基于SVM的船舶废气涡轮增压器故障诊断研究

文章首先分析了支持向量机智能诊断的理论,接着介绍了废气涡轮增压器的原理及常见故障,最后研究其在船舶柴油机增压器故障诊断中的应用,并用仿真实验验证了支持向量机在柴油机废气涡轮增压器故障诊断中具有的拟合能力。研究表明,在正确选取特征参数的基础上,采用SVM方法进行船舶柴油机废气涡轮增压器智能故障诊断是可行的。     

电机故障识别模型优化研究

提出了基于优化BP神经网络的电机故障识别模型.针对以往隐节点数依靠经验选取,缺乏理论指导的问题,利用隐节点输出的相关系数对网络隐层优化,简化模型结构.实验结果表明,该优化方法可行、所建立的故障识别模型有效.     

一种基于深度学习的电机轴承故障诊断方法

针对电机轴承故障信号通常呈现出非线性和不稳定性这一缺点,利用短时傅里叶变换将振动信号转换成二维时频图作为输入训练卷积神经网络;再利用卷积神经网络的自学习能力学习电机轴承故障类型与故障特征之间的深层联系.仿真实验结果表明,相比较其他方法,该方法具有更高的诊断准确率,能够更有效地识别电机轴承故障.     

基于参数选择优化SVM算法的研究

在分析影响支持向量机分类能力参数的基础上,提出了支持向量机参数选择的方法——网格法,代替以往使用交叉验证法或凭经验确定参数的方法。网络法可以在限定的范围内对最优参数进行自动搜索,明确搜索的次序。     

基于HGA的智能交通调度优化方法研究

针对公交车辆运营调度的现状和存在的问题,采用免疫遗传算法对公交车辆智能调度进行优化研究.遗传算法的智能化特征能够有效地改善公交车辆运营调度的不足,提高公交车辆的静态调度能力.在此基础上结合生物免疫机制等边缘学科的理论,将免疫算法与遗传算法有机结合,提出一种改进型混合遗传算法,应用于公交调度管理中的优化,并与利用简单遗传算法的计算过程进行仿真和比较.仿真结果表明,该算法简单高效、稳定性好,能够较好地克服传统方法和现有遗传算法的不足,性能得到了显著提高,获得了满意的效果,提高了公交车辆的运营效率.     

基于卷积网络与自适应SVM的齿轮箱故障诊断

针对齿轮箱运作过程中故障诊断效果不理想的问题,提出了一种卷积神经网络(CNN)与粒子群优化的支持向量机(PSO-SVM)方法.首先利用特征参量求出信号的时频特征统计量,其次利用卷积神经网络对时频特征统计量进行二次特征提取,最后利用粒子群优化的支持向量机进行分类.经实验验证,此方法准确率不仅高于其他经典网络模型,而且训练...     

基于步进电机控制的智能投币机改进研究

文章利用硬币相对电涡流传感器的位置保持不变的方法来测量参数,并通过步进电机和电磁阀分离真假币,实现了对于现有智能投币机的改进,使其硬币辨识率得以提升。     

基于改进遗传算法的铁路三维空间线路智能优化方法研究

归纳和总结了铁路线路智能优化与三维空间信息之间的内在联系,基于OSG技术对空间信息数据进行高效组织,加工处理与信息输出为一体,建立了三维空间信息模型,为铁路三维空间线路智能搜索提供可视化地理信息环境。以平面交点坐标、交点半径、纵面变坡点里程、变坡点高程为设计变量,充分考虑了空间线路平面约束、纵断面约束、平纵组合约束和环境影响约束条件,深入分析铁路三维空间线路优化费用目标函数,建立了铁路三维空间线路综合优化数学模型。采用浮点编码方式,以交点偏移距、交点曲线半径、链式变坡点高程为基因序列,针对多约束条件构成的优化空间进行深入的研究,生成线路方案群;基于多目标排序矩阵方式对每代中线路方案进行适用度计算,设计了选择、交叉和变异三类遗传算子,逐代遗传进化,实现了线路方案向最优线路方案群自动搜索,完成了铁路三维空间线路智能寻优过程。以本文提出的理论与方法为基础,基于vs.net、OSG、数据库等技术实现了铁路三维空间智能选线系统的开发,结合实际工程对本文的理论模型与算法进行了验证和评价。     

基于Sugeno模糊模型的CNC机床故障诊断方法

通过将Sugeno模糊模型用于数控机床故障诊断系统的方式,实现了对各个诊断专家诊断结果的模糊综合,消除了诊断专家诊断结论的随意性,保证诊断结论的准确.利用此方法基于诊断专家系统技术可以实现对数控机床的自动诊断,诊断结果准确可靠.     

