基于RS重构技术的LS_SVM预测模型及工业应用

为实现不完备多变量时间序列的有效重构,将经典重构技术和粗糙集约简理论相结合,提出了一种广义输入状态重构方法和LS_SVM预测模型。首先,结合MeanCompleter补齐算法和经典相空间重构方法,对不完备多变量时间序列进行补齐和含有一定嵌入裕量的初始重构,以克服序列中可能存在的数据缺失和嵌入不足等问题;然后,通过构建时间序列决策表,采用一种IGA算法对冗余嵌入和冗余变量进行RS约简,获取精简重构样本空间;最后,将精简结果作为LS_SVM的输入,辨识关键变量预测模型。将提出的方法应用氧化铝配料过程的原料组份时间序列的重构和预测,通过比较和分析验证了算法的有效性和优越性。

基于RS与LS_SVM的密闭鼓风炉故障诊断

针对密闭鼓风炉故障信息的复杂性和不完备性,建立了基于粗糙集(RS)和最小二乘支持向量机(LS_SVM)相结合的故障诊断模型。首先运用等频率划分法对故障诊断数据中的连续属性进行离散化,然后采用粗糙集理论进行故障诊断决策系统约简,获得最优决策系统。将约简结果与LS_SVM相结合,建立了故障诊断模型。实验结果表明,该模型提高了诊断效率和判断准确率。

基于LLE和LS_SVM的胃粘膜肿瘤细胞图像分类

胃粘膜肿瘤细胞图像的复杂性,组织器官形状的不规则性以及不同细胞的差异性,使得采用一般的线性分类方法对其进行分类很困难,结合局部线性嵌入(LLE)在处理非线性数据及最小二乘支持向量机(LS_SVM)在处理小样本、高维数及泛化问题方面的优势,文章提出一种基于LLE+LS_SVM的胃粘膜肿瘤细胞图像分类方法,并采用LS_SVM的线性拟合误差来判断实验效果,最后比较本文方法与其他分类方法的优越性。实验结果表明,该方法在分类准确率和运行时间方面都有很大的优势。

基于LS_SVM的温室系统内模控制

为了解决温室条件下环境的非线性及时变、大时滞的缺点,试验提出基于LS_SVM的内模控制系统方法和算法,对温室环境系统控制进行了仿真试验。结果表明:基于LS_SVM建立的被控对象的内部模型和逆模型都具有非常高的精度和泛化能力,该控制系统在抗干扰能力方面和控制性能方面有非常不错的表现,同时具备较为良好的鲁棒性能。

基于PCA-LS_SVM的镨\钕萃取过程元素组分含量预测

针对镨\钕(Pr\Nd)萃取过程中元素组分含量难以在线检测的问题,依据Pr、Nd混合溶液图像特征可以反映元素组分含量分布的特性,建立了基于离子颜色特征的Pr\Nd萃取过程元素组分含量预测模型。采集Pr\Nd萃取过程中稀土混合溶液图像信息,在HSI颜色空间中提取图像特征,采用主成分分析法分析各颜色分量对元素组分含量的影响,选取影响较大的H、S特征分量一阶矩作为预测模型的输入变量,利用最小二乘支持向量机算法(LS_SVM)具有解决小样本、非线性能力强及运行速度快的优点,建立基于Pr\Nd萃取过程元素组分含量预测模型。通过Pr\Nd萃取生产现场运行数据测试,表明建立的模型适用于具有离子特征颜色的稀土萃取过程组分含量在线快速预报。

一种基于SLS_SVM的滚动轴承故障诊断方法

为提高滚动轴承故障诊断分类器的训练正确率,以及缩短训练时间,根据其训练集即含有标签样本,也含有无标签样本的特点,将LS_SVM与半监督学习相结合,充分利用训练集中的有效信息,给出一种基于SLS_SVM的滚动轴承故障诊断方法。将该方法与标准SVM和半监督学习SVM方法相比,其不但能提高训练正确率,也能缩短训练所需时间。通过诊断试验,验证了该算法的有效性以及高效性。

基于LS_SVM的车牌字符识别

提出一种基于最小二乘支持向量机(LS_SVM)的车牌字符识别算法.实验表明,该算法对车牌字符识别速度平均为19.23ms/字符,该方法可用于快速分类识别.

