基于最小二乘法的纯碳滑板磨损量预测
基于最小二乘支持向量机超声电机摩擦材料寿命的预测
号特征参数作 为输入 量 ，摩擦 材料 的厚度 为输 出量 。 电信 号 的检 测方 便快 捷 ，无 需 复杂 的数 据处 理 。通 过对 Ｌｓ—
ＳＶＭ模型参数 的优化 ，提高 了该模 型的预测精度 。测试结果 表明摩擦材料厚度 的预测值 与试 验值 有很 好的一致性 。
关键词 ：超声 电机 ；支持 向量机 ；寿命预测 ；摩擦材 料
文献标 志码 ：Ａ
文章编号 ：１００１．６８４８（２０１８）０１．００７８．０５
Ｌｉｆｅ Ｐｒｅｄｉｃｔｉｏｎ ｏｆ Ｆｒｉｃｔｉｏｎ Ｍ ａｔｅｒｉａｌ Ｕｓｅｄ ｉｎ Ｕｌｔｒａｓｏｎｉｃ Ｍ ｏｔｏｒ Ｕｓｉｎｇ ＬＳ·－ＳＶＭ
ＬＩＵ Ｓｈｕｏ ，ＬＩ Ｊｉｎｂａｎｇ ，ＱＵ Ｊｉａｎｊｕｎ ，ＸＩＡＮＧ Ｓｉｔｏｎｇ （１．Ｆａｃｕｌｔｙ ｏｆＭｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｍｅｃｈａｎｉｃｓ，Ｎｉｎｇｂｏ Ｕｎｉｖｅｒｓｉｔｙ，Ｎｉｎｇｂｏ Ｚｈｅｊｉａｎｇ ３１５２１１，Ｃｈｉｎａ；
２． Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｔｒｏｎｉｃｓ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈａｒｂｉｎ Ｉｎｓｔｉｔｕｔｅ ｏ ｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｆｒ ｉｃｔｉｏｎ ｐｒｏｃｅｓｓ ａｎｄ ｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ ｃｏｕｐｌｉｎｇ ｐｒｏｃｅｓｓ ｉｎ ｕｌｔｒａｓｏｎｉｃ ｍｏｔｏｒ（ＵＳＭ）ｐｏｓｓｅｓｓ
ｓｔｒｏｎｇ ｎｏｎｌｉｎｅａｒｉｔｙ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ， ｌｉｆｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｆｒｉｃｔｉｏｎ ｍａｔｅｒｉａｌ ｕｓｅｄ ｉｎ ＵＳＭ ｉｓ ａ ｐｒｏｂｌｅｍ ｗｈｉｃｈ ｈａｖｅ ｎｏｔ ｂｅｅｎ ｓｏｌｖｅｄ ｉｎ ｔｈｅ ｒｅｓｅａｒｃｈ ｆ ｉｅｌｄ ｏｆ ＵＳＭ ．Ｉｎ ｏｒｄｅｒ ｔｏ ｓｏｌｖｅ ｔｈｉｓ ｐｒｏｂｌｅｍ ，ａ ｌｉｆｅ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ
【CN109783929A】地铁车辆受电弓碳滑板磨耗估算方法及寿命预测方法【专利】
式 (4) 中 ，Cm为材料属性系数 ；P为受电 弓单块碳滑板与接触线之间的 平均接触压力 ，单 位为N ；KP为压力影响因子 ；KI为电 流影响因子 ；KV为速度影响因子 ；T为环境温 度 ，Tm为材料 的熔化温度 ，单位为K ；v (l) 为相对滑动速度 ；式 (5) 中 ，D为碳滑板的宽度 ，δ(l) 为所选取小区 间的宽度，所述深度磨耗率ws单位为μm/Km。
权利要求书2页 说明书11页 附图5页
CN 109783929 A
CN 109783929 A
权 利 要 求 书
1/2 页
1 .一种地铁车辆受电弓碳滑板磨耗估算方法，其特征在于，所述估算方法包括如下步 骤：
步骤S1，建立受电弓碳滑板磨耗率计算简化模型； 步骤S2 ，计算当前接触线布设方式下碳滑板横向不同位置的 磨耗距离占 整个磨耗距离 的比重； 步骤S3，估算碳滑板磨耗轮廓。 2 .根据权利要求1所述的碳滑板磨耗估算方法，其特征在于，所述步骤S1进一步包括： 步骤S101，获得熔化磨耗机制下的磨耗率计算原始模型； 步骤S102，将弓网间电流等效为压力，与实际接触力共同构成总接触力； 步骤S103，将所述总接触力、材料属性系数、压力影响因子、电流影响因子、速度影响因 子引入所述计算原始模型中，得到磨耗率计算简化模型； 步骤S104 ，在碳滑板的横向上取一个小区间 ，小区间内磨耗是均匀的 ，将所述磨耗率计 算简化模型转换为在所述小区间内弓线相对滑动每公里磨耗的深度磨耗率计算简化模型。 3 .根据权利要求2所述的碳滑板磨耗估算方法，其特征在于，所述深度磨耗率计算简化 模型为：
2
