摘要：室内火灾报警系统只能基于少量传感器的数据进行判断,容易受到烟雾、温度等干扰,导致误判率较高。为此,基于ZigBee技术和支持向量机设计一种室内火灾自动报警系统。采用传感器节点采集室内烟雾浓度与温度信息,通过ZigBee路由设备将采集的信息转发至ZigBee协调器内。利用基于负载均衡的ZigBee网络多径路由算法建立信息传输路径,将ZigBee路由设备转发的信息传输至支持向量机处理模块内。使用支持向量机算法处理烟雾浓度与温度信息,获取高校室内火灾类型的发生概率,并与事先设置的判别阈值进行比较,当火灾发生概率大于阈值,自动报警模块会自动发出警报。实验结果表明:所设计系统火灾信息采集精度较高,无线网络生存周期长,具备较优的信息传输效果,且能够有效计算高校室内火灾类型发生概率并自动发出警报。

摘要：为提高支持向量机分类精度,提出一种基于遗传程序设计的进化多核算法.算法中每个个体表示一个多核函数,并采用树形结构进行编码,增强了多核函数的非线性;初始种群由生长法产生,经过遗传操作后得到适合具体问题的进化多核函数.遗传程序设计的全局搜索性能使得算法设计不需要先验知识.与单核函数及其他多核函数的对比实验结果表明,进化多核有效提高了支持向量机分类性能.

摘要：常规的模糊推理系统大多由专家经验建立模糊规则,自学习能力不强.提出了一种支持向量机-模糊推理系统,由支持向量机实现模糊推理系统的自学习,并设计了一种支持向量机-模糊推理自学习控制器.文章给出了自学习控制器的结构和学习算法,对比研究了变尺度梯度优化和混沌优化两种学习算法.针对非线性对象的仿真实验验证了该控制器的优良性能,控制效果比模糊逻辑控制器更好.

摘要：本文中提出基于支持向量机的汽车自动变速器故障识别方法。首先利用设计的虚拟测试系统采集自动变速器3种状态下的运行数据,再对数据进行整理和筛选,提取合适的数据作为训练样本,然后设计基于支持向量机的多值分类器进行故障识别,最后与基于BP人工神经网络的诊断方法进行对比。结果表明,基于支持向量机的故障识别方法具有更快的收敛速度和更强的分类能力,适用于汽车自动变速器实时故障识别和诊断。

摘要：针对永磁同步电机传统滑模控制的调速性能受到电机系统状态变量变化的影响,提出了一种采用支持向量机智能预测永磁同步电机可变参数非奇异快速终端滑模控制策略。首先设计了一种快速收敛的新型可变参数非奇异快速终端滑模面,该滑模面实现了全局快速收敛且消除了奇异现象并且滑模参数随系统状态改变,实现了不同系统状态下,永磁同步电机可以始终保持优异的调速性能;然后,引入支持向量机智能算法对滑模面状态变量参数建模,实现滑模面状态变量参数根据电机系统状态在线调整;最后,采用角速度与q轴定子参考电流二阶模型来设计永磁同步电机可变参数非奇异快速终端滑模速度控制器以减小模型误差。数值仿真结果表明:采用支持向量机建立的滑模面状态变量参数预测模型能够根据电机系统参数变化预测得到滑模面状态变量参数最优值;所提出的可变参数非奇异快速终端滑模控制策略与非奇异快速终端滑模控制策略相比,控制性能不受电机参数变化的影响,具有收敛速度快、鲁棒性好、转速超调小、控制精度高等优点。

摘要：支持向量机(SVM)和模糊推理系统(FIS)分别源于统计学习理论(SLT)和认知学两个不同的领域.在一定约束条件下,提出并证明了SVM和一类基于规则的FIS的函数等效性定理.在此基础上,提出基于SVM学习过程的FIS(MBFIS)的设计方法.MBFIS继承了SVM良好的泛化能力和对'维数灾难'的避免能力,也继承了基于规则的FIS的显式推理能力.Benchmark数据实验表明,MBFIS具有良好的分类性能.

摘要：提出了一种基于支持向量机的航空发动机故障诊断方法。该方法在利用恰当的工具或方法提取到发动机故障的特征信息之后,采用支持向量机对特征信息与故障模式进行关联,实现故障模式的分类。该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,将其应用于某型发动机的故障诊断中,取得了较好的效果。该方法尤其对于新型发动机的故障诊断具有一定的参考价值。

摘要：针对神经网络存在的过学习、欠学习、局部极小值等问题,提出了一种基于支持向量机(SVM)的数字调制方式的识别方法。从信号的瞬时幅度,瞬时相位,瞬时频率,频谱,包络变化等特性中提取了7个特征参数,用于训练支持向量机。运用二叉树理论设计多类分类器,与已有算法相比,具有简单、高速、高精度的特点。仿真结果证明,在高斯白噪声(AWGN)下,当信噪比大于15dB时,对2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK调制方式的识别率可以达到97%以上。

摘要：针对向心叶轮结构优化设计耗时长的难点,研究并采用了2类关键技术:其一是利用试验设计技术从大量的轮盘结构尺寸中挑选出重要尺寸作为优化设计变量,以减小优化问题规模;其二是利用支持向量机技术建立向心叶轮强度及振动分析的代理模型,以缩短分析时间.在以上研究工作的基础上建立了1种快速高效的向心叶轮结构优化设计方法.随后的1个算例表明:优化后的叶轮寿命提高4倍,优化设计时间为传统方法的1/27,具有良好的工程应用前景.

摘要：测量了斑潜蝇虫害叶片的可见光反射光谱。运用图像处理技术计算出虫害叶片的破损率;采用光谱分析方法选出对叶片破损程度敏感的波长点。运用支持向量机(SVM)和多光谱法,建立基于敏感波长的受害叶片反射光谱分类模型并进行分类试验。试验结果表明,多光谱法分类精度为90%,SVM为93.8%(多项式核函数)和96.9%(RBF核函数),高于多光谱法。