计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2013年
10期
345-349,437
,共6页
控制图%模式识别%小波分析%主成分分析%支持向量机
控製圖%模式識彆%小波分析%主成分分析%支持嚮量機
공제도%모식식별%소파분석%주성분분석%지지향량궤
Control chart%pattern recognition%Wavelet analysis (WA)%Principal component analysis (PCA)%Support vector machine(SVM)
机械加工过程优化控制,通过控制图模式智能识别过程.由于控制图是一种反映加工质量的工具,受多种因素影响,加工过程具有时变性、非线性等特点,传统线性方法无法识别特点,控制图识别正确率较低.为了提高了控制图识别正确率,将多种智能方法组合在一起,提出一种混合智能算法的控制图识别模型(WA-PCA-PSO-SVM).首先采用小波变换对数据进行分解和重构,消除数据中的“噪声”,然后采用主成分分析提取控制图样本的关键特征信息,降低分类器复杂度,最后采用粒子群算法优化SVM建立控制图分类器.仿真结果表明,WA-PCA-PSO-SVM可以准确的控制图变化规律,克服了传统模型的缺陷,提高了控制图模式识别的正确率,识别结果符合生产的实际情况.
機械加工過程優化控製,通過控製圖模式智能識彆過程.由于控製圖是一種反映加工質量的工具,受多種因素影響,加工過程具有時變性、非線性等特點,傳統線性方法無法識彆特點,控製圖識彆正確率較低.為瞭提高瞭控製圖識彆正確率,將多種智能方法組閤在一起,提齣一種混閤智能算法的控製圖識彆模型(WA-PCA-PSO-SVM).首先採用小波變換對數據進行分解和重構,消除數據中的“譟聲”,然後採用主成分分析提取控製圖樣本的關鍵特徵信息,降低分類器複雜度,最後採用粒子群算法優化SVM建立控製圖分類器.倣真結果錶明,WA-PCA-PSO-SVM可以準確的控製圖變化規律,剋服瞭傳統模型的缺陷,提高瞭控製圖模式識彆的正確率,識彆結果符閤生產的實際情況.
궤계가공과정우화공제,통과공제도모식지능식별과정.유우공제도시일충반영가공질량적공구,수다충인소영향,가공과정구유시변성、비선성등특점,전통선성방법무법식별특점,공제도식별정학솔교저.위료제고료공제도식별정학솔,장다충지능방법조합재일기,제출일충혼합지능산법적공제도식별모형(WA-PCA-PSO-SVM).수선채용소파변환대수거진행분해화중구,소제수거중적“조성”,연후채용주성분분석제취공제도양본적관건특정신식,강저분류기복잡도,최후채용입자군산법우화SVM건립공제도분류기.방진결과표명,WA-PCA-PSO-SVM가이준학적공제도변화규률,극복료전통모형적결함,제고료공제도모식식별적정학솔,식별결과부합생산적실제정황.
