基于单分类算法OSVM船用燃气轮机状态评估

针对船舶综合监控系统中存储有海量的设备正常运行时的数据没有得到充分利用,此外设备退化时的故障数据难以获取,无法训练传统的多分类退化检测模型,提出利用单分类算法OSVM来建立模型,从而实现退化检测,在该过程中只需用正常样本数据来训练模型,并在一个经过实船数据验证过的模拟器产生的数据集上进行了试验。结果显示,只需要400个正常样本就可训练出准确的退化检测模型,该模型在精确度、召回率、特异性、正确率、AUC这5个指标都有很好表现。此外,该退化检测模型有很好的扩展性,也可用于其他机械设备的状态评估。

混沌理论和支持向量机结合的负荷预测模型

根据电力负荷序列的混沌特性,提出混沌理论和蚁群优化支持向量机结合的电力系统短期负荷预测新方法,以相空间重构理论确定支持向量机的输入量个数;训练样本集由对应预测相点的最近邻相点集构成,且是按预测相点步进动态相轨迹生成;采用蚁群优化算法对支持向量机敏感参数进行优化,从而可增强预测模型对混沌动力学的联想和泛化推理能力,提高负荷预测的精度和提高预测稳定性。对某地区负荷系统日、周预测仿真测试,证明其可获得稳定的较高预测精度。

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。