基于在线支持向量机的Mean Shift彩色图像跟踪

为了解决传统Mean Shift跟踪方法中目标模板只能从单一图像建立,且很难更新问题,提出了一种新的Mean Shift彩色图像跟踪方法。将RGB颜色空间投影到HSV颜色空间,建立了基于HSV颜色空间的统一直方图核函数模型。为了实现模板在线更新,引入在线支持向量机,推理了基于HSV空间的在线支持向量机的Mean Shift跟踪算法,从而适应目标因尺寸、姿态及光照造成的模型变化。为了验证算法的有效性,对两组国际通用的CAVIAR彩色图像序列进行了跟踪测试。实验结果表明,提出的改进算法在目标姿态、光照或背景发生较大变化时,能有效跟踪目标。当图像分辨率为384×288(目标尺寸约为20×80)时,最快处理速度达40f/s,且跟踪精度比传统Mean Shift提高32.1%。

基于在线最小二乘支持向量机的数控机床热误差建模与补偿

为消除数控机床热误差对加工精度的影响,提出了基于在线最小二乘支持向量机的数控机床热误差建模方法。为构建机床热误差模型,进行了建模实验,采用智能温度传感器与激光位移传感器分别测量机床温度值与主轴热变形量。将获得的数据进行在线最小二乘支持向量机建模训练,构建机床热误差模型。在根据模型得出误差预测值的同时,可以不断根据在线输入的新数据修正热误差模型本身,运算时间短,适用于在线建模。实验结果表明,基于在线最小二乘支持向量机的数控机床热误差建模方法具有精度高、鲁棒性强和计算时间短的特点。在此基础上,根据在线模型进行热误差补差,可有效消除机床热误差影响,提高数控机床的加工精度。

基于在线支持向量机的电子鼻模式识别算法

针对现有电子鼻系统训练误差大、运行速度慢等特点,提出了一种新的基于在线支持向量机(Online-SVM)的电子鼻系统模式识别方法。该方法使用CH4气体与传感器阵列响应的值作为输入数据,经在线支持向量机算法进行模式识别,对CH4气体的浓度进行预测和分类。与期望结果对比,新方法的平均误差降低为5.3%,运行时间降为0.1994s,表明基于在线支持向量机的电子鼻系统模式识别方法能有效提高电子鼻系统识别的精度和速度。

利用在线向量机和Unscented Kalman滤波进行降水序列滤波研究

针对短周期降水序列模型估计困难、滤波误差不确定问题提出了在线向量机与Unscented Kalman滤波相结合的降水时间序列预测与滤波方法。从理论推导到真实数据的实验以及详细的误差分析证明了本方法对短周期降水序列滤波有较好的合理性和有效性。相比传统Kalman滤波方法和向量机滤波方法,该方法有更好的滤波性能和实用性。

基于在线支持向量机的空对地攻击决策算法

为解决无人机对地攻击决策问题,对影响地面目标威胁度的指标因素进行了分析和量化,构建了基于在线支持向量的目标威胁度预测模型。利用在线支持向量机实现目标威胁度排序,进而完成空对地的攻击决策。研究的空对地决策算法具有在线训练、模型精确度高、需要样本少和泛化能力强等特点,有利于快速准确地进行空对地攻击决策。最后,通过仿真实例验证该算法的正确性。仿真结果表明,在线支持向量机在计算目标威胁度过程中速度快且精确度高。

混合核函数在线支持向量机在甲醇合成中的应用

针对甲醇生产过程中高度的非线性和时变性,采用精确在线支持向量机模型预测粗甲醇的转化率。在线支持向量机模型一般采用单一的核函数,混合核函数可以弥补单一核函数的不足,提高模型的泛化能力和学习能力。为了使模型的预测精度进一步提高,在混合核函数的基础上运用在线误差校正方法。将基于混合核函数和误差校正的在线支持向量机建模方法应用在煤制甲醇数据上,通过与传统支持向量机和准确在线支持向量机模型对比,仿真实验和分析结果表明改进的在线支持向量机模型比传统支持向量机预测精度高,能够实现粗甲醇转化率的实时预测,从而更好的指导甲醇生产。

