为了提高根据声发射(AE)现象预报煤与瓦斯突出位置的精度,结合核主成分分析(KPCA),提出了一种改进的多输出最小二乘支持向量机(LSSVM)的目标定位方法。对于采集的声发射参数信号,采用核主成分分析提取重要定位特征;采用多输出最小二乘支持向量机建立定位模型,采用文化基因算法对多输出最小二乘支持向量机参数进行优化。试验测试定位性能,结果表明:算法提高了试验平台声发射定位的精度且定位时间少于其他定位算法,具有很高的实际应用价值。 定已经进行了数据预处理过程，使得训练样本的所有特征向量满足零均值条件，即1N∑Ni=1?(xi)=0(2)2)求解特征子空间坐标Kα=λα(3)式中λ为K的特征值;α为对应的子空间基向量。故障诊断方法-电动液压滚圆机数控弯管机价格低全自动弯管机多少钱3)特征向量的选取计算投影ak=珘qTr?(x)∑Nj=1ar，jk(xj，x)，r=1，2，…，l(4)式中ar，j为基向量αr的第j个元素。1．2多输出SVM回归多输出SVM回归是针对系统回归函数的因变量y(为一个向量，即y∈Ｒk，k＞1)而提出的一种新的SVM算法，图1为定位模型框图，用定义在超球上的损失函数代替定义在超立方体上的损失函数，损失函数如下L(x)=0，‖x‖＜ε‖x‖－ε，‖x‖≥{ε(5)zyxM标准化参数图1多输出SVM定位模型对于M维输入本文由弯管机网站采集网络资源整理! http://www.wanguanjixie.com   ，N维输出的函数拟合问题，设训练样本集{(xi，yi)}，i=1，2，…，L，xi∈ＲM，yi∈ＲN可以构造回归函数F该回归问题等价于不等式约束下的极值问题minＲ(W，?(xi))+B。根据KKT条件及对偶原理，上述问题转化为求极值问题在噪声干扰下有效提取振动信号所包含的微弱故障特征,是轴承故障诊断的关键问题,提出了一种基于敏感奇异值分解(SSVD)和总体平均经验模态分解(EEMD)的故障诊断方法。对时域振动信号进行敏感SVD分析,通过敏感因子选择反映故障冲击特征的敏感SVD分量,并利用定位因子定位分量信号所对应奇异值进行振动信号重构,以滤除噪声干扰;对降噪信号进行EEMD,根据峭度准则选取故障信息丰富的敏感固有模态分量(IMF),有效提取局部微弱故障信息;利用Teager-Kaiser能量算子(TKEO)计算故障信息的瞬时能量,并对其进行频谱分析,获取故障特征频率,以识别故障类型。方法应用于轴承故障诊断,实验证明了所提方法的有效性。故障诊断方法-电动液压滚圆机数控弯管机价格低全自动弯管机多少钱本文由弯管机网站采集网络资源整理! http://www.wanguanjixie.com