采用改进遗传算法优化LS-SVM逆系统的外转子无铁心无轴承永磁同步发电机解耦控制

为了实现外转子无铁心无轴承永磁同步发电机(outer rotor coreless bearingless permanent magnet synchronous generator,ORC-BPMSG)的精确控制,提出一种基于改进遗传算法(improved genetic algorithm,IGA)优化最小二乘支持向量机(least square support vector machine,LS-SVM)逆系统的解耦控制策略。首先,基于ORC-BPMSG的结构及工作原理,推导其数学模型,并分析其可逆性。其次,建立LS-SVM回归方程,并采用IGA优化LS-SVM的性能参数,从而训练得到逆系统。然后,将逆系统与原系统串接,形成伪线性系统,实现了ORC-BPMSG的线性化和解耦。最后,将提出的控制方法与传统LS-SVM逆系统控制方法进行对比仿真和实验。仿真和实验结果表明:所提出的控制策略可以较好地实现ORC-BPMSG输出电压和悬浮力、以及悬浮力之间的解耦控制。

MLTS-LS算法在矿浆细度检测中的应用

针对传统矿浆细度检测的离线筛分法效率低且不能及时反馈至上层磨矿系统的问题,为开发出细度自动检测技术,提出一种曲面拟合算法,即:基于最小二乘法改进的移动最小截平方法(MLTS-LS,Moving Least Trimmed Square-Least Square)对矿浆细度数据进行曲面拟合,以达到快速检测矿浆细度的目的。首先,通过细度检测试验采集矿浆细度三维离散数据;其次,计算分析“Nearest”、“Linear”、“Cubic”、“V4”和传统的最小二乘法的曲面拟合评价指标,提出一种改进的插值算法;最后,将“MLTS-LS”算法应用于矿浆细度三维离散数据的拟合。结果显示,“MLTS-LS”算法的和方差值与均方差值明显小于其他算法,且其确定系数值与校正决定系数值均接近于1,表明“MLTS-LS”算法对矿浆细度三维离散数据的拟合效果较好。

基于LS算法的OFDM信道估计的研究与改进

OFDM信道估计中,LS算法因其运算简单,得到了广泛应用。但是在实际的系统中,由于有非理想因素的存在,使得该算法受到载波间干扰(ICI)噪声的影响;并且突发传输时,信道响应会受到外界噪声的干扰,使估计的信道响应幅值在一定范围内上下波动,并带有尖峰和毛刺。为了解决此问题,提出了一种基于LS算法的最优化FIR滤波器(切比雪夫滤波器)信道估计算法。切比雪夫滤波器在过渡带衰减很快,和理想滤波器的频率响应曲线之间的误差最小,因此该算法较之传统的加窗算法,能保证局部频率点的性能也是最优的,进而有效地减小均方误差(MSE)。在高斯白信道环境下引入突发噪声,对所提方案进行了仿真,其结果验证了该方法能有效消除通带内因突发传输引起的毛峰和尖刺。

一种改进的LS信道估计算法

LS估计算法不需要了解信道的统计特性,从而对接收机结构要求比较简单,但是噪声的存在使这种信道估计的性能与理想信道差异很大,对系统性能影响较大.在研究分析了最小平方(Least Square LS)信道估计算法的基础上,对该算法进行了改进,降低了噪声对信道估计的影响.仿真试验表明该算法减少了信道估计的均方误差,提高了LS估计算法的正确性.

基于LS-LMS的智能天线自适应干扰抑制方法

针对基于训练序列的智能天线自适应干扰抑制系统,提出了一种最小二乘(Least squares,LS)-最小均方(Least mean squares,LMS)智能天线自适应干扰抑制方法,该方法首先利用小快拍数LS方法为LMS方法提供初始加权矢量,然后用LMS算法更新加权矢量。对LS、LMS和LS-LMS三种算法复杂度分析比较得知新方法的计算量较小,在快拍数较大或阵元与快拍数均较大时都能有效地提高计算效率。仿真实验表明,新方法性能优于LMS算法,具有较快的收敛速度,且收敛速度与干扰环境无关。

