导读:本文包含了支持矢量机论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:矢量,故障诊断,机器人,流形,信号,刚度,神经网络。
支持矢量机论文文献综述
李文良,常山[1]（2018）在《基于支持矢量机的齿轮传动误差预测研究》一文中研究指出传动误差是齿轮振动噪声重要的激励源,对齿轮传动的动力学负载和齿轮失效有重要的影响。考虑齿面弹流润滑影响,构建含有齿面摩擦以及时变啮合刚度的斜齿轮传动误差动力学模型,该数学算法与控制科学算法支持矢量机结合预测斜齿轮传动误差。研究表明,该算法可以有效的预测斜齿轮传动误差的变化趋势,预测精度与计算精度吻合度较好,在较少样本的情况下采用支持矢量机可以有效地对机械及齿轮传动做预测,适合工程上齿轮传动误差的定性及定量分析,对工程设计及齿轮传动预测有重要的指导意义。(本文来源于《热能动力工程》期刊2018年05期）
郑亚青,江晓玲[2]（2012）在《基于最小二乘支持矢量机的四绳牵引6自由度欠约束并联机器人的静刚度分析及优化》一文中研究指出在考虑悬链线的情况下,推导出作用在四绳牵引6自由度欠约束并联机器人的绳拉力与工作平台位移之间的增量关系,从而获得系统静刚度矩阵的解析表达式。根据最小二乘支持矢量机泛化和学习能力强的特点,对工作空间内小样本的数据进行拟合,描绘机构某点处的刚度矩阵及其在主工作平面内叁个方向平动的静刚度变化情况,寻找最薄弱的环节,并利用该方法的全局优化能力对机械的结构进行优化设计。分析结果表明,机构横向平动刚度较弱,通过减小机构的长宽比可以有效地增强该方向的刚度。(本文来源于《机械工程学报》期刊2012年13期）
冯祥,元洪波[3]（2012）在《基于高阶循环累积量和支持矢量机的分级调制分类算法》一文中研究指出利用观测样本的高阶循环累积量特征,提出一种基于支持矢量机的分级调制分类算法,实现了对QAM调制信号的自动识别。该算法具有较快的分类器训练速度和较低的复杂度,对时延和相位旋转具有稳健性,并可在干扰环境下实现对感兴趣信号调制类型的识别。理论分析和仿真结果均证明了算法的正确性和有效性。(本文来源于《电讯技术》期刊2012年06期）
夏玉果,顾明亮[4]（2012）在《基于聚类支持矢量机的汉语方言辨识》一文中研究指出该文提出了一种新的汉语方言辨识方法,来解决在总多辨识系统中存在的较弱辨识能力的问题,这种新方法运用高斯混合模型和N元语言模型,来产生一个全局的语言特征,然后使用聚类支持矢量机来做最后的分类。实验结果表明该方法不仅可以提高正确的辨识率,而且可以提高系统的鲁棒性。(本文来源于《计算机与数字工程》期刊2012年05期）
孙斌,薛广鑫[5]（2012）在《基于等距特征映射和支持矢量机的转子故障诊断方法》一文中研究指出针对振动信号的非线性特征,提出一种基于等距特征映射(Isometric feature mapping,ISOMAP)和支持矢量机(Support vector machine,SVM)的转子故障诊断方法。利用ISOMAP把数据从高维空间投影到低维空间而不改变数据内在属性的特点,对高维的故障振动信号降维并提取出低维的数据作为特征矢量,采用一种新核函数支持矢量机作为分类器进行故障诊断。将该方法应用于转子故障诊断,结果表明,ISOMAP-SVM方法不仅具有较高的故障诊断率,而且取得振动信号在低维空间的可视化表示。与其他核函数相比新核函数支持矢量机具有较好的诊断效果。(本文来源于《机械工程学报》期刊2012年09期）
侯哲哲,杜彦良,赵维刚[6]（2012）在《基于支持矢量机的疲劳应力集中系数预测模型研究》一文中研究指出疲劳应力集中系数作为材料疲劳抗力指标的疲劳极限,不仅反映了疲劳应力集中的程度,还反映了材料对缺口的敏感程度,将近年来飞速发展的支持矢量机(Support vector machine,SVM)应用于疲劳应力集中系数的研究。介绍支持矢量机的基本原理,利用LIBSVM,选择高斯型径向基函数(Radial basis function,RBF)作为核函数,建立以材料的抗拉强度、屈服强度、光棒疲劳强度、理论应力集中系数、缺口根部半径、试样尺寸及缺口疲劳极限作为输入值,疲劳应力集中系数为输出值的模型,从而对疲劳应力集中系数进行分析和预测。同时,SVM模型与经验公式Neuber式和Peterson式的计算值进行比较。结果表明,在小样本条件下,应用SVM技术构建的数学模型,模型的拟合相对误差小于7.4%,从而证明该SVM模型的准确性和适用性。(本文来源于《机械工程学报》期刊2012年04期）
韩华,谷波,康嘉[7]（2011）在《基于遗传算法和支持矢量机参数优化的制冷机组故障检测与诊断研究》一文中研究指出针对制冷机组故障诊断中特征多、诊断准确率低的特点,提出一种复合诊断模型,利用遗传算法搜索特征空间,与带参数优化的支持矢量机(Support vector machine,SVM)结合,同时进行故障特征提取和模型训练。用该模型研究7种典型的制冷机组故障,从64个原始特征中筛选出8个与试验辅助系统关系甚微、均十分靠近核心制冷循环的特征,作为故障指示特征,总体诊断准确率从96.95%提高到99.53%,测试时间下降70%以上。用命中率和虚警率评价模型对各故障的诊断性能,所提复合模型除个别故障外,均优于无特征提取及带主元分析特征提取的SVM模型。复合模型在制冷机组故障诊断中有良好的应用前景。(本文来源于《机械工程学报》期刊2011年16期）
