基于LS-SVM的软测量模型及其工业应用

最小二乘支持向量机(LS-SVM)是支持向量机(SVM)的一种扩展,其算法简练,计算速度快;利用LS-SVM进行特征提取,可以有效地降低输入样本维数,缩减模型的运算时间,同时LS-SVM又具有优越的非线性回归能力;为实现氧化铝高压溶出过程中苛性比值在线测量,建立了一种基于LS-SVM的软测量模型,并将此模型应用于实际生产;工业数据的仿真结果表明该模型具有较高的预测精度和范化能力,能满足在线检测、实时控制的要求。     

基于贝叶斯框架的加权LS-SVM及其学习算法

为了提高最小二乘支持向量机的鲁棒性,介绍了加权最小二乘支持向量机,给出了确定加权向量的一般方法.并介绍了基于贝叶斯框架的加权LS-SVM参数的优化方法,利用它建立了加权最小二乘支持向量机.最后用一个仿真实例来说明所提出的支持向量机的学习性能,比标准LS-SVM具有更好的鲁棒性.     

基于PSO的LS-SVM特征选择与参数优化算法

针对最小二乘支持向量机特征选择及参数优化问题,提出了一种基于PSO的LS-SVM特征选择与参数同步优化算法。首先产生若干种群（特征子集）,然后用PSO算法对特征及参数进行优化。在UCI标准数据集上进行的仿真实验表明,该算法可有效地找出合适的特征子集及LS-SVM参数,且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。     

最小二乘支持向量机及其在故障诊断中的应用

从支持向量机的有关理论出发,介绍了适用于LS-SVM的SMO算法,并用c#语言实现了基于SMO算法的故障诊断。     

超声波气体流量计反馈回路的最优算法研究

为了实现气体超声波流量计对数据检测准确及稳定的目的,引入先进的控制优化技术进行了超声波气体流量测量原理、自动控制最优反馈回路算法、去除高频和低频噪声等研究,得出了超声波在顺流和逆流情况下运动时间差来确定模型并计算气体流量结论。根据传播速度差、波束位移、多普勒等方法,在实验中提出了仿真信号波形对比可视化展示和误差对比分析来测试不同工况下的流量,成功解决了气体超声流量计的信号检测问题,有效克服传统流量计的缺陷,提高超声波流量计测量精度,运行稳定可靠,为相关企业在管道内气体检测计量工作提供强大的数据支持体系,取得了良好的效果,对打破国外少数厂家技术垄断,填补气体超声波流量计方面的技术装备空白具有重要意义。     

用SVM和LS-SVM分析变压器故障诊断

介绍并比较了支持向量机分类器和最小二乘支持向量机分类器的算法,提出了基于支持向量机的二叉树多分类变压器故障诊断模型.将标准支持向量机(C-SVM)分类器和最小二乘支持向量机(LS-SVM)分类器分别用于变压器故障诊断,通过网格搜索和交叉验证法取得支持向量机的参数,准确率较高.试验结果表明,支持向量机和最小二乘支持向量机在变压器故障诊断中具有很大的应用潜力.     

基于QGA-LSSVM的醋酸乙烯聚合率软测量建模

针对最小二乘支持向量机(LS-SVM)在建立醋酸乙烯(VAC)聚合率软测量模型过程中最优模型参数的选择问题,提出了利用一种量子遗传算法来自动选取LS-SVM模型正则化参数和核函数参数的方法;把LS-SVM模型参数的选择问题转化为优化问题,利用全局搜索能力强的量子遗传算法优化LS-SVM建模过程的重要参数,建立了基于QGA-LSSVM方法的VAC聚合率软测量模型;仿真结果表明:与已有的神经网络和支持向量机软测量方法相比,该模型泛化能力强,精度高,更有利于醋酸乙烯聚合率测量工程实际运用。     

