航空发动机油样光谱分析的PSO-LSSVM组合预测方法

油样光谱分析是航空发动机磨损状态监测与故障诊断的重要技术,基于光谱数据的航空发动机状态预测有利于发现航空发动机的早期磨损故障。根据光谱数据特征,选取AR模型、BP神经网络模型以及GM(1,1)预测模型作为基础模型,建立了基于最小二乘支持向量机的组合预测模型,同时,用粒子群算法对LSSVM的正则化参数以及核函数参数进行了优化。最后利用两组实际的航空发动机光谱分析数据对模型进行了验证,与基础模型的对比结果充分表明,提出的带粒子群优化的最小二乘支持向量机(the Least Squares Support Vector Machines with Particle SwarmOptimization-PSO-LSSVM)的非线性变权重组合预测模型具有更好的预测精度。     

基于CPSO与LSSVM融合的发酵过程软测量建模

发酵过程是一个复杂的时变、非线性、强耦合过程.发酵过程中的关键参量菌体浓度通常难以用传统物理传感器实时在线检测.为了测量该参数,将CPSO算法与LSSVM相结合构建发酵过程软测量模型.模型采用CPSO算法优化LSSVM软测量模型参数,克服了常规交叉验证法选取参数的耗时和盲目性.仿真结果表明,CPSO-LSSVM软测量模型较LSSVM软测量模型更能在较短的时间内获得较高的收敛精度,其平均误差为2.05％,说明该软测量模型可用于发酵过程不可在线测量的菌体浓度的实时在线软测量,并且预测精度高,预测速度快,预测能力强.该软测量建模方法也为发酵过程其他关键参量的实时在线测量提供了新的途径.     

基于PSO-LSSVM的水分仪称重传感器非线性补偿研究

水分仪称重传感器的输出与待烘干物重量存在一定的非线性关系,且烘干失重法对传感器工作环境温度影响也会造成称重传感器输出的非线性变化。在分析传统应片式传感器非线性输出的产生机理基础上,提出一种基于变异粒子群-最小二乘支持向量机(PSO-LSSVM)的新型称重传感器非线性补偿方案:首先采用噪声协方差可变的卡尔曼滤波算法对称重传感器输出数据进行滤波,减小噪声的影响;再将滤波后的数值与环境温度值作为回归参量,建立基于LSSVM算法的水分仪称重模型;利用变异PSO算法对模型进行参数寻优。实验表明,在220 g/0.001 g水分仪中采用本方法对传感器输出进行非线性补偿后,称量精度明显优于国家检定规程标准;此外,该方法满足在小训练样本条件下,具有很好的泛化性。     

基于PSO-LSSVM的塔机起升机构虚拟传感器研究

目前塔机起升机构的安全监测多采用布置传感器的方法,载荷测量方式主要是通过在定滑轮处加装轴销式称重传感器,高度测量多采用安装外接编码器的方法。此方法安装、更换成本高且布线发杂,因此该文提出了一种通过变频器输出数据来计算起升载荷以及吊钩高度虚拟传感测量方法。首先介绍了起升机构的组成,通过变频器中的电机编码器数据完成了吊钩高度的换算。接着描述了载荷测量虚拟传感的原理与方法,选用基于粒子群优化的最小二乘支持向量机算法来建立吊重测量模型,通过对数据的关联性分析确定了模型的输入输出。最后通过现场试验验证了载荷测量虚拟传感方法的可行性,且吊重测量误差不超过4%。     

基于粒子群优化的VB-LSSVM算法研究辛烷值预测建模

针对现有红外线分析仪表无法实现阶段在线检测车用汽油调合中,MMT抗爆剂对辛烷值的影响问题,考虑到样本数据较少的因素,提出一种基于粒子群优化算法的矢量基最小二乘支持向量机方法,首先以粒子群优化的方法来选取最小二乘支持向量机的模型参数,然后用矢量基判据选择支持向量,使最小二乘支持向量机的解具有稀疏性.该方法不但克服了常用的交叉验证法的耗时与盲目性问题,发挥了最小二乘支持向量机的小样本学习和计算简单的特点,而且提高了最小二乘支持向量机模型的泛化能力,将其应用于汽油调合系统中研究法辛烷值的预测,仿真结果表明,该方法是可行且有效的.     

