基于多最小二乘支持向量机的草酸钴粒度软测量

提出了一种基于改进的鲁棒学习方法(improved robust learning algorithm,IRLA)的多最小二乘支持向量机(multipleleast squares support vector machine,Multi-LSSVM)建模方法,用以解决非线性系统建模问题。该方法通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多个成员最小二乘支持向量机模型,然后应用改进的鲁棒学习方法对成员最小二乘支持向量机模型的权重进行优化融合,从而使多最小二乘支持向量机模型具有较高的准确率和泛化能力。通过仿真实验,验证了方法的有效性;并将其应用于湿法冶金合成过程草酸钴粒度软测量建模问题,获得了比单个最小二乘支持向量机模型方法更高的预测精度。     

LS-SVM回归算法在刀具磨损量预测中的应用

提出了基于最小二乘支持向量机回归算法的刀具磨损量预测方法。该方法首先利用经验模态分解算法对非线性、非平稳的声发射信号进行平稳化处理,得到了若干个固有模态函数;然后建立了每个固有模态函数的自回归模型,并提取模型系数构造特征向量;最后采用最小二乘支持向量机回归算法实现了刀具磨损量的预测。该方法与神经网络预测算法相比,具有更高的预测准确率,可有效预测当前切削状态下10s后的刀具磨损量。     

基于LS-SVR的无线传感器网络节点定位算法

文章针对无线传感器网络（WSN）节点定位算法DV-HOD的节点间距离估计误差对定位准确度影响较大的问题,提出一种基于LS-SVR（最小二乘支持向量回归机）的定位算法L-LSSVR。该算法根据已知锚节点坐标信息,通过对探测区域网格化采样,得到包含未知节点到各锚节点的距离和未知节点坐标的训练样本集,利用LS-SVR训练得到定位模型,定位时以未知节点到各锚节点经多跳测距得到的距离向量作为模型的输入,将模型输出作为未知节点的估计坐标。在节点均匀分布和随机分布的网络中进行节点定位实验,结果表明,定位算法L-LSSVR能有效地降低距离估计误差对定位准确度的影响,减小平均定位误差,其中,在节点均匀分布的情况下L-LSSVR算法的平均定位误差比DV-Hop算法减小8.1～17.8%,在随机分布的网络中减小8.7～27.0%。     

核极化的多核LSSVM及其在分类中的应用

为了解决最小二乘支持向量机对于选择核函数盲目性的问题,将核度量标准核极化和多核学习引入最小二乘支持向量机中,提出了基于核极化的多核最小二乘支持向量机算法。算法首先利用核极化确定每个基本核函数的权系数,再根据多核学习原理组合多核函数,然后,建立多核最小二乘支持向量机模型,并进行模型的学习训练和预测。UCI数据上的试验结果表明,所提出的算法比SVM、最小二乘支持向量机和其他的多核学习方法具有更高的分类准确率。     

基于PCA-LSSVR算法的WLAN室内定位方法

针对WLAN室内定位系统中存在的接收信号强度指示(RSSI)时变特性降低定位精度的问题,提出一种基于主成分分析(PCA)和最小二乘支持向量回归机(LS-SVR)的PCA-LSSVR定位算法。该算法首先利用PCA对采集的各接入点(AP)的原始RSSI信号进行数据降维和去相关处理,提取主要的定位特征数据;然后利用LS-SVR构建指纹点的定位特征数据与其位置的非线性关系,并利用此关系对测试点的位置进行回归预测。实验结果表明,该算法的定位精度优于几种传统的定位算法,是一种性能良好的WLAN室内定位算法。     

LCD—GA—LSSVM集成分类器及其在齿轮故障诊断中的应用研究

针对齿轮故障诊断模式识别问题,在综合局部特征尺度分解、遗传算法及最小二乘支持向量机学习算法各自优点的基础上,提出了一种新的局部特征尺度分解—遗传算法—最小二乘支持向量机(LCD-GA-LSSVM)集成分类器模型。在该模型中,利用局部特征尺度分解算法实现对样本数据的特征选取;最小二乘支持向量机实现样本特征向量与故障模式之间的非线性映射;遗传算法用于实现对最小二乘支持向量机的参数进行优化以使其泛化能力达到最优。经过实验分析与验证,LCD-GA-LSSVM集成分类器对齿轮正常、齿根裂纹、齿面磨损、轮齿折断、局部齿形误差、复合故障等6种运行状态120组测试样本的识别率达到了93.33%。     

