基于GA-SVM算法永磁同步直线电机变载荷进给位置误差的预测

针对永磁同步直线电机精密进给过程中,受到齿槽效应、端部效应及摩擦力扰动等非线性因素的影响,位置误差难以预测问题,提出了一种基于遗传算法(GA)优化支持向量机(SVM)算法永磁直线电机变载荷位置误差预测模型的方法。通过测量各种情况下永磁直线电机在运动过程中的位置变化情况,利用遗传算法优化支持向量机算法建立预测模型。该模型采用实验台运行的正弦轨迹数据为训练样本,三角波轨迹数据为测试样本。选取各种情形的正弦波轨迹数据和三角波轨迹数据进行仿真预测和验证。以各种情况的正弦波信号的指令位置、指令速度和电流作为模型的输入,以三角波信号的位置误差作为输出。结果表明,经过遗传算法优化支持向量机建立的位置误差预测模型,在拟合和预测精度上要优于未经过算法优化的位置误差预测模型。     

基于蚁群优化支持向量机模型的公路客运量预测

针对公路客运量预测难以建立精确预测模型的问题,文章引入基于蚁群优化的支持向量机算法对公路客运量进行预测。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用蚁群算法来优化其训练参数的选择,以得到优化的支持向量机预测模型,利用其对小样本及非线性数据优越的预测性能进行公路客运量的预测。以北京市的数据作为应用算例,并与BP神经网络及传统SVM的预测结果进行对比分析。实验结果表明,基于蚁群的支持向量机模型的预测精度更高,误差更小,可以更有效地对公路客运量进行预测;也说明利用蚁群算法进行支持向量机参数优选的方法是可行有效的。     

金融时间序列预测中的GA-SVR方法

针对支持向量机方法在金融时间序列预测的过程中,模型参数选取不当的导致预测精度较低等问题,利用遗传算法优化选取支持向量机模型参数,建立了一种基于遗传算法优化支持向量机参数的金融时间序列预测模型。并将该方法应用于我国上证指数时间序列预测中。实验结果表明基于遗传算法优化的支持向量机方法能较好的反映金融时间序列预测规律,并且提高了模型预测精度。     

基于AdaBoost的集成支持向量机预测技术仿真

本文结合遗传算法参数优化方法,提出了基于AdaBoost集成支持向量机（SupportVectorMachine或SVM）算法,建立了基于AdaBoost集成SVM预测模型。通过Sinc函数仿真数据,分析了基于AdaBoost的集成支持向量机的预测性能。结果表明,基于Ada～Boost集成预测模型的预测相对平均误差达到1．31％,而SVM预测相对平均误差为279％,提升幅度达到53％,说明集成SVM预测模型具有很高的预测精度。通过对Sinc函数加入不同含量的噪声,发现与改进前的集成SVM算法相比,本文提出的算法具有更强的抗干扰能力。应用该算法,对轴承疲劳寿命实验中轴承振动信号特征量趋势进行预测,结果表明其14步预测的相对平均误差为027％,预测结果良好。     

终端区4D飞行轨迹预测与冲突预警

为提升终端区飞行轨迹预测精度,实现航空器短时冲突预警,建立一种基于孪生支持向量回归的终端区4D飞行轨迹预测模型。对历史飞行轨迹应用重采样算法,降低轨迹数据规模;利用墨卡托投影将轨迹点经度、纬度与高度化为x-y-z坐标,采用孪生支持向量回归算法学习预测模型,实现短时航空器飞行轨迹动态预测;计算两架航空器水平、垂直距离,建立航空器冲突预警指示函数;对孪生支持向量回归算法进行超参数灵敏度分析,分析各超参数对模型预测效果的影响。根据机场真实数据进行仿真实验,证明：基于孪生支持向量回归的4D飞行轨迹预测模型能够准确捕捉航空器运动趋势,且泛化能力强;所提模型x-y-z坐标预测均方根误差是BP神经网络预测结果的32%,35%和61%,单次预测计算用时减少约0.13 s。     

基于参数优化的最小二乘支持向量机HEV阀控铅酸蓄电池SOC预测

针对电池容量预测问题,引入最小二乘支持向量机(LS-SVM)方法用于判断混合动力汽车(HEV)阀控铅酸蓄电池(VRLA)的荷电状态(SOC)。考虑到最小二乘支持向量机的参数选择会对预测结果产生较大的影响,提出一种基于参数优化的最小二乘支持向量机预测方法。首先,在非线性回归预测模型的训练过程中,采用模拟退火算法来确定LS-SVM的初始值参数,从而更好地反映预测模型的复杂度,以此提高状态预测的精度。其次,由于预测模型在应对不良数据时可能出现误差增大的问题,分别采用贝叶斯证据框架(BEF)优化算法和留一交叉验证(LOOCV)优化算法来增强预测模型的抗差能力。研究结果表明:留一交叉验证优化算法具有较高的预测精度,实用性强,有效性高。     

