基于最小二乘支持向量机的公路工程造价预测模型

由于公路工程造价的影响因素错综复杂,且历史数据非常有限,使公路工程造价预测成为典型的小样本条件下非线性回归问题。针对传统的回归方法解决这类问题的不足,该文提出一种新型的公路工程造价预测模型。该模型基于最小二乘支持向量机的基本原理,结合公路工程的具体特征,实现了公路工程造价的智能化预测。新模型充分发挥了最小二乘支持向量机在解决有限样本及非线性回归问题中的优势,建立了较准确的预测模型,且训练速度较普通支持向量机更快。实证数据分析验证了本模型的有效性。     

基于最小二乘支持向量机的公路软基沉降预测

通过影响因素分析,确定了软土层厚度、软土层压缩模量、地表硬层厚度、地表压缩模量、路堤高度、路堤顶宽、路基填筑时间和填筑竣工时沉降量等参数对公路软基沉降有影响.对公路软基的观测数据进行分析和取样,输入样本为各参数,输出样本为路堤中线下地表沉降值,利用最小二乘支持向量机的非线性映射和泛化能力,通过训练,建立了公路软基沉降预测模型.研究表明,所建立的模型对公路软基沉降进行预测具有较高的精度,同时具有很好的泛化性能.     

基于最小二乘支持向量机的AMT离合器片表面温度预测

在分析离合器接合过程的动力学和摩擦表面热负荷主要影响因素的基础上,选择接合正压力、接合转速、滑摩时间等参数,利用最小二乘支持向量机理论建立了离合器片表面最高温度的智能预测模型,并设计了台架试验方案.试验结果验证了该模型的有效性.     

基于最小二乘支持向量机的彩色磨粒图像分割

分析了磨粒的自动识别研究在铁谱技术发展和应用中的重要性。指出铁谱磨粒图像分割是磨粒自动识别的重要环节,铁谱图像所包含的彩色信息对磨粒识别和磨损形式分析非常重要。将最小二乘支持向量机LS-SVM用于彩色磨粒图像的分割,利用模糊c均值选取训练样本,把磨粒图像的R,G,B分量,同一像素点各分量的方差以及像素点邻域像素均值作为特征,对彩色磨粒图像分割,取得了很好的效果,为磨粒自动识别提供了更有效的信息。     

电动汽车用感应电机的最小二乘支持向量机逆控制EI北大核心CSCD

针对电动汽车驱动用感应电机采用常规PI控制时转速波动较大、调节器参数调节困难等问题,提出了一种基于最小二乘支持向量机(LSSVM)的电动汽车感应电机逆控制法。首先建立了电动汽车驱动用感应电机的数学模型,并证明其可逆。然后利用LSSVM建立感应电机的逆模型,并通过改进的粒子群算法优化LSSVM的参数,将该逆模型串联在原系统中而得到伪线性系统,最后设计线性闭环调节器实现高性能控制。仿真结果表明,与常规PI控制相比,采用LSSVM逆控制时转速跟踪精度显著提高,系统具有较强的鲁棒性。     

基于小波降噪与最小二乘支持向量机的公路软基沉降预测模型

根据沉降数据的特性,以最小二乘支持向量机为核心技术构建预测模型,提出了一种路基沉降预测的新方法。由于测量误差不可避免,沉降数据通常含有噪声,不宜直接进行拟合,因此首先采用小波分析的方法对原始沉降数据进行降噪预处理,然后馈送到最小二乘支持向量机完成沉降预测。最后用某高速公路实测数据进行了实例分析,并与BP神经网络预测结果进行了对比,计算结果表明,小波分析结合支持向量机的模型有较好的预测精度,将该模型应用于公路软基沉降预测是可行的和值得研究的。     

最小二乘支持向量机-粒子群算法在地下厂房围岩参数反分析中的应用

为准确确定地下厂房围岩的弹性模量、泊松比、黏聚力、内摩擦角、侧压力系数等参数,以正交设计、最小二乘支持向量机和粒子群算法等现代数学方法为基本手段,建立基于位移增量的围岩参数反分析方法。以CCS水电站大型地下厂房为研究背景,通过工程地质条件研究选取8#机组剖面作为分析对象,采用二维弹塑性有限元方法建立地质结构分析模型。以地下厂房洞室群分层开挖多点位移计实测位移增量为依据,对CCS水电站地下厂房区域围岩力学特性及地应力场特征进行反分析。研究结果表明： 主厂房第Ⅵ层与第Ⅰ层开挖和主变室第4层与第1层开挖所产生的位移增量计算值与多点位移计实测值吻合较好,最大相对误差小于10%,说明采用最小二乘支持向量机和粒子群算法相结合的反分析方法在工程上是可行的,且效果较为显著。     