基于网格搜索优化LS_SVM蓄电池SOC估测

依据最小二乘支持向量机(LS_SVM)的基本理论,针对蓄电池荷电状态(state of charge,SOC)随温度、电压、电流而变化的特点,建立基于LS-SVM支持向量机的蓄电池SOC估测模型。通过数据验证,比较不同核函数下的效果,利用网格搜索寻找最优参数。观察在最优参数和最优核函数下LS_SVM支持向量机的预测效果。结果表明,与其他算法相比,采用RBF核函数,并用网格搜索优化的LS_SVM模型精度较高,适合用在蓄电池的SOC估测上。

VPRS和LS_SVM的联合建模对于金属粉末性能的测定

雾化合金制粉过程为典型的复杂过程,采集到的数据样本集中会有一定的重复样本和冗余属性,甚至干扰信息。本文针对雾化制粉生产存在的信息不完整性和不确定性,提出了一种基于集对势容差关系的变精度粗糙集(VPRS)和混合核函数为建模工具的最小二乘向量机(LS_SVM)的预测模型。首先,对信息进行预处理后构建初始决策表,采用贪心算法对冗余嵌入和冗余变量进行VPRS约简,获取精简样本空间;然后,将精简结果作为LS_SVM的输入,对关键变量和参数进行辨识和优化。仿真结果表明,该预测模型具有较好的泛化性能和较高的预测精度。

基于粒子群算法的煤气化过程LS_SVM预测模型

针对最小二乘支持向量机参数选择对模型性能的重要影响,并且以往的参数优选方法效果差且耗时长这一问题,提出基于粒子群算法优化最小二乘支持向量机预测模型.该模型用最小二乘支持向量机理论建立,用粒子群算法优化模型参数.论文将此模型用于预测评价固定床煤气化气化效果的三个主要性能指标(气体热值、气化效率、气体产率),通过现场实际数据仿真结果表明,该算法有效地提高了模型预测精度,验证了此模型的可靠性和可用性.

氧化铝配料过程中返料成分的实时预测与仿真

针对氧化铝配料过程中返回物料成分波动大且难以在线检测的问题,首先,利用滞后的离线分析获得的多变量时间序列,直接构造包含充分预测信息的初始相空间;然后,构建时间序列决策表,并采用一种IGA算法对冗余嵌入和冗余变量进行RS约简,获取广义重构相空间;最后,根据广义重构结果构造输入样本集,建立LS_SVM实时预测模型。仿真结果表明,提出的模型具有较好的泛化能力,能获得较理想的返料成分含量预测精度(6种氧化物的相对均方根误差均小于13%),具有一定的应用价值。

水泥回转窑烧成带温度动态建模研究

在水泥回转窑烧成系统中,烧成带温度是影响水泥熟料质量的关键因素,但是在实际生产过程中回转窑烧成带温度不能直接测量,因此利用LS_SVM(最小二乘支持向量机)方法建立通过窑头罩温度、窑主机电流、烟室温度、分解炉出口温度、篦速逼近烧成带温度的虚拟测量模型;其后基于水泥生产线DCS可采集的相关检测变量,建立不同工况下窑头喷煤量与软测量出的烧成带温度之间的动态模型。

基于水泥粒度工况模板的联合粉磨系统建模

针对带有水泥粒度的水泥联合粉磨系统建模问题,以粒度分析仪为检测手段,将数据预处理、回归分析和LS_SVM相结合,提出一种分工况的联合粉磨建模方法。首先,根据生产工艺和现场经验,分析了变量之间的影响因子,并借助水泥粒度样本数据划分了工况模板;其次,选取选粉机转度、主排风机转速为控制量,<45μm筛余作为状态变量;再次,考虑到工况1占全工况运行时间较少,采用回归分析算法建立多输入和单输出的动态模型。对于工况2,采用LS_SVM建立联合粉磨的动态模型;最后,进行仿真验证,结果显示所拟合的模型是有效的。

