基于最小二乘算法的模糊支持向量机控制器及其应用

介绍了一种基于最小二乘算法的模糊支持向量机控制器，它将模糊控制与支持向量机结合起来，融合了两者的优点，既有不依赖被控对象模型又有泛化能力强等特点。同时采用混合学习算法来优化控制器参数，即先采用最小二乘算法离线优化支持向量机(SVM)性能参数，建立SVM控制系统，再根据对象的变化，采用遗传(GA)算法在线学习优化SVM性能参数和模糊比例因子，以使控制器的性能能适应对象的变化而达到最优。火电厂主汽温控制的仿真结果表明这种控制器具有良好的控制性能。     

谷物干燥过程模糊支持向量机控制器的设计

为了准确控制谷物干燥过程的温度和湿度,设计了一种基于改进遗传算法和最小二乘算法的干燥过程模糊支持向量机控制器。利用模糊算法解除温湿度的耦合作用,采用支持向量机实现模糊逻辑控制的全过程和信号的非线线处理,同时采用混合学习算法优化控制器参数,即先采用最小二乘算法离线优化支持向量机性能参数,再采用改进遗传算法在线优化支持向量机性能参数和模糊比例因子,以使其控制性能适应对象的变化而达到最优。仿真结果表明,设计的模糊支持向量机控制器比常规PID控制器和经典模糊控制器具有更好的控制性能,能够满足谷物干燥工艺要求。     

基于最小二乘支持向量机控制器的研究

阐述了支持向量机与最小二乘支持向量机的特点,设计了基于最小二乘支持向量机的控制器,该控制器构成的系统学习与泛化能力强、抗干扰效果好,并利用垃圾焚烧炉的估计模型进行了仿真.仿真结果表明,该方法抗干扰效果好,适应性强.     

基于支持向量机的逆变器控制策略的研究

针对逆变器系统的本身特点,提出一种基于最小二乘支持向量机的前馈学习控制策略,该控制结构由前馈控制和反馈控制两部分组成,在该控制算法中,利用最优控制理论来整定PID控制器的参数,并采用最小二乘支持向量机作为前馈学习控制系统中的函数逼近器来建模逆变器的逆动态,仿真实验表明所设计的控制策略有效地提高了逆变器的抗负载干扰的性能.     

基于模糊控制补偿的支持向量机逆模型控制

支持向量机(SVM)具有很强的非线性逼近能力与泛化能力,文章研究了基于SVM的非线性系统逆模型辨识,并设计了基于模糊控制补偿的SVM逆控制系统.由SVM辨识的逆模型作为前馈控制器,形成直接逆模型控制器.同时,设计模糊控制器构成反馈补偿控制,克服逆模型的建模误差,提高系统鲁棒稳定性.仿真研究表明,SVM具有优良的逆模型辨识能力,基于模糊控制补偿的支持向量机逆控制系统的动态性能好、跟踪精度高、鲁棒稳定性强.     

最小支持向量机在系统逆动力学辨识与控制中的应用

为克服支持向量机(support vector machine,SVM)在线辨识过程需要较大的内存开销的问题,该文将递推最小二乘法(recursive least square,RLS)与最小二乘支持向量机(least squares support vector machine,LS-SVM)回归相结合,利用RLS在线调整支持向量机的权向量和偏移量,实现了系统逆动力学模型的在线辨识。在获得逆动力学模型的基础上,设计了一种基于逆动力学递推最小二乘支持向量机的控制算法,利用RLS在线调整控制器参数。过热汽温辨识和控制的仿真结果表明,辨识出的逆动力学模型具有较高的精度,所设计的控制器能获得较好的控制性能和有较强的适应能力。     

基于支持向量机的三相逆变器波形控制策略

针对三相逆变电源传统控制方案控制效果差的特点,提出了比例积分微分（PID）控制和支持向量机的逆模型控制相结合的控制策略.经过坐标变化,利用三相逆变电源在αβ坐标系下的特性,支持向量机学习算法用于预估逆变器的逆模型,从而在线实现对逆变器的补偿,PID控制器实现控制系统的闭环控制.通过对系统在稳态负载、动态负载情况下进行了仿真试验.仿真结果表明,该方案控制下系统能够克服系统外界扰动的影响,输出电压波形畸变少,达到输出波形质量性能的要求.     

