基于启发式搜索法与动态负荷跟踪的中央空调能耗全局控制方法

非线性且时滞的中央空调运行模式,导致运行能耗较高,为提高中央空调全局能耗控制效果,减少核函数和模型相关参数的相对误差,提出一种中央空调能耗全局控制方法。利用支持向量机算法,考虑变风量预测中央空调动态负荷,选择合适核函数、中央空调能耗相关参数,实时监测中央空调能耗运行总能耗,反复训练动态负荷跟踪模型,自适应调节参数并指导变频控制过程,以总能耗数据作为启发式搜索法优化目标,搜索最佳控制频率,完成中央空调能耗全局控制。实验表明,该方法降低了动态负荷预测模型的相对误差,提高了能耗控制的全局性。

一种基于数据驱动的动态时序分类算法

针对物联网时序数据中存在的数据冗余现象和动态信息难以捕捉的问题,提出了一种基于数据驱动的动态时序分类算法。通过动态内部主元分析法(dynamic internal principal component analysis,DiPCA)提取传感设备采集的时间序列中的动态信息,实现降维及提炼动态信息的作用;利用麻雀搜索算法优化分类算法参数,强化支持向量机(support vector machines,SVM)算法性能并使其对含有shapelet局部特征的时序特征进行建模,最终构成双向演进算法框架,实现时序分类功能。利用UCR时序数据集和边缘计算模拟数据检验该算法的性能,结果表明,与基本算法相比,该算法的综合性能明显提高,并验证算法分类功能在仿真环境中的有效性与优越性。

新型双层半插入式交替极永磁电机的解析建模

为了提高永磁电机的电磁转矩,提出一种新型双层半插入式交替极永磁电机模型。内层为交替极磁极,外层为表贴式永磁体,内外层永磁均为径向磁化。采用二维子域模型法,将求解域划分为定子槽、定子槽口、气隙、外层永磁和内层永磁共5个子域。根据拉普拉斯和泊松方程,通过分离变量法获得各子域矢量磁位的通解,再根据边界条件并求解矩阵方程,获得各子域矢量磁位的直流分量和谐波系数。以一台8极9槽新型电机为例,计算了电机的气隙磁密、空载感应电动势和电磁转矩,结果表明,在永磁用量相同的前提下,与传统的表面插入式电机相比,新型电机具有更高的电磁转矩。最后,用有限元法验证了解析模型的正确性。

基于主控因素分析的A87区块S油层复杂油水层识别方法

A87区块S油层储层物性差异大、含泥含钙较重,油水层识别难度大。利用岩心分析和测井及试油数据,研究泥质含量、钙质含量和孔渗参数与电阻率之间的关系,并结合典型的低阻油层、高阻水层以及不同孔渗油气层的测井响应特征和岩性物性特征,得出泥质、钙质、物性是影响研究区电阻率测井响应的主要因素。依据电阻率幅值特征与侵入特征的响应机理以及典型油水层的测井响应特征,得出区分水层与油层或油水同层最佳参数为R ILD/R LLD、(R ILM-R ILD)/R ILD,区分油层与油水同层的最佳参数是CNL、R LLD×Φ^(2)/1000,建立了油水层识别图版。对深侧向电阻率进行泥质和钙质影响校正,建立了泥钙校正后的油水层识别图版。利用泥钙校正的敏感测井响应与参数,建立了油水层识别决策树模型和支持向量机模型。与校正前的敏感参数建立的油水层识别图版相比,泥钙校正后的敏感参数建立的油水层识别图版、决策树模型和支持向量机模型精度和解释符合率均有一定提高。应用研究区12口投产井进行验证,表明3种方法均能较好地判别研究区油水层,且决策树模型识别研究区油水层效果最好。