基于CPSO-LSSVM的多传感器数据融合

文中提出了一种新的基于混沌算法优化的粒子群(CPSO)算法,该算法在种群初始化时应用混沌算法优化粒子的初始位置,扩大粒子的有效搜索范围,在陷入局部最优时应用混沌算法遍历整个搜索空间,跳出局部最优.仿真实验证明该算法寻优性能优于当前其他PSO算法.利用CPSO对LSSVM的参数进行优化选择,建立多传感器数据融合模型.将该模型应用于压力的检测,实验证明了该方法优于当前其他主要方法.     

一种改进的最小二乘支持向量机算法及其在硅酸盐分析仪中的应用

硅酸盐分析仪在多组分同时测定时,测定数据的解析属于典型的小样本问题,在标准LSSVM算法的基础上,结合粒子群优化算法优化LSSVM超参数。实验结果表明,该算法与单项组分测定结果一致,效率却大大提高。     

基于α稳定分布参数估计的滚动轴承故障诊断

针对滚动轴承故障损伤程度难以确定的问题,提出对滚动轴承不同故障位置、不同损伤程度的振动信号进行故障特征提取及智能分类的故障诊断方法。首先,对各状态振动信号进行α稳定分布四参数估计,选取敏感性及稳定性最好的二种参数组成二维故障特征量;然后,输入到经过粒子群优化算法(particle swarm optimization,简称PSO)进行参数优化后的最小二乘支持矢量机(least squares support vectors machine,简称LSSVM)中进行故障诊断;最后,通过台架试验数据验证了该方法的有效性,并与未经过PSO参数优化的LSSVM、支持向量机(support vectors machine,简称SVM)方法的诊断结果进行比较。结果表明:该方法可实现滚动轴承故障位置及损伤程度的智能诊断,比未经PSO参数优化的LSSVM、SVM方法具有更优的泛化性,更短的训练、测试时间,可应用于实际工程。     

粒子群优化算法在改善传感器稳定性中的应用

针对最小二乘支持向量机在建立传感器回归模型时,其惩罚因子及核函数参数难以确定的问题,提出了利用粒子群算法对模型参数进行优化选取的方法,以提高模型的预测准确度及建模效率,并与遍历优化方法进行比较。实验结果表明,采用粒子群算法进行参数优化所用时间约为1621s,得到的模型预测结果均方误差为1.24×10-6;而采用遍历优化所用时间约为21599s,所得模型预测结果均方误差为2.74×10-5。采用粒子群算法进行参数优化使得建模效率和建立的模型预测准确度提高了一个数量级。测试样本计算表明,经过粒子群算法优化之后建立的传感器回归模型使得传感器的温度灵敏度系数及电流灵敏度系数比建模前降低了大约97%,比采用遍历优化方法降低了约85%,传感器的稳定性得到了大幅度改善。该方法切实有效,具有一定的发掘空间和实际应用价值。     

大型机组双压凝汽器系统的分析与优化

火力发电厂是我国目前最主要的发电厂,而凝汽器是火力发电厂最重要的组成部分之一。现对双压凝汽器的工作原理、系统结构、运行特点进行了分析,针对双压凝汽器的优化运行提出了最佳的负荷分配方案,能够提高双压凝汽器的运行热经济性。     

基于真空泵的正负压连续控制系统建模与仿真研究

提出基于真空泵构造正负压连续控制系统，并结合运用真空技术和气动伺服控制技术相关理论，建立了基于真空泵的正负压连续控制系统的数学模型，并对该系统进行了仿真研究分析，为进一步研究该系统奠定了良好的基础。     

基于离散模型的凝汽器真空优化研究

通过对火力发电厂循环冷却水系统的理论和试验研究,建立了凝汽器真空优化的离散模型,得出了在不同水温和不同机组负荷下机纽的经济运行方式.其优化结果对火力发电厂凝汽器真空优化运行具有一定的参考意义.     