SVM扩展学习模糊控制系统在电机矢量控制中的应用

针对研发交流牵引电机控制器中遇到的实际问题,采用支持向量机与模糊系统控制相结合的方法,克服了模糊控制学习能力不强的不足,提出了一种支持向量机一模糊控制系统。该设计是基于支持向量机自学习拓展模糊推理规则库的控制器,并将其应用于异步电机矢量控制系统的速度控制。矢量控制系统采用定转子自适应磁通观测器来估计磁通。仿真结果及实验表明,该控制方法响应迅速,鲁棒性较强,稳定性好,是一种有效的控制方法。     

基于免疫支持向量机方法的电力系统短期负荷预测

在对支持向量机(Support Vector Machines,SVM)方法的参数性能进行分析的基础上,提出了一种免疫支持向量机方法来预测电力系统短期负荷,其中利用免疫算法来优化支持向量机方法的参数.免疫算法是根据人类或其它高等动物免疫系统的机理而设计的,通过仿真抗原和抗体之间的相互作用过程,有效地克服了未成熟收敛现象,提高了群体的多样性.电力系统短期负荷预测的实际算例表明,与支持向量机方法相比,本文所提免疫支持向量机方法具有更高的预测精度.     

最小二乘小波支持向量机在非线性控制中的应用

结合小波技术和支持向量机,提出了一种基于多维允许小波核的最小二乘小波支持向量机,其小波核函数具有近似正交和适用于信号局部分析的特点。同时,给出了一种有效求解最小二乘小波支持向量机的Cholesky分解算法。将最小二乘小波支持向量机应用在非线性系统的自适应控制上,仿真结果表明,与最小二乘支持向量机、多层前向神经网络或模糊逻辑系统相比,最小二乘小波支持向量机均能给出较好的性能,显示出快速而稳定的学习速度,而且在相同条件下,最小二乘小波支持向量机比最小二乘支持向量机的逼近精确度提高了一个数量级。所提出的用于非线性动态系统自适应控制的最小二乘小波支持向量机方法具有效性和实用性。     

模糊支持向量机在变压器故障诊断中的应用

为了解决在变压器故障诊断时复杂难辨的问题,提出了利用模糊支持向量机构建变压器故障诊断模型的方法。该方法是在支持向量机(SVM)的基础上引入模糊度隶属函数,从而有效消除噪声和野点对诊断结果的影响。通过模糊C均值算法(FCM)求取模糊支持向量机的隶属度,对所得样本进行预处理,然后利用交叉验证和网格搜索相结合的方法对支持向量机进行参数寻优。实验表明,该方法比改良IEC比值法和传统支持向量机法具有更高的准确率,更适用于变压器故障诊断。     

支持向量机在入侵检测中的应用

随着计算机技术技术的发展,入侵检测系统问题更加突出和复杂,它是任何一个完整的网络安全系统中必不可缺的部分。目前现有商用的入侵检测系统所采用的检测方法大多是基于规则的,这样就造成了它们只能够对某一些特定的或己知的入侵行为取得比较好的结果.本文把模糊C均值聚类和支持向量机结合到一起,支持向量机是一种高效的模式识别方式,为了降低它的运算复杂性,用FCM把输入数据进行适当处理。提高了系统整体入侵检测的运算速度和精度。通过实验证明了该方法具有一定的优势。     

一种模糊支持向量的负荷混沌时间序列预测法

根据电网负荷混沌性的特点,提出一种基于模糊支持向量的核回归方法进行电力系统的负荷预测。同时提出多参数同步优化策略,增强了该方法的实用性和有效性。从理论上分析了小样本条件下,可以有效避免过学习的原因,该方法不需设计网络结构,降低了对实验人员经验的依赖程度。选取实际负荷时间序列数据,通过与神经网络法进行对比实验,结果显示出该方法的优越性和适用性,具有较好的实用价值和应用前景。     

基于模糊理论与支持向量机的变压器故障诊断方法

针对变压器结构的复杂性和故障机理的多样性,提出一种基于模糊理论和支持向量机的变压器故障诊断方法.该方法首先采用模糊理论对故障样本数据进行预处理,提取故障特征,再用支持向量机方法进行故障分类,通过采用一对多(1-a-r)的方法实现多目标分类,得出诊断结果.针对支持向量机参数不易确定的问题,采用多层动态自适应算法与k-折交叉验证方法结合对参数进行优化分析.故障诊断实例测试结果显示,该方法不仅克服了传统比值法中编码缺失、编码边界过于绝对的问题,诊断结果具有更高的准确率,而且也具有较好的适用性.     

