基于最小二乘支持向量机的船舶集中空调系统能耗预测

为了获得更高的船舶集中空调系统能耗预测结果,提出了基于最小二乘支持向量机的船舶集中空调系统能耗预测方法。首先分析船舶集中空调系统能耗预测研究进展,并设计了船舶集中空调系统能耗预测原理,然后采集船舶集中空调系统能耗历史数据,并采用最小二乘支持向量机对船舶集中空调系统能耗历史数据进行学习,获得船舶集中空调系统能耗预测模型。最后在相同环境下,与其他船舶集中空调系统能耗预测方法进行了对比测试。结果发现,最小二乘支持向量机的船舶集中空调系统能耗预测精度超过90%,误差控制在10%以下,可以满足船舶集中空调系统能耗控制的实际应用要求,预测误差远小于其他船舶集中空调系统能耗预测方法,体现了本文方法的优越性。     

基于大数据的船舶交通客流特征组合预测模型分析

为了提高船舶交通客流特征预测的时效性,设计基于大数据相关技术信息,提出将粗糙集和支持向量机预测机制结合的预测分析模型。首先运用粗糙集属性,对大数据下的船舶交通客流信息,进行数据出行约简,删除数据中冗余属性,继而建立支持向量机回归预测机制,将约简后的船舶交通数据样本,作为数据预处理器,通过对条件值进行筛选,并量化为一张二维表格,作为决策表,重新组合成为训练数据样本,输入SVM中,进行学习训练,实现交通客流特征的组合预测。仿真实验表明,该模型预测结果特征比真实性提高29%,有效时序性提高35%,可以证明该预测模型的预测结果时效性更强。     

最小二乘支持向量机在船舶交通流特征分析中的应用研究

船舶交通流分布特征的研究可为船舶通航安全管理与航道规划设计提供基础性依据,而从离散的船舶交通流数据中拟合出其分布函数是研究其分布特征的关键。本文把最小二乘支持向量机引入到船舶交通流数据拟合中,代替传统的最小二乘法解决离散数据拟合问题。构建了基于最小二乘支持向量机的离散数据拟合模型,并对船舶交通流数据拟合进行了研究。结果表明,该方法在处理离散数据的回归拟舍时能获得较好的逼近曲线,且预测结果也具有一定的参考价值。     

一种分解策略的船舶横摇运动姿态在线预报方法

为了解决单一预报模型对复杂的船舶横摇运动姿态时间序列建模预报困难以及支持向量机预报方法离线训练导致实时性差的问题,文中提出一种分解域船舶运动姿态在线预报方法。采用经验模式分解法对时序的不同特征信息进行分解;应用游程法将分量重构为高、中、低频三个分量;针对每个分量建立在线最小二乘支持向量机预报模型,对各分量的预报结果累加得出最终预报值。对某船横摇角时序进行了预报,结果表明,所提方法预报10s的相对均方误差在13%以内,相比于支持向量机预报模型,该模型能够有效提高预报精度和效率。     

基于SVM的武器装备批量生产成本费用模型

利用支持向量机建立了批量生产成本费用模型,批量生产成本费用与影响因素的关系可通过支持向量机的核函数和拉格朗日乘子得到体现。由于支持向量机综合考虑了结构风险和经验风险,使得模型的泛化能力增强。通过实例与熟练曲线法、最小二乘法和加权最小二乘法的结果进行了比较,结果表明支持向量机比较精确。     

基于支持向量机的船舶操纵运动在线建模

支持向量机算法以结构风险最小化为准则,具有良好的泛化性,是一种先进的人工智能算法。文章根据最小二乘支持向量机对其增量式算法进行推导,并应用该算法对船舶操纵运动进行在线建模。通过仿真试验对粘性力和舵力水动力导数进行在线辨识,通过自航模试验对操纵性K、T指数进行在线辨识,并利用K、T指数对自航模的转首角速度进行了预报,所得结果都同试验值非常接近,证明了增量式最小二乘支持向量机应用于船舶操纵运动在线建模的有效性。     

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.     

支持向量机的船舶网络丢包率预测数学模型

船舶通信网络承载着船舶通信、导航、内部系统控制等关键功能,通信网络的质量直接决定了船舶的工作状态,由于船舶通信受到海上恶劣的气象条件影响,网络的时延、数据丢包等问题一直是行业内的研究热点。支持向量机是一种较为先进的数据整理和分类技术,本文结合最小二乘法与支持向量机技术,建立了船舶通信网络的丢包率预计模型,结合NS2软件进行了通信网络的丢包率预测,并获得了与实际测量数据较为接近的预测效果。     

基于改进LSSVM的船舶操纵运动模型在线参数辨识方法

为实现船舶操纵性的在线预报及自适应运动控制,针对Nomoto二阶非线性运动模型参数辨识问题,将最小二乘支持向量机(least squares support vector machines,LSSVM)与多新息方法相结合,提出一种新的多新息在线LSSVM辨识建模方法。试验结果表明,使用所提出的算法辨识的模型进行预报的拟合误差可达到4.76%以下,能准确拟合船舶操纵运动模型。     

支持向量机改进算法在船舶桨叶数分类中的应用

利用船舶目标辐射噪声DEMON谱特征,采用支持向量机改进算法,实现了对船舶螺旋桨桨叶数的分类识别应用研究。针对支持向量机算法对噪声比较敏感和求解最优分类面时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏特性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数2方面进行改进,构造齐次决策二阶损失函数径向基支持向量机改进算法,进行理论分析、数据仿真实验,并应用于利用船舶目标辐射噪声DEMON谱进行船舶螺旋桨桨叶数的分类识别实验。结果表明,该改进算法实现了支持向量机在二次规划中的最小约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,适用于利用船舶目标辐射噪声DENOM进行船舶螺旋桨桨叶数分类应用。