期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于KPCA和PSO-SVM的木材干燥过程在线优化建模研究
被引量：
1
1
作者
张冬妍
张春妍
尹文芳
《安徽农业科学》
CAS
2014年第7期1993-1996,共4页
针对木材干燥过程样本数据存在较多噪声的问题,采用核主成分分析方法对木材干燥数据进行预处理,然后利用粒子群优化的支持向量机建立木材干燥系统的在线预测模型,并进行在线预测。仿真研究表明,对数据预处理后,降维训练样本建立的木材...
针对木材干燥过程样本数据存在较多噪声的问题,采用核主成分分析方法对木材干燥数据进行预处理,然后利用粒子群优化的支持向量机建立木材干燥系统的在线预测模型,并进行在线预测。仿真研究表明,对数据预处理后,降维训练样本建立的木材干燥模型能够获得很好的预测精度,计算量小,速度快。在线模型能够实时反映系统当前状态,在线优化模型结构并预测系统下一步输出,实现了木材含水率特性变化的动态预测。模型输出误差小、泛化能力强,能够满足实际干燥过程在线预测控制的需要,具有良好的实际应用价值和工业前景。
展开更多
关键词
木材干燥
核主成分分析
粒子群优化支持向量机
在线建模
在线阅读
下载PDF
职称材料
结合非线性频谱和核主元分析的机器人用RV减速器故障诊断
被引量：
22
2
作者
陈乐瑞
曹建福
王晓琪
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020年第1期32-41,共10页
针对机器人用RV减速器故障诊断准确率低问题,采用基于非线性输出频率响应函数频谱与核主元分析(KPCA)相结合的方法诊断RV减速器故障。利用RV减速器性能测试平台采集减速器在正常状态和故障状态下的输入和输出数据;采用批量估计算法得到...
针对机器人用RV减速器故障诊断准确率低问题,采用基于非线性输出频率响应函数频谱与核主元分析(KPCA)相结合的方法诊断RV减速器故障。利用RV减速器性能测试平台采集减速器在正常状态和故障状态下的输入和输出数据;采用批量估计算法得到每种状态下的前4阶频谱值,将其作为故障特征送入KPCA进行压缩,通过设置主元累计贡献率将400维数据压缩至5维;将KPCA生成的低维数据送入支持向量机分类器进行训练和测试。试验结果表明:与仅把振动信号时域或频域作为数据集进行故障诊断的方法相比,所提方法的故障诊断准确率分别提升了27.50%和8.34%,达到了96.67%,所提方法在RV减速器的故障诊断上有效。
展开更多
关键词
机器人
RV减速器
非线性输出频率响应函数
核主元分析
故障诊断
在线阅读
下载PDF
职称材料
在线压缩核主元分析的自适应过程监控
被引量：
1
3
作者
郭金玉
李文涛
李元
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2022年第10期1397-1408,共12页
对于动态系统,传统的核主元分析(KPCA)方法处理的效果不理想.滑动窗口核主元分析方法能适应动态系统的正常参数漂移,但是该方法处理大量的样本时需要较长的运算时间.因此,提出一种在线压缩核主元分析的自适应过程监控方法.该方法在大量...
对于动态系统,传统的核主元分析(KPCA)方法处理的效果不理想.滑动窗口核主元分析方法能适应动态系统的正常参数漂移,但是该方法处理大量的样本时需要较长的运算时间.因此,提出一种在线压缩核主元分析的自适应过程监控方法.该方法在大量的样本中选定较小的训练集作为初始压缩集进行建模,对在线实时采集的数据进行分析,判断新的样本是否正常.若为正常样本,判断该样本是否加入压缩集中,在加入压缩集的同时自动更新在线KPCA模型.将该方法应用到数值例子和田纳西-伊斯曼(TE)过程,仿真结果验证了该方法的有效性.
