针对滚动轴承故障诊断过程中样本处理、故障识别等技术问题,提出一种基于Morlet小波和分类回归树(Classification and Regression Tree,CART)的滚动轴承故障诊断方法。首先,利用Morlet小波分析方法和移动窗方法对轴承振动信号进行样本...针对滚动轴承故障诊断过程中样本处理、故障识别等技术问题,提出一种基于Morlet小波和分类回归树(Classification and Regression Tree,CART)的滚动轴承故障诊断方法。首先,利用Morlet小波分析方法和移动窗方法对轴承振动信号进行样本处理。其次,对提取的短样本进行变分模态分解与特征提取,完成训练集和测试集的构建。然后,使用训练集训练CART决策树分类模型,同时引入随机搜索和K折交叉验证用于模型关键参数优化,以获取理想的轴承故障分类模型。测试集验证结果表明,该方法不但能实现多种轴承故障的有效诊断、在含噪测试集中表现良好,而且单个样本的数据长度和采样时长的缩短效果明显。展开更多
为提高林业运输车辆的保险杠喷涂合格率,以某公司汽车保险杠的涂装质量数据为例,运用排列图对涂装质量数据进行分析得出颗粒、桔皮属于影响喷涂质量的主要因素。从人、机、料、法、环5个方面分析产生颗粒、桔皮的主要原因,并采用斯皮尔...为提高林业运输车辆的保险杠喷涂合格率,以某公司汽车保险杠的涂装质量数据为例,运用排列图对涂装质量数据进行分析得出颗粒、桔皮属于影响喷涂质量的主要因素。从人、机、料、法、环5个方面分析产生颗粒、桔皮的主要原因,并采用斯皮尔曼(Spearman)相关系数进行特征提取以及重要性分析,得出喷漆房的温度、喷漆房相对湿度、机器人喷涂流量、旋杯转速、喷涂距离、喷涂速度、漆的品牌、机器人(机器①、机器②、…、机器⑥)均会影响保险杠的喷涂质量。运用决策树(classification and regression tree,CART)算法确定喷涂流量、喷漆房的温度、喷漆房相对湿度、机器人②和机器人④、漆的品牌是影响保险杠喷涂质量的较为关键的因素。结果表明,利用CART分类算法对喷涂质量数据进行分析能够实现对故障点的判别,对于提高保险杠喷涂质量具有借鉴意义。展开更多
针对当前单一地貌划分单元造成的分类结果破碎或漏分问题,该文引入双尺度流域单元划分方法,即采用两种不同大小流域单元的组合作为地貌划分基本单元,以提高地貌划分的细分性和完整性。以30 m ASTER GDEM数据为数据源,基于最佳地形因子组...针对当前单一地貌划分单元造成的分类结果破碎或漏分问题,该文引入双尺度流域单元划分方法,即采用两种不同大小流域单元的组合作为地貌划分基本单元,以提高地貌划分的细分性和完整性。以30 m ASTER GDEM数据为数据源,基于最佳地形因子组合(高程、地势起伏度、坡度、坡度变率、光照模拟值)、双尺度流域单元、CART决策树算法,实现了北回归线(云南段)地区平原(2类)和山地(7类)共9类地貌的划分,双尺度流域单元划分的最佳流量阈值分别为500、2000。通过平均值、标准差、Moran′s I和人工判读结果对分类结果进行检验,发现基于CART决策树的双尺度流域单元地貌分类方法在北回归线(云南段)地区总体精度可达82.1%,Kappa系数为0.793,总体能够准确识别出研究区的地貌类型空间分布特征,是地貌类型划分的一种可行方法。展开更多
文摘针对滚动轴承故障诊断过程中样本处理、故障识别等技术问题,提出一种基于Morlet小波和分类回归树(Classification and Regression Tree,CART)的滚动轴承故障诊断方法。首先,利用Morlet小波分析方法和移动窗方法对轴承振动信号进行样本处理。其次,对提取的短样本进行变分模态分解与特征提取,完成训练集和测试集的构建。然后,使用训练集训练CART决策树分类模型,同时引入随机搜索和K折交叉验证用于模型关键参数优化,以获取理想的轴承故障分类模型。测试集验证结果表明,该方法不但能实现多种轴承故障的有效诊断、在含噪测试集中表现良好,而且单个样本的数据长度和采样时长的缩短效果明显。
文摘为提高林业运输车辆的保险杠喷涂合格率,以某公司汽车保险杠的涂装质量数据为例,运用排列图对涂装质量数据进行分析得出颗粒、桔皮属于影响喷涂质量的主要因素。从人、机、料、法、环5个方面分析产生颗粒、桔皮的主要原因,并采用斯皮尔曼(Spearman)相关系数进行特征提取以及重要性分析,得出喷漆房的温度、喷漆房相对湿度、机器人喷涂流量、旋杯转速、喷涂距离、喷涂速度、漆的品牌、机器人(机器①、机器②、…、机器⑥)均会影响保险杠的喷涂质量。运用决策树(classification and regression tree,CART)算法确定喷涂流量、喷漆房的温度、喷漆房相对湿度、机器人②和机器人④、漆的品牌是影响保险杠喷涂质量的较为关键的因素。结果表明,利用CART分类算法对喷涂质量数据进行分析能够实现对故障点的判别,对于提高保险杠喷涂质量具有借鉴意义。
文摘针对当前单一地貌划分单元造成的分类结果破碎或漏分问题,该文引入双尺度流域单元划分方法,即采用两种不同大小流域单元的组合作为地貌划分基本单元,以提高地貌划分的细分性和完整性。以30 m ASTER GDEM数据为数据源,基于最佳地形因子组合(高程、地势起伏度、坡度、坡度变率、光照模拟值)、双尺度流域单元、CART决策树算法,实现了北回归线(云南段)地区平原(2类)和山地(7类)共9类地貌的划分,双尺度流域单元划分的最佳流量阈值分别为500、2000。通过平均值、标准差、Moran′s I和人工判读结果对分类结果进行检验,发现基于CART决策树的双尺度流域单元地貌分类方法在北回归线(云南段)地区总体精度可达82.1%,Kappa系数为0.793,总体能够准确识别出研究区的地貌类型空间分布特征,是地貌类型划分的一种可行方法。