最小二乘支向量机在焊缝跟踪中的应用

为了克服传统焊缝跟踪方法精度低等问题,采用最小二乘支持向量回归机( LSSVM)进行焊缝跟踪.最小二乘支持向量机通过构造回归函数解决焊缝跟踪问题.与支持向量机不同的是,最小二乘支持向量机通过构造一个新二次损失函数,将支持向量回归机的二次规划问题转变为求解线性方程,从而改进了原支持向量机的跟踪精度.为验证所设计控制器的有效性,进行了焊缝的跟踪实验,并设计了实验条件;实验结果表明基于LSSVM的焊缝跟踪误差小于径向基(RBF)神经网络,可见采用LSSVM的控制更能够适应实际焊接过程的变化.     

基于支持向量机的石脑油干点软测量建模研究

原油精馏装置处于石油化工厂工艺流程的最前端,石脑油是精馏装置的主要产品之一,干点值是衡量石脑油质量的一个重要参数指标,通过现有测量手段不能得到干点的实时测量值。而支持向量机是近年发展起来的一种基于统计学习理论的学习机器,在模式识别和非线性函数回归估计方面有很多的应用。文中旨在通过采用软测量技术得出石脑油干点的实时监测信息,着重讨论基于支持向量机回归和最小二乘支持向量机回归的软测量建模方法。     

发动机系统可靠性最小二乘支持向量机分析

准确分析系统可靠性,对于评估产品性能和制定维修策略起着至关重要的作用.采用单步前向预测方式,提出了基于最小二乘支持向量机分析发动机系统可靠性的方法.通过对比最小二乘支持向量机和三种神经网络方法的预测效果,验证了算法的有效性,实验结果表明最小二乘支持向量机能够提供较好的预测精度.在可靠性寿命分析中,为了提高分析的准确性和效率,通过程序化的方法绘制了威布尔概率纸,自动获取相关参数,并对比分析了最小二乘支持向量机预测结果与实际数据对发动机系统可靠性指标的影响,结果显示最小二乘支持向量机能够提供较准确的结果,可以作为系统可靠性分析的一种新方法.     

发动机磨损状态的改进LS—SVM监控研究

介绍最小二乘支持向量机对航空发动机滑油系统铁元素浓度的变化趋势进行预测;并采用遗传算法对最小二乘支持向量机的参数进行优化。通过与时间序列分析的预测结果相比较,仿真实验结果表明：得到的最小二乘支持向量机的预测精度高,具有很好的泛化能力和学习能力。     

[机械装备再制造]考虑失效特征的废旧零部件再制造成本预测模型研究

分析了废旧零部件失效特征对其再制造成本的影响,建立了一种基于失效特征的废旧零部件再制造成本预测模型,该模型将半监督学习与最小二乘支持向量机回归（LS-SVR）算法相结合,实现了在只有少量已完成再制造的废旧零部件样本和大量未知再制造成本的零部件样本的条件下,对废旧零件再制造成本的预测。该算法加入了k最近邻(kNN)算法,以kNN为辅、LS-SVR为主对未标记的样本进行置信度评估,将各阶段最优未标记样本逐步添加进有标记的样本集中,逐步更新预测模型,能够有效降低噪声,提高模型精度。经案例验证,提出的算法具有良好的回归预测能力和泛化能力。     

基于小波消噪和优化支持向量机的板形模式识别

提高板形模式识别的精度利于得到高精度的控制效果。针对实测的板形信号中混有噪声信号的问题,利用双变量阈值小波去噪,克服了软硬阈值函数在处理小波系数方面存在的缺点,使得去噪的效果更好。将去噪后的板形信号离散化,作为支持向量机的学习样本,建立识别模型。引入布谷鸟算法优化支持向量机的参数。仿真结果表明,相比于粒子群和遗传算法,布谷鸟优化算法所需匹配的参数少,而获得的最优解更好。     

基于遗传算法的支持向量机分类器模型参数优化

建立在统计学习理论和结构风险最小原则上的支持向量机在理论上保证了模型的最大泛化能力,因此与建立在经验风险最小原则上的神经网络模型相比,理论上更为完善。本文运用支持向量机建立模式识别分类器模型,研究影响模型分类能力的相关参数,在分析参数对分类器识别精度的影响基础上,提出用遗传算法建立支持向量机分类器模型的参数自适应优化算法。最后,用算例表明了本文算法的正确有效性。     

