基于CBR和SVR的生化需氧量预测模型

针对污水处理过程生化需氧量(BOD)浓度难以实时监测的问题,建立了一种基于支持向量回归机(SVR)修正方法的案例推理(CBR)预测模型。该模型主要包括案例检索、案例重用、SVR修正、案例存储等4个部分,其中,SVR修正模型是利用历史数据构造修正案例库,并采用SVR训练而获得的,可以对传统CBR求解模型得到的BOD浓度建议值进行修正。实验表明本文模型的拟合误差优于支持向量机(SVM)、BP神经网络、RBF神经网络以及传统CBR方法,说明SVR修正方法的引入可以改善CBR的回归性能,提高CBR的学习能力。     

保泛化性能的最优上边界回归模型辨识

从控制模型结构复杂性及提高模型辨识精度出发,提出了建模由参数或测量不确定性引起的最优上边界回归模型的一种新方法。首先,将二次规划的支持向量回归(SVR,support vector regression)转化为l_1范数的优化问题,用于获取模型结构的稀疏解;其次,建立上边界回归模型的约束条件,并将模型的被估输出与实际输出之间的所有逼近误差最小化,即逼近误差的l_1范数最小化问题,来提高模型辨识精度;最后,将l_1范数的结构风险与逼近误差的l_1范数以及上边界回归模型约束条件相结合构成新的优化问题,应用较简单的线性规划对其求解,得到最优上边界回归模型。提出的方法具有如下三个显著特性:1)应用逼近误差的l_1范数最小化,可保证模型的建模精度;2)引入SVR架构下的结构风险l_1范数,可保证模型的稀疏特性;3)通过提出的方法从建模精度与模型稀疏特性之间取其平衡,可提高模型泛化性能。通过来自测量数据以及模型参数不确定性的实验分析,论证了提出方法的合理性与优越性。     

无陀螺惯性测量组合动态补偿及动态解耦方法

基于提出的一种无陀螺惯性测量组合（NGIMU）九加速度计配置方案，采用零极点配置的方法设计动态补偿器对加速度计进行动态补偿．基于动态耦合定义，提出了应用不变性动态解耦方法对NGIMU动态解耦．该方法不在各加速度计输出信号的正向通道上增加新的环节，而仅在各输出通道之间设置较简单的环节，用较低阶的解耦模型，抵消各维间耦合．进行了系统三个方向角速度的仿真验证，仿真结果表明，系统经动态解耦后导航误差迅速收敛，可以控制在0．02rad／s内．     

非对称柔性支撑龙门双驱平台的解耦与同步控制

针对采用非对称柔性支撑结构的龙门双驱运动平台，提出基于模型补偿扩张状态观测器的解耦与同步控制策略.考虑柔性支撑结构特点和负载加速度对龙门平动、转动模态的影响，采用拉格朗日方程建立了龙门动力学模型.依据该模型设计平动和转动控制回路并采用带有已知耦合项补偿的扩张状态观测器，估计并抑制由建模误差和未知耦合项等因素组成的总扰动.试验结果表明，该控制框架与解耦策略能有效解除双驱动轴间的动态耦合并抑制扰动，显著提升龙门试验台的动态响应和同步精度，且具有部署简单、所需测量模型参数少等优点.     

基于机电耦合特性的数控机床切削颤振控制系统①

数控机床切削过程中受到颤振作用容易出现偏差,为了提高数控机床切削的稳定性,提出基于机电耦合特性的数控机床切削颤振控制方法。构建数控机床切削的激光跟踪同步测量模型,采用非接触的应力特征分析方法进行数控机床切削的轮廓误差三维高精度校准,根据机床平面轮廓误差进行反馈控制,采用机电耦合特性调节的方法进行数控机床切削过程中的随动接触测量,采用多次重复性测量的方法进行数控机床切削颤振抑制,采用机电耦合跟踪校正的方法,实现数控机床切削颤振控制。仿真结果表明,采用该方法进行数控机床切削颤振控制的稳定性较好,测量精度较高,提高了数控机床切削颤振控制能力。     

