基于高斯混合模型与改进网格搜索法的轴承故障诊断

为提高轴承复杂故障的诊断准确率,将高斯混合模型与改进网格搜索法相结合,开展了轴承故障诊断方法的研究,对不同情况下的轴承故障进行了诊断。首先将采集的数据进行了适当分段,利用混合高斯分布拟合各段数据,提取统计特征量作为故障特征指标;然后分别采用普通网格搜索法和改进的网格搜索法进行参数优化;最后以支持向量机作为分类器对轴承故障进行了诊断,并将2种优化算法的准确率进行了对比。结果表明:所提出的故障诊断方法准确率更高。

基于改进的网格搜索SVR的话务预测模型

话务预测是整个通信保障工作的基础,其预测精度决定了整个规划的合理性和科学性。而节假日话务量,具有历史样本量较小和非线性强的特点,传统的预测方法很难实现精确的预测。支持向量机在解决小样本和非线性问题时表现出许多特有的优势。提出了一种改进的网格搜索法和交叉验证法对支持向量回归机(SVR)参数优化选择,并对节假日忙时话务进行预测,并与BP神经网络、基本的SVR和网格搜索SVR三种预测模型进行比较。而且用免疫算法和粒子群算法优化SVR参数与本文算法作比较来预测普通日子的话务量。实验结果表明,基于改进的网格搜索SVR预测精度高、耗时少、稳定性强,具有很好的实用性和推广性。

改进GSM-RFC模型在回采巷道围岩稳定性分级的预测

为对回采巷道围岩稳定性等级进行准确分类,在分析回采巷道围岩稳定性影响因素的基础上,采用改进网格搜索法(GSM)对随机森林分类(RFC)算法关键参数进行搜索确定.首先对RFC中生成决策树的叶节点最小记录百分比进行最优选值,而后以预测准确率为目标函数,借助改进GSM两次搜索确定RFC关键参数,并对各影响因素重要程度进行排序.从95组现场数据中选取80组作为训练集,15组为测试集,并将预测结果与GSM-RFC、RFC对比.研究结果表明:RFC最优叶节点最小记录百分比为58%,最优分裂属性值为3,最优决策树棵树为420;较GSM-RFC与RFC模型,改进GSM-RFC模型有更高的准确率(97.778%)、Kappa系数(0.970)和较合理的运行时间(482.772s),表明改进GSM-RFC模型具有更好的拟合效果和泛化误差,可以满足工程实际需要.

基于SVR的城市燃气管道泄漏定位研究

为解决城市燃气管道泄漏定位问题,提出将支持向量机回归(SVR)应用于实验室的管道系统泄漏定位研究中,用一种改进网格搜索法优化SVR参数,建立定位模型对管道泄漏进行定位,将该定位模型与BP神经网络和传统SVR定位模型进行比较。用粒子群优化算法(PSO)、遗传算法(GA)和常规网格算法优化SVR参数来与改进网格算法比较泄漏定位结果。研究结果表明:用改进网格搜索法参数优化后的SVR能够迅速定位泄漏点,定位精度达到94.03%,其精度和稳定性优于其他方法。

基于灰色关联和PSO–SVM的葡萄霜霉病的短期预测

运用灰色关联分析法(GRA)筛选出北京市房山地区的主要气象因子,作为支持向量机(SVM)模型的输入特征向量,通过粒子群算法(PSO)优化SVM的惩罚因子C和核函数参数δ,建立了基于灰色关联和PSO–SVM的葡萄霜霉病短期预测模型,应用该模型对该地区未来1 d的葡萄霜霉病发病等级进行短期预测。与改进网格搜索法优化的SVM模型、经验选择参数的标准SVM、不同训练函数和粒子群算法优化的BP网络模型进行比较,结果基于灰色关联分析的PSO–SVM模型预测效果最好,对葡萄霜霉病发病等级的预测正确率为95.24%,与基于全部气象因子的PSO–SVM模型相比,预测正确率提高了1.19%,运行速度快1.81 s。

基于BP-SVM模糊信息粒化掺烧煤泥循环流化床经济性建模

目前循环流化床（circulating fluidized bed,CFB）技术是工业综合利用低价煤泥的最佳处理方式,同时煤泥掺烧技术也是提高CFB机组经济性的重要手段。以某300MW CFB机组DCS稳态数据为样本,利用BP（back propagation）网络算法选择模型输入变量;供电煤耗经模糊信息粒化（fuzzy information granulation,FIG）提取有效信息后作为模型输出训练样本;利用支持向量机（support vector machine,SVM）建立实际运行工况参数与供电煤耗之间的BP-SVM模糊信息粒化模型。研究建立了实际运行数据驱动下的机组经济性预测模型,是优化掺烧煤泥CFB机组经济性的模型基础。

基于SVM的船用柴油机增压换气系统的故障诊断

采用SVM对不同运行工况下的柴油机增压换气系统进行故障诊断,为了提高SVM对柴油机换气系统故障诊断效率和准确率,选取最佳的支持向量机模型具有重要意义。热工参数相对偏差分析可以解决柴油机不同运行工况下的标准建模问题,分别采用交叉验证、网格搜索算法、粒子群算法、遗传算法对支持向量机模型进行参数(c、g)寻优,且得出网格搜索算法最适合换气系统的故障诊断,寻优的SVM分类准确率也最高,基本上都在90%以上,然后以此为基础,提出改进的网格搜索算法,分类准确率与传统网格搜索算法相差不大,但是时间大幅度减少,达3倍左右。研究成果为柴油机换气系统的故障数据分类识别提供更有效的方法参考,也为柴油机系统的诊断提供训练样本和趋势分析。

基于改进GS-SVM的煤炭生产成本预测

原煤生产成本同时受到多种因素的共同影响,导致原煤生产成本系统具有非线性、多维性等特点。为了对原煤生产成本进行更加科学、准确的预测,针对目前我国原煤生产成本预测中存在的问题,将支持向量机(SVM)引入到原煤生产成本预测中。为快速准确地选取支持向量机参数,在传统网格搜索(GS)算法基础之上提出了一种改进网格搜索算法,并建立了一种基于改进GS-SVM的煤炭生产成本预测模型。将该模型用于观台煤矿原煤生产成本预测中,模型预测误差均在5%以下,平均误差3.3673%,预测精度高于多元回归分析,而模型训练时间也远低于传统网格搜索算法和启发(粒子群)算法,能够满足实际原煤成本预测需求。