基于列车运行仿真和SVR组合的地铁新线牵引能耗预测方法

新线牵引能耗预测可用以辅助线路的规划设计及列车选型,进而实现牵引节能.地铁新线牵引能耗受线路条件、列车属性等因素的综合影响,传统的仿真方法简化多种参数,而大数据预测方法忽略列车物理运动过程,均难以保证新线牵引能耗的预测效果.因此,提出一种将列车运行仿真与支持向量回归(SVR)相结合的组合预测方法预测地铁新线牵引能耗,并采用交叉验证方法及遗传算法对SVR参数进行寻优.研究结果表明:仿真与SVR相结合的组合预测方法优于单一预测方法,在95％的置信水平下,地铁新线牵引能耗预测精度可达90％.     

支持向量机在地铁车站深基坑围护结构变形预测的应用

利用支持向量机理论对深基坑支护结构的变形量进行分析和预测,建立了预测支护结构最大变形量的支持向量机预测模型。预测结果表明,该预测模型有很高的预测精度,并应用于南京市某地铁站实际工程。     

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。     

一种电流型PWM逆变器的电荷轨迹控制法

采用空间向量原理，从空间电荷向量端点轨迹逼近于国出发，推导出ＰＷＭ脉冲模式的算法，同时采用８０９７微处理器实现这种脉冲模式和对逆变器进行控制。由实验波形看出，在较低频时逆变器的输出电流为三相对称的近似的正弦波电流，消除了低频时有害的寄生脉动转矩。     

基于支持向量机法的混凝土强度对拼宽T梁桥 时变可靠度影响分析

基于支持向量机法,研究了拼宽T梁桥的效应函数在小样本条件下的隐式函数拟合精度问题,误差小于5%;将拟合的隐式函数用于构建正截面抗弯承载力功能函数,分析了拼宽桥的时变可靠度变化规律。研究结果表明:SVM法预测结果偏小;分析强度时变效应及收缩徐变因素,在70 a内梁片结构可靠指标降低速率及幅度不显著,且较不分析时变效应时高;假设旧梁运营20 a后进行拓宽,新梁运营45 a内,拼宽桥体系可靠指标降低速率相对平缓;新梁运营45 a后,拼宽桥体系可靠指标减少则值得关注。     

基于支持向量机的车辆自动分类方法

提出一种基于支持向量机(Support Vectir Machine，SVM)理论的车辆分类方法，通过CCD摄像机采集标准车辆图像，由边缘检测算法获取图像中的车辆特征数据长度和宽度作为训练样本，离线训练SVM，得到分离器，然后将测试车辆的特征数据作为测试样本，根据本文提出的分类方法，通过离线获得的分类器对车辆类型进行判决，从而为交通参数的准确检测提供依据。实验表明SVM在有限训练样本情况下具有良好的泛化能力。     

基于改进移动最小二乘法的结构可靠性分析

基于改进移动最小二乘法对结构可靠性问题进行分析,数值模拟结果表明,改进方法可有效提高计算精度.具体方法是使用椭圆范数代替二范数来度量样本点到中心点的距离,并根据上次迭代所得到的响应面在中心点处的法向量与坐标轴所成角度,对影响域进行旋转变换;从而将样本点的权重大小由样本点与中心点、响应面的距离共同决定,并将每次迭代得到的响应面函数在中心点处的法向信息包含在内.     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

融合式空间塔式算子和HIK-SVM的交通标志识别研究

在交通标志识别问题上,提出了一种基于融合式的空间塔式算子和直方图交叉核支持向量机(HIK-SVM)的分类方法.在该方法中,通过提取图像的灰度塔式词袋直方图(Gray-PHOW)特征、颜色塔式词袋直方图(Color-PHOW)特征和塔式边缘方向梯度直方图(PHOG)特征来对交通标志的外观、颜色和轮廓信息进行描述.通过提取空间塔式直方图特征,能很好地对图像各种特征的空间分布状况进行描述.提取到图像的外观、颜色、轮廓和特征的空间分布信息后,对其进行融合,最后得到的融合式的空间塔式特征具有很强的鲁棒性.将该融合式特征送入HIK-SVM进行训练和分类,取得了极其高的识别效果.