展开更多
关键词
核主元分析
在线压缩核主元分析
滑动窗口
过程监控
在线阅读
下载PDF
职称材料
题名
基于KPCA和PSO-SVM的木材干燥过程在线优化建模研究
被引量：
1
1
作者
张冬妍
张春妍
尹文芳
机构
东北林业大学机电工程学院
哈尔滨华夏计算机职业技术学院
长沙长泰机器人有限公司
出处
《安徽农业科学》
CAS
2014年第7期1993-1996,共4页
基金
国家林业公益性行业科研专项
文摘
针对木材干燥过程样本数据存在较多噪声的问题,采用核主成分分析方法对木材干燥数据进行预处理,然后利用粒子群优化的支持向量机建立木材干燥系统的在线预测模型,并进行在线预测。仿真研究表明,对数据预处理后,降维训练样本建立的木材干燥模型能够获得很好的预测精度,计算量小,速度快。在线模型能够实时反映系统当前状态,在线优化模型结构并预测系统下一步输出,实现了木材含水率特性变化的动态预测。模型输出误差小、泛化能力强,能够满足实际干燥过程在线预测控制的需要,具有良好的实际应用价值和工业前景。
关键词
木材干燥
核主成分分析
粒子群优化支持向量机
在线建模
Keywords
Timber drying
KPCA （
kernel
principal
component
analysis
）
PS0-SVM （Particle Swarm Optimizing Support Vector Machines）
online
modeling
分类号
S782.31 [农业科学—木材科学与技术]
在线阅读
下载PDF
职称材料
题名
结合非线性频谱和核主元分析的机器人用RV减速器故障诊断
被引量：
22
2
作者
陈乐瑞
曹建福
王晓琪
机构
西安交通大学机械制造系统工程国家重点实验室
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020年第1期32-41,共10页
基金
国家自然科学基金资助项目(61573272)
陕西省重点产业创新链项目(2019ZDLGY01-01-02)
佛山市重大科技项目(2016AG 101813)
文摘
针对机器人用RV减速器故障诊断准确率低问题,采用基于非线性输出频率响应函数频谱与核主元分析(KPCA)相结合的方法诊断RV减速器故障。利用RV减速器性能测试平台采集减速器在正常状态和故障状态下的输入和输出数据;采用批量估计算法得到每种状态下的前4阶频谱值,将其作为故障特征送入KPCA进行压缩,通过设置主元累计贡献率将400维数据压缩至5维;将KPCA生成的低维数据送入支持向量机分类器进行训练和测试。试验结果表明:与仅把振动信号时域或频域作为数据集进行故障诊断的方法相比,所提方法的故障诊断准确率分别提升了27.50%和8.34%,达到了96.67%,所提方法在RV减速器的故障诊断上有效。
关键词
机器人
RV减速器
非线性输出频率响应函数
核主元分析
故障诊断
Keywords
robot
RV reducer
n
online
ar output frequency response
kernel
principal
component
analysis
fault diagnosis
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
在线压缩核主元分析的自适应过程监控
被引量：
1
3
作者
郭金玉
李文涛
李元
机构
沈阳化工大学信息工程学院
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2022年第10期1397-1408,共12页
基金
国家自然科学基金重大项目(61490701)
国家自然科学基金项目(61673279)
辽宁省教育厅项目(LJ2019007)。
文摘
对于动态系统,传统的核主元分析(KPCA)方法处理的效果不理想.滑动窗口核主元分析方法能适应动态系统的正常参数漂移,但是该方法处理大量的样本时需要较长的运算时间.因此,提出一种在线压缩核主元分析的自适应过程监控方法.该方法在大量的样本中选定较小的训练集作为初始压缩集进行建模,对在线实时采集的数据进行分析,判断新的样本是否正常.若为正常样本,判断该样本是否加入压缩集中,在加入压缩集的同时自动更新在线KPCA模型.将该方法应用到数值例子和田纳西-伊斯曼(TE)过程,仿真结果验证了该方法的有效性.
关键词
核主元分析
在线压缩核主元分析
滑动窗口
过程监控
Keywords
kernel
principal
component
analysis
(KPCA)
online
reduced
kernel
principal
component
analysis
(
orkpca
)
moving window
process monitoring
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于KPCA和PSO-SVM的木材干燥过程在线优化建模研究
张冬妍
张春妍
尹文芳
《安徽农业科学》
CAS
2014
1
在线阅读
下载PDF
职称材料
2
结合非线性频谱和核主元分析的机器人用RV减速器故障诊断
陈乐瑞
曹建福
王晓琪
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020
22
在线阅读
下载PDF
职称材料
3
在线压缩核主元分析的自适应过程监控
郭金玉
李文涛
李元
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
