摘要：实现直接推力控制的首要问题就是要估计出推力.基于最小二乘支持向量回归机提出了一种Wrapper算法进行特征选择,此算法不仅能降低计算的复杂度,而且能增强模型的泛化能力.另外,在对最小二乘支持向量回归机进行稀疏性建模的时候,用QR分解法代替传统的协方差法,增强了数值的稳定性.最后,推力估计器设计的应用实例,验证了本文提出的特征选择法和QR分解法进行稀疏性建模的可行性和实用性.

摘要：针对煤粉着火温度与煤质指标间的非线性关系,提出了基于自适应遗传算法和最小二乘支持向量回归机的煤粉着火温度预测模型.通过对实验数据进行预测评判,并与常规的最小二乘支持向量回归机模型和BP神经网络模型相比较,以验证此模型的可靠性和精确性.结果表明,该模型是合理可行的,该模型比传统计算模型具有更好的泛化能力,能更准确地预测煤粉着火温度.采用该模型对输入变量的权重进行分析,得到的结果与机理分析一致,为解决此类问题提供了新途径.

摘要：研究目的:为了同时预测固体氧化物燃料电池(SOFC)的电压、温度动态特性和设计控制器,建立SOFC的控制相关动态辨识模型。创新要点:为了建立SOFC更精确的最小二乘支持向量回归机(LSSVR)动态模型,采用遗传算法(GA)优化LSSVR的参数。所建GA-LSSVR模型可同时预测SOFC的电压和温度动态特性。研究方法:1.分析SOFC的电化学和能量平衡子模型。2.利用所选择的最优LSSVR参数,建立了SOFC的GA-LSSVR动态辨识模型。通过仿真分析和比较,验证了所建模型的有效性(图3和4)。3.利用所建模型的预测结果,与模拟退火算法优化最小二乘支持向量回归机(SAA-LSSVR)和5折交叉验证最小二乘支持向量回归机(5FCV-LSSVR)模型的预测结果进行了比较,表明所建立的GA-LSSVR模型具有较高的预测精度(表3和4)。重要结论:通过比较SAA-LSSVR和5FCV-LSSVR模型的预测结果,发现所建GA-LSSVR模型具有较好的预测性能和精度。基于所建立的GA-LSSVR模型可进行有效的多变量控制器设计。

摘要：利用碳足迹理论建立铅冶炼系统生命周期内各工序的投入产出模型,对单位产品温室气体排放进行评估。针对温室气体排放时间序列的非线性,建立1个基于集合经验模态分解法与最小二乘支持向量回归机相结合的预测模型。集合经验模态分解法首先将温室气体排放时间序列分解成一系列相对比较平稳的本征模函数分量,然后利用最小二乘支持向量回归机对各分量分别预测,最后进行叠加求和,将铅冶炼系统温室气体排放量的预测结果与实际结果进行对比。研究结果表明:预测结果与实际结果均方根误差为2.896 1%,所提出的方法可实现铅冶炼系统温室气体排放的精确评估与预测。

摘要：针对最小二乘支持向量回归机(LS-SVR)应用于试验设计建模及参数优化而产生的可解释性差、难以识别显著性影响因子等不足,提出一种适用于LS-SVR的拟合不足检验及显著性因子筛选方法.首先在重复性试验设计条件下,将LS-SVR拟合模型的“残差平方和”分解为“拟合不足平方和”与“纯误差平方和”;进而给出了“拟合不足均方”与“纯误差均方”比值的近似非中心F-分布,构造出拟合不足检验的方差分析表;在此基础上,提出一种两阶段的显著性因子筛选方法,通过考察某个因子(组合)移除后模型拟合不足显著性的变化,来推断该因子(组合)显著性.仿真研究与实证表明,所提方法不仅能够增强LS-SVR的统计可解释性,有效识别出显著性因子;而且可以得到预测性能更优的简化模型;有助于提升试验设计建模及参数优化效率,降低质量改进成本.

摘要：针对人工蜂群算法(ABC)机制中步长更新及概率选择方面的不足,提出了自适应人工蜂群算法(AABC).在AABC中设计了新的自适应步长更新公式及自适应概率选择公式来平衡算法的勘探和开发能力.采用AABC算法对最小二乘支持向量回归机(LSSVR)进行参数优化,进而构建出基于AABC优化的LSSVR变形预测模型并应用于滑坡变形预测.实验结果表明,AABC有效的解决了ABC过早收敛、收敛精度不高等缺点,且较对比模型来讲,AABC_LSSVR模型预测精度更高,预测趋势更符合实际.

摘要：在进行多任务实时控制系统设计时,采用线程池技术是一种有效的解决方法,但必须首先避免超时的发生。为了降低线程完成的超时发生率,采用Half-Sync/Half-Async线程池架构建立实时控制系统的线程池,利用最小二乘支持向量回归机(LSSVR)对线程执行时间进行预测估计,再基于估计结果对线程池线程的分配调度优先级别算法进行设计。性能测试以无线图像传感器网络节点为对象对所设计的LSSVR线程池及其他线程池在不同状态下的超时发生率做了比较,结果表明在大多数应用情况下LSSVR线程池在抑制超时方面具有明显的优越性。

摘要：小波变换已经广泛应用于信号处理各个领域,然而为给定的信号设计合适的小波函数非常困难。提升小波变换通过设计预测算子和更新算子,可以获得具有期望特性的小波函数。提出一种提升小波自适应算子的构造方法。根据给定的维度对剖分信号进行处理,采用最小二乘支持向量回归机算法构造自适应算子,选用线性核函数实现均方误差最小化。仿真实验证明了该方法的可行性和有效性。所构造的预测算子能够反映给定信号的结构特征,适用于信号消噪和故障诊断。

摘要：针对非线性系统的故障预报,设计了一种在线最小二乘支持向量回归机(LS-SVR)算法,提出了一种基于在线LS-SVR和线性AR(LAR)混合预测的故障预报新方法.用LAR对非线性系统进行局部线性建模,用LS-SVR在线补偿局部线性模型的建模误差,实现了非线性时间序列的一步预测,并推广到N步预测.基于已知的正常时间序列数据,直接对当前N步预测值进行异常估计,实现故障预报,提高了实时性.同时方法的误检率和漏检率还可人为调整,对不同对象具有普遍性.仿真实验证明了方法的有效性.

摘要：提出了一种结合多维特征融合及最小二乘支持向量回归机的滚动轴承退化趋势预测方法。首先提取了滚动轴承全寿命周期振动数据的各域特征,并利用主成分分析法将各域多维特征融合为表征轴承退化性能趋势的退化性能指标。将最小二乘支持向量回归机作为预测模型,同时利用粒子群算法优化模型参数。其次,利用误差累积和方法对预测模型的累积预测误差进行有效地跟踪和控制,进一步提高预测模型的准确性和稳定性。最后,利用实测的滚动轴承全寿命实验数据对所提方法开展验证,并将所得结果与几种现有方法结果进行对比,结果表明该方法能获得较好的滚动轴承退化趋势预测结果。