期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
随机森林算法在超声缺陷识别中的应用研究
1
作者 魏新园 周京欢 +2 位作者 钱牧云 李丹 黄三傲 《电子测量与仪器学报》 CSCD 北大核心 2024年第5期47-55,共9页
超声波检测是一种常见的钢材缺陷检测方法,通过机器学习算法建立分类模型能够实现有效的缺陷识别。神经网络是目前最常采用的一种算法,但存在模型结构复杂且需要大量训练数据的问题。对此,提出一种基于随机森林的超声缺陷识别方法,能够... 超声波检测是一种常见的钢材缺陷检测方法,通过机器学习算法建立分类模型能够实现有效的缺陷识别。神经网络是目前最常采用的一种算法,但存在模型结构复杂且需要大量训练数据的问题。对此,提出一种基于随机森林的超声缺陷识别方法,能够实现对缺陷类型的智能、准确识别,以解决模型结构复杂和训练数据需求大的问题。首先对方体试件中的不同形状、尺寸和深度的缺陷进行超声检测实验,基于实验数据利用随机森林算法建立超声缺陷识别模型;进而对模型的缺陷识别效果进行分析,并与支持向量机、K-近邻分类算法、AdaBoosting算法和卷积神经网络比对分析缺陷识别效果;然后利用验证试件进行缺陷识别验证实验,以进一步验证所建立缺陷识别模型的有效性。结果表明,所提缺陷识别方法相比其他算法具有最高的准确率,验证实验中缺陷分类准确率达到94.6%。 展开更多
关键词 随机森林 超声探伤 缺陷识别 不同形状和尺寸 分类准确率
原文传递
基于迁移学习的异工况下机床热误差建模方法 被引量:3
2
作者 魏新园 王杲 +2 位作者 周京欢 潘巧生 钱牧云 《仪器仪表学报》 EI CAS CSCD 北大核心 2023年第7期44-52,共9页
机床热误差预测模型在不同工况下难以保持高预测精度是导致热误差实际补偿效果差的重要原因,对此本文提出一种基于迁移学习的异工况下机床热误差建模方法。首先利用核均值匹配算法获取不同工况下机床温度数据间的迁移权重,从而提出基于... 机床热误差预测模型在不同工况下难以保持高预测精度是导致热误差实际补偿效果差的重要原因,对此本文提出一种基于迁移学习的异工况下机床热误差建模方法。首先利用核均值匹配算法获取不同工况下机床温度数据间的迁移权重,从而提出基于迁移学习的热误差建模方法;对不同工况下热误差数据进行差异显著性检验,并利用本文所提方法建立热误差预测模型,分析建模效果;然后比对分析本文所提建模方法与常用建模方法的实际预测效果,最后进行补偿验证实验以证明本文所提方法的有效性。结果表明,本文所提基于迁移学习的建模方法能够有效提升建模效果,其中迁移学习结合LASSO算法针对不同工况下热误差数据的预测精度和稳健性分别达到3.73和1.14μm,补偿后机床X/Y/Z 3个方向热误差分别保持在-2.3~3.1μm、-3.4~3.9μm和-3.3~4.6μm范围内。 展开更多
关键词 机床热误差 迁移学习 建模与补偿 异工况 预测效果
原文传递
数据机理驱动的机床主轴热精度建模方法研究
3
作者 魏新园 钱自强 +2 位作者 吴秋源 钱牧云 周京欢 《仪器仪表学报》 EI CAS CSCD 北大核心 2023年第12期111-119,共9页
主轴热精度问题是造成精密数控机床精度下降的主要原因,传统数据驱动的热精度建模方法强调建模算法的优化,忽略了热精度特性分析,导致鲁棒性低、解释性差和模型结构复杂等问题。对此,从数据机理的角度出发分析主轴热精度特性,针对性的... 主轴热精度问题是造成精密数控机床精度下降的主要原因,传统数据驱动的热精度建模方法强调建模算法的优化,忽略了热精度特性分析,导致鲁棒性低、解释性差和模型结构复杂等问题。对此,从数据机理的角度出发分析主轴热精度特性,针对性的提出热精度建模方法。热精度建模前需要选择温度敏感点(TSPs),利用LASSO算法实现TSPs自适应选择;基于分位数回归分析证明TSPs存在双重变动性,利用复合分位数回归算法提高建模精度;工况条件变动易造成模型泛化能力下降,利用L2正则化算法提高模型稳健性。最终提出基于复合分位数回归结合弹性网络正则化的主轴热精度建模方法。实验表明,利用所提建模方法补偿后机床热误差波动在±2μm以内,相比补偿前精度提升93.3%,所提建模方法具有预测精度和稳健性高、自适应性强和解释性好的优势。 展开更多
关键词 机床主轴 热精度 数据机理 稳健性
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部