尹湘云,殷国富,胡晓兵,赵雪峰[8]（2011）在《基于支持矢量机回归的机器人视觉系统定位精度》一文中研究指出如何提高工业机器人视觉系统在不确定性动态环境中的定位精度是机器人完成复杂任务的一个关键技术问题。针对采用单摄像机的机器人和基于位置的视觉伺服控制存在的精度问题,提出一种将基于模型控制方法和基于智能计算方法相结合的方法,以面向小样本原理的支持矢量机回归来构建控制系统误差校正模型,应用该模型对机器人末端在同一个平面上的定位误差进行校正,并且与线性插值、神经网络模型的误差校正结果进行比较分析。现场试验证明,该方法有利于提高机器人的视觉定位精度,能够满足工业机器人进行抓取和装配等任务的需要。(本文来源于《机械工程学报》期刊2011年01期）
李巍华,刘雯[9]（2010）在《基于图论和直推式支持矢量机的齿轮早期故障诊断》一文中研究指出针对机械故障诊断中缺乏大量故障样本进行训练的问题,提出基于图论和直推式支持矢量机(Graph theory and transductive support vector machine,GTSVM)的故障诊断方法。通过建立数据矩阵的完全图,定义一种基于密度敏感的距离描述图中各个节点即样本之间的相异性,有效地利用数据空间结构信息,并以Iris数据进行仿真分析。对齿轮箱在叁种运行模式(正常、齿面轻微剥落、齿面严重剥落)下的振动信号进行分析,提取11个时域特征指标,用主元分析对11个特征进行选择,采用图论方法对选择后的特征数据进行处理,然后用梯度下降法训练直推式支持矢量机,实现故障检测和分类。将GTSVM法与支持矢量机法、直推式支持矢量机法进行对比,结果表明,GTSVM法的分类正确率最高。此外,经过主元方法进行特征选择后,故障检测性能也得到较大提高,表明该方法能应用于齿轮早期故障诊断。(本文来源于《机械工程学报》期刊2010年23期）
李锋,汤宝平,宋涛[10]（2010）在《基于Shannon小波支持矢量机二级决策的故障诊断》一文中研究指出提出一种基于Shannon小波支持矢量机(Shannon wavelet support vector machine,SWSVM)二级决策的故障诊断模型。先求出原信号的双谱相关值特征矩阵奇异值谱,并用BP神经网络对主分量分析(Principal component analysis,PCA)后的奇异值谱调维得到可分性更高的叁维模式矢量,再将该叁维模式矢量用SWSVM进行二级故障诊断。SWSVM可以对BP网络因陷入局部极值﹑欠/过学习输出的低分辨率进行校正,获得更高的故障识别精度和自适应识别能力。本模型实现了BP网络和SWSVM优势互补。一滚动轴承故障诊断实例验证了该模型的有效性。(本文来源于《机械工程学报》期刊2010年17期）
支持矢量机论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在考虑悬链线的情况下,推导出作用在四绳牵引6自由度欠约束并联机器人的绳拉力与工作平台位移之间的增量关系,从而获得系统静刚度矩阵的解析表达式。根据最小二乘支持矢量机泛化和学习能力强的特点,对工作空间内小样本的数据进行拟合,描绘机构某点处的刚度矩阵及其在主工作平面内叁个方向平动的静刚度变化情况,寻找最薄弱的环节,并利用该方法的全局优化能力对机械的结构进行优化设计。分析结果表明,机构横向平动刚度较弱,通过减小机构的长宽比可以有效地增强该方向的刚度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
支持矢量机论文参考文献
[1].李文良,常山.基于支持矢量机的齿轮传动误差预测研究[J].热能动力工程.2018
[2].郑亚青,江晓玲.基于最小二乘支持矢量机的四绳牵引6自由度欠约束并联机器人的静刚度分析及优化[J].机械工程学报.2012
[3].冯祥,元洪波.基于高阶循环累积量和支持矢量机的分级调制分类算法[J].电讯技术.2012
[4].夏玉果,顾明亮.基于聚类支持矢量机的汉语方言辨识[J].计算机与数字工程.2012
[5].孙斌,薛广鑫.基于等距特征映射和支持矢量机的转子故障诊断方法[J].机械工程学报.2012
[6].侯哲哲,杜彦良,赵维刚.基于支持矢量机的疲劳应力集中系数预测模型研究[J].机械工程学报.2012
[7].韩华,谷波,康嘉.基于遗传算法和支持矢量机参数优化的制冷机组故障检测与诊断研究[J].机械工程学报.2011
[8].尹湘云,殷国富,胡晓兵,赵雪峰.基于支持矢量机回归的机器人视觉系统定位精度[J].机械工程学报.2011
[9].李巍华,刘雯.基于图论和直推式支持矢量机的齿轮早期故障诊断[J].机械工程学报.2010
[10].李锋,汤宝平,宋涛.基于Shannon小波支持矢量机二级决策的故障诊断[J].机械工程学报.2010
论文知识图
