排序方式: 共有5条查询结果,搜索用时 13 毫秒
1
1.
2.
针对滚动轴承故障诊断难以获得大量样本的问题以及LS-SVM 模型参数选择方法易陷入局部最优的缺点,提出了一种集合经验模态分解能量熵和差分进化算法(DE)优化最小二乘支持向量机相结合的轴承故障诊断方法。首先原始振动信号采用EEMD分解得到一组固有模态函数(IMF),从有效本征模态函数IMF分量中提取的能量特征作为输入建立支持向量机,通过计算不同振动信号的能量熵值大小来判断轴承的故障损伤程度。为了提高模型的诊断精度,采用差分进化算法对LS-SVM的结构参数进行优化,并与LS-SVM和PSO-LSSVM模型相比较。结果表明,DE-LSSVM 模型的故障分类准确性得到了提高,可以有效应用于滚动轴承故障诊断中。 相似文献
3.
4.
5.
提出了一种基于机器视觉技术的血袋编号字符识别方法,建立了字符在线识别硬件与软件系统。运用经典标定算法确定摄像机内外参数。对扫描的原始图像进行了灰度化、增强、滤波、反相等预处理及字符的倾斜校正、图像行字切分、归一化操作。分析表明:行字切分大于临界阈值T时,确定是文字像素一部分。预测结果与实测数据对比表明采用神经网络对转印字符进行识别可有效提高检测一次性血袋出厂编号的效率。相关技术及研制系统已应用于长春市某医疗制品企业,取得较好识别效果及应用效果。 相似文献
1