基于鲁棒最小二乘支持向量机的齿轮磨损预测

为了降低包含噪声的现场齿轮磨损数据对最小二乘支持向量机 (least squares support vector machine, LSSVM) 模型稳健性的影响, 采用迭代鲁棒最小二乘支持向量机 (iteratively robust least squares support vector machine, IRLSSVM) 对齿轮磨损数据进行建模和预报.首先, 增加权函数迭代次数以保证建模过程的鲁棒性;然后, 将具有全局搜索的耦合模拟退火 (coupled simulated annealing, CSA) 与局部优化的单纯形法 (simplex method, SM) 相结合的方法用于优化IRLSSVM模型超参数, 进而采用鲁棒交叉验证作为CSA-SM算法拟合目标函数, 提高IRLSSVM模型超参数优化过程的鲁棒性;最后, 利用K727840ZW变速箱现场齿轮磨损数据进行了数值实验, 结果验证了所提出方法的有效性.     

基于LSSVM的污水处理过程建模

针对基准仿真1号模型(BSM1)有耗时久、结构复杂、不利于研究和优化等缺点,提出使用多输入多输出最小二乘支持向量机(LSSVM)对污水处理过程进行建模。先介绍BSM1,再在BSM1的基础上建立基于L S S V M的污水处理过程简化模型,最后将B S M 1的仿真结果与基于L S S V M的污水处理模型的仿真结果进行比较,验证得出基于L S S V M的污水处理过程模型运行效率更高。     

基于免疫算法优化LSSVM的短时交通流预测

为了智能化解决城市道路交通系统存在的问题,提高短时交通流预测的准确性,采用免疫算法优化的最小二乘支持向量机(LSSVM)建立短时交通流量预测模型。利用免疫算法对LSSVM中的惩罚因子和核函数参数进行优化,得到最优预测模型。以车辆行驶平均速度和占有率作为模型输入,交通流量作为输出进行预测仿真试验。试验结果表明:本文采用的优化LSSVM模型进行仿真试验的预测误差有所减小,输出结果更接近真实值。     

基于LQR指标的鲁棒PID整定方法及鲁棒稳定性裕度评估

根据LQR指标，结合最小最大原理，使用改进遗传算法作为优化搜索算法，提出一种新的鲁棒PID参数整定方法。该方法有三个优点：首先能通过选取衰减系数和自然频率来获取期望的闭环特性，并获取近似的LQR权矩阵；其次为PID控制器增加了一定程度的预测性能，最后用本方法设计的控制器对模型误差和外部干扰都表现出一定的鲁棒性，仿真实例证实了该方法的有效性。     

鲁棒支持向量机及其稀疏算法

基于非凸光滑损失的鲁棒支持向量机分类模型对异常点具有鲁棒性,但已有求解算法需迭代求解二次规划,计算量大且收敛速度慢,不适合训练大规模数据问题。为了克服这些缺点,首先给出收敛速度更快的方法求解鲁棒支持向量机模型;然后基于最小二乘的思想,提出了一种推广的指数鲁棒最小二乘支持向量机模型及其快速收敛的求解算法,并从理论上解释了模型的鲁棒性;最后利用核矩阵的低秩近似,提出了适于处理大规模训练问题的稀疏鲁棒支持向量机算法和稀疏指数鲁棒最小二乘支持向量机算法。实验结果表明,新算法在收敛速度、测试精度和训练时间等方面均优于相关算法。     

基于鲁棒观测器的肘关节鲁棒自适应控制

针对伺服阀控制的、双螺旋副传动的七功能机械手肘关节存在液压系统强非线性、易受外界环境温度和压力变化引起的参数不确定性、外界未知强干扰和仅有位置和油液压力状态反馈的控制特点,提出基于鲁棒观测器的输出反馈鲁棒自适应控制方法.该方法利用反演控制器设计方法对耦合的不确定系统参数和未知状态进行解耦,结合鲁棒观测器和鲁棒自适应控制器设计方法分别对未知状态和不确定参数进行观测和估计,使用李雅普诺夫稳定性理论保证了系统全局渐进稳定的控制性以及系统状态的有界性,解决了同时存在系统参数不确定性和部分未知状态相耦合的鲁棒控制问题.以国家高科技发展计划4 500m深海作业系统的七功能主从液压机械手肘关节作为研究对象,使用提出的控制方法进行在未知外界干扰下的对比研究.实验结果表明,闭环系统可以很好地跟踪参考轨迹,具有较强的鲁棒性,能够获得令人满意的稳态精度和动态性能;修正后的参数自适应律能够保证在外界未知干扰下估计参数的有界性.     