一种降低OFDM移动通信系统中LS信道估计均方误差的算法

在基于OFDM的移动通信系统中,针对LS信道估计时域结果的构成特点,同时结合无线信道冲激响应在时域为有限持续长度的特性,提出一种新的算法估计信道有效阶数,然后利用该估计值对LS信道估计时域结果进行加窗处理以减小LS算法中由噪声和子信道间干扰引起的均方误差;LS算法性能的提高及其对系统误符号性能的改善通过计算机仿真得以验证。

SPA-LS-SVM检测土壤有机质和速效钾研究

应用可见/短波近红外光谱分析测量土壤有机质和速效钾含量。光谱预处理包括平滑,标准归一化,多元散射校正和平滑结合一阶导数,以消除系统噪声和外部干扰,分别应用偏最小二乘和最小二乘支持向量机方法建立校正模型,模型的输入为基于连续投影算法得到的特征波长。比较显示基于连续投影算法得到的特征波长为输入的最小二乘支持向量机优于偏最小二乘法建模。模型评价指标由相关系数和预测均方误差表示。有机质的相关系数和预测均方误差分别0.860 2和2.98,速效钾为0.730 5和15.78。表明基于连续投影算法可见/短波近红外光谱利用最小二乘支持向量机建模,可以作为一个精确的土壤有机质和速效钾的测定方法。

基于迁移学习工况划分的裂解炉收率PSO-LS-SVM建模

乙烯裂解炉收率的实时预测对于生产的先进控制及节能降耗具有重要意义。实际生产过程中,不同工况的收率具有较大差别,采用单一工况、单一模型无法满足生产需要。考虑到裂解炉不同运行过程中的相似性,同时为了减小建模过程中典型样本的采集成本,有效利用历史数据,辅以迁移学习算法实现工况的高精度划分。不同工况采用泛化能力强、训练速度高的最小二乘支持向量机建模,并利用粒子群算法对LS-SVM的参数寻优,进一步提高模型精度,从而实现了多工况、多模型的高精度收率预测。基于某乙烯厂现场数据的实验结果表明,多工况、多模型的预测效果更准确合理,PSO优化LS-SVM建立的裂解炉收率模型预测精度更高,趋势跟踪性能良好。

卧虎山水库不同算法LS因子值适用性分析

在总结以往LS因子相关算法研究基础上,结合Mc Cool的LS因子参照值,对LS算法的适用性进行评价分析。研究表明,除去复合算法和Remortel修正算法外,其他不同算法LS因子值都小于参照值;研究区LS因子值的最优算法为基于Remortel迭代运算的修正算法;其次为结合刘宝元的陡坡公式和Remortel改进L指数因子迭代运算的复合算法,以及Remortel第4版AML程序算法;再次为B?hner算法,而Moore算法和Desmet算法,由于其与参照值的相关性相对较差,而且其RMSE相对较大,不推荐在该区使用。

基于LS-SVM与遗传算法的数控机床热误差辨识温度传感器优化策略

提出了一种在数控机床热误差辨识建模过程中利用最小二乘支持向量机结合遗传算法对温度传感器进行筛选与优化的新方法,对布置在一台数控车床上的温度传感器进行了优化。根据热模态理论,对传感器进行分组,利用最小二乘支持向量机方法构建数控机床热误差辨识模型,再根据遗传算法对其进行传感器优化布置。结果表明,遗传算法与最小二乘支持向量机方法的结合,很好地避免了温度测点的相互影响,保证了模型精度。该台数控车床的轴向建模平均绝对百分比误差为1.89%,径向建模平均绝对百分比误差为2.04%。传感器使用数量减少,节约了硬件成本,提高了辨识建模速度。

基于动态自适应LS-SVM的数控机床热误差建模研究

热误差是造成切削加工工件精度低的重要因素,研究机床热误差是提高加工精度的有效措施。为此,综合考虑最小二乘法(LS)、支持向量机(SVM)和动态自适应算法的优势情况下,提出了一种基于动态自适应LS-SVM的数控机床热误差建模方法。为构建热误差模型,以数控机床XK713进行试验,通过温度和位移传感器分别获取机床温度值与主轴变形量,同时通过动态自适应算法,参数能够被优化,以及对所采集的数据进行最小二乘支持向量机建模,从而可得该数控铣床热误差模型。通过与LS热误差建模方法进行对比分析,结果表明:所提出的热误差模型的精度远优于LS模型。该方法为机床热误差建模的研究和应用奠定了基础。