基于最小二乘支持向量机模型的混凝土结构劣化评价新方法

针对混凝土结构劣化评价的复杂性,提出了一种基于最小二乘支持向量机(LS_SVM)的混凝土结构劣化评价方法,并结合搜集到的既有混凝土结构劣化评价实例数据,选取其中的一部分作为训练样本对LS_SVM进行训练,利用网格搜索和交叉验证法确定LS_SVM模型的最优参数;另一部分作为检验样本进行测试。实例计算结果表明,该方法在劣化评价中耗时短、结果准确,适用于已有较多评价实例的同类混凝土结构或构件的劣化评价。

基于因散经验模式分解与最小二乘支持向量机的风电场短期风速预测

建立准确而高效的风速预测模型是指导电力系统规划及安全稳定运行的重要基础。对现有预测方法深入研究的基础上,研究基于因散经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)及最小二乘支持向量机(LS_SVM),建立了综合考虑温度和气压因素的短期风速预测模型。通过对两个地区历史风速数据的计算和分析,结果表明提出的预测模型具有预测精度高、适应性强等优点。

600 MW超临界汽轮发电机组振动故障特征提取

近年来随着河北南部电网多台600MW超临界汽轮发电机组相继投产,机组振动问题日益突出。针对这一状况,提出应用小波包能量谱,对机组的振动故障进行特征提取。通过对现场多台机组故障数据的处理和分析,采用最小二乘支持向量机对机组的振动故障进行分类,验证了该方法的有效性和可行性,同时也为现场技术人员提供参考和借鉴。

基于混沌蚁群算法的大时滞对象神经网络控制

为了有效控制未知大时滞对象,以最小二乘支持向量机为辨识器,通过改进模糊PID控制,构造了一种智能型神经网络作为控制器.在此控制方案下,对蚁群算法引入混沌搜索机制进行改进,将其应用于控制器参数的离线优选.仿真结果表明:该方案及其优化策略能有效改善系统的性能,稳态无静差,动态性能好,且具有一定的鲁棒性.

基于支持向量机的石脑油干点软测量建模研究

原油精馏装置处于石油化工厂工艺流程的最前端,石脑油是精馏装置的主要产品之一,干点值是衡量石脑油质量的一个重要参数指标,通过现有测量手段不能得到干点的实时测量值。而支持向量机是近年发展起来的一种基于统计学习理论的学习机器,在模式识别和非线性函数回归估计方面有很多的应用。文中旨在通过采用软测量技术得出石脑油干点的实时监测信息,着重讨论基于支持向量机回归和最小二乘支持向量机回归的软测量建模方法。

支持向量机的内模控制器在集气管压力中应用

焦炉集气管压力控制系统是炼焦自动化生产过程中的重要组成,该系统具有非线性、时变性和强扰动等特点。传统的常规PID控制已不能满足现场复杂生产工艺的要求。文中设计采用基于最小二乘支持向量机LS_SVM的内模控制器IMC,应用于焦炉集气管压力控制系统,具有调节性能好、鲁棒性强、以及能消除不可测干扰等优点。仿真结果表明,该控制器具有较简单的模型和良好的控制性能。

基于高光谱散射图像的苹果压缩硬度和汁液含量无损检测

压缩硬度和汁液含量是衡量苹果内部品质的两项重要指标。采用高光谱散射图像技术对苹果压缩硬度和汁液含量进行预测。已有研究表明,高光谱图像含有丰富的波谱信息,光谱值与测量值之间存在严重的非线性关系,简单的线性建模方法不能达到较高的预测精度。最小二乘支持向量机(Least Squares Support Vector Machine,LS_SVM)作为一种非线性建模工具,已用于解决小样本、非线性和高维数等实际问题。针对580个‘RedDelicious’苹果的高光谱散射图像,提取600～1000nm范围内的波谱信息,采用LS_SVM建立苹果的压缩硬度和汁液含量模型。研究结果表明,LS_SVM压缩硬度预测模型的相关系数为Rp=0.795,预测均方差为RMSEP=10.4KN/m,汁液含量的相关系数为Rp=0.568,预测均方差为RMSEP=1.20cm2,高于传统的偏微分最小二乘(PartialLeastSquares,PLS)建立的压缩硬度,模型精度Rp=0.744,RMSEP=11.4KN/m,汁液含量模型精度Rp=0.539,RMSEP=1.23cm2。