基于支持向量机的发酵过程建模研究

发酵过程有众多关键性的变量难以在线检测,给过程优化策略的有效实施带来了障碍。最小二乘支持向量机（LS-SVM）是标准支持向量机（SVM）的一种扩展,LS-SVM算法精度高,速度快,适合于在线预估。将该算法用于青霉素发酵过程建模,用具有RBF核函数的LS-SVM建立菌体浓度、青霉素浓度的模型,并通过仿真实验与标准支持向量机进行比较。结果表明,最小二乘支持向量机是青霉素发酵过程建模与控制的一种有效的方法。     

基于支持向量机的软测量技术及其应用

支持向量机(SVM)是一种基于结构风险最小化原理,具有很好推广性能的学习算法。讨论了基于最小二乘支持向量机(LS-SVM)的软测量数据建模原理和方法,并将其应用在汽车排放的氮氧化合物NOX软测量中。通过与基于神经网络的软测量方法进行比较,结果显示出SVM的明显的优势,特别是对小样本、非线性、高维数一类软测量问题的建模,提供了一种有效的途径。     

基于耦合模拟退火优化最小二乘支持向量机的车轮踏面磨耗量预测

针对最小二乘支持向量机(LS-SVM)超参数优化问题,提出采用改进耦合模拟退火(CSA)算法优化LSSVM超参数。首先,耦合模拟退火算法通过并行处理多个独立模拟退火(SA)寻优过程,提高LS-SVM模型超参数优化效率;然后通过调整接受温度控制耦合项超参数的接受概率方差,降低CSA算法初始设置对LS-SVM最优超参数确定过程稳健性的影响;最后结合既有线轮轨现场的实际检测数据,开展了基于改进耦合模拟退火优化的最小二乘支持向量机(CSA LS-SVM)回归模型性能对比实验。结果表明,CSA LS-SVM回归模型达到了模型精度、算法快速性、算法鲁棒性的有效折中,所建立的LS-SVM优化模型用于现场的车轮踏面磨耗量的预测是有效的。     

基于支持向量机的生物质气化过程研究

提出了一种基于支持向量机的生物质气化过程研究的新方法。采用竹子气化数据建立LS-SVM模型,并验证最小二乘支持向量机方法在生物质气化过程建模中的适用性。结果表明：提出的LS-SVM模型预测方法是有效的。     

一种新的最小二乘支持向量机算法

基于核方法的学习算法在机器学习领域占有很重要的地位（如支持向量机support vector machines,简称SVM）。但该方法在处理回归问题时的计算复杂度为数据量的立方级。最小二乘支持向量机(least squares support vector machines 简称LS-SVM)在计算复杂性方面对传统的支持向量机的作了很大改进,但是它的计算量也达到样本点数目的平方级。在处理海量数据回归问题时,求解LS-SVM占用大量的CPU和内存资源。本文提出了一种带非齐次多项式核的最小二乘支持向量机算法,由于特征向量中含有常数分量,所以本文去掉了模型中的偏差因子,简化了LS-SVM的回归模型。新方法特别适合于海量数据回归问题。实验显示新方法的求解速度比传统LS-SVM要快很多,同时新方法的准确性却丝毫不亚于LS-SVM     

弯管流量计蒸汽计量节能效益分析

阐述了弯管流量计无附加压力损失、测量范围宽等特性，并结合用户具体使用情况，重点进行了弯管流量计蒸汽测量节能效益分析，同时给出了此流量计测量流量的基本原理，说明弯管流量计是一种具有广阔发展前景的节能型流量计量仪表。弯管流量计相继在蒸汽、水、空气上大量采用，使用效果良好。     

催化剂颗粒浓度在线检测系统的研究与开发

基于Mie光散射理论,开发了石油炼化装置烟气催化剂颗粒浓度在线检测系统,采用了基于最小二乘支持向量机(least square support vector machine,LS-SVM)的软测量技术.利用LS-SVM优良的非线性映射和强大的泛化能力,建立了颗粒浓度的软测量模型,通过LS-SVM的学习和支持向量的自适应更新,实现催化剂颗粒浓度的最佳估计.仿真和实际运行结果表明所开发的监测系统可对烟气催化剂颗粒浓度进行有效测量,其测量精度比经验公式提高4.2倍.     