基于骨架模型的参数化人体建模

产品的设计开发一般经过概念设计、参数化设计和详细设计三个阶段,这种过程称为自顶向下的设计。骨架模型是Pro/ENGINEER自顶向下设计的一个强有力工具。通过人体结构分析、人体尺度和百分位数的选择,得出了采用骨架模型进行参数化人体建模设计的详细步骤,并实现了人体模型的再生。实践证明这种设计方法可以在提高设计效率的同时保证极高的准确性,并为人机工程学领域研究提供了新方法。     

基于模型构件的动态企业建模研究

企业模型为企业信息系统的开发提供了设计蓝图。在分析动态企业建模理论的基础上建立了一种基于模型构件的动态企业建模体系,通过对模型构件的重组快速构建动态企业模型,有利于提高企业建模效率和企业模型的动态性。     

基于模型构件的企业模型体系与建模技术

探讨了企业模型体系及其建模方法这一支持企业集成的共性技术,首先从企业模型体概念出,分析其结构特征及内部单元间的关系;继而在划分企业行为层次的基础上,提出了可重用的模型构件概念;以模构件为基础,以行业参考模型为支持的企业建模方法,由形成参考模型、客户企业模型这制和开发设计与实施三部分构成。     

真空退火温度的建模与解耦控制

真空退火炉中温度的精确控制是一个多变量控制问题。为实现退火温度的精确控制,以真空退火炉现场实际采集的数据为基础,辨识出真空退火炉温区温度的二阶滞后模型,提出一种二阶滞后系统的多变量预测函数解耦控制算法。将多变量系统的解耦控制问题化简为若干个单变量系统的预测函数控制,采取分散优化策略代替整体优化,利用预测函数控制算法的特点,引入基函数增加了设计的自由度,减少了在线计算量,使参数设计和算法过程求解大为简化,得到一个解析的控制量计算方程,实现退火温度二阶滞后系统的多变量预测函数解耦控制。仿真结果表明,控制方法优于传统或改进的PID控制系统。将该控制方法应用于实际的 2 100×2 100真空退火炉退火温度控制系统中,取得了很好的控制效果。     

基于UG数控加工的MBD工序模型建模方法研究

MBD工序模型是数字化设计技术发展的产物,已逐渐成为产品制造的依据。针对当前通过传统建模方法创建工序模型效率低,模型准确性差直接导致数控程序编制质量低的问题,提出了基于UG数控加工建立MBD工序模型的方法。首先将零件模型和毛坯模型进行装配,然后基于UG软件进行数控加工编程,最后利用UG数控仿真功能进行加工仿真并建立MBD工序模型。应用实例表明,该方法既能提高MBD工序模型的创建效率,同时能保证数控程序和工序模型的正确性。     

基于零件基因模型的虚拟设计资源库建模

为在设计过程中利用网络资源 ,获取实体零件 ,提出了通过有效的检索机制获取合适的零件资源建立虚拟设计资源库的方法。首先给出了零件基因模型 ,并在此基础上给出了基于编码表示的体基因基因串 ,以及基于包围盒表示的基因单元参数的描述方法。然后建立了基于体基因编码的模糊检索以及基于零件基因单元之间关联度的二级检索模型。并利用层次分析法 ,解决了以往零件特征重要程度权重受主观性因素影响过多的问题     

基于骨架模型的协同有限元建模研究

基于雷达结构研制的实际需求,开展了基于骨架模型的协同有限元建模研究,详细规范定义了协同建模的环境、流程、建模要求和质量控制要求等,从而为快速高效建模、并行仿真、仿真置信度提升打下基础。     

动态实例建模模式的柔性工作流模型研究

传统的两阶段工作流工作模式严重阻碍了工作流柔性的提高,从生物适应的角度,提出了一种基于动态实例的柔性工作流建模模式,该模式下的工作流模型能够通过在不同环境中的实例实现工作流柔性;给出了该模式下柔性工作流活动的可扩展属性、方法和动态控制连接弧等的形式化描述;基于自主计算技术引入了嵌入柔性工作流活动的自主元模型,使用基于加权因子的可信度方法对自主元的推理知识表达,提高了柔性工作流的智能性;给出了动态实例建模模式柔性工作流完备性原则;最后给出了一个柔性工作流建模和自主元知识推理的实例,并对实例的完备性进行了分析。