基于最小二乘支持向量机的数控机床热误差预测

为实现数控机床热误差的补偿控制,提出基于最小二乘支持向量机进行数控机床热误差建模预测的方法.根据最小二乘支持向量机回归预测的原理,优化选择最小二乘支持向量机参数,对数控车床热误差进行最小二乘支持向量机建模.通过测量数控车床主轴温升值与主轴热变形量,将获得的数据进行最小二乘支持向量机建模训练,以建立机床热误差预测模型.实验结果表明,该模型能有效描述热动态误差,与最小二乘法建模进行比较,结果显示,基于最小二乘支持向量机的数控机床热误差预测模型精度高、泛化能力强;采用最小二乘支持向量机得到的预测模型可用于数控机床热误差实时补偿,以提高机床的加工精度.     

遗传最小二乘支持向量机法预测时用水量

为解决传统最小二乘支持向量机采用交叉验证确定参数耗时较长的问题,提出基于遗传算法和最小二乘支持向量机的城市时用水量预测方法.根据城市时用水量序列具有较强相关性的特点,利用自相关系数法分析时用水量序列的变化规律,并引入二进制编码的自适应遗传算法优化最小二乘支持向量机的超参数,采用交叉验证法确定遗传算法个体的适应值,建立了时用水量预测模型.实例分析表明：与基于传统最小二乘支持向量机的时用水量预测方法相比,基于遗传算法和最小二乘支持向量机的时用水量预测方法计算速度更快,预测精度更高.     

基于NGA-LSSVM的白水浓度软测量

提出了一种基于小生境遗传算法—最小二乘支持向量机(NGA-LSSVM)的软测量建模方法.充分利用遗传算法强大的全局搜索能力,引入小生境遗传算法对最小二乘支持向量机各个参数(损失函数参数、惩罚因子、核函数及其参数)进行优化选择,将支持向量机参数由人工选取变为自动确定,为解决支持向量机参数自动优化问题提供了一条有效的途径.将所提出的建模方法应用于制浆造纸生产过程白水浓度软测量研究中,研究结果表明:与普通最小二乘支持向量机相比,该建模方法具有更佳的预测精度,能满足造纸生产过程的实际需要.     

基于GA-LSSVR算法的回采工作面瓦斯涌出量预测

针对回采工作面瓦斯涌出量问题的小样本、非线性、影响因素关系复杂等特点,采用遗传-最小二乘支持向量回归算法对瓦斯涌出量进行预测,利用定量方法进行分析,避免了定性分析的局限性,有效提高了预测的精度。该模型首先利用遗传算法对最小二乘支持向量回归机中的参数进行训练和优化,然后运用遗传-最小二乘支持向量回归模型对测试样本进行了回采工作面瓦斯涌出量测试。测试结果表明:与支持向量回归机以及最小二乘支持向量回归机的预测值相比,遗传-最小二乘支持向量回归的回采工作面瓦斯涌出量预测可靠性和精确性更高。     

电力系统中长期负荷预测改进算法分析

讨论了基于支持向量机的电力系统负荷预测模型建模方法.通过对模型结构的分析,提出了最小二乘支持向量机算法学习参数的选取方法.结合粒子群优化算法,给出了粒子群优化对最小二乘支持向量机系数优化选择的方法.采用某省的经济、人口、天气和电价等实证数据对几种预测方法进行比较分析,算例结果表明,所提出的方法可以加快计算速度,并有效提高预测精度.     

基于平面靶分割区间LS-SVM摄像机标定的研究

摄像机标定是视觉系统精确的前提.利用最小二乘支持向量机实现摄像机的标定不需确定摄像机具体的内部参数和外部参数.由于镜头的畸变主要由径向畸变引起,根据摄像机畸变的特点,对畸变区域进行划分,提出一种基于分割区间最小二乘支持向量机的摄像机标定法,对不同的畸变区域进行单独处理.该方法同BP神经网络和基本最小二乘支持向量机标定预测结果对比表明,基于分割区间最小二乘支持向量机的摄像机标定法速度快,实时性好,能有效提高标定精度.     

