面向矿井动目标的PSO-SVR模型与UWB Chan优化距离指纹融合定位方法

针对目前井下人员、车辆、设备等移动目标位置精确管理存在的不足,本文对面向矿井动目标的定位算法与指纹定位模型进行研究。设计出一种基于改进粒子群优化SVR模型与Chan优化距离指纹匹配融合定位方法。首先,构建一种基于STM32 ARM主控制器和DWM1000的超宽带(UWB)核心节点模型,通过双边双向测距和飞行时间法(TOF)对传输距离数据进行计算。在此基础上,通过依次在特定点采集距离指纹,基于改进的PSO-SVR模型进行移动目标路线拟合,预测目标的移动路径。再将其与Chan指纹进行结合,拓展出优化距离指纹融合定位方法。实验结果表明,本文提出的指纹优化匹配融合定位方法能够较好地预测出移动路径,最大误差不超过20 cm,平均误差不超过1 cm。本文研究对矿井智能化建设及安全生产具有重要意义。

基于PSO-SVR模型的温室智能补光系统研究

为解决目前设施农业中传统补光系统智能化、自动化不足和能耗较高的问题,设计一种基于PSO-SVR的智能补光系统。该系统通过采集温室现场环境信息,将温度和CO2浓度作为输入值,光饱和点作为输出值,建立支持向量回归模型,模型建立时利用粒子群算法进行参数寻优,保证模型的鲁棒性和准确度。通过训练测试,粒子群优化算法结果为惩罚参数c=44、核函数参数g=0.93,建立支持向量回归模型时,选用RBF核函数时模型相关系数最大为0.991,回归准确率达97.6%,可以作为补光策略执导。系统使用搭载Android平台的嵌入式设备为核心控制器,结合农业物联网技术,实现数据可视化、远程控制等功能,试验证明整个系统可以稳定高效地运行。通过对比传统补光系统策略,本系统节能效果达10%。该系统为解决目前设施农业中的光环境智能调控、补光系统的节能减排等问题提供了一种途径。

基于PSO-SVR模型的温室病害预警防治系统

为了解决温室植物病害预警、防治不及时的问题,设计了一种基于粒子群优化的支持向量机(PSO-SVR)模型的温室物联网预警系统。系统通过对观测数据进行分析训练,进而建立起植物病害预警模型,根据预测结果,结合易产生黄瓜病害的环境参数范围选择是否向用户发出预警警报,利用温室物联网控制技术实现对植物病害的生态防治。同时系统可以向搭载Android平台的设备发送提醒消息,并可以进行远程监控。该系统利用Wi-Fi技术将传感器系统和嵌入式设备组成星型网络,根据传感器返回的有效环境参数数据,通过PSO-SVR模型对温室温度、湿度参数进行预测,预测准确率分别为97.6%、96.8%,可以用作理论指导。测试结果表明,该系统响应时间短、运行稳定,可有效地监测并预测温室环境参数,对于植物病害的防治有较好的实际作用。

基于PSO-SVR模型的再生水利用潜力预测分析——以河北省为例

选取制约河北省再生水利用的经济投资、设施建设和用水因素三方面9个指标,通过使用粒子群优化算法支持向量回归机PSO-SVR模型,建立了自变量与再生水利用量之间的非线性函数映射关系,并对河北省再生水利用量进行了预测分析。结果表明,PSO-SVM模型,具有较好的预测精度与泛化能力,优于PCR回归模型和逐步回归模型。运用该模型对2020年、2025年河北省再生水利用量进行了预测,并计算了再生水利用率,再生水利用量影响因素的敏感性分析表明,用水状况因素指标对再生水利用量的影响作用最大,是影响河北省再生水利用量的主要因素。

应用灰关联分析的PSO-SVR工程造价预测模型

为了准确预测与控制工程造价水平,提出一种基于灰关联分析(GRA)与粒子群优化(PSO)的支持向量回归机(SVR)组合预测模型.将GRA提取的工程造价主要指标向量输入PSO-SVR模型预测造价,采用PSO优化的SVR模型进行工程造价预测,对比分析PSO-SVR模型和其他智能模型,对某一地区相同输电工程进行造价预测.结果表明:基于灰关联分析的PSO-SVR模型的造价预测效果更理想,预测精度更高.

基于代理模型的转子系统不平衡定量辨识

提出了一种基于代理模型的转子系统不平衡定量辨识方法:采用拉丁超立方抽样和转子系统的有限元模型获取训练样本,采用粒子群算法优化的支持向量回归(PSO-SVR)构建代理模型,建立不平衡参数与各测点振动响应的对应关系;构建用于求解不平衡参数的目标函数,并借助建立的代理模型,采用PSO算法寻找满足目标函数的全局最优解,从而达到不平衡定量辨识的目的.并通过仿真算例来验证该方法的准确性和鲁棒性.结果表明:该方法能有效地辨识出转子系统中的不平衡参数,当有限元模型具有较小的误差时,仍能取得较准确的辨识结果,但尽量提高有限元模型的精度仍是不平衡参数辨识结果准确性的重要保障.

基于Holt-Winters和PSO-SVR的快递业务量最优加权组合预测

实现快递业务量的精准预测意义重大,为了进一步提高快递业务量的预测精度,提出一种基于霍尔特-温特斯(Holt-Winters)和粒子群优化支持向量回归(PSO-SVR)的最优加权组合预测模型.首先利用最优加权组合预测方法将构建的Holt-Winters模型和PSO-SVR模型进行组合,然后选取我国2017-2021年快递业务量季度数据验证模型的有效性,将组合模型与GM(1,1)等经典模型的预测结果相比较,最后对我国2022年第1季度至2023年第2季度的快递业务量进行预测.结果表明,组合模型得出的预测值更准确,预测精度优于对比模型,具有一定的理论和实用价值.

考虑稳健性的汽车结构耐撞性优化设计

本文中基于C-NCAP中40%重叠度的偏置碰撞工况对某轿车进行结构耐撞性优化。为提高输出响应的预测精度,使用基于粒子群算法优化的支持向量回归模型来拟合设计变量与输出响应之间的关系,并利用非支配排序多目标遗传算法Ⅱ获得该优化问题的Pareto前沿。在确定性优化的基础上,并考虑产品性能在不确定因素影响下的波动,对其进行稳健性优化设计。最后,对优化结果进行有限元仿真验证。结果表明:优化后,结构质量减轻,耐撞性能明显提升,同时保障了稳定的产品性能。

基于PSO-SVR双层不平行振动筛分性能的数值仿真

针对目前双层振动筛筛面倾角的不确定性,首先利用离散单元法(Discrete Element Method,DEM)对双层振动筛筛面倾角进行了研究,同时通过粒子群算法(Particle Swarm Optimization,PSO)优化支持向量回归机(Support Vector Regression,SVR)的惩罚参数和核参数并对双层振动筛DEM仿真结果进行了非线性回归建模。结果表明:当上下层筛面之间有一定夹角时,筛分效率有着明显的变化;通过粒子群智能算法对非线性回归模型进行筛分参数寻优,得到筛分参数为:上层筛的筛面倾角为13°,下层筛的筛面倾角为9°,上层筛的振幅为3.4 mm,下层筛的振幅为1.7 mm,上层筛的振动频率为13 Hz,下层筛的振动频率为17 Hz,上层筛的振动方向角为50°,下层筛的振动方向角为35°;PSO-SVR模型对建立双层振动筛的筛分参数与筛分效率之间的数学模型具有参考意义。