组合最小二乘支持向量机与粒子群优化算法研究黄土湿陷性

通过静力触探试验指标结合扰动黄土试样的液限、塑限及含水量等指标用最小二乘支持向量机方法进行建模,提出了静力触探试验指标和湿陷系数的非线性关系模型,并引入粒子群优化算法进行模型反演分析,确定最优参数。通过6个对比勘探点的50组试样实例应用分析,显示了最小二乘支持向量机是一种较为有效的非线性建模方法,粒子群优化算法进行模型参数优化能够保证全局最优。验证结果表明模型的精度较高,有一定的实用价值。     

惯导工具误差分离与折合的支持向量机方法

制导工具误差分离与折合是导弹精度评定中的重要问题。由于工具误差分离存在着很强的复共线性,传统的最小二乘方法与主成分方法不能很好的解决这一问题。提出了利用支持向量机方法获得工具误差系数估计的思想,并将估计结果应用用到弹道误差折合中,与最小二乘和主成分方法相比,支持向量机获得的误差系数估计与真值更加接近,分离残差较小,折合得到的全程弹道遥外差更加接近于真实值。     

注塑过程子时段动态非线性质量预测

针对注塑间歇过程多阶段、缓慢时变、非线性和质量变量测量值不能在线获得等特点，提出子时段滑动窗口广义回归神经网络质量预测方法，首先，采用分类算法对三维数据矩阵的时间片PCA负载矩阵进行分析，根据相关性分析把注塑过程划分为几个子时段，然后确定与重量密切相关的阶段，在确定的阶段内采用滑动窗口建立GRNN多模型，解决常规MPLS在工业应用过程中存在的几个潜在问题：（1）静态单一模型；（2）模型失配问题；（3）MPLS线性方法不能充分有效压缩和抽取非线性过程信息；（4）估计未来测量变量所引进的模型偏差。所提方法与子时段滑动窗口MPLS方法进行仿真比较。结果证明了所提方法的有效性。     

贝叶斯框架支持向量机的模拟电路故障诊断

基于贝叶斯证据框架下的最小二乘小波支持向量机，设计了一种新型模拟电路故障诊断方法。将贝叶斯证据框架应用于多类LS-WSVM分类器来选取正规化参数和核参数，并采用小波提升变换对从测试点得到的各种故障状态下输出电压信号进行分解获取多尺度的小波系数，对经处理的小波系数提取出故障特征量，以此作为样本训练多类LS-WSVM分类器来确定模拟电路故障诊断的模型。采用雷达系统模拟电路进行了仿真，结果表明，设计的模拟电路的故障诊断方法效果良好。     

基于LS-SVM的网络化控制系统自适应预测控制

针对网络化控制系统（NCS）中的随机时变时延,提出了一种用最小二乘支持向量机（LS-SVM）预估网络时延的方法。先将网络时延建模为非线性时间序列,再用径向基函数（RBF）作为LS-SVM的核函数,建立了网络控制系统的时延预测模型,然后用该模型预估的时延作为控制器的参数,对网络化控制系统的时延进行补偿和预测控制。仿真结果表明提出的时延预测方法,对网络控制系统的随机时变时延有较高的预测精度,根据该时延设计的控制器能使系统的输出很好地跟踪期望的输出。     

新型建模及优化方法在爪极发电机中的应用

通过电机参数样本空间设计,引入支持向量机,对爪极发电机的电磁模型进行非线性回归建模分析,基于混沌理论对爪极发电机结构参数进行优化.仿真结果表明,支持向量机用于爪极发电机非参数建模准确可行,并且是高效的,非常适合于需要大规模迭代计算的参数优化.将有限元电磁仿真与支持向量机结合用于非参数建模,以及在非参数模型的基础上用混沌进行优化,这为爪极发电机以及其它的电磁工程设计提供了一种新的思路.     

不同成型方式的水泥碎石性能对比

为更准确地控制施工质量,并进一步提高水泥碎石的路用性能,系统研究了振动成型方式下的水泥碎石最大干密度、无侧限抗压强度、抗裂能力、弯拉强度及抗疲劳能力等,并与静压成型结果进行了对比.同时将现场芯样的无侧限抗压强度及压实程度与室内试验结果进行对比,以验证室内成型方式的合理性.结果表明,振动成型能够更有效地模拟现场碾压方式,采用振动成型设计的水泥碎石路用性能有较大幅度的提高,采用振动成型设计标准控制水泥碎石基层施工更为合理.     

某型包装机推手机构刚柔耦合系统动力学研究

高速状态下,柔性较小的零件作为纯刚体进行计算,其结果与实际情况有偏差.基于刚柔耦合系统动力学理论,采用有限元方法和模态综合叠加法,将刚度较小的零部件柔性化,建立某型包装机推手机构的刚柔耦合系统动力学模型.基于该模型,计算推包和折边时长臂推手的动态应力,并与ABAQUS中计算结果比较,二者基本吻合,验证了基于刚柔耦合系统动力学理论计算动态应力方法的正确性.对比研究推手机构的多刚体计算模型与刚柔耦合系统动力学模型,表明柔性长臂推手变形会引起一定的位置偏差,验证了在高速状态下该机构刚柔耦合系统动力学模型的计算结果更为准确.     

一类支持向量机中引导式量子粒子群优化机理及实现

通过分析量子粒子群在一类超球面支持向量机训练优化的应用机理,提出一种基于引导式量子粒子群(D-QDPSO)的一类超球面支持向量机训练优化算法,根据Zoutendijk最速下行策略确定全局最优gbest的优化方向,计算引导粒子位置;同时在初始化时根据序列最小优化算法(SMO)得到靠近最优解的近似位置,并以约束平面边界点作为初始化粒子,扩大了搜索范围。实验表明,D-QDPSO算法有较好的收敛性能和泛化性能,其误识率比SMO降低约0.12%,运算速度比LPSO提高2倍左右。     

基于矩特征的目标识别

对图像中的目标进行自动识别,既节省了人力,又提高了信息的时效,是模式识别发展的一个重要方向.文中用矩不变量表示目标的形状特征,并对其在离散时不具有尺寸不变性进行改进,构造了新的矩不变量.根据提取的矩特征设计了支持向量机分类器,用于对不同类型的目标进行分类识别,利用VC＋＋和Libsvm工具开发了自动识别软件.