基于PSO-LS-SVM的储罐底板缺陷量化方法研究

为能准确量化油气储罐底板上的缺陷,提出一种最小二乘支持向量机缺陷量化方法,并以该方法模型建立了缺陷的三维漏磁场信号与缺陷的长度、宽度、深度之间的映射关系。为提高该方法对储罐底板缺陷的量化精度,采用粒子群算法对模型参数进行了优化。仿真结果及分析表明,与BP神经网络方法相比,结合了粒子群优化的最小二乘支持向量机缺陷量化方法的网络训练时间短、缺陷量化精度高,具有较强的工程应用优势。     

High-Performance Control of High-Speed Permanent Magnet Synchronous Motor Based on Least Squares Support Vector Machine Inverse System Method

This paper proposes a decoupling controlfor HS-PMSM based on the LS-SVM inverse system.In addition, the on-line LS-SVM inverse controller is developed for the pseudo-linear system. To achieve the high-accuracy stator flux estimation, a stator flux estimator is proposed and implemented for the HS-PMSM. A BPFC is designed to eliminate the magnitude and the phase errors. According to the comparative simulation and experiment results, the utility of the proposed control strategy is demonstrated by the improved decoupling control performance, the enhanced speed tracking performance, the strong load anti-perturbation performance, and the high-accuracy flux estimation at the wide speed range.     

数控机床主轴热误差建模参数优化

数控机床主轴系统的热变形所引起热误差是影响其加工质量及效率的主要因素,因此,对机床主轴的热误差进行建模及补偿有着十分重要的意义,而建模的方法多种多样,其中利用最小二乘支持向量机法建模对于非线性系统效果良好并使模型具备更好的决策能力.文章对机床主轴温度场进行了实时的采集,并以此为基础以matlab为平台利用网格搜索法在相对更大的范围内针对最小二乘支持向量机建模时核函数的重要参数对(γ、σ)的选值进行优化,有效的提高了建模精度.     

基于小波系数和LS-SVM的图像去噪

提出一种基于小波系数和最小二乘支持向量机(LS-SVM)的图像去噪方法.根据小波系数的性质,依据邻域小波系数的平均值来选取特征向量来进行训练,然后用训练得到的LS-SVM分类器将含噪图像中的像素分为噪声或非噪声点,进行去噪处理.实验结果表明该方法能达到较高的峰值信噪比,具有很好的去噪效果.     

基于NMF和LS-SVM的肖像漫画生成算法研究

提出一种基于非负矩阵分解(NMF)和最小二乘支持向量机(LS-SVM)的肖像漫画生成算法.在训练阶段,利用非负矩阵分解来对夸张特征空间数据降维,运用最小二乘支持向量机(LS-SVM)统计学习夸张漫画与人脸之间的关系,建立形状夸张模型.在应用阶段,利用AAM算法提取人脸特征点,形状夸张模型计算出相应的漫画特征点数据,经过图像变形和风格化即可得到最终的肖像漫画.算法实验表明,该算法可以合理地夸张主要特征并避免过度变形.     

Soft computing for solar radiation potential assessment in Algeria

ABSTRACT

Precise estimation of solar radiation is a highly required parameter for the design and assessment of solar energy applications. Over the past years, many machine learning techniques have been proposed in order to improve the forecasting performance using different input attributes. The aim of this study is the forecasting of one day ahead of horizontal global solar radiation using a set of meteorological and geographical inputs. In this respect, the Gaussian process regression methodology (GPR) and least-square support vector machine (LS-SVM) with different kernels are evaluated in order to select the most appropriate forecasting model. In order to assess the proposed models, the southern Algerian city, Ghardaia regions, was selected for this study. A historical data of five years (2013–2017) of meteorological data collected at Renewable Energies (URAER) in Ghardaia city are used. The achieved results demonstrate that all the proposed models give approximately similar results in terms of statistical indicators. In term of processing time, all the models showed acceptable computational efficiency with less computational costs of the GPR model among all machine learning models.     

基于信息熵融合提取特征的发动机气路分析

针对航空发动机多源信息冗余的健康参数估计问题,提出基于信息熵融合的特征提取方法,将其用于涡轴发动机气路分析中。分别采用近似熵和互信息熵2种方法分析不同故障模式下传感器参数,对特征信息进行融合提取,根据2种信息熵不同特点将每种故障模式下传感器参数分成强、弱2类,利用弱特征信号构建虚拟传感器,最后通过简约强特征信息和虚拟传感器信息解决最小二乘支持向量回归机的样本稀疏性问题,实现健康参数蜕化估计。仿真结果表明采用信息熵融合的特征提取方法有效地减少了输入参数维数,简约了特征样本,从而提高了发动机健康估计能力。     

基于LS-SVM的电厂过热汽温系统建模

针对电厂过热汽温控制中存在大滞后和强非线性的特点,采用最小二乘支持向量机方法建立过热汽温系统模型并给出基于贝叶斯证据框架的LS-SVM的参数选择方法。在第一推断准则选择模型参数,第二推断准则选择模型超参数,第三推断准则选择模型的核参数。仿真结果表明该模型具有灵活的结构,较快的计算速度以及很好的泛化能力。     

基于声学测温与最小二乘支持向量机的锅炉炉膛灰污监测方法

研究电站锅炉炉膛灰污监测问题,提出了基于声学测温和最小二乘支持向量机的电站锅炉炉膛灰污监测方法。该方法采用声学测温装置获得实际运行状态下锅炉炉膛出口烟温,用最小二乘支持向量机获得实际运行状态下锅炉炉膛清洁时的潜在炉膛出口烟温,运用上述两参数定义灰污特征参数来表征锅炉炉膛整体灰污状况。建立了监测模型,从电厂采集数据对模型进行了训练和验证,并对获得的灰污特征参数进行了分析,结果表明:基于声学测温和最小二乘支持向量机的锅炉炉膛灰污监测方法可以较准确地实现电站锅炉炉膛的灰污监测,为炉膛的吹灰优化打下了良好的基础。     

基于LS-SVM的光刻过程R2R预测控制方法

针对光刻过程非线性、时变和产品质量不易在线测量的特性,提出了一种基于最小二乘支持向量机预测模型和微粒群滚动优化方法的批次控制预测控制器。通过历史批次样本数据构建光刻过程的最小二乘支持向量机预测模型,解决了复杂光刻过程难以建立精确数学模型的难题,提高了预测模型的精度。通过预测误差的反馈校正和微粒群滚动优化算法求解最优控制律,提高了控制精度。性能分析结果表明,与指数加权移动平均方法及非线性模型预测控制方法相比较,批次控制预测控制器控制器减小了不同批次关键尺寸输出的差异,显著降低了关键尺寸输出的均方根误差,有效抑制了过程扰动影响。