基于IGA和LS-SVM的航空发动机磨粒识别

针对磨粒识别中的LS-SVM分类器性能参数难以选择的问题,提出一种改进的遗传算法(IGA)对其进行优化选择。该算法将轮盘赌选择法与最优保留法相结合,采用一种随世代数增加而不断自动调整的交叉概率和变异概率,既提高了收敛速度,又易得到全局最优解。基于IGA的LS-SVM分类器磨粒识别方法为,利用主成分分析法(PCA)优选磨粒特征参数,并将结果作为样本训练LS-SVM分类器;通过改进遗传算法优化分类器参数,并通过测试样本测试分类器性能。仿真实验结果表明,此分类器的分类精度高,分类速度快。

一类P/S_(ij)/C_(max)问题的LS算法分析

提出一类有准备时间的排序问题；分析了ＬＳ算法解此问题的最坏情况；修改了ＬＰＴ算法，使最差性能指标由４－２ｍ改进到８３－２３ｍ．

基于遗传算法的LS-SVM参数优选及其在经济预测中的应用

针对最小二乘支持向量机的参数优选,提出用遗传算法优化其有关参数,以经济系统中的人口数据对它进行训练,并用于预测城市的人口。最后,把最小二乘支持向量机与传统的BP网络预测结果进行比较,结果证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的。

遗传算法联合LS-SVM的苹果原醋成分定量分析

利用近红外光谱技术对苹果原醋中的重要指标进行定量分析,并进行模型优化以提高性能。采用遗传偏最小二乘法(GA-PLS)提取的特征波长作为最小二乘支持向量机(LS-SVM)的输入变量,先后建立苹果原醋中总酸、可溶性固形物的近红外定量模型,并与建立的偏最小二乘(PLS)模型结果进行比较。用决定系数(R^2)、预测均方根误差(RMSEP)以及相对分析误差(RPD)对模型进行评价,确定最佳建模方法。结果表明,相比于PLS模型,总酸及可溶性固形物指标的LS-SVM定量模型的R^2、RMSEP以及RPD值均有更好的表现,且在进行独立测试集验证时,LS-SVM模型的预测精度也明显优于PLS模型。说明遗传算法联合LS-SVM建立的定量模型有很高的准确度及稳定性,可以应用于苹果原醋总酸和可溶性固形物含量的快速检测。

LS-SVM算法在近红外光谱煤质分析中的应用

针对目前电力行业煤质分析的需求,提出了基于Hadamard近红外光谱的煤质分析技术,对Hadamard近红外光谱仪研制、控制分析软件设计、煤炭光谱信号采集、指标特征信息提取、定量模型建立五个环节综合考虑,研发了Hadamard近红外煤质分析系统.研究中,对41个不同质量指标的标准煤样进行了定量分析预测,考察了在相同粒径的条件下Hadamard近红外光谱对煤炭指标的预测能力,提出了基于ICA+LS-SVM算法的的煤炭指标预测方法,光谱数据与煤炭指标具有很好的相关性,相关系数普遍在0.9以上,取得了较好预测效果.

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型(HMM)和最小二乘支持向量机(LS-SVM)相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。

基于PSOGA的LS-SVM模型在时间序列预测中的应用

使用PSO与GA结合的混合算法PSOGA对最小二乘支持向量机(LS-SVM)模型的参数进行了优化,搜索到更优的参数,提高了模型的时间序列预测精度.在Mackey-Glass、Lorenz时间序列上的实验结果表明:本文模型预测精度较高.

基于GA和LS-SVM的AGV变结构控制

为了提高自动引导车控制的精度,提出了一种基于遗传算法和支持向量机的变结构控制方法。利用遗传算法结合支持向量机在线调整变结构控制律中的参数,克服了常规变结构控制方法中需预先设定趋近律参数的限制,既保留了传统趋近律的优点,又有效的改善了系统的控制品质,消除了系统抖振,使系统最终以理想方式在滑模面上运动,理论分析和仿真结果表明了所提出方法的有效性。

ANSYS/LS-DYNA在热镀锌板拉深成形中的应用

根据连续介质力学及有限元理论,运用动力显式算法建立有限元模型,利用ANSYS/LS-DYNA软件模拟镀锌薄板的拉深过程,分别采用不同的界面结合力进行拉深过程模拟,确定板料和镀锌层的界面结合力,并对钢板和镀锌层的应力结果进行比较分析,所得结果可为生产实际提供指导。