计算机图形学(第6次课)_吴德会
- 格式:ppt
- 大小:2.96 MB
- 文档页数:18


基于SVR构造FLANN的传感器动态补偿研究
吴德会
【期刊名称】《计量学报》
【年(卷),期】2009(030)001
【摘要】提出了一种利用支持向量回归机(SVR)对函数链接型神经网络(FLANN)进行构造的新方法,并将其应用于传感器动态补偿.文中将SVR的解与常规FLANN估计进行对比,发现两者具有相同的问题形式,因此,在适当的参数条件下可通过SVR 对FLANN进行优化构造.与常规FLANN构造方法比较,SVR-FLANN具有明显特点,即将权值迭代逼近问题转化为二次规划问题求解,使得在整个训练过程中有且仅有一个全局极值点,确定了所构造FLANN补偿器的唯一性.实际压力传感器动态补偿实验结果表明:用该方法构造的补偿器与常规方法相比,具有更高的精度、更强的抗干扰能力及更稳定的补偿效果.因此,更适合传感器动态补偿.
【总页数】7页(P42-48)
【作者】吴德会
【作者单位】九江学院电子工程系,江西九江,332005
【正文语种】中文
【中图分类】TB942
【相关文献】
1.LS-SVM构造FLANN的非线性自适应逆控制动态补偿研究 [J], 孟萍;张金敏;张绘敏
2.基于FLANN算法的速度传感器动态补偿 [J], 石洁;金建新;周振华
3.LS-SVM构造FLANN逆系统的传感器动态补偿方法 [J], 吴德会
4.基于FLANN的称重传感器动态补偿方法 [J], 黄杭美
5.基于FLANN的腕力传感器动态补偿方法 [J], 徐科军;殷铭
因版权原因,仅展示原文概要,查看原文内容请购买。
铣削加工粗糙度的智能预测方法
吴德会
【期刊名称】《计算机集成制造系统》
【年(卷),期】2007(13)6
【摘要】提出了一种基于最小二乘支持向量机的铣削加工表面粗糙度智能预测方法.首先进行了铣削工艺参数对工件表面粗糙度影响的正交实验,再通过对主轴转速、进给速率和切削深度三因素,以及各因素之间交互三水平实验的数据分析,找出了铣
削工艺参数对工件表面粗糙度影响的一些规律.利用最小二乘支持向量机算法建立
了铣削预测模型,通过该模型能在有限实验基础上利用工艺参数方便地得到粗糙度
预测值.实际预测表明,在相同情况下,该模型构造速度比反向传播神经网络建模预测方法高2个~3个数量级,预测精度高10倍左右.
【总页数】5页(P1137-1141)
【作者】吴德会
【作者单位】九江学院,电子工程系,江西,九江,332005;合肥工业大学,仪器科学与光电工程学院,安徽,合肥,230009
【正文语种】中文
【中图分类】TP183
【相关文献】
1.铣削表面粗糙度在线智能预测方法研究 [J], 唐向红;刘国凯;陆见光;易向华;耿晓
强
2.铣削加工表面粗糙度的智能预测 [J], 王凯
3.基于田口试验法的铣削加工表面粗糙度与铣削参数优化 [J], 吴明明; 周涛
4.基于人工智能的机械加工粗糙度预测方法 [J], 胡佳霖; 刘东屏; 孙妺; 庹永
5.基于人工智能的机械加工粗糙度预测方法 [J], 胡佳霖;刘东屏;孙妺;庹永
因版权原因,仅展示原文概要,查看原文内容请购买。