导读:本文包含了表面预测算法论文开题报告文献综述及选题提纲参考文献，主要关键词:木材表面粗糙度,预测模型,支持向量机,金刚石锯片
表面预测算法论文文献综述
贾娜,郭佳欣,花军,陈红成[1]（2019）在《采用支持向量机算法对金刚石锯片锯切木材表面粗糙度的预测》一文中研究指出为了更准确预测木材切削加工后木材表面粗糙度,通过金刚石(PCD)锯片锯切木材试验获得不同锯切转速、进给速度、锯切厚度、木材密度时的木材表面粗糙度测量值,采用支持向量机(SVM)算法建立相应的表面粗糙度预测模型,引入网格搜索法对SVM模型参数进行优化,分析参数选取及优化对木材表面粗糙度模型精度的影响。结果表明:采用PCD锯片锯切木材时,3种影响因素对木材表面粗糙度的影响程度,由大到小依次为锯片转速、锯切厚度、进给速度,且表面粗糙度值随着锯片转速的增大而降低,随着进给速度和锯切厚度的变大而增加。参数优化后的木材表面粗糙度预测模型,更能实现木材表面粗糙度的精准预测。(本文来源于《东北林业大学学报》期刊2019年10期）
贺琪,查铖,孙苗,姜晓轶,戚福明[2]（2019）在《Spark平台下的海表面温度并行预测算法》一文中研究指出面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题。本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于Spark平台提出了一种改进的快速DTW算法SparkDTW;最后,为了充分利用通过时间序列挖掘得到的信息,将SparkDTW与SVM相结合,提出了SparkDTW+SVM混合模型,为海表面温度预测的应用研究提供了较好的理论基础和技术支持。实验结果表明,SparkDTW算法预测精度优于SVM,提高了海表面温度预测效率,验证了将类比合成方法应用在海表面温度预测的可行性;SparkDTW+SVM在精度方面要优于SparkDTW和SVM,表明SVM模型能充分利用时间序列挖掘的信息,验证了SparkDTW+SVM在海表面温度预测的有效性。(本文来源于《海洋通报》期刊2019年03期）
郭力,邓喻[3]（2018）在《采用遗传算法优化神经网络的铸铁表面粗糙度声发射预测》一文中研究指出表面粗糙度是汽车发动机曲轴精密磨削加工中的一个非常重要的指标,在线监测表面粗糙度是曲轴智能磨削成功的标志。应用美国声学物理公司PAC的PCI-2声发射实验仪器测量磨削声发射信号,采用遗传算法优化BP神经网络,以磨削声发射信号均方根和快速傅里叶变换峰值为特征值,对平面磨削曲轴球墨铸铁材料QT700-2表面粗糙度成功进行了预测。与表面粗糙度的实测结果表明相对误差可控制在6.22%以下。(本文来源于《机械科学与技术》期刊2018年10期）
李雪芝,周建平,许燕,王博[4]（2016）在《基于L-M算法的BP神经网络预测短电弧加工表面质量模型》一文中研究指出短电弧铣削加工技术属于特种加工行业中电加工的技术范畴,尤其适用于特硬、超强、高韧性等难加工材料的高效加工。但工件加工表面的技术特性(表面变质层、硬度、残余应力、表面层缺陷等)还有待于深入研究。为获得短电弧铣削加工良好的工艺效果,引入传统BP算法和Levenberg-Marquardt(简称L-M)算法,构建短电弧铣削加工表面质量模型。通过分析表面质量的影响因素,选取放电电压、频率、气压、脉冲时间为模型的输入,表面粗糙度、变质层厚度、工件材料去除率为输出,比较两种模型的预测精度。结果表明,基于L-M算法的BP神经网络对表面粗糙度、变质层厚度、材料去除率的平均预测误差分别为2.9%、9.4%、4.6%,低于传统的BP神经网络。相比传统的BP神经网络,改进的LM-BP神经网络模型提高了预测精度,实际工程中可用于优化工艺参数。(本文来源于《燕山大学学报》期刊2016年04期）
ASMZ,Kausar,AW,Reza,KA,Noordin,MJ,Islam,H,Ramiah[5]（2014）在《用于3D室内传播预测的基于最近对象优先的集成粗糙表面散射算法(英文)》一文中研究指出Since rough surface scattering has a great impact on the accuracy of the propagation prediction algorithm,an integrated algorithm for indoor propagation prediction including rough surface scattering