基于模糊支持向量机的输电线路故障模糊分类方法及其降维显示

针对已有输电线路故障分类方法在样本中存在噪声时准确率有所降低情况,研究了基于Hilbert-Huang变换和模糊支持向量机(fuzzy support vector machines,FSVM)的输电线故障模糊分类方法,以提高输电线路故障分类的准确率.采用HHT变换获得故障时刻,提取故障后A、B、C三相及零序电流的特征能量函数值,组成FSVM的4维输入向量.利用网格优化方法对FSVM二分类器的惩罚参数C、核函数宽度σ进行优化.构造了FSVM的高维空间带状分段隶属度函数,求取样本的模糊决策函数值.构造多FSVM分类器.将故障时刻后特征向量送入多FSVM分类器,得到样本的故障分类初始标签.构造支持向量回归机(support vector regression,SVR),优化获得测试样本的最终故障隶属度,再对FSVM的分类标签进行修正.研究采用主成分分析法对样本高保真的降维处理方法、在3维坐标系中显示降维后3维向量及其故障模糊分类结果.为了测试算法,做了784组仿真实验,实验结果表明:FSVM+SVR的输电线路模糊故障分类方法不受故障点、故障类型、过渡电阻影响,故障识别率达到99.4％.在训练集1/5故障数据中加入5 dB Gauss白噪声,故障识别率仍保持不变.研究表明基于模糊支持向量机的分类方法适用于线路故障分类.     

基于支持向量机和模糊控制的输电线路覆冰状态评估模型

输电线路覆冰严重威胁着电力系统的安全运行。为提高输电线路覆冰状态评估准确率,以输电线路覆冰监测系统为基础,综合考虑监测系统的等效覆冰厚度、微气象参数以及覆冰持续时间等,提出基于支持向量机和模糊控制的输电线路覆冰状态评估模型。支持向量机实现覆冰状态的初步分类,输出无覆冰状态和有覆冰状态,针对有覆冰的状态进一步通过模糊控制评估模型对覆冰的严重程度作出准确评估,输出线路覆冰综合评估结果。实验数据验证了评估模型的准确性和可行性。     

面向汽轮机振动故障诊断的FCM预处理方法

提出一种故障诊断的方法,利用模糊C均值聚类,对汽轮机故障信号中提取的特征样本进行聚类分析,利用故障样本隶属度矩阵寻找其中一些故障特征不太明显甚至错误的样本,以此加强不同故障样本的特征,最后对优化的样本进行基于支持向量机训练,以此训练模型进行故障诊断。通过实验可以看出,经过优化后的样本,训练出的故障诊断模型精度得到了提高。     

Medical image compression using vector quantization and system error compression

A novel medical image compression scheme based on vector quantization (VQ) is proposed in this paper. The advantages of the technique are not only that it yields high compression ratio but also that it maintains a peak signal‐to‐noise ratio (PSNR). This new method involves three steps. First, we present a codebook design using discrete wavelet transform (DWT), fuzzy C‐means (FCM), and support vector machine (SVM) algorithms. Second, we improve the bit rate using the Huffman coding theme as a method of eliminating the redundant index. Finally, we supplement the system with error compensation to improve the PSNR. With the proposed method, we are able to achieve a bit rate improvement of 24.00% and a PSNR of 10.96% over the conventional method. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于SVM修正模糊多属性决策法的用电客户信用评价

针对电力客户信用评价缺乏准确的科学指标体系和评价中主观因素和经验因素难以量化、标准化的问题,提出了支持向量机(SVM)修正的模糊期望值决策法。建立了电力客户信用评价指标体系,并以三角模糊数的形式给出指标值和评价者的主观经验值,利用模糊期望值决策法得到信用期望值,最后通过SVM基于结构风险最小化原则修正该期望值。实例分析表明,SVM修正后的电力客户信用等级与供电企业原先为其设定的信用等级基本符合,更可靠地贴近实际。