二维、三维螺杆定子热力耦合有限元模型对比分析

针对螺杆钻具定转子热力耦合工况的复杂多变、三维有限元模型耦合分析建模复杂、计算量大、效率低下等问题,该文同时建立了二维与三维螺杆马达动态仿真模型,利用单向解耦的方法的对二者在相同条件下的热力耦合工况进行对比分析,结果发现,三维模型的计算结果与二维模型相差无异,可以利用二维模型来代替三维模型对螺杆马达进行有限元分析以提高工作效率。     

用于纳米三坐标机的非接触式触发探头的研制

在进行微米级测量时,纳米三坐标机常用的接触式探头会损伤软的或脆的待测品。该文研制了一种用蓝光DVD读取头作为传感器的非接触式触发探头。该探头的测量原理是当待测样品位于探头聚焦面时,聚焦误差信号返回值为零。将该探头安装于三维纳米平台上实验,结果显示触发分辨率达1nm,标准差约12nm。     

基于运行状态信息的数控珩磨机液压系统可靠性预测方法

针对常规的可靠性预测方法无法实现对数控珩磨机液压系统可靠性进行有效预测的缺点,提出了一种基于运行状态信息及支持向量回归(SVR)的数控珩磨机液压系统可靠性预测方法.该方法主要包括状态特征指标的选取、瞬时可靠度的计算以及SVR预测模型的建立.为实现对SVR预测模型的有效解算,分别采用遗传算法(GA)、粒子群算法(PSO)和混合算法实现对SVR模型的核参数的寻优计算,并比较了3种方法下SVR模型的瞬时可靠度预测精度.实例仿真结果表明,与GA及混合算法相比,采用PSO算法来解算SVR预测模型能够得到更优的数控珩磨机液压系统的可靠性预测精度.     

Boosting集成支持向量回归机的滑坡位移预测

支持向量回归机(SVR)在实际的学习应用中,由于数据时空的复杂性和算法本身的参数选择,学习模型难以达到预期的效果.针对这个问题,提出了基于Boosting集成的支持向量回归机方法.通过在原始数据集加权采样的基础上,进行多次迭代子SVR机器学习,不断调整样本权值再采样,优化机器学习模型,然后对迭代所得的每级支持向量回归结果按某种组合方法进行集成,得到最终的回归函数形式.应用该方法进行了仿真试验和滑坡变形时序预测研究.结果表明:使用集成的SVR进行回归预测较之单一的SVR具有更高的准确性和更好的泛化性.对Boosting与Bagging 2种不同的集成SVR,进行了比较研究,试验结果表明,2种算法性能相差不大,总体上前者强于后者.     

六轴机械臂广义逆系统 SVM 辨识与控制

针对六轴机械臂系统强耦合和不易求取精确的动力学模型的特性,提出了基于支持向量机（ SVM ）辨识的广义逆解耦PID闭环控制方法。将SVM常见的3种核函数应用于机械臂实际系统的广义逆模型辨识中,通过回归预测效果和性能指标比较可知,采用高斯径向基核函数辨识的SVM模型预测输出与实际系统输出趋势一致,且得到的性能指标平方相关系数（ r2）和平均平方误差（ MSE）较好。实验结果表明,基于SVM广义逆解耦的PID控制算法能够实现对实际机械臂系统的高精度轨迹跟踪,具有工程实用性。     

基于PLS-SVR的三组分混合气体定量分析

为了进一步提高多组分气体分析的准确度,对采用AOTF-NIR光谱仪采集甲烷、乙烷和丙烷多组分混合气体的近红外光谱数据建立了新的分析模型。首先对光谱数据采用偏最小二乘法(以下简称PLS)进行特征提取,随后将提取得到的潜变量作为支持向量回归机(以下简称SVR)的输入建立多组分混合气体的定量分析模型。结果显示,PLS特征提取耦合SVR对近红外光谱的定量分析取得了很好的分析效果。     

