2205双相不锈钢焊接应力与变形的SVM回归预测研究

针对川东造船厂特种船舶制造使用的2205双相不锈钢,在其焊接试验的基础上分别建立了双相不锈钢焊接应力和收缩变形的支持向量机(SVM)回归预测模型,并与传统的逐步回归方法进行比较,较好地模拟了焊接残余应力和变形与板厚、焊接电流、电弧电压、焊接速度等工艺参数之间的非线性关系.计算结果表明,SVM回归比传统的逐步回归在预测精度和泛化能力上都有很大的提高.     

堤岸工程加固基础沉降位移预测

根据地下工程沉降位移时间序列的非线性性质,基于相空间延迟坐标重构理论和支持向量机的非线性映射能力,能充分利用时间序列信息,揭示加固基础变形系统的非线性性质,预测加固基础沉降变形的演化趋势。通过在珠江黄埔港地基加固静荷载检测位移模型预测研究表明,基于相空间重构和改进的v-支持向量回归机（v-SVR）的时间序列预测方法具有很高的预测精度,并为基础加固工程沉降位移预测预报系统的构建提供了一种有效的方法。     

基于粒子群优化支持向量回归机的渲染时间预估

通过对使用V-Ray渲染器的渲染系统进行深入分析,提取出影响渲染时间的13个特征参数,研究了基于粒子群优化支持向量回归机(PSO-SVR)的渲染时间预估方法,采用粒子群算法随机搜索策略优化支持向量回归机的训练参数,获得了较优的支持向量回归机预测模型,实现渲染时间的准确预估.实验结果表明,在渲染时间预估中,PSO-SVR比BP神经网络和逐步回归预测精度高,并且具有较好的泛化能力.     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.     

BP神经网络预测船体焊接变形

实现无余量造船的重要前提是准确预测船体结构的焊接变形,从而满足造船精度要求。由于焊接变形的起因以及现场工作环境非常复杂,几种回归公式难以完全覆盖所有范围。为此,本文应用C 语言实现BP神经网络学习算法,来预测船体构件焊接横向变形和角变形。     

船舶动力定位系统的在线模型预测控制

针对船舶动力定位问题提出了基于线性核函数在线支持向量回归的模型预测控制方案.在线支持向量回归算法的引入可以通过在线调整,确保预测模型的精确性.基于线性核函数的模型预测控制能够方便、迅速地求取控制律的解析表达式,保证控制律的最优性以及算法的快速性.仿真结果证明了该控制方案的有效性.     

舰船批量建造费用的组合预测应用研究

研究了舰船批量建造费用的组合预测问题.首先依据舰船批量建造费用的变化特点,采用生长曲线法、数据平滑法、灰色分析法对费用进行预测,然后运用支持向量机的回归算法对3种预测方法的预测值进行有机组合,建立了舰船批量建造费用的组合预测模型,最后利用样本数据分析了一个参数变化对预测性能的影响,给出了支持向量机参数选择的依据.仿真结果表明,该模型能明显提高系统预测的精度和稳定性,可用于舰船批量建造费用的预测和估算,具有较大的实用价值.     

基于PSO_SVM模型的水火弯板变形预测研究

近年来,水火弯板加工自动化是船舶制造行业的研究热点和难点。由于影响钢板变形结果的参数之间复杂的非线性关系,导致水火弯板变形预测不能够快速准确的实现。支持向量机(SVM)具有良好的泛化能力,将其应用于水火弯板变形预测,可有效解决非线性、小样本、高维数等问题。支持向量机性能的好坏取决于其参数的选取,本文选用粒子群算法(PSO)来优化SVM的相关参数,并将预测结果和传统的支持向量机模型的预测结果进行对比分析。结果表明,PSO_SVM模型用于水火弯板变形预测可以较好地提高预测精度。     

基于支持向量机回归方法的舰船修理价格预测研究

对常规预测方法和支持向量机回归模型用于舰船修理价格预测进行比较，着重分析应用支持向量机进行舰船修理价格预测的具体形式以及方法特点，并给出应用实例，结果令人满意。     

加权支持向量回归算法在运力预测中的应用

支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。本文在分析现有基于高斯核的支持向量回归方法优缺点的基础上,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一思维定势,提出了一种新的算法——"基于高斯核参数加权的支持向量回归机"算法,并将该算法应用在世界散货船队运力预测中。估算结果证明了这种改进的支持向量回归算法在船队运力预测中的有效性和实用性。     

支持向量机回归方法在船型要素建模中的应用

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法，是一种处理非线性分类和非线性回归的有效方法。采用支持向量机回归算法对船型主要要素进行建模，并与常规的回归建模方法进行比较。同时应用实例进行论证，估算结果证明了这种支持向量机回归算法在船型要素建模预测中的有效性和实用性。     

大型船舶结构焊接变形固有应变法预测研究

大型复杂船舶结构在焊接过程中产生的焊接变形会使结构强度降低,而通过精确预测和控制焊接变形可实现精度制造的目的.文中介绍了焊接变形预测固有应变法的应用现状,并利用固有应变理论对大型复杂LNG液舱结构的焊接变形进行预测.     