基于最小二乘支持向量机的城市客运量预测模型

针对城市公路客运量预测中存在的非线性、复杂性和不确定性,提出了一种基于最小二乘支持向量机的城市客运量预测模型.结合西安市历年城市客运量数据,编程实现该预测模型,仿真结果表明了该预测模型的有效性.     

基于聚类支持向量机的车型识别方法研究

地磁感应波形通过数据融合初步提取出结构、频谱和数值3个范畴的特征.利用Filter-Filter-wrapper模式对初步提取的特征进行组合式特征评估,即采用改进的ReliefF算法挑选最适合车型分类的不冗余特征,再建立Top-K机制的交叉验证搜索最优特征组合.引入基于聚类支持向量机(C-SVM)的车型分类算法,并采用微粒群算法对C-SVM算子中的核函数参数和惩罚系数进行了优化,构建了微粒群优化的C-SVM车型分类器.实验结果显示该车型分类方法能显著提高数据挖掘的效率,机器学习的能力,并且具备较高的车型分类准确率.     

最小二乘支持向量机在隧道围岩变形预测中的应用

针对基于标准型支持向量机(Vapnik SVM)的岩体变形预测方法计算复杂度大、应用不便的缺点,提出一种基于最小二乘支持向量机的围岩变形预测方法.该方法结合开挖岩体具有高度不确定性的特点,将其作为一个时变系统考虑,首先采用滑动时窗方式选取学习样本,然后利用获得的样本训练最小二乘支持向量机预测模型.利用这种方法对雪家庄隧道围岩变形进行预测,分析结果表明,该方法具有较高的预测精度,是一种简单可行的变形预测方法.     

基于地磁的车型识别模糊数据融合方法研究

把由各向异性磁阻传感器检测获得的地磁曲线视为车辆磁偶极模型的映像,通过分析车辆地磁曲线的峰值、峰谷比、峰值时间、谷值时间、车身长等特征的选择和提取,建立相应车型特征向量;然后,依据各类车型特征,应用三角形隶属度函数特征描述和模糊数据融合,提出了一种基于地磁传感器实时数据采集的车辆检测与车型识别流程和车型识别分类算法;最后,通过一组实际采集的车辆检测数据的分类结果,比较了4种模糊数据融合算式的差异,证明了车辆识别分类算法的有效性,并讨论了有待进一步研究的问题。     

基于改进型蚁群算法的车辆导航路径规划研究

在分析车辆路径规划问题(VLD)特点的基础上,提出了VLD的数学模型以及适用于求解VLD的蚁群算法。详细分析了蚁群算法的参数对算法收敛速度和计算结果精确度的影响,提出了一种能够提高算法的收敛速度和全局搜索能力的参数自适应调整的策略,并对原有基本蚁群算法进行了改进。随后进行了仿真试验,根据所得仿真结果将改进蚁群算法与基本蚁群算法从全局收敛能力、计算稳定性以及计算速度等方面进行了全面比较,结论表明改进蚁群算法各方面均优于基本蚁群算法,证明了改进算法的可行性及有效性。     

基于LS-SVM模型的无级变速器夹紧力控制系统故障诊断

在不增加硬件成本和过大的运算量的前提下,研究了基于模型的无级变速器夹紧力控制系统故障诊断方法.提出了根据测得的信号以及全局和部分元件诊断模型的输出结果来完成故障隔离与定位的诊断策略;针对系统的非线性特征,采用最小二乘支持向量机建立反映其输入输出关系的非线性预测模型.测试结果表明所建立的故障自诊断系统具有较高的精度和反应速度,可以粗略地实现故障的隔离和定位.     

