基于改进的差异演化算法求解SVM反问题的研究

针对求解支持向量机反问题的效率较低,算法复杂度高以及运用传统方法求解该问题容易陷入局部最优出现早熟收敛的问题,提出一种基于改进差异的差异演化算法。该算法在标准差异演化算法的基础上利用种群分类机制对算法进行改进,对改进后的算法与标准差异演化算法和K-means聚类算法进行实验设计,并对算法最终实验结果进行分析,改进的差异演化算法除在运行时间外,结果对比以及最大间隔次数比都有明显的提升,有效地保护处于最优解区域但是适应值低的个体,能够提高算法局部搜索能力,有助于算法实现全局收敛。实验结果表明,改进的差异演化算法在求解SVM反问题上能有明显的提升。     

基于 CEEMDAN 和 SVR 的锂离子电池剩余使用寿命预测

锂离子电池剩余使用寿命(RUL)的估算是锂离子电池健康管理的关键,准确可靠地预测锂离子电池的剩余使用寿命对 系统的安全正常运行至关重要。 提出了一种结合完备集合经验模态分解(CEEMDAN)和支持向量回归( SVR)的锂离子电池剩 余使用寿命预测方法。 首先,在放电过程中提取了一个可测量的健康因子,并使用 Pearson 和 Spearman 法分析健康因子与容量 之间的相关性,然后利用 CEEMDAN 将健康因子进行分解,获得一系列相对平稳的分量,最后采用 CEEMDAN 分解后的健康因 子作为 SVR 预测模型输入,容量作为输出,实现锂离子电池 RUL 预测。 利用 NASA PCoE 提供的锂离子电池退化数据集进行试 验,与标准 SVR 模型相比,实验结果表明利用该方法能够有效验证所提出的 RUL 预测模型的有效性,并且使预测误差控制在 2%以下。     

融合 EMD 和 LSTM 的受热面积灰预测研究

针对锅炉受热面积灰将会降低传热效率和安全性,采用清洁因子作为健康指标来监测锅炉受热面健康状况,并且提出 融合经验模态分解(EMD)和长短期记忆网络(LSTM)的模型来预测未来锅炉积灰。 经验模态分解可以将时间序列分解为一系 列频域稳定的本征模态函数,长短期记忆网络拥有记忆功能,它能够通过学习来挖掘时间序列之间隐藏的长期依赖关系,二者 结合,增加了对于时间序列预测的准确度。 通过仿真软件验证,该模型对锅炉受热面积灰状况的预测有较为满意的精度,并与 两种常用模型进行对比发现,预测精度分别提升了 67. 7%与 59. 2%,验证了该模型的可行性与有效性。     

智能车载DCU数据高效传输及变步长提取

首先,针对智能车载域控制器的多任务信息特点,提出了基于多任务网络通信的数据导出系统。该系统将任务管理所需绝对路径分解为低耦合度的子目录字段,把单文件断点续传功能扩展到多任务场景,提高数据传输效率。其次,根据行车数据存储特点提出变步长数据提取方法,利用时间戳信息实现有效数据的快速检索定位。实验结果表明,该方法实现了数据的高效传输和准确提取,证明了该方法的有效性。     

基于GPS/INS的自适应无迹Kalman滤波算法

载体的姿态参数是导航系统重要的影响因素,为提高姿态角测量精度,以INS和GPS紧组合导航系统为研究背景,针对无迹Kalman滤波算法对误差模型较敏感、新息噪声干扰数据需预处理、算法实效性低等缺点,提出改进的自适应无迹Kalman滤波算法.首先,用自适应窗口在线估计系统噪声和量测噪声的协方差值,得到与实际噪声更贴近的统计特性,减小数据预处理的干扰;其次,对状态预测方差阵引入次优渐消因子减少计算量,同时为了减少模型的精度损耗,对滤波过程引入统计量,确定模型不确定性检测阈值;最后,用扩展Kalman滤波、无迹Kalman滤波和改进后的新滤波算法对无人机航向轨迹进行数据处理.结果分析可得,改进的滤波融合算法能将姿态的测量精度提高到0.1°,具有更强的收敛性,能较好地抑制漂移误差.