基于支持向量回归机的船舶操纵运动在线辨识建模

采用滚动时间窗的方法实现支持向量机的在线辨识。以船舶操纵运动响应模型为研究对象,并由10°/10°和15°/15°仿真Z形试验数据构造支持向量机参数辨识所需的训练样本对,应用支持向量机进行船舶操纵运动在线辨识建模,回归操纵运动响应模型中的操纵性指数,并利用建立的响应模型进行Z形试验的数值模拟。将Z形试验数值模拟结果同仿真Z形试验数据进行比较,结果表明,在线式支持向量回归机是一种进行船舶操纵运动在线辨识建模的有效方法。     

船舶通信网络的可靠性建模分析

可靠性问题是船舶通信网络研究中的热点,当前船舶通信网络可靠性建模分析方法的结果可信度低、分析精度不能满足船舶通信网络的要求。为了解决当前船舶通信网络中存在的一些难题,提高船舶通信网络可靠性分析精度,设计了基于相关向量机的船舶通信网络可靠性分析方法。首先对船舶通信网络可靠性研究进展进行分析,分析各种船舶通信网络可靠性分析方法存在的局限性,然后收集船舶通信网络可靠性的历史样本,采用相关向量机描述船舶通信网络可靠性特点,建立船舶通信网络可靠性分析方法,最后在相同环境下,与其它船舶通信网络可靠性分析方法进行仿真测试,结果表明,本文方法的船舶通信网络可靠性分析精度高,分析结果稳定,提高了船舶通信网络可靠性分析结果的可信度,同时船舶通信网络可靠性分析效率优于对比分析方法,结果可以有利于船舶通信网络管理。     

粗糙集和最小二乘支持向量机的船舶汽轮工况分析

汽轮是保证船舶正常航行的重要设备,对船舶汽轮工况进行分析具有重要意义,针对当前船舶汽轮工况分析方法误差大、效率低等不足,设计了基于粗糙集和最小二乘支持向量机的船舶汽轮工况分析方法。首先对当前船舶汽轮工况研究现状进行分析,找到船舶汽轮工况分析误差大、效率低的因素,然后从船舶汽轮工作状态信号中提取工况分析特征,通过粗糙集算法对工况分析原始特征进行约简处理,减少工况分析特征数量,提高船舶汽轮工况分析效率,最后约简处理后船舶汽轮工况分析特征作为最小二乘支持向量机的输入向量,船舶汽轮工况状态作为最小二乘支持向量机的输出向量,构建船舶汽轮工况分析模型,并进行船舶汽轮工况实例分析。本文方法得到令人满意的船舶汽轮工况分析结果,提高了船舶汽轮工况分析精度,船舶汽轮工况分析速度得到了大幅提升,比其他船舶汽轮工况分析模型具有更高的实际价值。     

变风量空调系统的能耗建模与优化

针对变风量中央空调系统的节能优化问题,以冷媒水泵能耗与风机能耗总和最小为优化目标,建立冷媒水泵与风机能耗的半经验模型。基于支持向量回归方法建立空调机组表面冷却器的运行模型,以冷负荷需求为约束条件,以冷媒水流量和送风量为优化参数,提出一种改良的能耗优化模型。采用粒子群优化算法找到最佳匹配点,使总能量消耗最小,为中央空调系统节能优化运行提供参考。     

基于车辆视角数据的行人轨迹预测与风险等级评定

常用的基于路基视角数据的行人轨迹和风险预测模型往往无法避免复杂的建模运算和人工判断。为简洁而有效地预测行人轨迹和评定风险等级,本文中采用车辆视角数据建立行人轨迹和风险等级的预测模型,并先后进行车辆视角行人数据的采集、基于长短期记忆神经网络的行人轨迹预测和基于聚类分析-支持向量机方法的风险等级评定。实验结果表明,基于车辆视角数据所建立的数据驱动的模型能捕捉行人与车辆的运动趋势和交互特征,具有预测行人轨迹和评定风险等级的能力。     

电子海图实时平滑旋转实现方法研究

首先给出了电子海图旋转时,动态标注各种注记的方法以及排列向量的定义,然后介绍了实现电子海图实时平滑旋转的技术途径.通过尽量减少不必要的绘制、将图形绘制数据与其它海图数据分离和不直接针对目标显示窗口进行绘图三种策略的运用,实现了电子海图平滑旋转时,海图绘制和显示的高效率.     