基于TSA-PSO-SVR算法在碳期货价格中的预测研究

针对支持向量回归(SVR)模型参数选择困难以及在碳期货价格预测中模型误差高的问题,提出一种基于改进粒子群算法-支持向量回归(TSA-PSO-SVR)的期货价格预测模型.通过改进粒子群算法惯性权重实现局部搜索和全局搜索能力的平衡,引入被囊群算法(TSA)对粒子群位置更新公式进行优化,利用改进的粒子群算法(TSA-PSO)找出最优参数有效解决支持向量回归参数选择盲目性的问题;将得到的最优参数应用于期货价格预测模型.选取福建碳交易市场的碳交易价格进行预测,与支持向量回归(SVR)、差分自回归移动平均模型(ARIMA)、长短期记忆模型(LSTM)模型作对比,实验结果表明TSA-PSO-SVR模型有效克服了高预测误差和参数选择随机性的问题,并具有较高的泛化能力.     

木材导热系数的支持向量回归预测

根据木材在不同影响因素(密度、含水率和比重)下沿横纹方向(包括径向和弦向)的导热系数的实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了木材沿不同方向的导热系数的预测模型,并与通过类比法(ANA)导出的理论模型和BP神经网络(BPNN)模型进行了比较。结果表明:基于相同的训练样本和检验样本,木材导热系数的SVR模型比其ANA模型或BPNN模型具有更高的预测精度;增加训练样本数有助于提高SVR预测模型的泛化能力;基于留一交叉验证法(LOOCV)的SVR模型预测的最大绝对百分误差(MPE)、平均绝对误差(MAE)和平均绝对百分误差(MAPE)均为最小。因此,SVR是一种预测木材导热系数的有效方法。     

LASSO回归和支持向量回归耦合的中长期径流预报

同样预报精度情况下,中长期径流预报提前期越长,对水库调度方案与发电计划的制定辅助决策作用效果更强.中长期径流预报的难点在于径流序列的随机性以及相应预见期的气象难以可靠预报.当前的预报模型大都是基于数据分析的数据驱动模型,其输入因子多为前期径流和大尺度气候因子.而预报因子的选择对于数据驱动模型的精度非常关键.因此,需要有效的因子筛选方法以辅助建模.本文引入lasso回归方法以筛选径流预报因子,其选择结果作为支持向量回归(SVR)模型中的预报因子,形成LASSO回归和支持向量回归耦合(LSVR)模型,并将LSVR模型应用到龙羊峡水库进行预见期为一个月的入库径流预报,并与传统SVR模型预报结果进行对比.结果表明,径流因子的选择对两种模型的预报效果都有较大的影响,过多引入前期径流因子时预报效果较差.两种模型的预报结果对比表明,LSVR模型能够增强有益预报因子的作用,减弱干扰因子的影响,在验证期和测试期的预报结果都好于SVR模型的.在2010年1月到2016年10月的82个月的测试期中,LSVR模型的4项评价指标相比SVR模型都有所提升,其中均方误差(MSE)比SVR模型减小了13.09%.     

采用改进回归型支持向量机的滚动轴承剩余寿命预测方法

为准确评估滚动轴承运行状态、预测其性能退化趋势以及剩余寿命,提出一种改进回归型支持向量机(SVR)的滚动轴承寿命预测方法。提取轴承信号的时域和时频域特征,通过主成分分析(PCA)方法将特征指标融合成一个归一化综合指标来表征轴承运行状态;利用特征指标和综合指标构建训练和预测向量数据集,结合差分进化灰狼群算法(DEGWO)确定最优惩罚参数和径向基函数(RBF)核参数并构建回归型支持向量机模型;将预测数据集输入到DEGWO算法优化的SVR模型中得到轴承状态评估指标的预测值,实现轴承剩余寿命的预测。利用IEEE PHM 2012数据集验证所提方法的有效性,并将其结果与灰狼群算法(GWO)优化的SVR、网格搜索算法(GSA)优化的SVR和长短期记忆神经网络(LSTM)模型所得结果进行对比分析。仿真结果表明：与其他方法相比,采用所提方法得到的轴承剩余寿命预测均方误差分别降低了44.74%、66.67%、77.27%,决定系数则分别提高了7.25%、20.72%、11.94%,该结果说明了所提方法在轴承剩余寿命预测应用方面的优越性。     