基于最小二乘支持向量机的压电作动器迟滞非线性建模及参数辨识

为了辨识压电作动器应用中迟滞非线性特性,采用Preisach模型与最小二乘支持向量机（LS-SVM）的混合建模法构建压电作动器模型以表征其迟滞非线性。在Preisach模型基础上采用一阶回转曲线法求得α-β平面内的迟滞单元加权系数,以迟滞单元形心和加权系数作为训练模型的输入输出,利用遗传算法对模型参数进行了辨识。数值仿真验证了建立的模型能精确描述压电作动器迟滞非线性特性,仿真结果与实验结果的相对误差在0.12%~2.01%之间,证实了模型的有效性。     

基于MATLAB的平面度评定

根据国家标准中有关平面度误差的定义,建立了平面度的最小二乘数学模型,提出了一种基于MAT-LAB的平面度评定方法。通过优化算法得到平面度误差,实践证明该方法能收敛到最优解,而且计算稳定,应用范围广泛。     

基于虚拟仪器的板形模式识别系统研究

介绍了气动板形检测辊的板形信号检测原理,详细阐述了普通多项式最小二乘法、正交多项式最小二乘法和基于欧氏距离的模糊模式识别法,利用虚拟仪器LabVIEW软件开发了基于上述三种方法的板形模式识别系统。通过气动板形仪在线测试了300型可逆冷轧机板形张力信号,并对张力信号进行了模式识别。实验表明：该板形模式识别系统具有良好的稳定性和有效性,良好的图形交互界面和实时测试性能为板形闭环控制提供了方便。     

基于LS-SVM与遗传算法的数控机床热误差辨识温度传感器优化策略

提出一种在数控机床热误差辨识建模过程中,利用最小二乘支持向量机结合遗传算法对温度传感器进行筛选与优化的新方法。对布置在一台数控车床上的温度传感器进行了优化,首先根据热模态理论,对传感器进行分组,利用最小二乘支持向量机方法构建数控机床热误差辨识模型,再根据遗传算法对其进行传感器优化布置。结果表明,遗传算法与最小二乘支持向量机方法的结合,不但很好地避免温度测点的相互影响,保证模型精度,而且节约了硬件成本,提高了辨识建模速度。     

永磁型电主轴多频率振动的主动控制

为了有效抑制由砂轮质量不平衡及外部干扰引起的永磁型电主轴转子系统砂轮端的多频率成分振动,在无轴承永磁电机径向磁悬浮力产生原理的基础上,提出了一种基于最小方差快捷分块(FBLMS)的自适应滤波的永磁型双绕组电主轴柔性转子系统砂轮端多频率成分振动的主动控制方案。首先研究了双绕组永磁型电主轴结构及工作原理和径向控制力的模型,借助有限元法建立了永磁型电主轴柔性转子系统的动力学模型,分析了控制电流的不同成分对永磁体涡流损耗及电机定子铁损的影响,设计了永磁型电主轴柔性转子系统砂轮端多频率成分振动的主动控制系统,结果表明,提出的永磁型电主轴柔性转子系统砂轮端多频率成分振动控制方案具有明显的控制效果。     

DCT离合器热负荷仿真研究

分析了双离合器式自动变速器中干式和湿式离合器的特点,着重对影响干式双离合器性能和寿命的因素进行了分析,其中滑摩导致的温升是影响的关键。建立了双离合器式自动变速汽车起步过程传动系统动力学模型,采用双离合器起步控制策略,进行了摩擦副压盘滑摩功仿真计算。利用ANSYS分析软件进行了摩擦副压盘瞬态温度场、重载坡道重复起步时压盘温度变化及压盘热容量对温升影响的仿真分析。     

侧铣加工刀具回转轮廓误差预测技术研究

在侧铣加工中,刀具磨损和变形引起的刀具回转轮廓误差在实际加工前难以准确预测。提出一种工件形状刀具轮廓映射的辨识试验方法来获取加工过程刀具回转轮廓误差,并通过多因素正交试验获取了不同工况下刀具回转轮廓误差数据库。基于误差数据,采用最小二乘支持向量机（LS-SVM）技术建立了刀具回转轮廓误差预测模型。运用遗传算法优化对所提模型有重要影响的核函数参数和错误惩罚因子, 建立了基于遗传算法优化的最小二乘支持向量机(GA-LS-SVM)模型,并与未经遗传算法优化的LS-SVM模型进行了对比,试验结果表明,GA-LS-SVM预测模型能更好地适用于刀具回转轮廓误差预测。