基于过程支持向量机的航空发动机润滑油消耗率预测

分析了目前航空发动机润滑油消耗率监控现状及其不足,提出了一种基于过程支持向量机的润滑油消耗率预测方法,针对润滑油消耗率实际数据有较大波动性的特点,使用了样条插值增加样本点的方法来提高预测精度。通过润滑油消耗率预测实例对提出的方法进行了检验,实例结果表明过程支持向量机能够比较准确地对润滑油消耗率进行预测。

一种过程支持向量机模型及其若干理论性质

针对时变信号模式分类问题,建立一种过程支持向量机模型.该模型的输入为时变函数,通过核函数变换将动态模式映射到高维特征空间,经过学习训练集中函数样本类别特性,自适应提取动态模式的过程特征,直接分类辨识时变信号.证明过程支持向量机与单隐层前馈过程神经元网络的二分类能力等价;将复杂的动态模式集合非线性地映射到高维特征空间,提高动态模式的可分性;传统支持向量机是过程支持向量机的一种特例等理论性质.

一种过程支持向量机模型及其在油水层判别中的应用

针对时变信号动态模式分类问题,提出一种过程支持向量机模型PSVM.过程支持向量机的输入可为时变函数(或函数向量),通过核函数变换将动态模式映射到高维特征空间,经过对训练样本集中过程支持向量类别特性的学习,可直接建立时变信号的分类模型.给出过程支持向量机的一般模型和求解算法,油水层判别仿真实验结果验证了模型和算法的有效性.

基于支持过程向量机的航空发动机排气温度预测

针对航空发动机气路性能衰退主要是由时间累积效应造成的这一问题,为反映航空发动机气路性能参数时间序列中实际存在的时间累积效应,以预测航空发动机气路性能衰退规律,本文从泛函分析的角度出发,提出了一种支持过程向量机模型。并建立了基于支持过程向量机的时间序列预测模型,且以Logistic混沌时间序列预测为例验证了该预测模型的有效性。在此基础上建立了基于支持过程向量机的航空发动机排气温度预测模型,并采用遗传算法进行模型参数的优化选择。通过航空发动机排气温度预测实际应用案例对提出的模型进行了验证,实验结果表明:支持过程向量机预测结果的平均相对误差为2.81%,优于传统支持向量机的预测结果。

一种过程支持向量机及其在动态模式分类中的应用

针对一般SVM在机制上难以直接对动态模式进行分类的问题,提出了一种基于函数正交基展开的过程支持向量机.该模型的输入为时变函数,输出为模式类别.在输入函数空间中选择一组适当的正交函数基,将输入函数在该组函数基下进行有限项展开,把展开式系数作为核函数的输入.由于时变函数在基函数映射下与展开式系数一一对应,从而可利用SVM的变换机制实现动态模式分类.给出了基于SMO的求解算法,实验结果验证了模型和算法的有效性.

基于涡流搜索算法的过程支持向量回归机模型

针对传统支持向量回归机在机制上难以直接对时变信号进行处理的问题,提出了一种用于时间序列预测的过程支持向量回归模型,采用涡流搜索算法优化选择模型参数,采用UCI(University of California Irvine)数据库的空气质量数据集和比利时SIDC(Solar Influences Data Analysis Center)的太阳黑子数据进行仿真实验。实验结果表明,该模型预测结果均优于粒子群过程支持向量回归机和支持向量回归机的预测结果,具有较好的预测能力。

基于过程支持向量回归机的油田开发指标预测模型

针对传统支持向量回归机在机制上难以直接对时变信号进行处理，提出了一种用于时间序列预测的过程支持向量回归模型，面向油田开发指标综合分析预测等问题，提出了一种过程支持向量回归机模型，建立了基于涡流搜索的优化学习算法，方法可综合历史数据和开发条件，实现对油田开发指标的预测。