基于综合优化方法的风力发电机故障诊断

支持向量机(SVM)一种新型的统计学习方法。但是作为分类算法,它存在计算量大、运行时间长的缺点。针对LSSVM的参数选择问题,引入物理学中的黑洞概念,建立黑洞模型,结合模拟退火算法,提出了黑洞粒子群-模拟退火算法(BH-PSOSA)。该算法可以增加粒子的多样性,克服PSO算法优化过程中陷入局部极值的问题,提高了优化性能,改善了收敛特性。利用BHPSO-SA算法对LSSVM的参数进行优化选择,用UCI数据库的数据进行分类验证,相比CV参数优化的LSSVM,提高了分类速度和精度。最后把BHPSOSA-LSSVM算法应用到风机齿轮箱的故障诊断中,取得了良好的效果。     

一种基于KPCA-LSSVM的可用带宽在线预测算法

针对目前端到端可用带宽预测方面研究工作较少的现状,提出一种基于核主成分分析KPCA(Kernel Principle Component Analysis)和最小二乘支持向量机LSSVM(Least Squares Support Vector Machine)的可用带宽在线预测算法ABOP。在采集网络状态样本数据并对其进行相空间重构的基础上,采用KPCA对数据进行降维降噪处理,最后基于LSSVM对可用带宽进行在线预测。为减小计算开销,提出一种递推计算的方法加快模型更新速度,并采用粒子群优化算法对模型参数进行多步更新,确保了在线预测的时效性。仿真表明,提出的ABOP算法具有较高的预测精度和较快的预测速度,能够满足可用带宽在线预测的要求。     

高速列车转向架故障信号的聚合经验模态分解和 模糊熵特征分析

为了对高速列车转向架关键部件进行状态监测,利用转向架故障振动信号的特点,提出了一种结合聚合经验模态分解和模糊熵的特征提取方法.对故障信号进行聚合经验模态分解,得到一系列具有不同物理意义的简单成分信号,采用相关分析法选取最能反映原信号特征的本征模态函数.对这些本征模态函数和原信号分别计算模糊熵值构成多尺度复杂性度量的特征向量,输入最小二乘支持向量机中进行分类识别,与模糊熵特征相比得到了更好的识别效果,证明了算法的有效性.     

改进PSO-LSSVM算法的SDN网络流量预测模型

SDN技术解决了IP网络布设困难、更新繁琐等突出问题, 近年来发展迅速. 本文针对SDN网络流量预测问题, 提出首先采用混沌理论对时间序列样本群进行相空间重构, 随后引入最小二乘支持向量机(LSSVM)构建SDN网络流量预测模型, 并结合改进的粒子群算法(PSO)对其关键参数进行优化. 实验结果证明, 该模型有效提高了SDN网络流量预测精度与误差控制水平, 具有良好的实际应用价值.     

基于溶液图像时序特征的元素组分含量动态监测系统

针对稀土萃取过程中组分含量难以实时监测以及现有组分含量检测方法耗时、耗内存的现状,设计了一种基于溶液图像时序特征的元素组分含量动态监测系统。首先使用图像采集装置获取萃取槽体溶液的时序图像,考虑萃取液颜色特性和单一颜色空间的不全面性,采用主成分分析（PCA）方法在HSI和YUV融合的颜色空间提取图像的时序特征,并结合生产指标构造基于鲸鱼优化算法（WOA）的最小二乘支持向量机（LSSVM）分类器来对工况状态进行判断。然后当工况处于非最佳状态时,在HSV颜色空间对图像提取颜色直方图和颜色矩特征,并开发以溶液图像间的混合特征差值的线性加权值为相似度度量的图像检索系统,从而获取组分含量值。最后进行镨/钕萃取槽体混合溶液测试,结果表明该系统能够实现元素组分含量的动态监测。     

基于多尺度核函数的铆接件腐蚀疲劳预测

目前腐蚀疲劳破坏预测方法精度不高.提出基于小波多分辨分析法(MRA),在再生核希尔伯特空间构建一种多尺度核函数的最小二乘支持向量机(multi-scale kernel LSSVM,MSK_LSSVM)预测算法.根据Mercer平移不变核定理,构造了多尺度复Gaussian小波核函数.由于多尺度核函数能够通过平移生成L2(R2)子空间的一组完备基,因此MSK_LSSVM可以任意逼近目标函数,更具灵活性.经仿真实验验证,与BP神经网络方法、标准支持向量机、灰色系统预测模型方法对比,机械结构中铆接件腐蚀变化的趋势通过MSK_LSSVM预测,准确率高、时间短.     

动车组LSSVM建模与速度跟踪控制

动车组运行环境复杂多变、运行过程中空气阻力对动车组运行性能有较大影响,基于线性模型的动车组运行控制策略难以满足高精度跟踪给定速度-位移曲线要求。提出一种动车组非线性模型描述及其运行速度控制方法。首先,基于动车组牵引特性和系统运行数据,建立了动车组LSSVM非线性模型;给出了基于LSSVM模型的动车组运行速度控制方法。基于CRH380AL型动车组运行数据的仿真结果验证了该方法的有效性。     

基于STA-LSSVM的槽电压优化方法

针对铝电解过程中,槽电压的参数调节主要采用“试探法”、过于依赖技术员、耗时长等问题,提出了一种基于状态转移算法(State Transition Algorithm, STA)的槽电压优化方法。首先,采用灰色关联度分析方法确定槽电压模型的输入变量;然后,基于改进的最小二乘支持向量机(Least Square Support Vector Machine, LSSVM)建立槽电压软测量模型;最后,采用状态转移算法对槽电压优化控制模型进行实验,获得槽电压优化值和一组优化操作参数。结果表明,建立的槽电压软测量模型具有较高的预测精度,STA算法可寻到3.819 7 V的优化槽电压值,相较于优化前降低了115.8 mV,每吨铝直流电耗降低了363 kW·h,实现了槽电压的优化控制,达到了较好的节能降耗目的。     

无人直升机尾桨轴承超声信号故障映射模型

无人直升机被广泛应用于军事民用领域中执行高危任务,对其进行健康维护具有重要意义。尾桨轴承是无人直升机尾桨的关键零件,关系到无人直升机的平衡与航向控制。传统基于振动信号的监测诊断方法易受环境噪音干扰,诊断算法也易受噪声混叠影响。为解决以上问题,提出了一种基于超声信号的无人机尾桨轴承故障映射模型。首先,采集轴承不同故障状态下的超声信号。然后,利用自适应噪声完备集合经验模态分解(CEEMDAN)算法将信号分解,对分解后的信号分量计算各类熵值并融合构造特征向量。最后,将特征向量输送到基于粒子群优化算法的最小二乘支持向量机中建立特征向量与故障类型的映射模型,实现故障诊断。该方法在超声信号下对尾桨轴承早期故障诊断具有有效性和敏感性。     

基于LS-SVM的不确定非线性系统滑模控制

针对滑模控制中不确定上界值的问题,提出了一种基于LSSVM自适应上界学习的滑模控制方法.首先将系统分为确定部分和不确定部分,对确定部分采用状态反馈法进行控制,对不确定系统部分采用最小二乘支持向量机( LSSVM)来完成.该控制器不仅可以保证非线性不确定系统渐近稳定,降低一般滑模控制理论分析的条件,还有效地抑制了抖振.仿...