CN 109783929 A
权 利 要 求 书
2/2 页
至取完碳滑板的横向长度；将每个小区间所计算的平均磨耗深度用平滑曲线连接，得到磨 耗后的碳滑板轮廓曲线。
基于奇异分解与最小二乘支持向量机的刀具磨损识别方法研究
的刀具磨损 状态识别方法 。该方法首先对声 发射信号进行 经验模 态分解 ， 将 其分解 为若干 个 固有 模态 函数之 和 ， 利用 固有模态 函数 构造初始特征 向量矩 阵 ， 然后 对初始 特征 向量矩 阵进行奇 异值分 解 ， 计算 奇异谱 ， 将奇异谱做为特征 向量 ， 送入最小二乘支 持向量机训练 、 识别 。结果表 明 ： 该方 法能很好地 识别 刀具磨损状 态 ， 与神经 网络相 比具 有更高的识别率 。 关 键 词： 刀具磨损状态识别 ； 奇异值分解 ； 经验模态分解 ； 最ｔ Ｊ ￣ ｚ． 乘支持 向量机
值组合形成多种不 同的切 削条件 ， 这就需要 做大量
的切 削实 验 ， 这 在实 际 中是不 可行 的， 为 此 设 计 了
０
５ ０ ｏＯ
ｌ ＯＯ ｏ ｏ
１ ５０ ｏ Ｏ
图１ 刀具不 同磨损阶段的声发射信号
收稿 日期 ： ２ ０ １ ３一 Ｏ １—１ ４ 基金项 目： 东北 电力 大学博 士科研启动基金资助 （ Ｂ Ｓ Ｊ Ｘ Ｍ一 ２ ０ １ １ １ ５ ） 作者简介 ： 关 山（ １ ９ ７ ０一 ） ， 男， 吉林省 吉林市人 ， 东 北电力 大学 机械工程 学院副教授 ， 博士 ， 主要研究方 向： 机械制造及 自动化技术 方面 的研究．
６
东北 电力大学学报
第３ ３卷
Ｌ 。 （ ３ 。 ） 正交实验表 ３ 组， 共２ ７ 个不同切削参数组合 。图 １ 为刀具在不 同磨损阶段的声发射信号。
２ 刀具 磨 损 信 号特 征 的提取
２ ． １ 经 验模 态分 解原 理
ｏ ｏ
０
。
基 于 奇 异 分解 与最 小 二 乘 支 持 向量 机 的 刀具 磨 损 识别 方 法研 究
基于最小二乘支持向量机的磨损预测
Ｃａ ｂ Ｘｉ ａ ｐ ｎ ｏ Ｙｉｏ ｅ Ｘｉｏ ｅ ｇ
（ ． ｏｅｅｏ ｅｈｎｃｌ ｎ ｉｅｒ ｇ ＳｕｈＣ ｉａＵ ｉ ｒ ｔ ｏ ｅｈ ｏ ｇ ， ｕｎｚｏ ｕｎｄ ｎ １６ ０ Ｃ ｉａ １ Ｃ ｌｇ ｆ ｃ ａｉ ｇ ｅｉ ，ｏｔ ｈ ｎｖ ｓｙ ｆ ｃ ｎｌ ｙ Ｇ ａｇｈ ｕＧ ａｇ ｏｇ ４ ， ｈｎ ； ｌ Ｍ ａＥ ｎ ｎ ｎ ｅ ｉ Ｔ ｏ ５０
测方法。用齿轮箱的实验数据验证了所提出的方法的有效性 。
关键词 ：最ｄ －乘 向量机 ；ቤተ መጻሕፍቲ ባይዱ损量 ；齿轮箱 ｘ
中圈分类号 ：Ｔ １． 文献标识码 ：Ａ 文章编号：０ ５ ０５ （０ ７ Ｈ１７ １ ２４— １０ ２ ０ ）２—１８— ３ ４
Ｗ ｅ ｒ Ｌｏ ｓＰｒ ｄ ｃｉ ｎ Ｕｓｎ ａ ｔＳ ｕ ｒ ｕ ｐ ｒ ｃｏ ａ ｈ ｎ ａ ｓ ｅ ｉｔ ｉ ｇ Ｌｅ ｓ ｑ ａ ｅ Ｓ ｐ ｏ ｔＶｅ ｔ ｒ Ｍ ｃ ｉ ｅ ｏ
ｏ ｔ ｕ ． ｈ ｅａｌ ｔｐ ｆｔｅ ｍｅｈ ｄ ｗ ｓｓ ｏ ｄ ｄ ｓ ｕ ｓ ｄ Ａ ｘ ｅ ｍｅ ｔａ ｏ ｔ ｅ ｒｂ ｘ Ｗ ｎ ｒｄ ｃ ｄ ｔ ｅ ｆ ｕｐ ｔＴ ｅ ｄ ｔｉ ｓｅ ｓｏ ｔ ｏ ａ ｈ ｗｎ ａ ｉｃ ｓｅ ． ｎ ｅ ｐ ｒ ｎ ｂ ｕ ｇ ａ ｏ ａ ｉｔ ｕ ｅ ｏ ｖ ｒ ｙ ｈ ｎ ｉ ａ ｓ ｏ ｉ ｔ ｅ ｍ ｔｏ ｎ ｈ ｅ ｕ ｈ ｗ ｈ ｔ ｏ ｆ ｃｉｅ ｈ ｅｈ ｄ ａ ｄ ｔ ｅ ｒｓ ｈ ｓ ｏ ｓ ｔｅ ｍｅｈ ｉ ｅ ｅ ｔ ． ｄ ｓ ｖ Ｋ ｙ ｏ ｄ ： ａ ｔ ｑ ａ ｅ ｓ ｐ ｏ ｅ ｔｒｍａ ｈ ｎ ； ｅ ｓ ；ｅ ｒｂ ｘ ｅ ｗ ｒ ｓ ｌ ｓ ｓ ｕ ｒ ｕ ｐ ｒ ｖ ｃｏ ｃ ｉ ｅ ｗ ａ ｌ ｓ ｇ ａ ｏ ｅ ｔ ｒ ｏ
支持向量机刀具磨损预测模型及MATLAB仿真
基金项目:国家支撑计划项目(2006BAF01A27)收稿日期:2009年1月支持向量机刀具磨损预测模型及MAT LAB 仿真叶蔚,王时龙,雷松重庆大学摘要:针对刀具使用时加工参数多变的实际情况,提出使用最小二乘支持向量机(LS -S VM )建立模型并对刀具磨损进行预测:首先引入最小二乘支持向量机建立刀具磨损模型,然后针对具体实验数据,采用交叉验证的办法,选取优化的核参数。