克隆规划-交叉验证参数优化的LSSVM及惯性器件预测

为改善最小二乘支持向量机的泛化性能,将克隆规划、交叉验证相结合的优化算法用于最小二乘支持向量机的参数优化．克隆规划算法是具有局部、全局搜索能力的优化算法,能有效避免陷入局部极值;交叉验证算法的无偏估计性抑制了训练过程中“过拟合”和“欠拟合”．在该优化算法中,用交叉验证误差构造抗体抗原亲合度,用克隆规划算法寻找最小二乘支持向量机的最优参数．用优化的最小二乘支持向量机回归模型建立了惯性器件时间序列预测模型．实验结果验证了算法的有效性及预测模型的泛化性能．预测模型为动态补偿、故障预测提供了依据．     

和声搜索最小二乘支持向量机预测模型及其应用

为了改进目前最小二乘支持向量机(LSSVM)参数选择的盲目性,将和声搜索(Harmony Search)算法引入到最小二乘支持向量机中来.利用具有全局优化功能的和声搜索算法对LSSVM中正则化参数γ和核函数参数σ的进行自动优选,提出了和声搜索最小二乘支持向量机(Harmony Search Least Squares Support Vector Machine,HS-LSSVM)算法.通过对丰满大坝位移的建模预测并和BP神经网络模型及传统统计回归模型的分析比较,表明HS-LSSVM模型具有更小的预测误差和更高的预测精度.     

基于DEG-WO-LSSVM模型的用电负荷预测

为了提高负荷预测的拟合精度,提出一种基于优化灰狼算法的最小二乘支持向量机负荷预测模型,针对标准灰狼算法精度低、收敛速度慢、易陷入局部最优的缺点,采用差分算法优化标准灰狼算法。利用改进的灰狼算法优化最小二乘支持向量机的两个主要参数,建立功率负荷预测研究模型。通过实例分析获得负荷预测结果,利用三种评价指标对比了四种算法模型。实验表明,改进灰狼算法优化最小二乘支持向量机的改进评价指标数值较低,拟合曲线精度更高。     

双核函数最小二乘支持向量机汽油干点软测量建模

针对单核函数最小二乘支持向量机容易陷入局部最优值,提出双核函数最小二乘支持向量机软测量建模算法。该方法利用Sigmoid核函数与RBF核函数线性加权构成双核函数,去除部分较小支持向量样本的方法,改善最小二乘支持向量机的稀疏特性,提高模型运算速度,用k-交叉验证法进行部分参数的优化,最后将此方法用于建立汽油干点软测量模型,并与标准支持向量机、单核最小二乘支持向量机比较,结果表明双核函数最小二乘支持向量机软测量模型具有更高的计算精度和更好的推广能力。     

TSK模糊逻辑系统混合学习算法的进一步研究

对TSK模糊逻辑系统的混合学习算法作了进一步研究。根据结论参数总可由前提参数通过最小二乘法确定的特点,提出将其看作是只依赖于前提参数的一个系统,学习也因此可看作是只以前提参数为变量的一个优化问题。这降低了问题的维数,有利于减少计算量,改善收敛性。对这一问题应用梯度优化,等价于采用一次BP迭代与最小二乘的混合学习算法;应用拟牛顿优化,可导出有效的拟牛顿学习算法。对应用各种高级优化技术的学习算法,这一观点也是有指导意义的。     

基于LS-SVM棉针织物前处理工艺指标软测量

该文针对棉针织物前处理过程工艺指标吸水性和白度难以实现在线连续检测,且与前处理过程温度、时间、液碱浓度、双氧水浓度等影响因素具有较强非线性,难以建立精确数学模型。在分析了棉针织物前处理过程质量指标相关影响因素的基础上,采用最小二乘支持向量机建立了前处理过程工艺技术指标软测量模型,并通过实验验证了软测量模型的有效性。     

基于SVM多分类器的管道内检测信号处理研究

该文针对超声波检测是重要的管道腐蚀内检测方法之一,超声回波信号处理是内检测的关键技术。腐蚀缺陷回波的形态受到缺陷方向、位置、形状、面积、深度和管壁粗糙度、检测设备工作状态及各回波间的相互作用等诸多因素的影响,其时域特征很复杂,1个检测回波A扫描信号就有几千个数据。如果将有限的管壁厚度分为几个区间,每个区间对应一种腐蚀状态,管道腐蚀内检测问题就成了对超声回波信号进行状态分类的高维多分类识别问题。该文通过对回波信号的深入分析,利用径向基核函数支持向量机对超声回波信号进行处理,采用一对多和层(树)分类两种方法分别实现了管道多腐蚀等级自动分类识别。实验结果表明,该方法不但提高了分类的正确率,而且提高运算的速度,取得了较好的分类结果。     