基于逆系统的六自由度机械臂解耦内模控制

六自由度机械臂的强耦合非线性特性加大了机器人控制的难度,为解决这一问题,研究了一种解耦控制方法.基于拉格朗日力学建立六自由度机械臂的动力学模型,并利用逆系统方法推导其逆系统模型,将逆系统模型串联在原系统的前面构成伪线性系统.仿真实验表明,该系统被解耦为6个二阶积分子系统,但建模误差与外部干扰会影响模型的准确性,从而影响...     

管线–油藏耦合系统数学模型及求解算法研究

管线输运与油藏流动系统构成了一个耦合系统,为此,提出了聚驱条件下耦合求解管线流动及油藏流动的数学模型及相应的解耦算法。采用的Drift-flux模型可有效描述管线中各相流体的流动状态及过程,同时考虑了聚合物溶液对水相增黏的影响;采用广义达西定律描述油藏流动。计算过程中,两者通过交换边界条件(井筒压力、射孔段各相流量及聚合物浓度)完成该管线–油藏系统的解耦求解过程,有效解决了耦合求解收敛性较差的问题。通过商业软件验证了该数学模型的正确性。解耦计算结果表明,Drift-flux模型可有效描述管线内聚驱条件下的各相流体的流动状态及过程;解耦算法可以有效地求解管线–油藏的耦合流动过程,计算误差与耦合求解算法相比小于5%,计算速度则比耦合求解算法快1～2个数量级。     

某型发动机测量装置模态分析与振动试验的研究

采用CATIA软件建立测量装置三维模型,基于Workbench软件对其进行有限元模态分析,得出分析结果,并与扫频振动试验结果进行对比。可以得到,采用Workbench对测量装置进行模态分析所得到的计算结果较试验件扫频试验结果的误差不超过7%,满足工程可接受误差要求;该方法的应用,缩短了研制周期,节约了研制成本,为测量装置结构设计提供了依据。     

基于耦合分析法的涡轮增压器浮环轴承数值仿真

基于以往对涡轮增压器的耦合分析中大都忽略涡轮增压器轴承体的导热,或者将导热过程简化,得到的结果误差较大的实际情况,将涡轮增压器轴承体、浮环轴承、涡轮轴、润滑油、冷却水作为一个耦合体,考虑各部件及相应物理场间的耦合关系,采用耦合分析法建立涡轮增压器轴承体的三维非稳态耦合数值仿真模型.该模型以三维瞬态热传导模型、动压润滑模型和润滑油膜传热模型为基础,对某型涡轮增压器浮环轴承的热、润滑、摩擦耦合进行分析,得到浮环轴承的温度场和应力场,并用试验证实耦合仿真模型的正确性,为涡轮增压器的优化设计提供参考依据.     

沥青生产过程中软化点的SVR预测

根据30组不同电阻和温度下的沥青软化点的实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,并结合留一交叉验证(LOOCV)法对沥青软化点进行了建模和预测研究,将其预测结果与多元线性回归(MLR)模型的计算结果进行了比较。SVR-LOOCV预测的最大误差为2.1 ℃, 远比MLR模型计算的最大误差7.9 ℃要小得多。统计结果表明：基于SVR-LOOCV预测结果的均方根误差(RMSE=0.75 ℃)、平均绝对误差(MAE=0.32 ℃)和平均绝对百分误差(MAPE=0.28%)相应也比MLR回归模型的预测结果(RMSE=3.3 ℃,MAE=2.6 ℃和MAPE=2.34%)要小。因此,应用SVR实时预测沥青产品的软化点,可为生产优质沥青提供准确的科学指导。