实验和仿真结果表明:该模型可以有效地学习刀具磨损中的非线性关系,刀具磨损的预测精度较高。
因此该模型可以用作对实际加工中的刀具磨损进行有效预测,并为切削参数的实际选择提供依据。
关键词:刀具磨损;向量机模型;M AT LAB 仿真中图分类号:TG 701 文献标志码:APredicting Model of Cutting Tool Wear B ased on Least Squares SupportV ector Machine and MAT LAB SimulationY e Wei ,Wang Shilong ,Lei S ongAbstract :With the variable parameter appearing in the using of tool ,the m odel built by least squares support vector ma 2chines (LS -S VM )method is provided to predicting tool wear.Firstly ,LS -S VM was introduced to m odel the wearing of tool.Aiming at the specific sam ple ,the method of cross validation is used to choose the proper kernel function parameters.Results of simulations and experiments showed that the LS -S VM m odel based on radial basis function kernel (R BF )could effectively learn the non 2linear relationship in tool wear.This method could obtain higher prediction accuracy.As a result ,the m odel could effec 2tively predict tool wear and provide theoretical basis for the selection of machining parameters in the actual processing.K eyw ords :cutting tool wear ;S VM m odel ;M AT LAB simulation 1 引言在切削加工中,刀具寿命是一个重要的参数,它直接影响到刀具需求计划制定、刀具成本核算、生产效率和加工成本。
改进的车轮踏面磨损量最优非负变权组合预测模型
收稿日期：2017−04−25 基金项目：国家自然科学基金资助项目(60776832) 通信作者：蔡煊(1982−)，男，四川德阳人，博士研究生，从事交通信息工程及控制研究；E−mail：390474685@
第7期
蔡煊，等：改进的车轮踏面磨损量最优非负变权组合预测模型
1833
车轮作为列车的关键走行部件和易磨损部件， 其状态好坏直接影响列车运行的安全和品质，其磨 损程度直接关系到轮对的维修时机和剩余寿命。车 轮磨损涉及到铁路运输的安全性和经济性，需及时 掌握车轮随列车运行里程的磨损变化情况，加强对 车轮磨损信息的分析和预测。由于车轮磨耗过程的 随机性和复杂性，难以建立精确的数学模型对各种 影响因素进行量化。为此，一些学者从车轮踏面磨 损量这个综合变量本身寻找有用信息，借助预测的 思想实现对车轮踏面磨耗趋势的正确描述。汤旻安 等[1]研究灰色 GM(1,1)模型在地铁轮对踏面磨损预 测中的应用。衷路生等[2]提出一种基于最小二乘支 持向量机的车轮踏面磨损量预测方法。单一预测方 法简单、易操作，可以从不同角度反映对象特征， 但存在反映信息不全面、受自身假设条件限制较 大、适用范围有限等缺点[3−4]。如果将单一预测方 法进行组合构成组合预测模型，综合利用不同方法 的优点，降低和分散各方法的预测风险和不确定 性，可有效提高预测的精度和可信度[5−6]。针对单 一预测方法存在的缺陷，李滢等[7−8]研究组合预测 模型在车轮踏面磨损预测中的应用，基于 3 种单一 预测方法构建车轮踏面磨损量的定权组合预测模 型和变权组合预测模型，验证了变权组合模型的预 测精度优于各单项模型和定权组合模型，但其变权 组合模型中求取各单项模型组合权重的方法采用 的是传统的绝对误差法。