基于在线支持向量机的非线性内模控制

为了提高传统内模控制的鲁棒性和抗干扰能力,采用在线支持向量机回归(Online Support Vector Machine Regression,OSVMR)理论建立系统的正向模型和设计逆模控制器。首先简要介绍了OSVMR的原理和算法,然后将其应用于内模控制问题,并建立了OSVMR模型。其次,在控制过程可逆的条件下设计了OSVMR控制器,最后将该控制方法应用于可逆非线性系统和具未知干扰的温室环境控制问题,仿真结果表明该方法与RBF神经网络IMC相比,具有较简单的模型和较好的控制性能。

基于改进最小二乘支持向量机的惯性测量组件故障在线检测方法

为提高惯导系统工作的可靠性和导航性能,对其惯性测量组件的故障模式和检测模型进行了分析。针对最小二乘支持向量机(LS-SVM)回归算法做了两点改进,具体方法是先对输入样本观察窗平移更新的每个样本数据进行异常点滤波判断并用牛顿插值法进行处理,接着通过对在线LS-SVM回归过程的研究,提出了一种递推求解的快速算法,将惯性测量组件的输出量、舵偏角改变量并辅以环境因素作为观测样本序列,应用该算法来提高模型检测的准确性和时效性。最后对惯性测量组件无故障和出现卡滞、恒偏差时的故障模式进行了仿真实验,结果表明,与应用LS-SVM、SVM和BP神经网络算法相比,提出的惯性测量组件故障在线检测方法具有较强的鲁棒性和较快的速度。

改进在线最小二乘支持向量机的合金成分预测

针对硅锰合金埋弧冶炼过程中合金成分检测困难、离线化验滞后大、难以实时控制的问题,提出一种改进在线最小二乘支持向量机(IOLSSVM)的合金成分预测模型。该模型对每一个新增样本采用增量式学习,根据样本对模型贡献的不同删除样本集中对模型贡献最小的样本数据,利用递推计算增强模型的在线学习能力。将此模型应用于30MVA硅锰合金埋弧炉冶炼过程合金成分预测,实际生产运行数据表明了此方法的有效性。

基于核PCA与在线支持向量机的电子鼻气体分类研究

通过电子鼻系统获取的数据具有维数高、非线性变化等特点,不利于后续算法的识别或分类。因此,提出了基于核主元分析(KPCA)与在线支持向量机(Online-SVM)的电子鼻系统识别新算法。首先采用KPCA算法对采集到的原始数据进行特征提取,达到降维与去噪的目的,然后使用在线支持向量机对数据进行预测,最后与基于径向基函数的神经网络算法(RBF)预测结果进行对比分析。实验结果表明,新算法在电子鼻信号处理领域相对较优,具有较好的价值。

基于在线最小二乘支持向量机逆系统的高速永磁同步电机解耦控制

针对高速永磁同步电机(high speed permanent magnet synchronous motor,HS-PMSM)的解耦控制系统,根据逆系统理论分析了其数学模型的可逆性,进一步提出一种基于在线最小二乘支持向量机(online least squares support vector machine,OLS-SVM)的逆系统方法,实现了HS-PMSM的高性能解耦控制。该方法设计了基于OLS-SVM的实时逆系统,并将其与原系统串联构成一种伪线性系统,实现了HS-PMSM系统的线性化和解耦。同时,在HS-PMSM逆控制系统中为获得高精度定子磁链观测,进一步引入一种基于带通滤波器和参数补偿(band-pass filter with parameter compensator,BPFC)的磁链观测器。通过仿真和实验研究,在宽速范围内转速和电流解耦控制、不同转速域转速跃跟踪和负载抗扰性能等几个方面验证了文中所提出的解耦控制方法的有效性。

基于在线最小二乘支持向量机的数控机床热误差建模与补偿

在实际生产过程中,数控机床由于热误差导致了相关零部件加工精度的降低。为了保证零部件的加工精度,以在线最小二乘支持向量机为基础对数控机床热误差进行建模。该方法在实际的运用过程中,可以减少甚至消除机床热误差带来的消极影响,使数控机床的加工精度处于比较稳定的水平。