基于支持向量机的双桥静力触探地层自动划分方法

目前,根据双桥静力触探曲线进行地层划分多采用目测经验法和分类图法,目测经验法人为主观性强,并且耗费人力和时间,而分类图法在某些地区适用性不高。为解决此问题,研究了一种基于支持向量机的双桥静力触探地层自动划分方法。以锥尖阻力和侧摩阻力作为输入属性,土类名称作为数据标签,对模型进行训练,将训练好的模型用于土类识别和地层自动划分。应用此方法对天津某地铁工程的双桥静力触探孔进行了地层自动划分,准确率达100%。研究结果表明,基于支持向量机的双桥静力触探地层自动划分方法可以较好进行土类识别和地层划分。

基于LS-SVM的变压器最优维护周期研究

优化变压器维护周期可提高变电站可靠性,降低变电站运行维护成本。基于最小二乘支持向量机(least squaressupport vector machines,LS-SVM)算法,结合成本–效益分析法对变压器维护周期优化进行研究。首先利用统计数据构建变压器缺陷树,并将缺陷数据、停电时间及缺陷权重专家数据等综合起来作为基础,在采用两层动态自适应优化法确定LS-SVM参数后,利用LS-SVM算法对变更维护计划后的缺陷数进行预测,将维护变更的成本(效益比较结果)作为量化约束条件,确定变压器的最优维护周期。采用该算法对某供电公司变压器进行评估,对变压器年度维护计划进行修正并实用,取得了较好的效果。

基于支持向量机柔性机构动态可靠性分析

针对柔性机构可靠性分析中计算效率低和精度差的问题,提出一种柔性机构动态可靠性分析的支持向量机回归极值法。该方法利用蒙特卡洛法抽取柔性机构动态响应极值的小样本;基于这些样本和支持向量机回归理论,建立柔性机构动态响应极值的代理模型;使用该代理模型进行柔性机构动态响应可靠性分析。结合曲柄摇杆柔性机构实例,利用支持向量机回归极值法、蒙特卡罗法、人工神经网络代理模型和二次响应面代理模型方法,分别对连杆的变形和摇杆的摆角进行可靠性分析,通过对四种方法计算结果的比较,证明了支持向量机回归极值法在柔性机构动态可靠性分析中高效率和高精度,验证了支持向量机回归极值法在柔性机构动态可靠性分析的可行性和适用性。

基于决策树和支持向量机的电能质量扰动识别

提出一种新型电能质量扰动识别方法,该方法采用快速傅里叶变换(fast Fourier transform,FFT)结合动态测度法提取3种特征以及S变换提取4种特征;采用决策树和支持向量机(support vector machine,SVM)设计组合分类器。针对FFT频谱中谐波频率明显的扰动类型,采用极值点包络的动态测度法提取频谱中的主要频率点特征,结合S变换提取的特征首先将扰动类型进行初步归类,然后采用S变换的2个特征就能进行后续分类;决策树分类过程中采用SVM来区分电压暂降和中断,克服了特征阈值随信噪比(signal-to-noise ratio,SNR)变化难以确定的问题。仿真实验表明,该方法能够准确识别包含2种复合扰动在内的11种电能质量扰动信号,SNR低至20 dB时准确率仍达到96.50%;且与已有文献的分类结果对比表明,该方法准确率高,稳定性强,在低SNR条件下分类结果优势明显。

基于支持向量机的动态电能质量扰动分类方法

将支持向量机SVM(SupportVectorMachine)引入到动态电能质量分类问题中。在Matlab中编程建立了谐波、电压暂升、电压跌落、瞬时中断、电压波动、瞬变6种常见动态电能质量扰动数学模型,利用傅里叶变换和小波变换对产生的样本波形进行特征提取,产生训练和测试样本。给出了利用LIBSVM解决电能质量扰动分类问题的步骤,并根据分类结果对影响分类效果的参数进行了分析。对训练好的支持向量分类器进行测试,效果良好,当采用C-SVC,RBF核时调整参数可以得到最优分类效果,最高分类率可达到96.67%。

