学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的汽车减振器示功图缺陷自动识别研究

作　者: 高侃
导　师: 谢伟东
学　校: 浙江工业大学
专　业: 车辆工程
关键词: 减振器示功图支持向量机自动识别
分类号: U463.33
类　型: 硕士论文
年　份: 2013年
下　载: 20次
引　用: 0次
阅　读: 论文下载

内容摘要

液压减振器作为汽车悬架系统中的关键部件,需要通过测试来了解其工作性能。目前对于减振器缺陷的识别都是先通过示功机测试得到示功图,再经由人工查看的方式进行判断,此种方式效率低下、受影响因素多。本文讨论了如何利用支持向量机技术,使示功机具备自动识别减振器缺陷类型的功能。本文的主要工作和成果如下：(1)以简式液压减振器为研究对象,电伺服正弦示功机为平台,分析了示功图典型缺陷类型及形成原理。数据来源于应用该示功机的多个工业用户,将示功图进行了统一预处理,再根据示功图特点选取不变矩作为特征提取方式,建立了示功图缺陷样本库。(2)深入讨论了统计学习理论与支持向量机的理论基础。重点为学习机器的VC维,推广性的界,结构风险最小化,线性与非线性支持向量机,支持向量机核函数以及常用的多分类算法等理论。(3)研究了LibSVM工具箱实现支持向量机分类的过程,主要为数据准备、训练、建模与识别的方法。对8类共534组典型示功图样本分别进行关于归一化方式、核函数选择以及参数优化的实验,最终选取[0,1]归一化、RBF核函数与经过交叉验证得到的优化参数,最高整体识别率达到97%以上。(4)实验过程及结果表明,特征提取方式、归一化方式、核函数种类以及模型参数的优化,对基于支持向量机的示功图缺陷自动识别模型的性能起到了至关重要的影响。本文研究表明,将支持向量机理论运用到减振器缺陷自动识别的工作中是可行的,且具有较高的识别能力。加载了此项功能的正弦示功机能够辅助甚至代替人工识别的工作,有望在车辆减振器工业在线检测领域取得广泛应用。

全文目录

摘要  5-6
ABSTRACT  6-9
第1章绪论  9-15
  1.1 课题研究背景及意义  9-10
  1.2 减振器缺陷识别发展概述  10-13
    1.2.1 国内外研究发展  10-11
    1.2.2 现存问题  11-13
  1.3 主要工作与创新点  13
  1.4 本论文组织结构  13-15
第2章减振器示功图与正弦示功机  15-23
  2.1 汽车减振器  15-17
    2.1.1 汽车减振器简介  15-16
    2.1.2 汽车减振器原理  16-17
  2.2 减振器示功图  17-19
    2.2.1 减振器示功图定义  17-18
    2.2.2 减振器外特性试验  18-19
  2.3 电伺服正弦示功机测试台  19-21
    2.3.1 测试台简介  19-21
    2.3.2 测试台参数与性能  21
  2.4 本章小结  21-23
第3章减振器示功图缺陷样本库的建立  23-41
  3.1 减振器示功图典型缺陷分析  23-29
  3.2 减振器示功图的预处理  29-34
    3.2.1 示功图尺寸归一化  29-30
    3.2.2 示功图二值化处理  30-31
    3.2.3 示功图细化处理  31-32
    3.2.4 示功图填充处理  32-34
  3.3 减振器示功图特征提取方式  34-39
    3.3.1 特征提取基本原则  34-35
    3.3.2 矩特征向量基本原理  35-37
    3.3.4 Hu矩特征向量不敏感性验证  37-39
  3.4 本章小结  39-41
第4章减振器缺陷识别支持向量机方法的研究  41-57
  4.1 统计学习理论  41-47
    4.1.1 统计学习一致性与关键定理  42-44
    4.1.2 学习机器的VC维  44-45
    4.1.3 推广性的界  45-46
    4.1.4 结构风险最小化  46-47
  4.2 支持向量机的理论基础  47-54
    4.2.1 最优分类面  48-49
    4.2.2 线性支持向量机  49-52
    4.2.3 非线性支持向量机  52-53
    4.2.4 支持向量机核函数  53-54
  4.3 支持向量机多分类算法  54-56
    4.3.1 一类对余类算法  54-55
    4.3.2 成对分类算法  55
    4.3.3 纠错输出编码算法  55-56
  4.4 本章小结  56-57
第5章基于支持向量机的示功图识别测试与优化  57-69
  5.1 实验背景简介  57-58
  5.2 LibSVM工具箱简介  58-60
    5.2.1 数据准备格式  58
    5.2.2 训练与建模  58-59
    5.2.3 测试集的识别  59-60
  5.3 缺陷示功图自动识别实验  60-67
    5.3.1 关于归一化方式的测试  60-61
    5.3.2 关于核函数选择的测试  61-62
    5.3.3 关于模型参数优化的测试  62-67
  5.4 实验结果分析  67
  5.5 本章小结  67-69
第6章结论与展望  69-71
  6.1 结论  69
  6.2 展望  69-71
参考文献  71-73
致谢  73-75
攻读学位期间参加的科研项目和成果  75

基于支持向量机的汽车减振器示功图缺陷自动识别研究

内容摘要

全文目录

相似论文