基于优化支持向量机的网络化制造安全检测.pdfVIP

第 34卷 第6期 兰 州 理 工 大 学 学 报 Vo1．34 N0．6 2OO8年 12月 j0uma1ofLanzh0uUniversityofTechno1ogy Dec．2OO8 文章编号 ：1673—5196(2008)O6一OO93一O4 基于优化支持向量机的网络化制造安全检测 施进发 ，李济顺 ，焦合军 ，李晓东 (1．郑州航空工业管理学院，河南 郑州 45OO15；2．河南科技大学机电工程学院，河南 洛阳 471OO3) 摘要：研究适用于小样本模式识别的新的通用学习方法——最小二乘支持向量机，提 出一种优化L SVM参数选 择的方法．建立网络化制造安全检测多元分类模型，并进行仿真研究．结果表明：优化支持 向量机具有优秀的小样 本数据学习能力和预测能力，将其用于网络化制造安全检测是有效的、可行的． 关键词：支持向量机；网络化制造；参数选择；仿真 中图分类号：TP274 文献标识码：A Securitydetection0fnetworkedmanufacturingbased0n 0ptimizedsupp0rtVect0rmachine SHIJin_fa，LIJi—shun2，JIAOH un2，LIXiao—dong (1．zhengzhouInstituteofA_eronauticalIndustryManageH地nt，Zhengzh0u 45OOl5，China；2． l1egeofMechan Electr0 cErlgineering， HenanUniversityofScienceandTechno1ogy，Lu0yang 471OO3，chin Abstract：A new machinelearningmethodsuitableforsmall—samp1epatternrecognition，calledasleast squaresupportvectormachine，wasinvestigatedandtheoptimizationmethodforselectingtheparameters ofleastsquaresupportvectormachineswaspresented．Thenasecuritydetectionmodelofmu1ticomponent classificationfornetworkedmanufacturingwasbui1tupandthemodelwasusedforsimulationjnvestiga— tion．Thesimu1ationresultsshowedthattheoptimizedsupportvectormachineexhibitedexcellentab．1ity insman—sampleandsecurityprediction，sothatlearningthismethodwou1dbeefficientandfeasib1e，being usedforsecuritydetectionofnetworkedmanufacturing． KeywOrds：supportvectormachine；networkedmanufacturing；parametersselecting；simulation 网络化制造在获取生产流程所需全部信息的基 络ANN(artificialneuralnetwork)检测模型是一种 础上，打破了时空与地域的限制，提高了企业的经济 非线形检测方法，具有高度的并行处理和容错能力， 效益、竞争力和敏捷性．网络化制造安全检测是保证 能处理噪声和不完全数据．但该方法也存在一些难 协同设计及制造质量的重要工作之一．准确的安全 以克服的缺陷：计算量大、过分强调对数据的拟合、 检测，可以合理地安排检修计划，弥补原有的一些漏 易陷入局部极值点、外插能力弱、泛化能力不高等． 洞及缺陷，保持系统运行的安全稳定，避免入侵特征 准确的网络