基于矢量匹配-劳斯法的群桩阻抗改进模型

采用薄层法算出群桩基础的频域阻抗,将群桩阻抗等效于一个单输入单输出系统,并表示为一个复数的频域传递函数。基于矢量匹配法(VF法),通过对传递函数拟合得到任意分层地基的群桩阻抗函数的集总参数形式。采用VF法对整体频域拟合,可以得到多项分式分式阻抗形式,进而扩展成为Wu-Lee模型。结果表明,VF法拟合得到的动力柔度函数可以精确地匹配分层地基动力柔度函数,由于多项分式的形式可以直接扩展成为Wu-Lee集总参数模型,且数值稳定。对于高频阻抗拟合需要采用高阶数,进行劳斯(Routh)降阶,得到较好的效果。

柔性机构动态可靠性分析的新方法

为了改善柔性机构动态可靠性分析的效率和精度,基于支持向量机SVM(Support Vector Machine)回归理论,提出了一种柔性机构动态可靠性分析高效率高精度的SVM回归极值法SREM(SVM Regression Extremum Method)。首先,介绍了柔性机构可靠性分析的基本理论;其次,融合蒙特卡洛法MC(Monte Carlo)和SVM回归理论,建立了柔性机构动态响应极值的代理模型,并利用代理模型进行柔性机构可靠性分析。最后,利用SREM法对柔性机构实例进行了可靠性分析,并与MC和人工神经网络ANN(Artificial Neural Networks)的分析结果进行比较。结果显示,在小样本情况下,进行柔性机构动态可靠性分析时,SREM的计算效率和计算精度都比ANN高;SREM的计算效率比MC大大提高,计算精度与MC相当。验证了在柔性机构可靠性分析中SREM的高效率和高精度,并证明了SREM在柔性机构可靠性分析中的可行性和有效行性。

基于支持向量机的传感器动态建模方法

传感器动态建模是测量领域的重要研究方向,本文介绍了一种基于支持向量机的传感器动态建模新方法。支持向量机是基于统计学习理论的新一代机器学习技术,它有效地解决了小样本学习问题,因此该方法对样本数量没有特殊的要求。最后,实验证明了该动态建模方法有效。

基于经验模分解和最小二乘支持矢量机的装载机载质量动态测量混合建模方法

针对同时实现装载机载质量动态测量的高精度和快速性这一复杂问题,在基于动力学分析所给出的测量方法的基础上,给出一种实现高精度快速性装载机载质量动态测量的混合建模方法,该方法采用经验模分解(Empirical mode decomposition,EMD)作为实测信号的前端处理应用,用于从动态暂态测量信号中提取有效信号;采用最小二乘支持矢量机(Least square support vector machines,LS-SVM)对动态和不确定性因素进行自学习,实现载质量动态测量的速度补偿;同时为使最小二乘支持矢量机发挥最优性能,采用贝叶斯证据框架对其参数进行推断优化;最后,通过比例线性计算方法获知待测载质量值。仿真分析和试验结果表明,按照所建立的混合建模方法进行载质量动态测量其测量精度可稳定在1%以内,验证了该方法的有效性。

基于主成分分析的水淹层动态预测方法

针对高含水期水淹层变化的动态特性,提出一种基于主成分分析的最小二乘支持向量机水淹层动态预测方法.该方法应用数据挖掘方法与改进的支持向量机方法,研究高含水期水淹层的分类识别问题,找到测井参数曲线与水淹级别之间的非线性映射关系,建立适合高含水期水淹特征的动态识别模型.它不仅充分考虑各种影响因素,而且利用主成分分析法准确提取影响水淹级别划分的测井参数曲线,避免模型输入参数间存在相关性导致划分精度低以及模型求解复杂、训练速度慢的缺点.结果表明,该方法较其他方法具有更快的运算速度和更高的识别符合率,其运算速度为43s,识别符合率达到97.0%,能体现高含水油田水淹层的动态变化特征.

三点悬浮式离合压机构动力学分析

在分析顺序离合压时间的基础上,建立三点悬浮式离合压机构等效简图,用复数矢量法对其进行动力学分析,确定橡皮滚筒在合压过程中的运动规律,以保证合压瞬时滚筒之间柔性冲击的设计要求.对提高印刷机整机性能和印品质量具有一定的实际意义.

