用最小二乘法拟合A6250Z_L型柴油机的简谐系数计算公式

1前言A6250ZL型柴油机是重庆红岩内燃机有限责任公司（原红岩机器厂）与奥地利AVL公司在红岩机器厂原X6250Z型柴油机基础上共同开发研制的具有90年代国际商品水平的新一代产品，该机与原X6250Z的一些主要技术参数对比如表1所示。柴油机的简谐系数亦称简谐激励力矩系数，是扭振计算中的重要数据．为了对柴油机轴系在规定转速范围内任一工况进行强迫振动计算，就必须具备简谐系数的计算公式。目前国产柴油机大部分尚未有本机的简谐系数计算公式，我公司的柴油机也不例外。我公司过去进行轴系扭振计算时，各机型均采用英国劳氏船级社1972…     

基于最小二乘支持向量机的水库来水量预测模型

为提高水库来水量的预测精度,提出了一种基于最小二乘支持向量机(LS-SVM)的来水量预测模型。实例应用结果表明,该模型预测能力强、预测精度高,其预测精度明显高于BP模型,为来水量预测提供了一种可靠、有效的方法。     

基于最小二乘有限元的导热系数直接反算方法

导热系数是温度场计算分析中的重要参数,针对基于优化方法反演导热系数计算量大、收敛慢、易陷入局部最优解等问题,提出了一种基于最小二乘有限元的直接反算方法,可快速得到材料导热系数。该方法是将有限单元法和最小二乘法引入热传导方程,直接求解材料导热系数时空分布,不需要进行大量的正算和迭代过程,大大提高了计算效率,且由于不需要事先假定导热系数分布函数形式,保证了计算精度。最后,以水泥砂浆导热系数测试试验为例,验证了最小二乘有限单元法在导热系数反算中的适用性和可靠性。     

基于最小二乘支持向量机的生物质热值预测

生物质的热值与其组成成分有关,基于此,应用最小二乘支持向量机方法建立了生物质热值预测的有效模型,并利用Biomass Feedstock Composition and Properties Database数据库提供的数据进行了测试。以该数据库的部分生物质的固定碳、挥发分和灰分含量作为输入,以相应的热值作为输出,训练最小二乘支持向量机。训练完成后,用剩余的生物质进行测试。测试结果表明,预测方法准确,速度较快。与神经网络方法相比,基于最小二乘支持向量机的生物质的热值预测方法更有效。     

基于改进的最小二乘支持向量机的闸首渗流监控模型研究

鉴于大坝渗流监测受众多因素影响,首先利用主成分分析法对相关性较大的因子进行处理,然后利用最小二乘支持向量机进行建模,最后依靠遗传算法对其参数进行选优,建立了基于改进的最小二乘支持向量机的闸首渗流监控模型,并通过实例应用做了对比分析。结果表明,改进的最小二乘支持向量机模型可有效降低输入因子的维数,减小因子之间相关性,降低模型的训练时间,拟合精度均优于其他模型,更适合于渗流监测数据的建模。     

基于偏最小二乘法的支持向量机短期负荷预测

提出了一种基于偏最小二乘支持向量机的负荷预测模型.首先通过偏最小二乘(PLS)对负荷数据进行成分提取,提取的成分具有线性特点,并消除输入因素的多重相关性,然后采用支持向量机方法(SVM)对提取的成分进行预测.算例表明,该算法用于短期负荷预测建模速度快,预测精度高,是种行之有效的方法.     

电站煤粉炉NOx排放特性的最小二乘支持向量机模型

为获得电站煤粉炉NOx排放特性的在线预测模型,实现低NOx闭环运行控制,以某电厂300MW四角切圆燃烧煤粉炉为研究对象建立了NOx排放特性的最小二乘支持向量机模型.在建模过程中,进行了模型性能对核函数、惩罚因子γ和核函数参数σ2的敏感性分析,并运用遗传算法和交叉证实获得了γ和σ2的最佳值.最后利用不同试验工况下的样本数据检验了模型的预测性能,并将该模型的预测性能与BP神经网络模型相比较,结果说明该模型的建模特点和预测性能能够满足NOx排放的在线预测.     