应用支持向量机的船舶操纵运动响应模型辨识

建模是评估船舶操纵性和可控性的重要前提.基于自由自航船模试验的系统辨识方法是求取船舶操纵运动数学模型中的水动力系数的有效手段之一.文中提出了一种使用支持向量回归估计的船舶操纵运动响应模型辨识方法,该方法通过训练自由自航试验数据样本得到参数回归模型.辨识和仿真结果验证了文中所提出的方法的有效性.     

基于EEMD-Hilbert和FWA-SVM的滚动轴承故障诊断方法

为有效提取非平稳特性的滚动轴承振动信号特征,提高故障诊断效率,提出一种采用集合经验模态分解（empiricalmode?decomposition,EEMD）、Hilbert变换的特征提取方法,并利用烟花算法优化支持向量机（support vector machine,SVM）分类参数的滚动轴承故障诊断方法. 通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获取模态函数的瞬时频率,并对模态函数及其瞬时频率进行统计特征提取,从而实现特征的有效降维. 结果表明:信号经过EEMD-Hilbert处理后特征能有效提取,将训练集和测试集各600组数据代入烟花算法优化SVM模型得到测试集正确率为99.63%;比传统的遗传算法和粒子群算法优化模型分别提高0.4%和0.2%左右;同时收敛时间更短,验证了该算法模型的可行性与有效性.      

LSSVM增强的受限环境列车定位精度优化方法

GNSS/INS是目前较为理想的定位组合方式,但在GNSS信号较长时间缺失的情况下INS的定位误差会逐渐发散.为解决此问题提出一种针对卫星信号受限环境的LSSVM增强列车组合定位方法,并在青藏铁路线应用试验.试验结果表明:LSSVM增强列车组合定位方法能够有效提高组合导航系统在GNSS信号缺失情况下的定位精度,且相比于...     

基于RS-SVR的上软下硬地层盾构施工地表沉降预测

为了提高由盾构施工引起的软硬不均地层地表沉降预测的准确性,建立基于粗糙集-支持向量回归（RS-SVR）的地表沉降预测模型,并将该模型应用于实际地铁隧道工程的地表沉降预测中。首先,根据特定地质条件,从几何因素、地层因素和盾构施工因素选取影响地表沉降的条件属性,采用粗糙集理论的Pawlak属性重要度方法删除冗余数据,获取影响地表沉降的最优条件属性集。在此基础上,基于支持向量回归（SVR）建立RS-SVR地表沉降预测模型,并与没有经过属性约简的SVR模型进行对比分析。为了比较不同核函数对SVR模型的影响,RS-SVR和SVR模型分别选取径向基函数（RBF）、Sigmoid函数、Polynomial函数作为核函数对训练样本及测试样本进行回归预测。最后,利用佛山地铁2号线南湖区间上软下硬地层的20组地表沉降监测数据,对该模型予以试算。研究结果表明：将选取的影响地表沉降的12项条件属性约简为包含7项的最优条件属性集,分别为硬层比、黏聚力、内摩擦角、土仓压力、总推力、刀盘扭矩以及掘进时间,地表沉降分类结果与约简前保持一致;同类模型进行横向对比时,RBF作为核函数的RS-SVR模型和SVR模型预测误差分别为5.54%、13.10%,均低于以Sigmoid函数和Polynomial函数作为核函数时的预测误差;以同种核函数进行纵向对比时,RS-SVR模型预测误差分别为5.54%、11.48%、13.26%,均低于SVR模型预测误差的13.10%、15.71%、19.68%。