基于遗传算法的鲁棒PID控制器设计

从分析控制系统的性能指标入手,从抗干扰性能和鲁棒性能两方面综合考虑控制器的设计,得到一种鲁棒 PID 控制器的设计思路,把 PID 控制器的设计问题转化为求解一个带鲁棒性能约束的绝对误差积分指标 (IAE) 优化问题。鉴于问题是非凸的,用常规优方法无法得到最优解,采用遗传算法来求解该问题。分别对一阶加纯迟延(FOPDT)和非线性对象进行了仿真,结果表明了方法的有效性,不仅控制系统性能优良,而且抗干扰能力和鲁棒性能也很好。     

基于鲁棒误差函数的BP算法

提出一种基于鲁棒误差函数的ＢＰ学习算法,并对这种算法进行了仿真研究。结果表明该算法增强了ＢＰ网络的泛化能力,提高了ＢＰ网络的鲁棒性,加快了ＢＰ网络的收敛速度。     

基于变量相关性自适应即时学习算法的火电厂SCR脱硝系统建模

针对选择性催化还原(SCR)脱硝系统工作过程中存在非线性、多变量和时变性等问题,将变量相关性引入即时学习算法,同时引入局部模型自适应更新策略,建立了基于变量相关性自适应即时学习算法的最小二乘支持向量机模型。利用互信息计算各个输入变量与输出量的相关度,将计算出的相关度引入到即时学习算法学习集的选取中,用以选择当前工况点的建模邻域,进而提高模型精度;采用自适应相似度阈值更新方法对局部模型进行更新,增强模型实时性。将该方法应用于SCR脱硝系统建模仿真。结果表明,改进后的即时学习算法的预测精度高,且具有很好的实时性。     

基于DTCWT与LSSVM的风电场短期风速预测

由于风速具有很强的非线性特性,传统的预测方法难以对其准确预测。为提高预测精度,提出了将双树复小波与最小二乘支持向量机相结合的风速时间序列预测建模方法。首先,利用双树复小波对风速时间序列进行多尺度分解,将其分解为高频子带和低频子带;其次,利用最小二乘支持向量机对不同频率的子带建立相应的预测模型;最后,将各子带预测值进行等权求和得到预测结果。实验表明,基于双树复小波与最小二乘支持向量机的混合预测模型具有较高的预测精度,其平均绝对误差为3. 79%。     

一种基于QPSO和WLS-SVM的智能方法

提出一种基于量子粒子群优化算法(QPSO)和加权最小二乘支持向量机(WLS-SVM)的智能方法,以克服常用方法存在需要较大样本数据量、建模速度较慢差等缺点.方法的具体改进是,将SVM中单一核函数构造成混合核函数,增加自适应权重,采用QPSO算法求解WLS-SVM训练模型中的线性方程组,这样能提高模型的性能.经过典型的二型糖尿病诊断实验,结果表明其建模速度快、诊断准确率高,其效果优于改进BP算法神经网络、LM算法神经网络和单核函数的SVM等方法.     

基于相空间重构和最小二乘支持向量机的滑坡预测

针对滑坡位移时间序列的非线性特性,引入基于相空间重构和最小二乘支持向量机（LSSVM）的预测法.利用Cao氏方法确定嵌入维数,根据互信息法计算最佳延迟时间;然后在相空间中,利用最小二乘支持向量机（LSSVM）建立预测模型.试验结果表明,模型具有较高的精度,是科学可行的.     

基于MTC结构的支持向量机并行训练算法 贾华丁1, 2,游志胜1,王磊2

摘要：为加快支持向量机的训练速度,提出一种新型的“多重三叉级联(MTC)”学习结构,具有反馈速度快、计算节点利用率高、反馈的支持向量多等优点。基于该结构设计了支持向量机的并行训练算法,并严格证明了新算法能够收敛到支持向量机的最优解。数值实验结果表明,新算法具有非常高的加速比和并行效率,需要的训练时间显著地少于Graf等提出的Cascade SVM算法。     

基于MTC结构的支持向量机并行训练算法

为加快支持向量机的训练速度,提出一种新型的"多重三叉级联(MTC)"学习结构,具有反馈速度快、计算节点利用率高、反馈的支持向量多等优点。基于该结构设计了支持向量机的并行训练算法,并严格证明了新算法能够收敛到支持向量机的最优解。数值实验结果表明,新算法具有非常高的加速比和并行效率,需要的训练时间显著地少于Graf等提出的Cascade SVM算法。     