基于支持向量机的船舶柴油机层次故障诊断的研究

文章介绍了支持向量机的原理和算法,分析了层次分析法及其在故障诊断中的应用,并在上述理论下,建立了柴油机的故障模型。仿真结果表明,SVM能够在小样本的情况下解决柴油机故障诊断的分类问题,在实际的机械故障诊断的分类中具有广泛的应用前景．     

Least Squares Support Vector Machine Based Real-Time Fault Diagnosis Model for Gas Path Parameters of Aero Engines

Least squares support vector machine (LS-SVM) is applied in gas path fault diagnosis for aero engines.Firstly,the deviation data of engine cruise are analyzed.Then,model selection is conducted using pattern search method.Finally,by decoding aircraft communication addressing and reporting system (ACARS) report,a real-time cruise data set is acquired,and the diagnosis model is adopted to process data.In contrast to the radial basis function (RBF) neutral network,LS-SVM is more suitable for real-time diagnosis of gas turbine engine.     

基于最小二乘支持向量机的车辆跟驰行为模型

基于最小二乘支持向量机(Least squares support vector machine,LS-SVM)算法建立符合我国道路交通流特征的车辆跟驰模型,并用该模型模拟单车道道路上车辆的跟驰行为。采用NGSIM提供的数据对LS-SVM模型进行仿真验证,将测试结果与传统的Gipps模型进行对比。结果表明:与Gipps模型相比,LS-SVM模型对应的各项误差指标精度均有明显改善,能够挖掘变量之间的潜在关系,弥补传统车辆跟驰模型的不足。     

多输出支持向量回归算法

提出了一种新的多输出支持向量回归算法(M-SVR),给出了定义在超球上的损失函数,并将训练SVM的问题转化为迭代解线性方程组的问题.在求解过程中采用边计算边使矩阵降阶的办法,使得在求解的同时找到了支持向量.实验结果表明:M-SVR算法与SVR算法相比,支持向量明显减少,并且具有更好的整体预测精度和抗噪性能.     

Constrained Run-to-Run Optimization for Batch Process Based on Support Vector Regression Model

Introduction Batch and semi-batch processes are very im-portant in the fine chemicals industry to manufac-ture the low-volume and high-value products suchas biochemicals, crystals and speciality chemicals.In the control of batch process, the major objectiveis to improve the end-of-batch product properties.When the control objective is to optimize a perfor-mance index at the end of batch cycle, the problemis called the end-point optimization problem. Tosolve the problem,the traditional approach…     

基于支持向量机的车辆驾驶行为识别研究

从车辆行驶轨迹的角度,车辆驾驶行为可细分为车辆跟驰行为、车辆换道准备行为和车辆换道执行行为,它们对交通拥堵、交通事故等都有着重要影响,也是自动驾驶、交通仿真等系统的基础构成模块.然而,如何从实际微观交通流数据中对3种行为进行识别是驾驶行为研究的基础和难点.本文提出基于支持向量机的驾驶行为识别方法,使用真实车辆轨迹数据,为提高模型的准确率,首先对样本数据进行归一化和主成分分析预处理,然后采用网格搜索算法对惩罚因子和核参数进行寻优,最后利用样本数据对基于支持向量机的分类模型进行训练和测试.结果表明,模型的测试精度达到了98.41%,能够很好地识别车辆的行驶状态,为驾驶行为各阶段的研究提供支持.     

基于支持向量机的短时交通流预测方法

在介绍智能交通系统的特点和相关技术的基础上，SVR算法被用来处理短时交通量预测问题。实验证明，支持向量机在交通系统中的应用具有可行性、有效性和广阔的前景。     

基于支持向量机的短时交通流预测方法

在介绍智能交通系统的特点和相关技术的基础上,SVR算法被用来处理短时交通量预测问题.实验证明,支持向量机在交通系统中的应用具有可行性、有效性和广阔的前景.     

基于SVM的核动力管道腐蚀状态评估方法研究

支持向量机(SVM)是根据统计学理论提出的一种新的通用机器学习方法,在解决小样本分类评估等工程实际问题中具有独特的优势.文中根据腐蚀状态与腐蚀影响因素之间复杂的映射关系,通过采用不同的核函数建立支持向量机分类评估模型对核动力某管道的腐蚀状态进行了评估.计算结果表明,采用RBF核函数的计算速度较快,结果较准确,运用支持向量机方法对核动力管道进行腐蚀评估在样本有限的情况下具有明显优势.