球向量机的快速在线学习

在大数据分析处理中,有效学习样本逐渐增加,据此如何高效渐进地学习分类器是一个非常有价值的问题.相比于支撑向量机和核向量机,球向量机自身在批量样本学习中具有速度快、准确率高的特点,但该方法不适合快速的在线学习.针对该问题提出了在线球向量机.首先将二分类问题转为两个单分类问题,利用球向量机(ball vector machine,BVM)对超球球心的更新算法对每一个训练向量仅迭代一次,求得两个高维超球的球心,随后直接利用两个高维超球球心的垂直平分面进行分类.理论分析证明了新方法的有效性,与现有在线增量学习方法的实验比较结果表明,在线球向量机(online ball vector machine,OBVM)在时间计算复杂度和综合性能方面有显著优势.

基于在线支持向量机的锅炉动态建模方法研究

利用在线支持向量机的非线性映射特性,建立锅炉排放、锅炉效率与燃烧调整中诸多操作量(如:二次风门开度、燃烬风门开度、给煤量偏置等)的动态数学模型,并对动态模型进行仿真研究。现场数据仿真表明,所建的模型可以较好地体现锅炉燃烧系统的动态特性。当过程中出现之前建模数据没有囊括的工况时,模型可以利用新数据实现在线更新,并补充新的支持向量,因而具备对煤质变化的适应能力。

在线支持向量机在数控铣床刀具磨损预测建模中的应用

刀具磨损的自动监测是现代制造技术的关键技术之一,是保证自动化加工顺利进行的前提之一。在实际生产当中,对刀具磨损的检测,不能停机检测而只能采取在线的间接监测方法。提出一种基于在线支持向量机的数控铣床刀具磨损的预测方法。结果表明,所提方法具有参数调整时间快、泛化能力强的优点,可以比较准确地监控刀具磨损。

多核在线支持向量机算法研究及应用

针对非线性控制系统难以建立精确数学模型的情况,以焦炉集气管压力系统为对象,提出了一种基于多核线性支持向量机的辨识建模方法.通过分析多种核函数对于数据的分类精度,利用训练数据对系统进行辨识建模.仿真结果表明,基于多核线性支持向量机的辨识建模算法具有相当高的辨识精度,能够解决一类非线性系统的建模问题.

基于在线支持向量机和遗传算法的预测控制

针对非线性系统模型预测控制中预测模型容易失配且目标函数难以求解的问题,提出了一种基于在线支持向量机建模和遗传算法滚动优化的模型预测控制方法。该方法利用在线支持向量机建立被控对象的非线性模型,在线支持向量机是一种迭代学习的支持向量机训练算法,可以进行在线训练,从而实现模型在线自校正;并且通过遗传算法求解目标函数的最优控制量,完成滚动优化。对非线性系统的仿真研究结果表明,该方法有效且具有良好的自适性。

基于在线支持向量机的无人机航路规划技术

研究了一种基于在线支持向量机的无人机航路规划方法,以保证无人机在完成任务时候能以最小的被发现概率以及最短航程安全到达目标点。首先建立多约束的无人机航路规划数学模型,并进行分析。应用A*算法产生初始航迹获取样本数据,在此基础上应用在线支持向量机具有在线训练、模型精确度高、需要样本少、泛化能力强等特点,实现无人机航路优化。最后将所研究的方法应用于无人机的航路规划仿真,仿真结果表明所研究的基于在线支持向量机的无人机航路规划方法是有效的。

基于支持向量回归机的船舶操纵运动在线辨识建模

采用滚动时间窗的方法实现支持向量机的在线辨识。以船舶操纵运动响应模型为研究对象,并由10°/10°和15°/15°仿真Z形试验数据构造支持向量机参数辨识所需的训练样本对,应用支持向量机进行船舶操纵运动在线辨识建模,回归操纵运动响应模型中的操纵性指数,并利用建立的响应模型进行Z形试验的数值模拟。将Z形试验数值模拟结果同仿真Z形试验数据进行比较,结果表明,在线式支持向量回归机是一种进行船舶操纵运动在线辨识建模的有效方法。

基于在线支持向量机的风速预测方法研究

对风速的预测可准确地估计风力发电机组的有效风速,提高风力发电机组的控制能力。本文以风速为研究对象,建立风速模型获取实验样本,提出一种基于在线支持向量机的风速预测方法,并进行实验验证。