凝汽器故障诊断最小二乘支持向量回归机模型及仿真应用

研究了凝汽器故障诊断问题。选取了32个故障征兆作为模型的输入,建立了基于最小二乘支持向量回归机的凝汽器故障模型。将所提出的故障诊断方法应用于某发电厂300MW火电厂仿真机凝汽器的故障诊断中,结果表明该方法行之有效,且易于工程实现。     

生物质气化过程最小二乘支持向量机建模探讨

生物质气化过程的最终目标就是尽可能得到更多的高品质可燃气体,而目前的生物质气化过程还存在许多尚待解决的问题,例如气化温度、气化剂当量比、气化效率、燃气热值等参数优化问题.为此建立一种能适应生物质气化过程的模型,用于预测生物质气化气组分、热值、气化效率及碳转化率等指标,以及实现气化过程的参数优化都具有现实意义.本文在对生物质气化过程建模现状分析基础上,初步提出一种基于最小二乘支持向量机的气化过程建模方法,探讨了该方法用于生物质气化过程建模以及对气化过程主要参数进行优化的可行性.     

最小二乘支持向量机在大坝渗流监测中的应用

支持向量机的训练速度慢．制约了它的发展和推广应用。Suykens提出了一种新的支持向量机方法——最小二乘支持向量机。最小二乘支持向量机是支持向量机的发展和改进,它采用等式约束替代不等式约束,求解速度大大加快。将其用于大坝的渗流监测中．并与传统的支持向量机进行了比较,结果显示二者的预测效果都比较好．但是最小二乘支持向量机的训练效率比支持向量机要高。     

Least Squares Fitting Based Fault Classification in Distribution Systems

Power systems are the largest and most complex human made systems, consisting of thousands of electrical sources, loads, transmission and distribution lines, power transformers, circuit breakers, etc. where faults always occurred. Faults can cause personnel and equipment safety problems, and can result in significant disruption to power supply and thus financial losses. In this paper we will present comprehensive mathematical suite to detect and classify fault dependent models of various types of power systems. This work will extract fault unique signatures by using polarization ellipse during the healthy condition and the polarization will be circular shape with radius equal the rated voltage of the system, but during the fault condition the polarization will be ellipse shape and the fault signature will be defined according the ellipse parameters major axis, minor axis, ellipticity and orientation angle, by using least squares criterion will define the ellipse parameters this system will identify and classify. This paper will be a milestone for extended paper based on the proposed mathematical modelling and applying it to identify, classify and localize with simulation model.     

基于加权最小二乘支持向量机改进算法的汽轮机通流部分故障诊断研究

汽轮机通流部分故障特征数据较多、故障类型复杂,很难建立精确的机理模型。提出一种基于加权最小二乘支持向量机(Weighted Least Squares Support Vector Machines,WLS-SVM)的改进算法,该算法用输出变量的留一交叉检验误差取代原有误差确定加权系数,解决了WLS-SVM由于加权系数与模型支持值相互影响,样本在剔除与不剔除之间反复变化而不收敛的问题。实验结果表明该方法能有效地剔除异常样本,减少故障特征量的数目,提高了校正模型的稳健性及WLS-SVM特征预测的速度和预测的精度。     

最小二乘支持向量机在大坝变形预测中的应用

介绍了基于统计学习理论的一种新的机器学习技术———支持向量机(SVM)和其拓展方法———最小二乘支持向量机(LSSVM),并将LSSVM算法应用于混凝土大坝安全监控中的变形预测。根据实测数据,建立了基于LSSVM算法的大坝变形预测模型,同时与经典SVM预测模型进行分析比较。结果表明,LSSVM和经典SVM算法在大坝变形预测中都具有较好的可行性、有效性及较高的预测精度;LSSVM在算法的学习训练效率上比SVM有较大的优势,更适合于解决大规模的数据建模。     

基于LS-SVM的制冷系统故障诊断

为了提高制冷系统故障诊断速度及准确性,提出了基于最小二乘支持向量机(LS-SVM)的制冷系统故障诊断模型,并采用ASHRAE制冷系统故障模拟实验数据进行模型训练与验证.对一台90冷吨(约316 kW)的离心式冷水机组的7类制冷循环典型故障进行了实验.研究结果表明,LS-SVM模型对制冷系统七类故障的总体诊断正确率比支持向量机(SVM)诊断模型、误差反向传播(BP)神经网络诊断模型分别提高0.12%和1.32%;尽管对个别局部故障(冷凝器结垢、冷凝器水流量不足、制冷剂含不凝性气体)的诊断性能较SVM模型的略有下降,但对系统故障的诊断性能均有较大改善,特别是对制冷剂泄漏/不足故障;诊断耗时比SVM模型减少近一半,快速性亦有所改善.可见,LS-SVM模型在制冷系统故障诊断中具有良好的应用前景.     