如何确定各单项模型的组 合权重是变权组合模型的关键问题，组合权系数是 否合理直接影响到组合预测的精度。由于变权系数 是随时间变化的函数，相对定权组合模型的组合权 重，确定起来更加困难。求取组合变权重有多种传 统方法，包括以组合预测误差平方和最小为最优准 则、以绝对误差和达到最小为最优准则、以相对误 差的最大值达到最小为最优准则等方法。其中，最 为常用的是基于组合预测误差平方和最小的变权 组合模型[9−12]。本文针对车辆轮对踏面磨损量小样 本数据同时具有单调趋势性和随机波动性的特点， 引入灰色关联度[13−14]，提出一种有别于传统方法的 以组合预测模型灰色关联度最大为最优准则的变 权系数求取方法，构建基于灰色关联度最大的车轮 踏面磨损量最优非负变权组合预测模型。与各单项 模型、基于组合预测误差平方和最小的变权组合模
磨损模型和预测公式
1、引言在工程研究中一个至关重要的目标，就是以数学表达式的形式来建立系统中所有变量和参数之间的性能关系。
因此，在摩擦学领域，工程师和设计者也应当建立一套公式来预测磨损率.不幸的是，可利用的方程疑点重重,很少有设计者可以利用这些公式来较为准确的预测产品的寿命。
在自动化设计中大多数其他的问题都比磨损问题更加量化，因此对预测磨损问题方程的需求非常的迫切.目前存在的较为成熟的研究有应力分析，振动分析以及失效分析等等.鉴于越来越依赖于以计算机为基础的设计方法,在有效的算法中，有缺陷的问题即使不能被忽略也往往使其最小化。
磨损方程和建模的问题是在一常规但不常见的基础上所讨论的。
在讨论磨损问题之前，很多学者发表了文献，但是这些文献对于建立较好的磨损模型没有具体指导意义.最相关的文献是Bahadur［1］对1977年材料磨损会议的一篇总结.当然在有关磨损模型问题的一些会议上也还有相关的文献［2]，并且在最近出版的Bayer的书籍中也有一章来讨论磨损模型的问题［3]。
在下面的段落中，术语模型和方程会被频繁应用，这里应当给出定义。
磨损模型就是关于影响磨损的变量的描述。
在有些情况下,这种模型只是文字形式，这种形式被称为磨损的文字模型。
当这些变量装配到数学表达式中时，就成为了磨损方程。
Barber[4］很好的阐述了建模的一般原则：“工程建模依赖于这样一个前提，即使是最复杂的工程系统也可以被视为是由相对简单的组件（通常是极小的零件)组装而成的。
这些简单组件的瞬时状态，可以利用有限数量的参数（或者叫状态变量)来描述，并且随后的行为，通过数学上量化的物理规律，依赖于与相邻组件的相互作用”Barber关于建模的描述显然是基于这样的一类系统,该系统可以用一组离散的机械装置建立模型。
相比之下,磨损问题涉及化学,物理和机械零件的相互作用，这就需要一套新的建模方法。
本文集中讨论这种新方法,并且对如何建立磨损过程的模型提供了建议.具有广泛的需求这一观点令人信服之前,从建立磨损方程的历程中得到一些观点是非常有益的。
碳滑板磨耗试验
碳滑板磨耗试验是评估碳滑板耐磨性能的重要方法。
在试验过程中，碳滑板的碳颗粒在摩擦过程中可能会脱落，这会影响其耐磨性。
通过实验对比，发现浸金属碳滑板的碳颗粒不易脱落，并且对导线的磨损也较小。
碳滑板磨耗试验可以在特定的试验机上进行，例如销-盘对磨实验机。
在试验过程中，碳滑板会经历上下运动，这种运动可以通过伺服电机旋转运动转换为往复运行。
试验过程中，碳滑板与导线之间的接触力可以通过吊装砝码来实现，接触力的大小通常在30到150N之间。
此外，碳滑板的磨耗量还会受到其他因素的影响，如附加磁场强度。
实验表明，随着附加磁场强度的加强，碳滑板的磨耗量会逐渐减少。
例如，在附加磁场强度为45mT的条件下，销块的磨损量大约减少了60%，环式样滑板的磨损量大概减少了50%。
此外，电流对碳滑板磨耗也有显著影响。
实验发现，电流的存在会增大碳滑板与导线之间的摩擦系数和磨损量，同时还会增强滑板与导线表面的粘着磨损和塑性流动。
总的来说，碳滑板磨耗试验是评估碳滑板耐磨性能的重要手段，通过控制不同的试验条件，可以深入了解碳滑板在各种环境下的磨耗情况，从而为其在实际应用中的优化提供依据。
基于偏最小二乘法的故障检测课件市公开课一等奖省赛课微课金奖PPT课件
t1 u 1 X w0 Y1 v 01 wT X T1Y v 0 0m1 a x
s.t.
w1T w1 w1 2 1,
v1T v1
v1
2 1.