基于PSO-SVR的下水道可燃气体分析

针对下水道可燃气体传感器非线性、选择性差和交叉敏感的特点,建立了一种基于粒子群算法(PSO)支持向量回归机(SVR)的下水道可燃气体分析预测模型.该模型通过引入粒子群算法对支持向量回归机的重要参数进行优化,从而实现了支持向量回归机的参数自动判定,用于下水道可燃气体的定量分析.仿真结果表明:基于粒子群的支持向量回归机下水道可燃气体分析预测模型优于SVR模型,具有较好的泛化性能和较高的预测精度.     

基于LS-SVM的多传感器气体质量流量测量

针对流量测量中流速分布不规则对气体流量测量精度的影响,提出了一种多传感器气体质量流量测量新方法。该方法基于均速管测量原理,在测量管道中按照对数线性法分布了4个热式气体流量传感器,采集不同特征位置的流量。通过流量标定实验,获得不同质量流量下测量管道内4个传感器的电压。然后利用GA和LS-SVM算法,将传感器电压和气体的质量流量作为训练集,建立了气体流量模型。实际测量中由4个传感器的电压计算出气体的质量流量。不规则流场的流量实验结果表明该方法是有效的。     

基于支持向量机的卷烟焦油预测

分析了卷烟焦油含量预测问题,提出了基于支持向量机的卷烟焦油含量预测方法。首先,介绍了支持向量回归估计的学习算法。其次,建立了基于支持向量机的卷烟焦油含量预测模型。然后,提出了卷烟焦油含量支持向量机预测的实现算法。最后给出了一个算例。实例表明,该方法能够根据烟叶中的化学成分的测量值来预测卷烟的焦油含量。     

基于贝叶斯回归LS-SVM的非线性系统观测

基于回归最小均方支持向量机(LS-SVM),针对一类单输入单输出不确定非线性控制系统,提出了一种新的观测器的设计方法.在这个算法中,主要假设LS-SVM的最优逼近参数向量和标称参数向量之差的范数和逼近误差的界限是未知的.LS-SVM的最终解可以化为一个具有线性约束的二次规划问题,不存在局部极小;考虑到LS-SVM本身参数对LS-SVM性能的影响,文中利用贝叶斯证据框架对LS-SVM的参数进行优化和软测量建模,从而提高LS-SVM的逼近能力.理论研究和仿真例子证实了所提方法的可行性和有效性.     

基于支持向量机和最小二乘支持向量机的入侵检测比较

将支持向量机和最小二乘支持向量机用于入侵检测之中,利用主元分析对数据进行约简,然后使用SVM和 LS-SVM对数据进行训练和测试.基于KDDCUP'99做了三组对比实验,对支持向量机和最小二乘支持向量机的性能做了统计.实验结果表明,SVM比LS-SVM分类能力强,但是LS-SVM耗时较少.     

惯性导航系统非线性初始对准的LS-SVM方法研究

由陀螺仪和加速度计等惯性传感器组成的惯性导航系统,在进入导航状态之前必须进行初始对准.根据支持向量机强大的非线性映射能力,建立了基于最小二乘支持向量机(LS-SVM)的捷联惯导系统非线性初始对准方法.LS-SVM避开了经典支持向量机求解时的复杂优化运算,通过求解一组线性方程组就可以得到唯一的全局最优解,所以算法的复杂度大大降低,能更好的满足工程应用中的实时性要求.针对方位初始失准角为大角度时的捷联惯导系统非线性误差模型进行仿真分析,并在相同条件下与卡尔曼滤波方法作比较,结果表明LS-SVM在初始对准中的有效性和可行性.