一种求解柔性作业车间调度问题的改进DRSGA

为了解决柔性作业车间调度问题中权重难以确定导致调度效率低的问题,该文提出了1种改进的动态随机搜索遗传算法（DRSGA）。用功效系数法将所有工件完成时间和机器的总负载转化为单一的最小化目标。基于工序和机器分配2种交叉操作,采用1种双层染色体编码方案进行编码。采用1种可变影响空间评价方法,在保证非劣解均匀分布的同时维护了种群多样性。采用动态随机搜索（DRS）和擂台赛法则调整关键路径中工序的排序,得到最优调度方案。将改进DRSGA与向量评估遗传算法、改进遗传算法和混合遗传算法运行结果进行比较,仿真实验结果表明,改进DRSGA求最优解所用平均时间比3种对比算法缩短了41～257 s。

柔性机构动态可靠性分析的SVM回归极值法

为改善柔性机构动态可靠性分析的效率和精度,基于支持向量机(Support Vector Machine,SVM)回归理论,提出了一种柔性机构动态可靠性分析高效率高精度的SVM回归极值法(SVM Regression Extremum Method,SREM)。首先,介绍了柔性机构可靠性分析的基本理论;其次,结合蒙特卡罗法(Monte Carlo,MC)和SVM回归理论,建立了柔性机构动态响应极值的代理模型,并利用代理模型进行了柔性机构的可靠性分析;最后,以柔性夹紧机构的可靠性分析为例,利用SREM加以验证。结果表明:SREM的计算时间约为蒙特卡罗法的20%,远远少于蒙特卡罗法;SREM的计算精度几乎与蒙特卡罗法保持一致,当可靠度大于98%时,SVM回归极值法的计算精度与蒙特卡罗的计算精度完全一致。

海洋平台灰预测和支持向量机的逆控制

导管架式海洋平台在随机波浪等外载荷作用下极易产生有害振动,且其动力响应具有极强的非线性和时变性,采用被动控制方法和基于精确数学模型的主动控制方法控制海洋平台的有害振动很难达到理想的控制效果.结合灰预测和支持向量机的优点,提出了基于灰预测和支持向量机的自适应逆控制方法,并将其与动态刚度阵法相结合应用于导管架式海洋平台的振动主动控制中.数值算例分析表明,该控制方法可有效地控制波浪和风载荷作用下引起导管架式平台的有害振动,并能解决由于控制信号传输等原因引起的时滞问题.

特高含水油田常规开发动态指标预测方法分析

因为油田有相当一部分剩余可采储量将在特高含水期采出，所以如何将油田的剩余可采储量高效地在此阶段采出，是目前我国各油田急需解决的问题。解决此问题的基础就是对该阶段油田的开发动态指标进行准确的预测。针对特高含水油田的开发特点和面临的问题，结合油田常规开发动态指标预测方法的特征和实用性分析，对常规动态分析预测方法从机理和缺陷方面进行了评价，提出了在不考虑预测可靠性的前提下，适合该阶段的常规动态分析预测方法依次是油藏数值模拟法、预测模型法、递减规律法、联解法和水驱特征曲线法。指出了研究新的预测方法的必要，并指明了研究特高含水油田开发动态指标预测新方法的方向：支持向量机预测、基于时变系统的功能模拟预测、组合预测和智能预测。

动态SVDD人机交互预警算法及其应用

分析了当前主要的预警方法,指出了其不足,提出了动态SVDD人机交互预警算法。其中,人机交互技术的引入是为了让专家介入预警工作,以使系统能够准确地区分预警对象的状态。针对人机交互预警,分析了已有的SVDD技术,并指出随着训练样本数目的增加,该算法会因为过大的优化规模而无法操作。为此,提出动态SVDD算法,从而大大减小了优化规模,提高了人机交互预警系统的效率。