基于支持向量机的可靠性增长费用建模与分析

支持向量机是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法，具有完备的理论基础。首先应用支持向量机原理建立了基于支持向量机的多参数武器装备可靠性增长费用预测模型，然后对我军某型现役装备使用阶段可靠性增长费用数据进行了预测与分析。结果表明，与一般的回归分析相比，基于支持向量机的回归模型具有很好的预测精度。     

基于最小二乘支持向量机的船舶水下焊接质量在线监测

以径向基函数(radial basis function,RBF)为核函数,将最小二乘支持向量机(least squares support vector machines,LSSVM)预测模型应用于船舶水下焊接质量在线监测.提出了一种自适应优化方法确定该模型中的可调超参数和核宽度参数,并建立了实时显示和报警系统.实验结果表明,该方法预测误差较小,建模耗时少,适合于船舶水下焊接质量在线监测.     

一种新的支持向量回归算法及其在集装箱吞吐量预测中的应用

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地对应解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。文章提出了一种新的基于单参数的Lagrangian支持向量回归算法,并将该算法应用在集装箱吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在集装箱吞吐量预测中的有效性和实用性。     

基于固有应变的海洋平台典型结构焊接变形预测

应用热弹塑性有限元分析和弹性有限元法,对半潜式起重拆解平台中连接平台和浮体的典型结构进行焊接变形的预测。通过对焊接接头的预测分析,得到其固有应变,再将计算得到的固有变形以载荷的形式加载到整个结构中,得到整个结构的焊接变形。通过对3种焊接顺序的比较,得到焊接变形最小的方案。在此基础上,考虑开口对结构焊接变形的影响。研究结果将对半潜式起重拆解平台特殊结构的焊接工艺优化提供理论支撑和数据支持。     

五自由度无轴承异步电机动态解耦控制

为实现五自由度无轴承异步电机高精度动态解耦控制,提出一种基于最小二乘支持向量机逆的解耦控制方法.首先,建立五自由度无轴承异步电机数学模型并进行可逆性分析,然后,利用最小二乘支持向量机在有限数据样本下对高维非线性函数的回归能力来辨识五自由度无轴承异步电机逆模型,并利用粒子群算法优化最小二乘支持向量机的参数,以提高对逆模型的拟合和预测精度,最后,将最小二乘支持向量机逆与原系统相串联得到伪线性系统,并设计PID闭环控制器对五自由度无轴承异步电机进行复合控制,实现了原系统径向位移、轴向位移、转速以及磁链间的非线性动态解耦.仿真研究验证了该控制策略的有效性.     

基于固有应变的海洋平台典型结构焊接变形预测

针对半潜式起重拆解平台,运用热弹塑性有限元分析和弹性有限元法,对平台中连接平台和浮体的典型结构,进行焊接变形的预测。通过对焊接接头的预测分析,得到其固有变形,再将计算得到的固有变形,以载荷的形式加载到整个结构中,得到整个结构的焊接变形。通过对三种焊接顺序的比较,得到焊接变形最小的方案。在此基础上,考虑开口对结构焊接变形的影响。研究结果将对半潜式起重拆解平台特殊结构的焊接工艺优化提供理论支撑和数据支持。     

基于Weld-sta软件的船体结构焊接变形预测

预测船体复杂结构的焊接变形对制造工艺设计和精度控制具有重要的工程价值.基于固有应变理论,利用船体结构焊接变形预测专用软件Weld-sta对多用途船双层底结构焊接变形进行了预测,发现船长方向收缩最大变形量为13.2mm,船宽方向最大变形量14.5 mm.通过数值模拟结果与实验实测值的对比,可以得到软件计算的精度超过80%,验证了固有应变理论及软件用于焊接变形预测的可靠性,并在此基础上针对船体总段船台合拢的焊接变形进行了预测,发现焊接总收缩变形量为50.339 mm,与实际加工经验基本吻合.根据此结论可以针对各船体总段预留合理的焊接变形收缩量,验证了固有应变为基础的弹性板单元有限元预测法在船体总段合拢焊接中应用的可行性.     

基于单参数的Lagrangian支持向量回归算法及其应用

支持向量机（Support Vector　Machines，SVM）是基于统计学习理论框架下的一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能，该方法已成为当前国际机器学习界的研究热点，能较好地对解决小样本、高维数、非线性和局部极小点等实际问题。提出了一种基于单参数的Lagrangian支持向量回归算法，并将该算法应用在外贸货物吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在吞吐量预测中的有效性和实用性。