为提高移动机器人的实时避障能力,采用机器学习算法建立机器人实时判别模型,可根据检测到的障碍物距离实时预测出机器人移动方向。通过对机器学习算法的综合评价指标进行研究,分析模型预测性能的好坏。同时,为防止模型过拟合,减小泛化误差,再对机器学习算法进行交叉验证。实验结果表明,随机森林算法的综合评价指标最高,均达到了99.9%,朴素贝叶斯综合评价指标最差,约在52.9%,机器学习算法在交叉验证之后可生成更加可靠稳定的实时判别模型。

为节省按需式电流体微滴喷射打印技术的微滴直径预测时间及解决众多工艺参数的合理选择问题,实现更高打印质量和效率,提出了数值仿真与机器学习算法相结合的方法。基于线性回归、支持向量回归、神经网络和随机森林算法建立8种参数与微滴直径的关系模型。算法结果表明支持向量回归算法准确率最高、误差较小,随机森林算法和线性回归算法次之,神经网络算法准确率较低且误差较大。机器学习可以对按需式电流体微滴喷射打印微滴直径进行有效预测,此方法可以有效地提高设计效率。

重型燃气轮机是提供电力和调节电力波动的重要设备,其组成复杂、精密程度高,发生故障后会产生严重的安全隐患,进而影响经济效益。采用机器学习算法是实现重型燃气轮机健康监测的有效方法。机器学习算法的优化及融合对重型燃气轮机系统的健康运行具有重大意义。介绍了重型燃气轮机健康监测的发展过程;综述了采用不同机器学习算法对燃气轮机大部件及其子部件健康诊断的预测结果;重点分析对比了气路故障和整体状态健康监测、寿命预测的不同