小波分析在铁路货车滚动轴承故障诊断中的应用

铁路车辆滚动轴承故障的不解体诊断,对于提高轴承诊断效率,减轻操作人员的劳动强度和保证铁路运输的安全是至关重要的。采用小波分解和重构的方法,通过对滚动轴承出现外圈剥落情况下振动信号的分析,说明这种方法可以有效地用于滚动轴承的故障诊断。     

层次支持向量机在色木孔洞缺陷检测中的应用

针对现有木材无损检测中存在的问题,提出根据木材的声脉冲响应特点,通过自制的声波信号采集装置提取含有孔洞缺陷木材的声脉冲响应信号,再分别从时域和频域对信号进行处理,提取相关的统计信息作为识别特征,再输入到层次支持向量机（SVM）中进行识别的方法.结果表明,该方法对色木孔洞位置的识别准确率在95％以上,具有需构造的SVM分类器数量少、不存在不可识别域、训练和识别速度快的优点.对基于支持向量机的木材孔洞缺陷识别进行探讨,并对其有效性进行验证.     

基于支持向量机的糖尿病诊断优化算法研究

近年来,糖尿病发病率愈发升高,糖尿病的初期诊断也变得愈发复杂.糖尿病病因和多种因素相关,具有一定的不确定性,基于此,提出一种利用机器学习(例如支持向量机SVM)来对糖尿病诊断进行辅助建模的方法,选取美国国家糖尿病数据组提供的糖尿病患者诊断数据(共计231项),对SVM和利用灰狼以及布谷鸟算法对其优化后的结果进行比较,实...     

模糊支持向量机与独立成分分析在木材识别中的应用

采用体视显微镜获取图片解决了图片获取时间的难题。独立成分分析与支持向量机在人工智能方面已经取得较深入的研究,本文采用基于模糊支持向量机结合独立成分分析的方法在木材体视图图像数据库中的实验中取得了很好的木材识别率。     

支持向量机参数优化方法在木质粉尘火花探测中的应用

为提高木质粉尘火花检测的准确性,利用基于支持向量机(SVM)的物质分类方法检测木质粉尘火花。选取马尾松和杨木粉尘为研究对象,将两种粉尘分组点燃试验,获取火花和灰分的高光谱图像,提取感兴趣区域(region of interest,ROI)内的发光度数据进行预处理。利用感兴趣区域内的数据建立SVM分类模型,分别利用网格搜索法(GS)、遗传算法(GA)以及粒子群算法(PSO)对两类树种的SVM分类模型进行参数优化,并将三种参数优选方法的分类预测准确率进行对比。结果表明,三种优化方法均能够很好地检测两种树种的木粉火花,其中网格搜索法检测准确率明显高于其余两种,更适于木质粉尘火花探测,这为人造板生产过程中能够高效检测木质粉尘火花提供了一定的理论依据。     

近红外光谱结合支持向量机快速识别树种

利用阿达玛变换近红外光谱结合支持向量机,对制浆造纸常用木材树种的快速识别进行研究。将各树种近红外光谱先进行多点平滑和标准正态变换预处理以消除噪音干扰和光散射导致的测量偏差,然后基于不同建模策略建立一对多和一对一两种支持向量机模型,考察这两种模型对多树种属间分类和种间分类的预测能力,并与传统的偏最小二乘判别分析分类法进行对比。结果表明,支持向量机预测模型对桉木、相思木、杨木、水杉等树种的属间分类正确率达到98%以上,种间分类正确率均达到95%以上,在处理复杂分类问题时模型稳健性明显优于传统分类方法,从方法上证明了近红外技术工业化应用的可能性,为进一步建立近红外在线检测木片材性分析系统奠定了基础。     