基于偏最小二乘法故障检测课件
第17页
利用Lagrange乘数法，问题化为求单位向量 w1 和
v1，使1 w1T X0TY0v1达到最大的有约束条件的极值问
基于偏最小二乘法故障检测课件
第24页
每次舍去第i 个观测数据（i 1,2, ,n），对余下 的n 1个观测数据用偏最小二乘回归方法建模，并考 虑抽取h（h r ）个成分后拟合的回归式，然后把舍 去的自变量组第i 个观测数据代入所拟合的回归方程 式，得到Yj ( j 1,2, , p) 在第 i 个观测点上的预测值 bˆ(i) j (h)。
t1
t1 2
T 1
Y0T t1 t1 2
称 和 为模型效应负荷量。 基于偏最小二乘法故障检测课件
1
1
第20页
(3)用残差阵 E1和F1代替 X0和Y0重复以上步骤
记 Xˆ 0 t11T ，Yˆ0 t11T ，则残差阵
E1 X0 Xˆ 0，F1 Y0 Yˆ0。 如果残差阵F1中元素的绝对值近似为 0，则认为用第 一个成分建立的回归式精度已满足需要了，可以停止
身高与体重这两个变量具有相关关系。
基于偏最小二乘法故障检测课件
第7页
一元线性回归分析: 例 测 16 名成年女子的身高与腿长所得数据如下：
身高 143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164
腿长 88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102
碳滑板磨耗相关因素
碳滑板磨耗相关因素
碳滑板的磨耗问题
碳滑板是一种材料非常多的滑板，正如滑板非常流行一样，耐磨性也十分重要。
所以，最主要的耐磨性问题就是碳滑板的磨耗问题。
碳滑板采用的是聚酰胺材料和聚氨酯（PU）材料组合而成的，而碳滑板的磨耗性决定了它的性能和寿命，因此，搞清楚碳滑板的磨耗问题是很重要的。
1、磨损对碳滑板的影响
（1）碳滑板的磨损可能造成滑板表面及其他缺陷，尤其是碳纤维的磨损，将影响滑板的使用及滑板的表面破损。
（2）碳滑板的磨损可能导致力学性能降低，滑板形变抗张强度变低，导致动态反应性能降低，因此，碳滑板的磨损可能引起力学性能的损害。
（3）碳滑板的磨损可能影响表面精度，损坏滑板的表面精度有可能引发碳滑板的质量问题。
2、碳滑板的磨损主要有哪些原因
中间表面、边界表面和拐折表面均可发生磨耗，常见碳滑板磨耗的原因有：（1）努力模具的力学性能和耐磨性能不足，使用寿命短，导致模具受损；（2）滑板前后扭曲，或者安装配件不规范，会引起滑板折弯和磨耗；
（3）滑板纹路表面和碳面不能协调，以及孔洞处的稀薄根部引起穿孔磨损；（4）滑板表面粗糙，或者滑板表面磨仪不可靠，磨损速率会加快；
（5）滑板表面的新陈代谢效率低，未经妥善处理的新陈代谢催化物会降低滑板的耐磨性；
（6）维护不善，缺乏对滑板表面的日常清洁和维护，会使滑板表面磨损加快。
基于偏最小二乘回归的滑块磨损预测模型研究
基于偏最小二乘回归的滑块磨损预测模型研究
尹行;安海
【期刊名称】《强度与环境》
【年(卷),期】2016(043)006
【摘要】采用偏最小二乘回归分析法(partial least squares regression,PLSR)对磨损影响因素正交试验数据进行统计处理,建立了滑块磨损率的预测回归静态模型,详细分析了滑块磨损率与影响因素之间的关系,通过SIMCA-P软件对所建模型进行分析,同时用新的试验对模型的预测效果进行检验,验证了模型的有效性和准确性.【总页数】8页(P57-64)
【作者】尹行;安海
【作者单位】哈尔滨工程大学航天与建筑工程学院,哈尔滨150001;哈尔滨工程大学航天与建筑工程学院,哈尔滨150001
【正文语种】中文
【中图分类】TH117.1
【相关文献】
1.基于核偏最小二乘回归神经网络集成降水预测模型 [J], 陆克盛;汪灵枝
2.经济新常态下基于偏最小二乘回归的中长期负荷预测模型 [J], 王雁凌;吴梦凯
3.基于偏最小二乘回归的作物腾发量预测模型研究 [J], 张兵;黄文生;王荣
4.基于偏最小二乘回归的焦炭热性质非线性预测模型 [J], 张进春;吴超
5.基于偏最小二乘回归的土壤含水量预测模型研究 [J], 彭胜民;李存斌;黄嘉鑫;王福林
因版权原因，仅展示原文概要，查看原文内容请购买。
基于最小二乘法的纯碳滑板磨损量预测
基于最小二乘法的纯碳滑板磨损量预测胡艳;杨红娟;董丙杰;陈光雄;吴广宁;高国强【期刊名称】《铁道学报》【年(卷),期】2016(000)001【摘要】利用环-块式载流摩擦磨损试验机模拟高速列车弓网系统的运行工况,综合考虑弓网间接触压力、电流、滑动速度、时间、摩擦系数、电弧能量等多种因素对滑板磨损量的影响,分析各项参数与纯碳滑板磨损量之间的相关性。
利用各参数变量投影重要性指标,研究各参数对纯碳滑板磨损量的影响程度。
采用偏最小二乘回归方法(Partial Least-square regression,PLS)建立各项影响参数和纯碳滑板磨损量之间的模型公式,实现纯碳滑板材料在实际运行过程中的磨损量预测。
【总页数】6页(P48-53)【作者】胡艳;杨红娟;董丙杰;陈光雄;吴广宁;高国强【作者单位】西南交通大学摩擦学研究所，四川成都 610031;成都理工大学核技术与自动化工程学院，四川成都 610059;西南交通大学摩擦学研究所，四川成都610031;西南交通大学摩擦学研究所，四川成都 610031;西南交通大学电气学院，四川成都 610031;西南交通大学电气学院，四川成都 610031【正文语种】中文【中图分类】TH117【相关文献】1.振动对纯碳、浸金属碳滑板载流磨损性能的影响 [J], 杨红娟;王平;胡艳;陈光雄2.滑板磨损量和弓网放电能量预测模型的研究及应用∗ [J], 胡艳;董丙杰;周培勇;陈光雄3.弓网振幅对纯碳及浸金属碳滑板载流摩擦磨损性能的影响∗ [J], 陈伟;陈光雄;李红;周培勇4.基于偏最小二乘法的土壤有机碳高光谱预测研究 [J], 马丽;吕成文;唐炎5.高速受电弓滑板摩擦机理及石墨基纯碳滑板 [J], 赵飞因版权原因，仅展示原文概要，查看原文内容请购买。