基于RST和SVM的中文问题分类方法

针对支持向量机分类中数据量维数大、处理速度慢等缺点,该文提出了一种新的中文问题分类方法CRV,它利用粗糙集理论的属性约简方式预处理样本数据,在消除冗余的特征向量、降低样本数据空间维数的同时,有效地提高了支持向量机的收敛速度和分类精度。应用该方法于计算机网络课程的自动问答系统中,有效地提高了问题分类的准确率,验证了该方法的可行性。     

基于线性双曲线模型的车道线检测算法

提出了一种适用于智能驾驶辅助系统的车道线检测算法。为了克服传统的车道检测算法中Canny边缘检测算子对阴影及光照变化较为敏感的缺点,该文对灰度图像进行二维FIR滤波之后,采用大津法实现可靠的车道边缘检测;然后利用Hough变换初步获得车道中线及消失点坐标,在此基础上采用Mid-to-Side策略进一步从边缘图像中提取车道的边界点,最后采用最小二乘拟合方法获得车道的线性双曲线模型。在各种复杂道路环境下的实验结果显示了该算法的鲁棒性和准确性。     

基于被动声纳探测网络的空间配准算法

该文针对被动声纳组网后,其探测范围和探测精度都比单个声纳系统有较大改善,但探测网络中常常存在系统和随机误差,如若不进行处理,则会严重影响组网的探测性能。该文在忽略模型线性化误差的情况下,通过一阶Taylor展开,将观测方程线性化,得到系统误差估计的数学模型,从而利用广义最小二乘算法求出系统误差。之后再对原始测量数据进行误差补偿,修正被动声纳的固有偏差,提高被动声纳探测网络的定位精度。     

一种改进的粒子群算法——PSO-Powell

该文针对PSO容易陷入局部最优的缺陷,提出了PSO-Powell辨识算法。该算法首先进行PSO的全局搜索,以全局搜索的最好粒子作为进行Powell搜索的起始点进行搜素,克服了PSO容易陷入局部最优点的缺陷。通过测试用例的测试,证明了该算法的有效性;并对非线性Hammerstein模型和典型的三级串联模型进行了常规方法和该文算法的辨识,对比结果表明了该算法对于辨识参数具有大范围选取能力。仿真结果表明该算法是模型参数辨识的一个有效方法。     

基于测量值求和的预测补偿时滞滤波器

该文针对一类线性时不变目标跟踪系统,提出一种能处理任意步延迟的多传感器测量值求和预测补偿时滞滤波器。该方法有效地利用线性时不变系统统计参数可离线计算的特性以及线性最小均方误差估计卡尔曼滤波状态估计的测量值求和形式。同时,应用一步预测估计和测量预测新息补偿的方法,通过离线计算与在线调节相结合的方式获得最优加权系数,最终实现任意延迟量测的最优更新。计算机仿真验证了该算法的有效性和优越性。     

基于前馈神经网络的潮汐预报

该文针对传统的潮汐预报多以前几日的水文数据结合气象资料为依据进行推算的方法,这样的结果是预报准确度不高。该文介绍了一种新的预测方法,利用感知器神经网络所具有的通过学习获取知识来解决问题以及能对任意连续映射进行逼近的能力,通过搭建在计算机平台的前馈神经网络模型和水文站提供的历史潮汐数据,对涌潮到达江河沿岸各观测点的时间和水位进行预报。     

特殊无位置传感器无刷直流电机的起动分析

该文针对无位置传感器无刷直流电机近年来得到快速发展,其起动控制一直是研究的重点和难题。该文介绍了一种特殊的无刷直流电机,分析了电机的工作原理。针对无位置传感器无刷直流电机的位置检测问题,采用了端电压法来实现反电动势过零点的检测,并对可能遇到的问题提出了解决方法。从理论上对电机的控制方法进行了研究,借助MATLAB对电机的外加速起动曲线进行了优化,提高了起动的稳定性。