基于支持向量机算法的含双局部减薄缺陷弯管爆破压力预测

为实现对含双局部减薄缺陷弯管爆破压力的精确预测,以415组不同尺寸轴向双局部减薄缺陷和环向双局部减薄缺陷20钢弯管爆破压力的显式非线性有限元模拟数据作为学习样本,建立了含双局部减薄缺陷20钢弯管爆破压力预测的支持向量机(SVM)模型;利用交叉验证方法对SVM模型参数进行优选,确定了最优的惩罚因子和核函数参数;最后通过与显式非线性有限元模拟结果的对比,分析了SVM模型用于两局部减薄缺陷任意方位分布时弯管爆破压力的预测精度。结果表明：SVM模型用于双局部减薄缺陷弯管的爆破压力预测时,其预测相对误差在-4.9%～3.7%;SVM模型具有预测精度高、适用范围广,操作简单、便于工程技术人员实使用等特点。     

支持向量机结合近红外光谱法测定杉木木质素的含量

采用支持向量机(SVM)结合近红外光谱(NIR)技术建立测定杉木中木质素的定量分析模型。以47个杉木样品作为实验材料,用常规方法测定了样品中木质素的含量,用近红外光谱仪采集相应的光谱,对光谱数据进行平滑、求导、小波压缩以及归一化,结合支持向量机,以径向基(RBF)作为核函数,建立了测定杉木中木质素含量的模型。校正相对误差的平方和为0.007433,预测相对误差的平方和为0.001219。结果表明,该方法测量比较准确,可以用于杉木中木质素含量的预测。     

基于支持向量机中纤板施胶系统逆模型的辨识

逆系统方法是一种通过动态系统的"逆"来研究一般非线性控制系统反馈线性化设计的方法(李春文等,1991).逆系统方法作为一种直接的反馈线性化解耦控制方法,其基本思想是对给定的控制系统,用对象模型生成一种可用反馈方法实现的积分逆系统,将对象补偿成为具有线性传递关系的解耦的规范化系统,然后用线性系统的各种设计理论完成系统的综合(吴热冰等,2003).     

基于支持向量机的木材树种识别模型

目前林业信息化正由数字林业迈向智慧林业,高效、无损的木材树种识别技术有利于推动我国林业信息化、智能化发展的进程。为了满足市场对木材高效精准识别的需求,将木材树种识别问题转化为多分类问题,开发了一种基于支持向量机结合线性降维算法的木材树种识别模型。具体而言,首先采用无监督的主成分分析和有监督的线性判别分析,分别对木材近红外高维光谱数据进行降维处理;其次将降维后的特征输入支持向量机模型中,输出各个树种类别上的概率分布。借助网格搜索法并结合5折交叉验证法选取最优核函数和核函数参数,探讨了支持向量机不同核函数对于木材树种分类效果的影响。为了评价模型的识别能力,选取准确率、混淆矩阵和ROC曲线评价提出的模型,并进一步探讨了本木材树种识别方法的可行性。实验结果表明,利用近红外光谱特征的支持向量机模型能准确且高效地识别木材树种。其中,线性判别分析结合支持向量机的模型分类准确率可达97.54%,模型运行速率为6.53 s。     

基于支持向量机的宜良县遥感分类与土地覆盖变化研究

土地利用/覆盖变化(LUCC)研究是研究土地变化的重要内容,也是全球土地研究的热点。以宜良县2005年、2013年Landsat TM影像为数据源,采用支持向量机分类方法,将研究区土地划分为林地、耕地、水域、人工用地、灌草地5个地类,提取了宜良县2期的土地利用数据并进行了精度验证。最后通过GIS叠加分析,统计了宜良县在研究期内的土地利用变化情况。     

基于粒子群优化支持向量机的时间序列木材含水率预测

木材干燥过程中对含水率的检测是一个复杂的非线性过程。为了提高含水率数据采集的精确性和可靠性,本文将粒子群优化算法（PSO）引入到含水率检测中,优化支持向量机（SVM）参数,对试验采集过程中失真数据时间点对应的实际值进行预测。通过粒子群优化支持向量机算法和拉格朗日插值法的仿真结果进行对比表明：PSO—SVM算法提高了误差精度,避免了拉格朗日插值法的龙格现象,得到了较好的预测结果。     

