摘要：应用最小二乘支持向量机(LS-SVM)进行了堆芯轴向功率分布重构的研究,通过6节堆内中子探测器的信号重构出堆芯轴向18个节块的功率。使用ACP-100模块式小堆的7 740套轴向功率分布对LS-SVM重构算法进行了验证,实验结果表明:LS-SVM算法的重构精度远优于交替条件期望(ACE)算法,且LS-SVM算法具有良好的鲁棒性。

摘要：为避免煤热失重反应静态燃烧过程获取的燃烧参数与实际锅炉动态燃烧之间的误差,以及解决沉降炉实验工作量大、难以对所有煤种进行试验的问题,利用最小二乘支持向量机建立了煤粉着火特性模型,通过对热失重反应过程的机理分析确定最佳输入变量,并进行仿真实验.结果表明:利用热失重反应过程数据预测煤着火性能具有较高的预测精度,可以在实际中应用,指导大型电站锅炉及燃烧装置的设计和运行.

摘要：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。

摘要：多视角学习(multi-view learning)是指利用事物的多视角数据,对其内在模式进行识别和学习.然而,大部分多视角学习模型存在两个弊端:1)仅适用于两视角学习场景,对于视角个数超过两个的情形便无法直接进行处理;2)要么遵循一致性原则,要么遵循互补性原则,同时遵循两个原则的研究工作比较少.为解决以上两个弊端,本文通过使用最小二乘损失函数和权重分配策略,构建了基于一致性和互补性原则的多视角最小二乘支持向量机(multi-view least square support vector machine with the consensus and the complementarity principles,MVLSSVM-2C),并设计了相应的交替优化算法对模型进行求解.进一步地,本文利用Rademacher复杂度理论对MVLSSVM-2C的泛化能力进行分析.最后,在大量的多视角数据集上验证了MVLSSVM-2C模型的合理有效性.

摘要：为准确确定地下厂房围岩的弹性模量、泊松比、黏聚力、内摩擦角、侧压力系数等参数,以正交设计、最小二乘支持向量机和粒子群算法等现代数学方法为基本手段,建立基于位移增量的围岩参数反分析方法。以CCS水电站大型地下厂房为研究背景,通过工程地质条件研究选取8#机组剖面作为分析对象,采用二维弹塑性有限元方法建立地质结构分析模型。以地下厂房洞室群分层开挖多点位移计实测位移增量为依据,对CCS水电站地下厂房区域围岩力学特性及地应力场特征进行反分析。研究结果表明:主厂房第Ⅵ层与第Ⅰ层开挖和主变室第4层与第1层开挖所产生的位移增量计算值与多点位移计实测值吻合较好,最大相对误差小于10%,说明采用最小二乘支持向量机和粒子群算法相结合的反分析方法在工程上是可行的,且效果较为显著。

摘要：无轴承同步磁阻电机是一个复杂的多变量、强耦合非线性系统,实现其非线性动态解耦控制是无轴承同步磁阻电机稳定运行的前提.在推导其数学模型的基础上,采用最小二乘支持向量机的方法得到无轴承同步磁阻电机逆模型;根据逆系统基本原理,将复杂的原非线性多变量耦合系统解耦成伪线性系统;根据线性系统理论,设计了闭环控制器,并构建了系统仿真模型.仿真结果表明该方法实现了系统的动态解耦,并且具有良好的动、静态特性.

摘要：针对船舶航向运动具有强非线性,并受各种不确定随机干扰的作用,提出了基于最小二乘支持向量机与变论域模糊逻辑的船舶航向保持复合控制方案,该控制方案利用最小二乘支持向量机良好的非线性映射能力建立船舶操纵系统的逆动力学模型,引入协调控制因子,与变论域模糊控制复合形成控制闭环,提高控制系统的控制精度和鲁棒性.仿真结果表明,本文所设计的航向保持控制系统效果良好,对海情的变化具有较好的自适应能力.

摘要：首先给出回归最小二乘支持向量机的数学模型,并分析了它的性质,然后在此基础上根据分块矩阵计算公式和核函数矩阵本身的特点设计了支持向量机的增量式学习算法和在线学习算法.该算法能充分利用历史的训练结果,减少存储空间和计算时间.仿真实验表明了这两种学习方法的有效性.

摘要：河川径流中长期预测历来是水利系统研究的重要内容,本文基于支持向量机理论建立多元变量径流预测的最小二乘支持向量机模型,并对新疆伊犁河雅马渡站23年实测年径流量及其相应的4个预报因子(降水量、纬向环流指数、径向环流指数、太阳射电流量)进行实例仿真研究。通过与BP神经网络模型预测结果进行对比,表明多元变量LSSVM模型的预测精度更高、效果更好。追求结构风险最小化的模型设计特点使得LSSVM在处理小样本数据预测问题上显示出巨大的优越性,同时避免了神经网络方法的易陷入局部最优和过学习现象。

摘要：提出一种采用均匀设计与最小二乘支持向量机相结合的电容层析成像传感器结构参数优化方法.该方法以敏感场均匀度为设计目标,采用均匀设计安排试验,试验因素包括ECT传感器的4个重要参数即:极板张角,绝缘管道材料相对介电常数,管道壁厚,以及屏蔽罩与电容极板间的间距.运用最小二乘支持向量机对试验结果进行回归分析,并用因素轮换法进行寻优计算,从而得出优化的传感器结构参数.结果表明:经过优化的电容成像系统具有较好的成像效果.该方法试验次数少,具有较强的实用性.