LS-SVM在城市供热系统热负荷预测中的应用研究

为了对热负荷及时准确的预测,采用最小二乘支持向量机(Least squares support vector machines,LSSVM)算法,结合网格搜索的交叉验证参数寻优建立预测模型。实验表明,与遗传算法参数寻优的SVM相比,计算速度提高27倍,均方误差提高3倍,拟合相关参数达到99%,说明该模型能快速准确的预测预测下一个工作日的短期热负荷,是一种可行的、有效的预测方法。     

A Proposal of Adaptive PID Controller Based on Reinforcement Learning

Aimed at the lack of self-tuning PID parameters in conventional PID controllers, the structure and learning algorithm of an adaptive PID controller based on reinforcement learning were proposed. Actor-Critic learning was used to tune PID parameters in an adaptive way by taking advantage of the model-free and on-line learning properties of reinforcement learning effectively. In order to reduce the demand of storage space and to improve the learning efficiency, a single RBF neural network was used to approximate the policy function of Actor and the value function of Critic simultaneously. The inputs of RBF network are the system error, as well as the first and the second-order differences of error. The Actor can realize the mapping from the system state to PID parameters, while the Critic evaluates the outputs of the Actor and produces TD error. Based on TD error performance index and gradient descent method, the updating rules of RBF kernel function and network weights were given. Simulation results show that the proposed controller is efficient for complex nonlinear systems and it is perfectly adaptable and strongly robust, which is better than that of a conventional PID controller.     

基于快速留一交叉验证法的在线递推最小二乘支持向量机建模方法

为提高软测量模型的全局推广能力,提出一种基于快速留一交叉验证法(FLOO-CV)的在线递推最小二乘支持向量机(LSSVM)建模方法。在前向学习过程中,设计一种基于FLOO-CV预报误差的模型更新阈值,该阈值无需人工设定,且能够根据过程特性自适应改变;后向学习时采用FLOO-CV删除对模型整体性能影响最小的冗余样本,最大程度地保留模型的推广性能。工业聚丙烯熔融指数的软测量建模研究表明,该方法能够在提高模型泛化能力的同时,有效降低模型更新频率。     

基于支持向量回归的自适应逆控制方法

将支持向量回归引入逆控制,提出了一种基于支持向量回归的自适应逆控制方法。采用支持向量回归在线辨识算法建立被控对象的逆模型,然后将逆模型作为控制器进行复制去驱动被控对象,从而完成一个自适应逆控制过程。由于支持向量回归是建立在小样本基础上的一种学习方法,因此较好地解决了对于线性系统自适应滤波算法存在的运算量大,权值失调及自适应过程时间长等问题。对于非线性系统,与现有的神经网络方法相比,该方法能提高收敛速度及逼近能力,而且具有更好的推广能力。仿真结果表明,应用该方法可以取得良好的控制效果,并具有较好的鲁棒性能。     

基于Boosting的网络异常流量检测算法研究

从机器学习的角度系统研究网络流量检测,将Boosting算法引入到网络异常流量的检测当中,设计两种不同的弱学习方法：估计多变量高斯分布和估计超球体区域。实验结果表明,基于Boosting的检测算法性能要优于一类支持向量机,同时也表明作为一种提升弱学习算法性能的一般性策略,Boosting在非监督情况下是非常有效的。     

基于Co-training方法的车辆鲁棒检测算法

针对复杂交通场景车辆检测算法自适应能力差的问题,提出了基于Co-training半监督学习方法的车辆鲁棒检测算法.首先,针对手工标记的少量样本,分别训练基于Haar-like特征的AdaBoost分类器和基于HOG(histograms of oriented gradients)特征的SVM(support vector machines)分类器,使其具有一定的识别能力;然后,基于Co-training半监督学习框架,将利用2种算法进行分类得到的新样本分别加入到对方的样本库中,增加训练样本数量,再次进行分类器的训练.由于这2类特征具有冗余性,各自检测出的正负样本包含对方漏检和误检的图像.由于样本数的增加,再次训练所得到的新分类器的鲁棒性得到了很大提高,能更加准确地检测出车辆,而且由算法对未标记样本进行分类标记,不再需要人为标记,提高了车辆检测算法的自适应能力.