is proposed here.This algorithm is composed of a three dimensional(3D) ray tracing algorithm based on binary space partitioning(BSP) and a diffuse scattering algorithm based on Oren-Nayar's theory.Lack of accuracy and prohibitive time consumption are the main drawbacks of the existing ray tracing based propagation prediction models.To defy these shortcomings,the balanced BSP tree is used in the proposed algorithm to accelerate the ray tracing,while the nearest object priority technique(NOP) and in contact surface(ICS) is used to eliminate the repeated rayobject intersection tests.Therefore,the final criteria of this study are the time consumption as well as accuracy by predicting the field strength and the number of received signals.Using the proposed approaches,our algorithm becomes faster and more accurate than the existing algorithms.A detailed comparative study with existing algorithms shows that the proposed algorithm has at most 37.83%higher accuracy and 34.44%lower time consumption.Moreover,effects of NOP and ICS techniques and scattering factor on time and ray prediction accuracy are also presented.(本文来源于《中国通信》期刊2014年10期）
丁攀,龚学庆[6]（2014）在《用进化算法预测表面重构》一文中研究指出进化算法中以达尔文的进化论思想为基础,通过模拟生物的进化过程与机制的求解问题的自组织、自适应的人工智能技术。生物进化是通过繁殖、变异和选择实现的;而进化算法则主要通过选择、重组和变异这叁种操作实现优化问题的求解。我们基于一种进化算法"USPEX"代码进行改进优化,用它来研究TiO2表面重构现象,全局的广泛寻找稳定的结构。在寻优的过程中,对结构进行多阶段的优化,通过改变计算条件(基组,k点,赝势等)或者不同的收敛精度(分子间的相互作用势能,LDA,GGA),以及选择不同优化软件(GULP,SIESATA,VASP等)来调整计算的精度并以此来提高计算的效率。为了更好的寻优,我们将已知TiO2表面结构作为"种子"加入到全局搜索过程中,搜索的结果再和另外已知的结构作比较,验证算法的有效性。(本文来源于《中国化学会第29届学术年会摘要集——第15分会：理论化学方法和应用》期刊2014-08-04）
迟军,程鸿[7]（2008）在《基于一种T-S网络修正算法的车削表面粗糙度预测技术》一文中研究指出利用神经网络预测车削表面的粗糙度有利于改进车削过程的自动化程度,但神经网络输入数据的误差和网络自身的缺陷不可避免地给预测带来了误差。采用了一种基于T-S网络的技术,对原神经网络的输出进行了修正,能有效地减少预测误差。相关的试验不但证明了其有效性,而且还对网络结构和有关参数提出了建设性的建议,其结果对实践有重要的指导意义。(本文来源于《机电工程》期刊2008年07期）
