摘要：针对滚动轴承早期故障特征微弱难以快速有效辨识的问题,提出一种基于正交邻域保持嵌入(ONPE)与多核相关向量机(RVM)的滚动轴承早期故障诊断方法。首先基于多域量化特征构造表征滚动轴承早期故障的多域特征向量,基于ONPE线性流形学习对多域特征向量进行约简降维处理,获取最能反映滚动轴承早期故障运行状态变化的低维敏感特征,随后将获取的低维敏感特征输入给多核RVM进行早期故障模式的分类辨识。通过分析滚动轴承早期故障的模拟实验数据表明,该方法对高维复杂的非线性早期故障特征具有良好的约简降维性能,而且比单一核函数RVM具有更好的诊断精度。

摘要：为对海洋水质污染治理提供科学的理论基础,在统计学习理论框架下提出一种海水水质预测模型。结构上,该模型由数据降维、非线性逼近和参数优化3个功能部分构成。该模型用主成分分析对10种海水水质影响因子进行数据降维,从中提取主成分作为相关向量机的输入;利用相关向量机进行逼近,采用组合核函数替代传统的单一核构建多核映射机制,通过萤火虫算法优化组合核的权重及其模型的相关参数。实验结果表明,针对动态复杂的海洋数据,相关向量机的多核映射机制在预测精度上明显优于单一核的映射机制,进一步从统计分析角度验证了模型的有效性。

摘要：为了提高应急电源(Emergency Power Supply,EPS)蓄电池的荷电状态(state of charge,SOC)估计精度,提出一种EPS电源蓄电池在线荷电状态估计方法。采用一种参数优化的多核相关向量机(relevance vector machine,RVM)建立EPS蓄电池SOC估计模型,可以实现对EPS荷电状态的实时监测,为蓄电池的充放电管理提供重要依据,保证EPS电源系统的安全稳定运行。