基于非高斯AR模型双谱估计的发动机气门机构故障诊断

将高阶谱引入故障诊断领域,利用基于非高斯AR模型的双谱估计方法描述了缸盖振动响应信号的非线性和非高斯特性。基于非高斯AR模型的双谱估计,能够在数据较短的情况下,提供较高的频率分辨率且能提取信号的相位信息,可用于非平稳信号的数据处理和故障诊断。研究结果表明:当柴油机气门机构处于不同工作状态时,缸盖振动信号的双谱及其等高线具有明显的可分性。对双谱进行数据降维处理,从其主对角切片中提取了比较稳定的故障特征,为气门机构的状态监测与故障诊断提供了一种有效手段。     

基于改进的偏最小二乘法的防渗帷幕防渗预测模型研究

针对偏最小二乘回归法含有全部自变量引起的预测误差问题,对偏最小二乘回归法进行了改进,采用主元选择的GA-PLSR法,即引入逐步回归方法中挑选和剔除因子的思想来选择与因变量相关性较强的自变量主元,然后利用偏最小二乘回归法进行建模,再采用遗传算法对其回归系数建立目标函数进行优化,确立最后的拟合模型用于因变量的预测,并通过实例应用,将选择主元的偏最小二乘回归模型、常规的偏最小二乘回归模型及基于主元选择的GA-PLSR模型的预测结果进行比较。结果表明,基于主元选择的GA-PLSR模型的拟合效果较好,且预测精度更高。     

柴油机故障诊断的局域波神经网络方法研究

针对柴油机表面振动信号的非平稳性，采用局域波法对其进行有效分解获得多个局域波分量，这些分量有效降低了信号的非平稳性，并且包含着原始信号瞬时频率和模糊频带的双重特征信息。然后以局域波分量的特征参数为输入对RBF神经网络进行训练学习，形成网络。这种方法增强了内燃机故障诊断的可靠性和精确，并在实际柴油机故障诊断中得到了有效地应用。     

基于局域波-粗糙集-神经网络的故障诊断方法研究

提出了一种基于局域波-粗糙集-神经网络的智能故障诊断方法。首先通过局域波法进行故障特征提取,获取能够反映设备运行状态的由局部能量组成的特征向量;接着应用粗糙集理论对样本特征参数进行属性约简,去除冗余信息,获取最优的决策系统;最后根据最优决策系统来构造RBF神经网络,并进行故障诊断。以柴油机缸套活塞磨损故障为例,详细说明了基于粗糙集-局域波-神经网络的故障诊断方法的原理和步骤。诊断结果证明了此方法的有效性。     

NTP技术降低柴油机PM排放及低温再生DPF的研究

针对柴油机颗粒捕集器(diesel particulate filter,DPF)传统再生方法的缺陷,根据低温等离子体(non-thermal plasma,NTP)放电理论,探索了NTP低温再生DPF技术。从化学反应动力学角度探讨了基于NTP技术的DPF再生反应机理,并利用现代测试分析技术研究了NTP对颗粒物(particulate matter,PM)质量粒径分布、微观形貌、碳结构及表面官能团演变的作用规律。建立NTP技术再生DPF的试验系统,对已捕集PM的DPF进行再生试验研究。通过监测PM的氧化分解产物CO、CO2的体积分数和DPF的内部温度,结合DPF的背压变化,研究不同再生初始温度下的PM氧化分解特性和DPF再生特性,并考察NTP技术对DPF再生的安全性。研究结果表明,NTP技术可有效分解柴油机排气中的PM,显著降低DPF的再生温度,且无需催化剂。这为DPF再生提供了新的研究途径。     

基于排气噪声的柴油机各缸工作不均匀故障诊断

对计算机和声传感器采集排气噪声,研究了9种工况下柴油机排气噪声在时域的周期性规律,对柴油机排气噪声信号进行了自相关分析,提取参数来表征排气噪声的周期性规律.对这个参数在3种转速下的值进行了详细分析,发现此参数在各转速下均能判断出失火及喷油器压力过小故障,在高转速下判别气门类故障也很有效.通过编写相应的故障诊断程序,输入排气噪声样本和对应的转速后即可判断出故障,该方法具有非接触、操作简单、成本低的特点.