基于遗传优化支持向量机的软件缺陷预测模型

有效的软件缺陷预测能够显著提高软件安全测试的效率,确保软件质量,支持向量机(support vector machine,SVM)具有非线性运算能力,是建立软件缺陷预测模型的较好方法,但其缺少统一有效的参数寻优方法。本文针对该问题提出一种基于遗传优化支持向量机的软件缺陷预测模型,将支持向量机作为软件缺陷预测的分类器,利用遗传算法进行最优度量属性的选择和支持向量机最优参数的计算。实验结果表明,基于遗传优化支持向量机的软件缺陷预测模型具有较高的预测准确度。     

基于遗传算法优化参数的支持向量机短期负荷预测方法

通过研究参数选择和支持向量机预测能力的影响,建立利用遗传算法优化参数的支持向量机负荷预测系统.通过遗传算法对支持向量机(SVM)预测模型的各项参数进行寻优预处理,找到最优的参数取值,然后,代入支持向量机SVM预测模型中,得基于遗传算法的支持向量机(GA-SVM)模型,利用此模型对短期电力负荷进行预测研究.通过实例验证,选择河北某地区2005-03-02至2007-05-22每天各个时点的数据进行分析,并且选择SVM模型与BP(Back propagation)神经网络进行对比.研究结果表明:用GA-SVM算法得到的均方根相对误差仅为2.25%,比用SVM模型和BP神经网络所得的均方根相对误差比分别低0.58%和1.93%.所提出的测试方法克服了传统参数选择方法存在的缺点(如研究者往往凭经验和有限的实验给定一组参数,而不讨论参数制定的合理性),提高了支持向量机的预测精度.     

基于PSO—SVR的电力负荷预测

电力系统负荷预测精度直接决定了预测模型的质量.为了降低预测模型输出结果的预测误差,提出了粒子群算法优化支持向量机回归这一智能预测方法.通过对环境温度、节假日、工作日、日期的采集与分析作为模型的输入,以日平均负荷作为模型的输出.最后,通过仿真,对引入粒子群算法的支持向量机回归模型的预测结果进行对比分析.结果表明:优化后的智能模型取得了更为理想的预测结果.     

多子种群PSO优化SVM的网络流量预测

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型(Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM).首先支持向量机(Support Vector Machine,SVM)参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化(Particle SwarmOptimization,PSO)算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.     

基于误差边界限定的永磁同步电机预测控制

针对图形边界限定形式的感应电机预测控制存在简洁、直观等优点,进一步考虑将该控制策略应用于永磁同步电机。预测控制将电机和逆变器作为一个系统整体考虑,以空间电流矢量为控制对象,直接产生逆变器的开关控制信号。基于永磁同步电机在转子磁场坐标系下的数学模型,推导出电流矢量导数的估测模型,进而预测出电流矢量的轨迹,根据最优电压矢量选择判据选定开关状态,完成基于圆形电流误差边界限定形式的永磁同步电机的预测控制算法。通过MATLAB/SIMULINK进行仿真,仿真结果证明了提出方法的有效性。     

PMSM Vector Control Optimization Based on Fractional PIλ of Rotational Speed Outer Loop of Dragonfly Algorithm

Aiming at the problems of slow dynamic response and weak robustness of integer-order proportional integral(PI) controller in double closed loop vector control system of permanent magnet synchronous motor(PMSM), a method of combining dragonfly algorithm with fractional order PI control is proposed for off-line parameter tuning for the outer loop of speed of the system. The parameter to be optimized is used as the spatial position of the optimal individual searching for food sources in the search space, and the error performance index integrated time and absolute error(ITAE) is used as its target fitness function. The motor speed regulation performances of traditional engineering experience setting integer order PI, particle swarm optimization algorithm tuning fractional order PI and dragonfly algorithm tuning fractional order PI are compared, respectively. Results show that the fractional order PI controller optimized by dragonfly algorithm can improve the dynamic response performance of the system, reduce overshoot and enhance robustness, which proves the feasibility and superiority of the optimization strategy.     

具有低通滤波的改进电压型磁链观测器

针对现有算法在PWM波反电动势输入时磁链观测精度很差的问题,采用了一种改进的电压型磁链观测算法,在现有算法的基础上增加了一个低通滤波器和一个用于补偿低通滤波器引起的幅值和相位误差的补偿环节.根据所采用的低通滤波器形式,利用时间相量分析方法,推出了滤波误差补偿公式,并在不同的同步速情况下分析比较,确定最佳补偿系数.仿真结果证明,新算法在PWM波反电动势输入情况下仍具有很高的磁链观测精度,可以有效地消除积分漂移误差.将新算法用于一永磁同步电动机无位置传感器控制系统,仿真证明了新算法的可行性及有效性.     