基于APSO_ELM算法的地铁列车碳滑板磨耗的预测
基于APSO_ELM算法的地铁列车碳滑板磨耗的预测
郝玉然;王自鑫;李正培
【期刊名称】《现代计算机》
【年(卷),期】2022(28)18
【摘要】为了准确预测地铁列车碳滑板磨耗量,本文选择训练速度快、参数设置少、准确度高的极限学习机(ELM)模型。
针对ELM模型在训练过程中随机产生权值和
阈值,导致模型泛化能力不足、稳定性差等缺点,引入基于收缩因子改进的自适应粒
子群算法(APSO)对其进行优化,提出了一种基于自适应粒子群优化极限学习机(APSO-ELM)的碳滑板磨耗预测模型。
将该模型运用到碳滑板磨耗实例预测中,在
选取的270组样本数据中,前235组作为训练样本,后35组作为测试样本,以影响碳滑板磨耗的主要因素——地铁运行公里数作为输入参数,以碳滑板厚度为输出参数,将预测结果与ELM模型预测进行对比。
结果表明,APSO-ELM模型有较高的预测
精度,预测值更逼近于实际值,验证了APSO-ELM模型在碳滑板磨耗预测中的可靠
性和有效性。
【总页数】5页(P42-46)
【作者】郝玉然;王自鑫;李正培
【作者单位】郑州地铁集团有限公司
【正文语种】中文
【中图分类】TP3
【相关文献】
1.郑州地铁2号线碳滑板磨耗分析及选型
2.基于支持向量回归的地铁受电弓滑板磨耗趋势预测模型研究
3.地铁车辆受电弓碳滑板磨耗的分析研究
4.广州地铁二号线列车受电弓碳滑板异常磨耗分析
5.重庆地铁6号线列车受电弓碳滑板Ⅴ形磨耗分析及其对策
因版权原因，仅展示原文概要，查看原文内容请购买。
ABC算法优化SVR的磨损故障预测模型
ABC算法优化SVR的磨损故障预测模型刘建新;杨庆玲【摘要】Objective To improve the prediction accuracy of wear faults,a wear fault prediction model (ABC-SVR),which was based on support vector machine for regression (SVR) optimized by artificial bee colony(ABC) algorithm was proposed.Methods The model reconstructed the time series of wear faults and took the wear fault prediction accuracy as the optimization objective to find out the optimal SVR parameters by ABC algorithm and build prediction model of wear faults Finally,the simulative contrasting experiment was applied to test the performance of the model.Results Time series prediction with SVR forecasting model optimized by ABC algorithm could track the concentration change process of metallic element in engine lubricating oil and predict the presence of the abnormal situation ahead of 2 sampling time.Conclusion ABC-SVR solves the problem of SVR parameter optimization,can describe the complicated change rules of wear faults accurately,and improves the accuracy of wear faults prediction.%目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR).方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型.最后通过实例仿真验证模型的优越性.结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现.结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度.【期刊名称】《装备环境工程》【年(卷),期】2017(014)011【总页数】5页(P98-102)【关键词】磨损故障;人工蜂群优化算法;支持向量回归;预测模型【作者】刘建新;杨庆玲【作者单位】烟台工程职业技术学院,山东烟台264001;烟台职业学院,山东烟台264001【正文语种】中文【中图分类】TJ01支持向量回归(Support vector machine for regression，SVR)是在统计学习理论的基础上发展起来的一种新的通用学习方法，通过建立线性函数来实现线性回归，用核函数代替线性方程中的线性项来实现非线性回归，适用于对有限样本数据的回归分析，已被广泛用于数据分类、预测等各个领域。
基于自适应动态无偏最小二乘支持向量机的刀具磨损预测建模