徐凌宇,方晓君,徐仁杰,沈立炜[8]（2007）在《基于时序挖掘的时间融合算法及在海表面温度预测中的应用》一文中研究指出使用序列挖掘的时间融合模型研究数字海洋中海表面温度(Sea Surface Temperature,SST)预测,对基于时序的动态SST数据进行推测.提出基于平滑处理与支持度判断的抛物线回归模型方法,通过对曲线拐点判断方法的改进,改善抛物线回归模型在趋势预测方面存在的不足.试验证明此方法对发展趋势较为平稳的SST数据具有较好的预测效果.(本文来源于《上海大学学报(自然科学版)》期刊2007年05期）
康永刚,王仲奇,姜澄宇[9]（2007）在《一种快速有效的薄壁件加工表面误差预测算法》一文中研究指出在切削力作用下,刀具/工件的变形是影响薄壁弱刚度件加工精度与质量的关键因素,快速有效地进行表面误差的预测是实现工艺参数优化及在线刀具路径补偿的前提。针对立铣加工过程,提出了一种考虑刀具/工件变形位置的快速柔性迭代算法,基于此建立了薄壁件加工变形预测的有限元计算模型,并通过等效集中力作用位置的确定、模型分割及最小化网格重划方法进一步提高了模型的计算速度。通过刀具/工件的瞬时接触区域的限定算法、实际切深的修正算法、材料去除效应的模拟等关键技术更提高了模型的计算精度。以典型航空铝合金材料为对象,合理安排试验,并通过数值计算结果和试验数据的对比,表明该方法计算精度高,计算速度较文献方法提高了近2倍。(本文来源于《航空学报》期刊2007年05期）
翟元盛,梁迎春,王洪祥[10]（2007）在《基于遗传算法工具箱的精密车削表面粗糙度预测》一文中研究指出通过优化切削参数(切削速度、进给量和切削深度)可以获得精密车削马氏体3J33最佳表面粗糙度。切削试验采用二次旋转组合设计的方法,使用谢菲尔大学研究的遗传算法工具箱所获得的在特定约束条件下表面粗糙度预测模型,应用遗传算法对切削用量对表面粗糙度的优化计算,并将其结果和非线性优化计算结果进行比较,两种计算结果基本吻合。本文的目的在于在特定切削参数条件下预测表面粗糙度。(本文来源于《工具技术》期刊2007年03期）
表面预测算法论文开题报告
（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：
面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题。本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于Spark平台提出了一种改进的快速DTW算法SparkDTW;最后,为了充分利用通过时间序列挖掘得到的信息,将SparkDTW与SVM相结合,提出了SparkDTW+SVM混合模型,为海表面温度预测的应用研究提供了较好的理论基础和技术支持。实验结果表明,SparkDTW算法预测精度优于SVM,提高了海表面温度预测效率,验证了将类比合成方法应用在海表面温度预测的可行性;SparkDTW+SVM在精度方面要优于SparkDTW和SVM,表明SVM模型能充分利用时间序列挖掘的信息,验证了SparkDTW+SVM在海表面温度预测的有效性。
（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。
表面预测算法论文参考文献
[1].贾娜,郭佳欣,花军,陈红成.采用支持向量机算法对金刚石锯片锯切木材表面粗糙度的预测[J].东北林业大学学报.2019
[2].贺琪,查铖,孙苗,姜晓轶,戚福明.Spark平台下的海表面温度并行预测算法[J].海洋通报.2019
[3].郭力,邓喻.采用遗传算法优化神经网络的铸铁表面粗糙度声发射预测[J].机械科学与技术.2018
[4].李雪芝,周建平,许燕,王博.基于L-M算法的BP神经网络预测短电弧加工表面质量模型[J].燕山大学学报.2016
[5].ASMZ,Kausar,AW,Reza,KA,Noordin,MJ,Islam,H,Ramiah.用于3D室内传播预测的基于最近对象优先的集成粗糙表面散射算法(英文)[J].中国通信.2014
[6].丁攀,龚学庆.用进化算法预测表面重构[C].中国化学会第29届学术年会摘要集——第15分会：理论化学方法和应用.2014
[7].迟军,程鸿.基于一种T-S网络修正算法的车削表面粗糙度预测技术[J].机电工程.2008
[8].徐凌宇,方晓君,徐仁杰,沈立炜.基于时序挖掘的时间融合算法及在海表面温度预测中的应用[J].上海大学学报(自然科学版).2007
[9].康永刚,王仲奇,姜澄宇.一种快速有效的薄壁件加工表面误差预测算法[J].航空学报.2007
[10].翟元盛,梁迎春,王洪祥.基于遗传算法工具箱的精密车削表面粗糙度预测[J].工具技术.2007