永磁直线同步电机自适应变结构位置控制器的研究

针对永磁直线电机参数变化和外部扰动对伺服系统的影响,提出了自适应变结构位置控制设计方法.用电机的位置误差信号及其导数构造切换函数,利用自适应律对系统不确定性扰动因数的极限进行估算.经过分析验证,与基于SVPWM的矢量控制系统相比较,自适应变结构位置控制算法明显减少了由系统参数变化和外部扰动引起的推力脉动,能快速、准确地跟踪给定信号,增强了整个系统的自适应性和鲁棒性.     

数字孪生驱动下永磁同步电机滑模变结构一体化解耦控制

提出数字孪生驱动下永磁同步电机（PMSM）滑模变结构一体化解耦控制方法,改善永磁同步电机控制能力。构建基于数字孪生技术的永磁同步电机控制结构,通过设备层采集实际永磁同步电机运行数据及环境数据,作为数字孪生驱动数据来源,孪生建模层依据获取永磁同步电机数据,构建永磁同步电机的数字孪生驱动模型以及虚拟场景,经虚拟模型与虚拟场景耦合后,在虚拟场景中还原永磁同步电机运行状态;在孪生控制层中设计精确线性化解耦控制方法,并构建速度、电流一体化滑膜解耦控制器,在虚拟环境中通过解决永磁同步电机速度与电流之间的非线性耦合问题,完成实体电机解耦控制;同时数字孪生控制结构各层之间通过孪生数据传输实现数据交换与指令下发,实现有效的电机控制。经实验验证：经该方法控制后,永磁同步电机可在负载突加与突卸状态下保持平稳的电流与转矩,同时还可以迅速调整电机转速,使电机保持在理想状态下运行。     

基于遗传算法整定PI控制器的PMSM简化矢量控制系统

简化矢量控制系统控制结构简单,能有效地降低生产成本,常被用于永磁同步电机控制系统中,但该系统的速度响应及转矩响应性能欠佳．本文采用遗传算法整定简化矢量控制系统中三个PI控制器的参数,使之达到与传统矢量控制系统相似的控制性能．通过仿真实验,验证了基于遗传算法整定PI控制器的永磁同步电机简化矢量控制系统,在连续时间域和离散时间域内都取得了良好的速度响应和转矩响应性能．     

永磁无刷直流电机优化设计与仿真

利用遗传一模拟退火混合算法,以磁钢厚度、气隙高度、磁钢宽度、极孤系数、电枢长径比为优化变量,以起动电流、转子轭部磁密、起动转矩、槽满率为约束条件,以减小电机的转矩脉动为目的,编写永磁无刷直流电动机的优化设计程序。利用ANSOFT有限元软件对电机进行优化前后动静态仿真对比实验。结果表明,永磁无刷直流电机优化后的转矩脉动明显减小。     

基于遗传算法优化的支持向量回归的室内定位算法

基于zigbee接收信号强度指标的室内定位由于成本低,硬件功耗低,易于实现而受到越来越多的关注。为了提高zigbee技术的室内定位精度,减少环境因素的不利影响,本文提出了一种遗传算法优化支持向量回归的室内定位方法。该算法分为离线采集和在线预测两个阶段,离线采集进行指纹数据库的建立,在线预测则根据训练模型进行位置预测。首先所有的采集数据通过卡尔曼滤波进行处理,然后通过遗传算法优化支持向量回归(GA-SVR)的惩罚参数 、RBF核宽度 和损失函数变量 ,从而使支持向量回归达到最好的位置预测性能。在实际场景中的实验结果表明,与PSO-SVR, GS-SVR, SVR和WKNN算法相比,该算法具有较好的定位性能。     

基于改进支持向量机的永磁驱动器设计

将多输出支持向量机回归方法与模糊化理论相结合,提出一种永磁驱动器的设计方法.首先,引入空间粒子群优化算法对合成核多输出支持向量回归模型参数进行寻优,在此基础上通过实验法建立了永磁驱动器的性能与结构参数的多目标回归模型;然后,运用模糊理论将多目标转化为单目标,建立了设计问题的数学模型并利用空间粒子群算法进行求解;最后,通过模型精度分析以及ANSYS仿真和样机的测试,验证了该方法的有效性.     

基于模型预测策略的永磁同步电机最大转矩电流比控制优化

针对当前在采用最大转矩电流比(maximum torque per ampere,MTPA)控制策略的永磁同步电机双闭环矢量控制系统中,因外在负载或电机转矩突变,造成电流调节器因积分饱和而导致电机实际定子交-直轴电流无法快速跟踪给定的MTPA电流问题,提出一种基于模型预测控制原理的两矢量模型预测控制策略,来取代传统双闭环电机控制系统中的电流内环调节器。在分析永磁同步电机MTPA控制原理、电流内环调节器饱和原因的基础上,利用模型预测控制的非线性约束处理能力在每个采样周期内通过两电压矢量模型预测控制策略,获得更加准确的电压矢量。实现系统实时动态跟踪永磁同步电机MTPA轨迹的目标。仿真和实验结果表明,该控制策略在电机给定转矩或外在负载转矩突变情况下可实时跟踪MTPA给定电流的变化,电机定子电流未出现较大波动。