基于自适应动态无偏最小二乘支持向量机的刀具磨损预测建模肖鹏飞;张超勇;罗敏;林文文【摘要】由于训练样本数量有限,滑动时间窗长度以及监测模型不能自适应调整和更新等因素,传统基于机器学习的刀具磨损预测模型存在精度和效率较低等问题,因此提出了一种基于自适应动态无偏最小二乘支持向量机(ADNLSSVM)的刀具磨损预测模型.采用公开数据库中的铣削加工数据集,通过时频域分析和小波包分解等手段从振动信号中提取特征量,并进一步利用相关性分析从中选择有效特征量作为模型输入.试验结果表明该方法所建模型具有较高的建模效率和预测精度.%In the building process of a tool condition prediction model with traditional machine learning methods,the limited number of available training samples and the fixed length of the sliding time window and prediction model resulted in lower modeling accuracy and efficiency.Dynamic model was set up to monitor the tool wear states by using an ADNLSSVM.Feature vectors were extracted by time-frequency-domain analysis from data set of open database of milling processes,and parts of them were selected by correlation analysis as model inputs.The experimental results shows better modeling efficiency and prediction accuracy.【期刊名称】《中国机械工程》【年(卷),期】2018(029)007【总页数】8页(P842-849)【关键词】自适应动态无偏最小二乘支持向量机;滑动时间窗自适应调整;特征提取和选择;刀具磨损【作者】肖鹏飞;张超勇;罗敏;林文文【作者单位】华中科技大学机械科学与工程学院,武汉,430074;华中科技大学机械科学与工程学院,武汉,430074;华中科技大学机械科学与工程学院,武汉,430074;宁波大学机械工程与力学学院,宁波,315211【正文语种】中文【中图分类】TH1860 引言刀具在切削过程中会逐渐磨损退化直至失效，刀具在初期磨损、正常磨损到严重磨损直至失效过程中将不同程度地降低产品质量，甚至会损坏机床，影响加工系统运行，造成重大损失[1]。
基于耦合模拟退火优化最小二乘支持向量机的车轮踏面磨耗量预测
基于耦合模拟退火优化最小二乘支持向量机的车轮踏面磨耗量预测衷路生;陈立勇;龚锦红;祝振敏;肖乾【期刊名称】《计算机应用研究》【年(卷),期】2015(000)002【摘要】This paper proposed an improved coupled simulated annealing(CSA)algorithm to optimize the hyper-parameters of least squares support vector machine(LS-SVM).First,the CSA algorithm handled multiple independent parallel simulated an-nealing (SA ) optimization process,which improved the optimization efficiency for hyper-parameters of LS-SVM model. Second,the acceptance temperature controlled the variance of the acceptance temperature which reduced the influence of the CSA algorithm to initialization parameters.Finally,it established CSA LS-SVM regression model to predict wheel tread wear based on the field data.The simulation results show that the proposed CSA LS-SVM regression model can trade off the model fit versus the model complexity,and the proposed model is effective for the wheel tread wear prediction.%针对最小二乘支持向量机（LS-SVM）超参数优化问题，提出采用改进耦合模拟退火（CSA）算法优化LS-SVM超参数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｄｉｔｉｏｎｓ．
Ｋ ｅｙ ｗｏｒｄｓ：ｃｏｒｒｅｌａｔｉｏｎ；ＰＬＳ；ａｂｒａｓｉｏｎ ｌｏｓｓ；ｃａｒｂｏｎ ｓｔｒｉｐｓ
一
近年来 ，随着 高速 铁 路 的快 速 发 展 ，以轮 轨 关 系 、
弓 网关 系 和流 固耦 合关 系为 代表 的高 速列 车关 键技 术 受 到 广泛 的关 注 ，其 中高 速 列 车 的 弓 网关 系直 接 影 响
ｔａｃｔ ｓｔｒｉｐ ｗａｓ ａｎａｌｙｚｅｄ．Ｖａｒｉａｂｌｅ ｉｍｐｏｒｔａｎｃｅ ｉｎ ｔｈｅ ｐｒｏｊ ｅｃｔｉｏｎ ｆｏｒ ｅａｃｈ ｐａｒａｍｅｔｅｒ ｗａｓ ｕｓｅｄ ｔｏ ａｓｓｅｓｓ ｔｈｅ ｉｍｐａｃｔ ｏｆ ｄｉｆｆｅｒｅｎｔ ｐａｒａｍｅｔｅｒｓ ｏｎ ｔｈｅ ｗ ｅａｒ ｖｏｌｕｍ ｅ ｏｆ ｔｈｅ ｃａｒｂｏｎ ｃｏｎｔａｃｔ ｓｔｒｉｐ． Ｔｈｅ ｐａｒｔｉａｌ ｌｅａｓｔ—ｓｑｕａｒｅ ｒｅｇｒｅｓｓｉｏｎ
因此将定义为第i个样本对第h本条件其直观表示为t平面图其中t为解释变个成分t的贡献率用以发现试验数据中的特异量组参数的第一个pls成分是从参数变量中提取点即即是参数变量的线性组合是被解释的磨损量变量t组的pls成分是从磨损量中提取即是磨损量的线性组合用表2数据画出的tu平面图见图2
第 ３８卷 第 １期 ２ ０ １ ６年 １月
