基于随机森林的智能锁螺丝机锁附判别研究

论文摘要

为了解决工业生产制造中的智能锁螺丝机无法准确判断螺丝锁附是否成功的问题,运用机器学习算法建立螺丝锁附判别模型;针对螺丝锁附过程中产生的时间序列数据不等长的问题,提出改进的基于随机森林的加权特征选择算法,用以提取能够描述序列性质的有效特征,并从判别准确率和运行时间2个方面与其他特征选择算法进行比较;对比这些被选择的特征在不同机器学习算法中的表现。结果表明,本文中提出的特征选择算法不仅能够提取出最优的特征组合,而且运行时间较短,计算效率较高,并且该特征组合应用于随机森林时可达到99.9%的判别准确率,能够有效判别螺丝锁附的情况。

论文目录

• 1 基于随机森林的特征选择算法
•   1.1 随机森林
•   1.2 特征提取
•   1.3 算法描述
•   1.4 特征重要性度量
•   1.5 权重度量
• 2 实验
•   2.1 数据描述
•   2.2 数据预处理
•   2.3 实验验证及结果分析
• 3 结论

文章来源

类型: 期刊论文

作者: 罗川,黄迟,曾文绶,刘士豪,李明,张灏

关键词: 随机森林,时间序列分类,锁螺丝,工业大数据,特征选择

来源: 济南大学学报(自然科学版) 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,自动化技术

单位: 太原理工大学数学学院,太原理工大学大数据学院,富士康科技集团并州智能制造研究院,亚利桑那大学数学系

基金: 国家自然科学基金项目(11771321),山西省科技厅社会发展科技攻关计划项目(201703D321032)

分类号: TP18;TS914.211.7

DOI: 10.13349/j.cnki.jdxbn.2019.05.005

页码: 410-416

总页数: 7

文件大小: 874K

下载量: 119