基于主成分分析与支持向量机结合的交通流预测

为提高交通流预测的预测精度和预测速度,提出了用非线性回归支持向量机与主成分分析相结合进行交通流预测的方法。主成分分析用来对交通流预测的预测变量进行特征抽取,用较少的主成分代替原预测变量．将生成的主成分输入到非线性回归支持向量机,进行交通流预测,支持向量机的核参数利用Bayesian推理进行确定。通过对济南市交通数据的实例分析来验证该方法的有效性。结果表明,非线性回归支持向量机与主成分分析相结合进行交通流预测不但可以提高交通流预测的精度,同时还可以降低预测所需的计算量,满足交通流预测的实时性要求,预测精度比目前常用交通流预测方法的预测精度有所提高。     

基于单目视觉的路面车辆检测及跟踪方法综述

首先介绍了车辆检测算法的3种基本组成部分：检测、验证、跟踪，然后根据算法的组成重点介绍了车辆检测以及跟踪的几种主要算法。车辆检测算法包括基于特征的方法、基于光流场的方法和基于模型的方法，车辆跟踪算法包括基于区域相关的方法、基于活动轮廓的方法、基于特征的方法和MeanShifi快速跟踪算法。根据试验结果对各种车辆检测和跟踪方法的优点、缺点以及实际应用中不同情况下适用范围的局限性进行了综合分析。最后在结论部分总结展望了文中介绍的几种车辆检测和跟踪方法的应用前景，并提出了在实际应用时的一些建议和将来的主要研究和发展方向。     

基于最大相关准则图像分割的结构化道路路径识别和跟踪算法

为提高基于视觉导航的智能车辆对结构化道路车道标识线的识别和跟踪精度,同时消除车流、阴影和光照不均匀等不利因素的影响,提出一种基于最大相关准则的图像分割算法及基于感兴趣区域的车道标识线跟踪算法:首先,对图像进行滤波和光线补偿等前期处理,采用最大相关准则的图像分割算法对道路图像进行阈值分割;然后,根据车道的结构特征及先验知识提取车道标识线的特征点,并运用最小二乘法对特征点拟合,得到车道模型的参数;最后,通过建立感兴趣区域(ROI)的方法实现对车道标识线的准确跟踪。试验结果表明,该算法具有很好的准确性、实时性和鲁棒性。     

支持向量机在路段行程时间预测中的应用研究

主要探讨支持向量机理论在路段行程时间预测中的应用。具体的方法是,首先将研究路段根据路段交通状态和车辆检测器设置情况进行分段,然后以前几个时段的各个小路段的交通流量、平均速度和车道占有率和整个路段的行程时间为输入,以下一时段的整个路段的行程时间为输出,选取高斯径向基函数作为核函数,建立了基于支持向量机的路段行程时间预测模型,从而探讨支持向量机在路段行程时间预测中的应用效果。最后,利用交通仿真软件的模拟数据进行验证,并与BP神经网络计算结果比较,计算结果的对比表明本文提出的方法预测效果更好。     

感应线圈信号曲线的处理方法及其在车型识别中的应用

为提高车型识别的准确率,提出信号处理的方法：首先采用快速小波变换抽取原始曲线的近似轮廓,从而削弱了噪声等细节信息的干扰,并实现2^n倍的数据压缩;其次利用五点三次滤波器对上一步获得的近似曲线进行平滑,使得离散信号更接近于真实的连续信号;在此基础上提出基于峰值时间差的强鲁棒性车长检测方法;最后,根据形态匹配的要求,采用Akima插值法进行信号尺度的归一化处理。车型识别试验采用观测点的实测数据,并将结果与其他文献进行比较,说明所提出的方法的有效性。     

基于激光扫描的智能车辆前方地形三维可视化技术研究

基于激光扫描仪的数据分析,对智能车辆前方地形数据的三维可视化技术进行了研究。首先对采集的离散数据进行预处理：采用中值滤波算法减弱噪声的影响,通过车体坐标系到世界坐标系的转换实现车辆行走过程中不同场景的拼接;然后基于Splatting理论,选取椭圆高斯足印函数实现了离散三维数据的直接体绘制;最后结合可视化工具包VTK（Visualization Toolkit）的连续数据场轮廓提取和交互操作功能,在Visual C＋＋开发环境下实现了基于激光扫描的环境信息可视化技术,可以达到逼真重构真实环境的可视化效果。