（１．西南 交通 大 学 摩 擦 学 研 究 所 ，四川 成 都 ６１００３１；２．成 都 理 工 大 学 核 技 术 与 自动 化 工程 学 院 ，四』Ｉｌ成 都 ６１００５９；３．西南 交 通 大 学 电 气 学 院 ，四 川Ｉ 成都 ６１００３１）
摘 要 ：利 用 环一块 式 载 流 摩 擦 磨 损 试 验 机 模 拟 高速 列 车 弓 网 系 统 的 运 行 工 况 ，综 合 考 虑 弓 网 间 接 触 压 力 、电 流 、 滑 动 速 度 、时 间 、摩 擦 系数 、电 弧 能 量 等 多 种 因素 对 滑 板 磨 损 量 的 影 响 ，分 析 各 项 参 数 与 纯碳 滑板 磨损 量 之 间 的 相 关 性 。利 用 各 参 数 变 量 投 影 重 要 性 指标 ，研 究 各 参 数 对 纯 碳 滑 板 磨 损 量 的 影 响 程 度 。采 用 偏最 小 二 乘 回归 方 法 （Ｐａｒｔｉａｌ Ｌｅａｓｔ－ｓｑｕａｒｅ ｒｅｇｒｅｓｓｉｏｎ，ＰＬＳ）建 立 各 项 影 响参 数 和 纯 碳 滑 板 磨 损 量 之 间 的 模 型 公 式 ，实 现 纯 碳 滑 板 材 料 在 实 际 运 行 过 程 中 的磨 损 量 预 测 。 关 键 词 ：相 关 性 ；偏 最 小 二 乘 法 ；磨 损 量 ；纯 碳 滑 板 中 图 分 类 号 ：ＴＨ１１７ 文 献 标 志 码 ：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—８３６Ｏ．２０１６．０１．００８
Ｔｈｅ Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｈｅ Ｗ ｅａｒ Ｌｏｓｓ ｏｆ Ｓｔｒｉｐｓ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｐａｒｔｉａｌ Ｌｅａｓｔ—ｓｑｕａｒｅ Ｒｅｇｒｅｓｓｉｏｎ Ｍ ｅｔｈｏｄ
ＨＵ Ｙａｎ ， ＹＡＮＧ Ｈｏｎｇｊｕａｎ ， ＤＯＮＧ Ｂｉｎｇｊｉｅ ， ＣＨＥＮ Ｇｕａｎｇｘｉｏｎｇ ，
铁 道 学 报 ＪＯＵＲＮＡＬ ＯＦ ＴＨ Ｅ ＣＨＩＮＡ ＲＡＩＬＷ ＡＹ ＳＯＣＩＥＴＹ
Ｖｏ１．３８ Ｎ ｏ．１ Ｊａｎｕａｒｙ ２０１６
文 章 编 号 ：１００１—８３６０（２０１６）Ｏ１—００４８—０６
基于最 、Ｉ．、—一—— 乘法 的纯碳滑板 磨损量预测
胡 艳 ， 杨 红 娟 ， 董 丙 杰 ， 陈 光 雄 ， 吴广 宁。， 高 国 强。
ｓｐｅｅｄ ｔｒａｉｎｓ ｗｅｒｅ ｐｅｒｆｏｒｍｅｄ ｕｓｉｎｇ ａ ｂｌｏｃｋ～ｏｎ—ｒｉｎｇ ｔｅｓｔ ａｐｐａｒａｔｕｓ． Ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｃｏｎｓｉｄｅｒａｔｉｏｎ ｗａｓ ｇｉｖｅｎ ｏｎ
ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆ ｖａｒｉｏｕｓ ｛ａｃｔｏｒｓ ｓｕｃｈ ａｓ ｔｈｅ ｃｏｎｔａｃｔ ｆｏｒｃｅ ｂｅｔｗ ｅｅｎ ｔｈｅ ｃｏｎｔａｃｔ ｓｔｒｉｐ ａｎｄ ｔｈｅ ｃｏｎｔａｃｔ ｗ ｉｒｅ， ｓｌｉｄｉｎｇ
（ＰＬＳ）ｍ ｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｔｏ ｅｓｔａｂｌｉｓｈ ｔｈｅ ｍ ｏｄｅｌ ｆｏｒｍ ｕｌａ ｂｅｔｗｅｅｎ ｉｎｆｌｕｅｎｃｉｎｇ ｐａｒａｍ ｅｔｅｒｓ ａｎｄ ｔｈｅ ｗｅａｒ ｖｏｌｕｍｔｒｉｐ ｔｏ ｒｅａｌｉｚｅ ｐｒｅｄｉｃｔｉｏｎ ｏｎ ｔｈｅ ｒｅａｌ ｗｅａｒ ｖｏｌｕｍ ｅ ｏｆ ｔｈｅ ｃｏｎｔａｃｔ ｓｔｒｉｐ ｕｎｄｅｒ ａｃｔｕａｌ ｒｕｎｎｉｎｇ ｃｏｎ—
３． Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕｔｈｗｅｓｔ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ ６１００３１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｅｘｐｅｒｉｍｅｎｔａｌ ｔｅｓｔｓ ｏｎ ｔｈｅ ｆｒｉｃｔｉｏｎ ａｎｄ ｗｅａｒ ｂｅｈａｖｉｏｒ ｏｆ ｔｈｅ ｐａｎｔｏｇｒａｐｈ—ｃａｔｅｎａｒｙ ｓｙｓｔｅｍｓ ｏｆ ｈｉｇｈ—
Ｗ Ｕ Ｇｕａｎｇｎｉｎｇ。。 ＧＡＯ Ｇ ｕｏｑｉａｎｇ。
（１＿Ｔｒｉｂｏｌｏｇｙ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ，Ｓｏｕｔｈｗｅｓｔ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ ６ １００３ ｌ，Ｃｈｉｎａ； ２． Ｔｈｅ Ｃｏｌｌｅｇｅ ｏｆ Ｎｕｃｌｅａｒ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｕｔｏｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈｅｎｇｄｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ ６１００５９，Ｃｈｉｎａ；
ｓｐｅｅｄ ｏｆ ｔｈｅ ｓｔｒｉｐ，ｅｌｅｃｔｒｉｃ ｃｕｒｒｅｎｔ，ｒｕｎｎｉｎｇ ｔｉｍ ｅ，ｆｒｉｃｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ａｎｄ ｔｈｅ ｅｎｅｒｇｙ ｏｆ ａｒｃ ｄｉｓｃｈａｒｇｅ ｏｎ ｔｈｅ
ｗｅａｒ ｖｏｌｕｍ ｅ ｏｆ ｔｈｅ ｃｏｎｔａｃｔ ｓｔｒｉｐ． Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｖａｒｉｏｕｓ ｐａｒａｍ ｅｔｅｒｓ ａｎｄ ｔｈｅ ｗｅａｒ ｖｏｌｕｍ ｅ ｏｆ ｔｈｅ ｃｏｎ—