基于SVM的电梯制动器静态制动力矩估算方法研究

针对电梯制动器静态制动力矩估算问题,对电梯制动器的动态制动性能与静态制动性能分别进行了研究,利用电梯制动器试验台测试制动器的制动性能,根据实验测试结果提出了一种基于支持向量机的电梯制动器静态制动力矩估算方法,将利用制动器动态制动性能实验得到的制动初始速度与制动过程的平均制动力矩作为估算算法训练数据的输入值,将相同制动器对应的静态制动力矩作为估算算法训练数据的输出值,经过支持向量机算法训练得到估算模型,采用网格搜索法进一步优化估算模型。最后,通过制动实验进一步采集制动性能数据作为验证数据。实验结果显示,电梯制动器的动态制动性能与制动初始速度有关。交叉验证的结果表明,基于SVM的电梯制动器静态制动力矩估算方法能够便捷准确地根据电梯制动器的动态数据估算出静态制动性能。     

Remote monitoring system for real timedetection and classification of transmissionline faults in a power grid using PMUmeasurements

Remote monitoring of transmission lines of a power system is significant for improved reliability and stability during fault conditions and protection system breakdowns. This paper proposes a smart backup monitoring system for detecting and classifying the type of transmission line fault occurred in a power grid. In contradiction to conventional methods, transmission line fault occurred at any locality within power grid can be identified and classified using measurements from phasor measurement unit (PMU) at one of the generator buses. This minimal requirement makes the proposed methodology ideal for providing backup protection. Spectral analysis of equivalent power factor angle (EPFA) variation has been adopted for detecting the occurrence of fault that occurred anywhere in the grid. Classification of the type of fault occurred is achieved from the spectral coefficients with the aid of artificial intelligence. The proposed system can considerably assist system protection center (SPC) in fault localization and to restore the line at the earliest. Effectiveness of proposed system has been validated using case studies conducted on standard power system networks.     

演化追踪法优化相空间的SVM供水量预测模型

相空间重构的支持向量机预测模型应用十分广泛,在城市供水量预测方面也占据着重要地位,传统的预测模型趋向于将重构的相空间整体带入,这样可能存在引入无效相点从而影响预测精度的问题,基于此将演化追踪法引入相空间重构的预测模型对有效相点进行筛选,优化预测模型的训练样本,达到提高预测精度目的。利用MATLAB编程软件将演化追踪法用于城市供水量的预测,预测结果的平均绝对误差由0.52%降低到了0.29%,证明了演化追踪法的可利用性与有效性。     

一种基于多重特征融合的信源个数估计方法

针对加权盖尔圆估计准则不能充分利用增广加权盖尔圆矩阵信息的不足,在该准则基础上提出一种融合多重特征的信源个数估计方法。利用阵列天线的接收信号构建增广加权盖尔圆矩阵,从中获取用于描述信源个数的盖尔圆心值、盖尔圆半径和加权盖尔圆半径等多重特征构建高维特征向量,并将其标记后代入支持向量机中,训练可进行信源个数估计的分类器数学模型。实验结果表明,该方法不仅能够在信源数只比阵元数少一个的情况下准确估计信源个数,其在低信噪比和小快拍数的环境下也同样具有良好性能。     

基于支持向量机分类器的数据链信号调制方式识别

鉴于通信信号的调制方式识别技术在非合作通信中具有重要的地位,针对美军Link-11、Link-16、Link-22、CDL数据链信号的调制方式(MSK、BPSK、QPSK、OQPSK、π/4-DQPSK、8PSK),研究了各调制信号在航空信道条件下的平方谱、高阶累积量、四次方谱、码元速率等特征参数的提取.然后,运用支持向量机(SVM)分类器对六种数据链信号的调制方式进行了识别,并利用粒子群优化(PSO)算法对支持向量机分类器参数进行优化.仿真结果表明,相比决策树分类器,SVM分类器在低信噪条降下提高了整体识别率;采用PSO算法则减少了SVM分类器参数选择的盲目性.     

A PSO-SVM Model for Short-Term Travel Time Prediction Based on Bluetooth Technology

The accurate prediction of travel time along roadway provides valuable traffic information for travelers and traffic managers. Aiming at short?term travel time forecasting on urban arterials, a predict...     

改进的BT—SVM应用于电力系统SSA

随着电力系统的广泛发展,电力系统静态安全评估已变得越来越重要。文中比较了现在几种常用的人工智能方法,选择了支持向量机算法解决这一问题。由于解决大样本问题时,支持向量机所需训练时间显著增加,文中提出了约简样本的方法,并结合适合于电力系统的二叉树结构,提出了一种改进的简化二叉树支持向量机算法。将这种新的支持向量机算法应用于IEEE57节点电力系统,结果表明,文中提出的算法取得了比较好的结果,有效可行。     

基于Coriolis流量计和SVM的油水两相流质量流量测量的研究

针对油水两相流流量的测量难题,采用双U型Coriolis流量计对油水混合物的总质量流量、分相质量流量和真实密度进行了测量研究.以双U型Coriolis流量计得到的油水混合物的质量流量和密度为基础,提出了基于支持向量机(SVM)油水分相质量流量的直接预测方法,避开了直接对滑脱速度、持水率与含水率等之间复杂关系的研究.利用该方法对25 mm管径的油水两相流进行了实验研究.实验结果表明,在含水率为5%～95%时,油水总质量流量测量误差在±1%以内;油水分相质量流量的测量相对误差在±8%以内.     

多任务学习的不平衡SVM+算法

处理不平衡数据分类时,传统支持向量机技术（SVM）对少数类样本识别率较低。鉴于SVM+技术能利用样本间隐藏信息的启发,提出了多任务学习的不平衡SVM+算法（MTL-IC-SVM+）。MTL-IC-SVM+基于SVM+将不平衡数据的分类表示为一个多任务的学习问题,并从纠正分类面的偏移出发,分别赋予多数类和少数类样本不同的错分惩罚因子,且设置少数类样本到分类面的距离大于多数类样本到分类面的距离。UCI数据集上的实验结果表明,MTL-IC-SVM+在不平衡数据分类问题上具有较高的分类精度。     

支持向量机在无人机实时航路规划中的应用

在对传统算法进行改进的基础上,提出运用支持向量机的思想,建立航路回归模型.并进行实例分析,结果表明:与传统算法相比,基于支持向量机的航路回归模型建模速度快,计算时间少,可扩充性强,能及时为无人机在未知环境中提供实时航线图.