石志标
  • 1篇彭昶
  • 1篇聂鹏
  • 1篇刘炎
  • 1篇闫丽红

传媒

  • 2篇机床与液压
  • 1篇振动．测试与...
  • 1篇中国机械工程
  • 1篇东北电力大学...

年份

  • 1篇2015
  • 1篇2014
  • 2篇2013
  • 1篇2012
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
基于奇异分解与最小二乘支持向量机的刀具磨损识别方法研究被引量：4
2013年
针对刀具磨损声发射信号的非平稳特征,提出了基于奇异值分解和最小二乘支持向量机的刀具磨损状态识别方法。该方法首先对声发射信号进行经验模态分解,将其分解为若干个固有模态函数之和,利用固有模态函数构造初始特征向量矩阵,然后对初始特征向量矩阵进行奇异值分解,计算奇异谱,将奇异谱做为特征向量,送入最小二乘支持向量机训练、识别。结果表明:该方法能很好地识别刀具磨损状态,与神经网络相比具有更高的识别率。
关山
关键词：奇异值分解经验模态分解最小二乘支持向量机
基于多特征融合的刀具磨损识别方法被引量：12
2014年
针对刀具磨损监测中多传感器融合监测方法的缺点,提出了基于声发射信号多特征融合与最小二乘支持向量机(lease square support vector machine,简称LS-SVM)相结合的刀具磨损状态监测方法。首先,分别采用经验模态分解法、双谱分析法以及小波包分析法提取采样信号在时域、频域、时-频域内的特征,构造联合多特征向量;然后,利用核主元分析法(kernel principal component analysis,简称KPCA)对联合多特征向量进行融合降维处理,通过提取累积贡献率大于85%的主元,剔除了联合多特征中与刀具磨损相关性较小的冗余特征,生成融合特征;最后,将融合特征送入最小二乘支持向量机,有效地实现了(尤其在小样本下)刀具磨损状态的识别,与神经网络识别方法相比具有更高的识别率。
关山石志标刘炎
关键词：刀具状态监测多特征融合核主元分析最小二乘支持向量机
L-M优化算法BP网络在刀具磨损量预测中的应用被引量：12
2012年
在线刀具磨损量估算及其未来发展趋势预测对于指导现实生产有着十分重要的意义。提出基于L-M优化算法BP神经网络的刀具磨损量在线预测方法。对声发射信号进行小波包分解,得到32个不同频带内的信号,用于构造初始特征向量矩阵;对初始特征向量矩阵进行奇异值分解,计算奇异谱,将奇异谱做为刀具磨损的特征向量,利用神经网络在线预测刀具磨损量。试验结果表明:预测结果能准确地跟踪实际的刀具磨损曲线,并且L-M优化算法比其他改进算法迭代次数少,收敛速度快,精确度高。
关山聂鹏
关键词：BP神经网络小波包分解奇异值分解
LS-SVM回归算法在刀具磨损量预测中的应用被引量：23
2015年
提出了基于最小二乘支持向量机回归算法的刀具磨损量预测方法。该方法首先利用经验模态分解算法对非线性、非平稳的声发射信号进行平稳化处理,得到了若干个固有模态函数;然后建立了每个固有模态函数的自回归模型,并提取模型系数构造特征向量;最后采用最小二乘支持向量机回归算法实现了刀具磨损量的预测。该方法与神经网络预测算法相比,具有更高的预测准确率,可有效预测当前切削状态下10s后的刀具磨损量。
关山闫丽红彭昶
关键词：最小二乘支持向量机经验模态分解自回归模型
基于双谱奇异值分解的刀具磨损识别方法被引量：1
2013年
针对刀具磨损声发射信号的非线性、非平稳特性,提出一种基于双谱奇异值分解的刀具磨损特征提取方法。对刀具不同磨损阶段的声发射信号进行双谱分析,构造初始特征向量矩阵,然后对初始特征向量矩阵进行奇异值分解,计算奇异谱,将奇异谱作为刀具磨损特征向量,利用最小二乘支持向量机对刀具磨损状态进行识别。实验结果表明:所提取的特征可以很好地反映刀具的磨损状态,最小二乘支持向量机更适于在小样本下实现刀具磨损状态的识别,与神经网络识别方法相比具有更高的识别率。
关山刘桂祥
关键词：双谱分析奇异值分解最小二乘支持向量机
全选 清除 导出
共1页<1>
聚类工具0