基于云粒子群-最小二乘支持向量机的传感器温度补偿

针对传感器的测量精度受温度影响较大问题,提出了一种基于云粒子群-最小二乘支持向量机(CMPSO-LSSVM)的温度补偿方法。云粒子群算法(CMPSO)将云模型算法应用于粒子群优化(PSO)算法的收敛机制,具有寻优精度高的特点。CMPSO算法对LSSVM的参数进行优化选择,建立CMPSO-LSSVM传感器温度补偿模型。将该模型应用于振弦式传感器的温度补偿,通过实验证明了该温度补偿方法优于当前其他主要方法。     

图像质量评价的建模与仿真研究

研究图像质量准确评价问题,图像采集、压缩传输中会出现畸变,使图像模糊,传统评价方法难以从对这些特征进行正确区分,导致图像质量评价准确率低。为提高图像质量评价准确率,提出一种采用最小二乘支持向量机(LSSVM)的图像质量评价方法。首先采用PSNR和SSIM分别对图像质量进行评价,得到的评价值作为描述图像质量的参数,然后输入到LSS-VM进行学习,建立新的图像质量分类器,采用建立的分类器对图像质量进行仿真评价。仿真结果表明,相对于单一的图像质量评价方法,提高了图像质量评价的准确率,评价结果与视觉感知评估值更加一致。     

基于PSO-LSSVM的矿井冲击地压分级预测研究

为准确预测煤矿冲击地压灾害,提出一种基于粒子群算法(PSO)优化最小二乘支持向量机(LSSVM)预测方法,即冲击地压分级预测的PSO-LSSVM方法。该方法综合考虑煤矿开采深度、地质构造、煤的坚固性系数、最大主应力、煤层倾角变化、煤厚变化、顶板岩层厚度、开采工艺、顶板和底板岩石强度共10项指标因素,构建冲击地压预测指标体系。利用PSO搜索方法对LSSVM模型的核参数σ和惩罚因子f快速寻优,再将优化参数输入LSSVM模型中,构建基于PSO-LSSVM方法的冲击地压危险性分级预测方法,并进行工作面实例预测。研究结果表明:与其他预测方法相比,PSO-LSSVM方法具有计算效率高、准确性高、操作简便等特点,现场应用效果良好。     

基于NNG-LSSVM的铜精矿品位软测量方法研究

浮选技术是当今铜矿选矿最主要的方法并得到了广泛应用.浮选流程中铜精矿品位决定了最终产品的质量,是整个过程的关键变量.然而在实际生产中,该参数的测量耗时较长,难以实时在线测量.提出了一种基于非负绞杀(Nonnegative garrote)与最小二乘支持向量机(Least Squares Support Vector M...     

基于最小二乘支持向量机的T-S模型在线辨识

提出一种基于时间窗最小二乘支持向量机的T-S模型在线辨识算法，包括结构辨识和参数辨识．该算法以时间窗内数据的势能作为结构辨识依据，同时采用最小二乘支持向量机辨识系统参数：具有辨识速度快、精度高的特点．仿真结果证明了算法的有效性．     

一种永磁同步电机直接转矩控制无传感器运行优化方法

为了改进自抗扰控制器(active-disturbance rejection control,ADRC)性能,同时解决永磁同步电机(permanent magnet synchronous motor,PMSM)传统直接转矩控制(direct torque control,DTC)中存在的磁链和转矩脉动大以及机械速度传感器的使用降低系统可靠性等问题,提出一种PMSM DTC无传感器运行优化方法。设计了ADRC速度调节器,阐述了将最小二乘支持向量机(LSSVM)最优回归模型有效嵌入ADRC调节器的实现方法,对ADRC进行优化,以提高ADRC观测精度及系统动态响应速度,改善系统的抗干扰能力;同时,在两相静止坐标系下提出基于扩张状态观测器同时对定子磁链和转速进行估计的方法,以降低磁链和转矩脉动,同时实现无传感器运行。仿真和实验结果验证了该方法的可行性和有效性。     

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.     

基于即时学习算法的短期负荷预测方法

针对电力系统短期负荷数据存在非线性和时变性等问题,提出了一种变量相关性局部即时学习算法和最小二乘支持向量机(LSSVM)的电力系统短期负荷预测模型。利用互信息计算气象数据、各气象因素等变量的相关度,并引入到即时学习算法训练集中,用以选择当前电力系统负荷的建模邻域,提高系统短期负荷模型预测的精度。利用相似度阈值对局部模型进行自适应更新,增强系统负荷模型实时性。利用Matlab对某市宛城区的负荷量进行预测,结果表明,基于即时学习算法的电力系统短期负荷预测模型误差更小,系统预测精度更高。     

基于相似性样本的LSSVM短期风速和风功率预测研究

风速具有较大的随机波动性,影响电网的稳定性,良好的风速预测是解决风电并网问题的关键。为了提高风速预测的精确性,首先对风速数据进行相似性样本的提取,采用分段线性化的搜索方法,求出各小段风速的斜率与长度所占的比重,继而找出相似性距离最小的曲线簇。并以此作为训练样本,采用最小二乘支持向量机（LSSVM）模型对风速进行预测。预测结果表明,采用风速的相似曲线簇进行LSSVM模型训练所得的风速和风电功率预测结果更优。     

改进的局部LSSVM算法在明胶浓度软测量中的应用

在明胶生产的提胶工艺中,胶液浓度是一个很重要的质量和控制参数,但是目前对明胶浓度的检测手段多为离线人工检测,不能实现在线实时测量.该文提出使用软测量的方法对明胶浓度进行在线测量,采用局部LSSVM建模方法进行软测量建模,并用PSO算法对模型参数进行优化.Matlab仿真结果表明,基于PSO优化的局部LSSVM的软测量方...