振动分析技术在滚动轴承故障诊断中的应用

随着科学技术水平的不断提升,振动分析技术在滚动轴承故障诊断中已日臻成熟。主要对设备振动分析的工作原理、滚动轴承机械设备的故障原因及诊断方法与发展进行了分析与探究。     

基于ICEEMDAN与SVM的轴承故障诊断研究

为了有效提高支持向量机(SVM)在轴承故障模型诊断识别中的故障识别率,提出了一种基于改进自适应白噪声的完备集成经验模态分解方法(ICEEMDAN)和支持向量机(SVM)相互结合的故障诊断识别方法。用ICEEMDAN对原始振动信号分解成若干IMFS(本征模态函数);利用相关系数方法选取有效性的IMFS进行信号重构,再把重构信号的特征向量输入SVM进行故障识别;利用美国凯斯西储大学的轴承实验数据验证了该模型的诊断有效性。结果表明：该方法能够有效提高滚动轴承故障诊断准确率。     

基于支持向量机(SVM)的班克松人工林成熟材解剖性质的预测

成熟材含量的高低决定木材性质的优劣,合理界定幼龄材与成熟材的分界点,准确预测成熟材材质有利于木材高效加工利用.为了确定人工林班克松的成熟期和预测成熟材解剖性质,采用支持向量机(SVM)界定幼龄材与成熟材的分界点,在此基础上利用幼龄材解剖性质预测成熟材解剖性质.结果表明:人工林班克松幼龄材与成熟材的分界点在树木生长的第18年;成熟期解剖性质明显优于幼龄期,变化较幼龄期平缓;成熟预测误差低、相关性高;预测曲线能够体现解剖性质整体的变化趋势,但对解剖性质测试集突变点及其之后的变化情况表现不足.     

基于灰狼算法优化支持向量回归模型的木材染色配色算法研究

为提高木材染配色的精度和速度,本文对樟子松木材单板进行染色,提取染色单板的光谱反射率作为输入,以支持向量回归模型(SVR)为基础作为预测模型对染料配方进行预测,用灰狼算法对SVR参数进行寻优,并引入非线性收敛因子和新的位置更新策略改进灰狼算法容易陷入局部最优的缺点,以配方相对偏差作为评价指标,与固定参数的SVR模型及其他模型做对比,优化后的模型配方相对偏差为0.177,配色效果相较于固定参数SVR模型的相对偏差0.344、遗传算法优化的SVR模型的相对偏差0.287等具有明显优势,对提高人工速生材的利用具有重要意义。     

基于决策树的数据挖掘在入侵检测系统中的应用研究

传统的入侵检测产品采用的是基于规则的匹配，匹配误报率，漏报率均较高；本文采用数据挖掘中基于决策树的分类方法对规则集进行处理，将传统的基于规则的匹配改进为基于特征的匹配，从而极大提高了检测效率。降低了误报率和漏报率。     

决策树分类在红树林自然保护区SPOT影像解译中的应用

利用决策树分类方法对漳江口国家级红树林自然保护区SPOT遥感影像进行解译,解决了传统的调查分类方法难以区分滩涂红树林与山上果树的弊病,取得了较好的效果。     

人工智能在机械故障诊断中的应用

介绍了机械故障中应用的各种人工智能诊断方法及理论，包括专家系统、人工神经网络等，根据二者在机械故障诊断中的应用情况分析了它们的优缺点，并以专家系统在汽车故障诊断中的应用为例，阐述了专家系统在实际应用中存在的问题。     

分形理论在削片机故障诊断中的应用

将分形的有关理论与削片机机械故障诊断联系起来,论述了分形维数的基本概念,并给出了相关算法.研究结果表明:基于分形的机械故障诊断对削片机机械系统的故障极为敏感.