版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、液壓減振器作為汽車懸架系統(tǒng)中的關(guān)鍵部件,需要通過測試來了解其工作性能。目前對于減振器缺陷的識別都是先通過示功機測試得到示功圖,再經(jīng)由人工查看的方式進行判斷,此種方式效率低下、受影響因素多。本文討論了如何利用支持向量機技術(shù),使示功機具備自動識別減振器缺陷類型的功能。
本文的主要工作和成果如下:
(1)以筒式液壓減振器為研究對象,電伺服正弦示功機為平臺,分析了示功圖典型缺陷類型及形成原理。數(shù)據(jù)來源于應(yīng)用該示功機的多個工業(yè)
2、用戶,將示功圖進行了統(tǒng)一預(yù)處理,再根據(jù)示功圖特點選取不變矩作為特征提取方式,建立了示功圖缺陷樣本庫。
(2)深入討論了統(tǒng)計學(xué)習(xí)理論與支持向量機的理論基礎(chǔ)。重點為學(xué)習(xí)機器的VC維,推廣性的界,結(jié)構(gòu)風(fēng)險最小化,線性與非線性支持向量機,支持向量機核函數(shù)以及常用的多分類算法等理論。
(3)研究了LibSVM工具箱實現(xiàn)支持向量機分類的過程,主要為數(shù)據(jù)準備、訓(xùn)練、建模與識別的方法。對8類共534組典型示功圖樣本分別進行關(guān)于歸一化
3、方式、核函數(shù)選擇以及參數(shù)優(yōu)化的實驗,最終選取[0,1]歸一化、RBF核函數(shù)與經(jīng)過交叉驗證得到的優(yōu)化參數(shù),最高整體識別率達到97%以上。
(4)實驗過程及結(jié)果表明,特征提取方式、歸一化方式、核函數(shù)種類以及模型參數(shù)的優(yōu)化,對基于支持向量機的示功圖缺陷自動識別模型的性能起到了至關(guān)重要的影響。
本文研究表明,將支持向量機理論運用到減振器缺陷自動識別的工作中是可行的,且具有較高的識別能力。加載了此項功能的正弦示功機能夠輔助甚至
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的帶鋼表面缺陷識別研究.pdf
- 減振器生產(chǎn)過程中缺陷產(chǎn)品自動識別.pdf
- 基于支持向量機的帶鋼表面缺陷識別問題研究.pdf
- 基于支持向量機的抽油機示功圖工況判別.pdf
- 基于小波和支持向量機的基樁缺陷識別.pdf
- 基于支持向量機的雜草識別研究.pdf
- 基于支持向量機的表情識別.pdf
- 基于流形支持向量機的木材表面缺陷識別方法的研究.pdf
- 基于支持向量機的語種識別研究.pdf
- 基于支持向量機的貨幣識別研究.pdf
- 基于支持向量機的車型識別.pdf
- 基于特征加權(quán)支持向量機的復(fù)合材料接缺陷量化識別研究.pdf
- 基于支持向量機的步態(tài)識別.pdf
- 基于支持向量機的說話人識別研究.pdf
- 基于改進支持向量機的貨幣識別研究.pdf
- 基于支持向量機的肺結(jié)節(jié)識別研究.pdf
- 基于支持向量機的語音識別技術(shù).pdf
- 基于支持向量機的紙幣號碼識別.pdf
- 基于支持向量機的車輛識別技術(shù)的研究.pdf
- 基于支持向量機的笑臉識別算法研究.pdf
評論
0/150
提交評論