隧道围岩分级的遗传-支持向量分类耦合模型

针对现阶段围岩分级方法存在的主要问题,提出隧道围岩分级的遗传-支持向量分类方法。结合佛岭隧道施工期围岩分级实践,以公路隧道设计规范BQ分级为基准,分别采用岩石回弹强度和掌子面状态替代饱和单轴抗压强度和地应力状态,并增加节理延展性观察的定性指标,在大量现场测试和室内试验的基础上,给出每个分级指标的现场快速测试方法,并以分级结果作为遗传-支持向量分类算法的训练样本,建立隧道围岩分级的遗传-支持向量分类智能模型。佛岭隧道围岩分级实例表明:该模型分级结果与现场勘测基本一致,且较遗传-神经网络模型有更高的分级准确性,为隧道围岩分级提供一种方法。

永磁同步电机转子位置提取近似分类支持向量机灰色预测方法

针对单一灰色预测方法下磁特性曲线建模对电机不同运行状态区分能力差、概括性不强,由此导致估计误差较大的问题,提出基于支持向量机分类细化特性曲线区,提高用以灰色GM(1,1)预测建模数据指数光滑度,改善转子信息估计精度的灰色近似支持向量机分类预测算法。将此预测方法用于永磁同步电机的矢量控制当中,数值仿真结果证明,引入先期近似支持向量机分类算法后的转子位置灰色预测法可以在较少测试数据集上达到较高的估计精度。

基于SVM算法的PQ型控制逆变器出口故障分类

随着全球清洁能源的广泛应用,含有分布式能源的电网将会是未来配电网的主要供电形式。分布式能源常常经PQ控制型逆变器件接入配电网,由于控制模式的应用,对于分布式电源并网条件下,故障下暂态过程将会发生新的变化。现有研究主要集中于馈线保护和DG保护,而针对PQ控制型微源出口故障选相的研究则非常有限。文中首先分析PQ控制型逆变器的数学模型,故障电流特性及控制器特征状态变量故障特性,在此基础之上,形成PQ控制型逆变器故障特征矩阵,然后,进一步分析粒子群算法改进的多分类支持向量机算法流程,最后,在Digsilent软件进行算例仿真计算,验证了所提方法的可行性和有效性。

非侵入式负荷动态识别方法的研究及工程应用

随着非侵入式负荷监测技术应用场景不断扩展,负荷类型日趋多样化,基于单层特征的静态识别方法需要构造更加全面、复杂的特征,难以兼顾负荷识别的准确度及速度。提出一种基于多层特征组的动态识别方法,综合考虑不同负荷特征提取的采样频率、监测窗口宽度、计算复杂度和负荷特征存储量等构建分层特征组,针对负荷群中不同的负荷类型提取不同的特征组作为分类特征以降低特征的综合提取代价,最后基于支持向量机多分类算法实现按需识别负荷类型。BLUED数据库的仿真对比分析和实际某工厂的工程测试结果表明,基于多层特征组的动态识别方法不仅能够提高负荷的综合识别速度,也能提升相似负荷的识别准确度,在负荷相似及投切频繁的场景下能够兼顾负荷识别准确度和速度,具有较好的工程适用性。

基于DE-SVM的穴盘苗自动取苗机构故障诊断方法

为解决穴盘苗取苗机构早期机械故障识别困难的问题,提高故障诊断的准确率,提出一种基于DE-SVM的穴盘自动苗取苗机构故障诊断方法。首先,采用经验模态分解(Empirical Mode Decomposition,EMD)、变分模态分解(Variational Mode Decomposition,VMD)等预处理方法挖掘潜藏在取苗机构原始振动信号中的故障信息;其次,分别从原始振动信号和预处理信号中提取时域统计特征,再运用距离评估(Distance Evaluation,DE)技术获得表征取苗机构故障的敏感时域统计特征,构建特征向量序列;最后,结合支持向量机(Support Vector Machine,SVM)分类算法对取苗机构运行状况进行识别。室内试验结果表明:此方法可有效区分取苗机构滑道故障、凸轮故障、弹簧故障和正常状况等4种工况,具有运算复杂度低、识别准确率高的优点,可为自动移栽取苗机构工况监测提供一种参考。

相似度检测法在遗传性疾病和遗传位点上的应用

在生物学中,寻找致病位点、表现型性状差异及疾病的易感性等都属于分类问题,目的是把等待处理的样本进行分类,找出异常数据。相似度的优点在于类与类之间寻找异常数据,将相似度检测运用于致病位点的查询,结合卡方检验和支持向量机,能更精确地找到致病位点。实验中相似度检测得到的致病位点和卡方检验得到的致病位点都有可能是该病的致病位点,致病位点可能存在于两者的集合之中,同时根据支持向量机的小样本、非线性问题中表现出许多特有的优势,在实验中使用支持向量机进行建模,在模型精度较高的基础上确定各个位点的权重,权重大的位点对结果的影响明显,达到筛选出最有可能致病的位点的目的。