基于最小二乘支持向量机的大坝变形预测研究

大坝变形预测是风险评估的关键,而涉及因素存在高度非线性.为达到好的预测效果,提出了一种基于最小二乘支持向量机(LSSVM)的大坝变形预测方法.在数据预处理方面,针对传统的参数平方、立方这种处理方式,提出变阶次概念;针对LSSVM交叉验证耗时过多,提出了一种简单可行的变参数方法 .为了快速获得优化结果,引入基于十进制的遗传算法.此外,为进一步提高预测精度,引入遗忘因子概念.最后,给出一个实例.     

基于观测器的多机系统气门开度的模糊H_∞控制新方法

研究了汽轮发电机组成的多机电力系统气门开度的模糊观测H∞控制器设计问题.首先对多机电力系统建立T-S模糊模型,由于实际电力系统的状态有时不能作为模糊规则的前件变量,基于观测状态给出了多机电力系统具有H∞性能指标的条件,但它不是基于线性矩阵不等式(LMIs)的,只能通过两步法求解.因此又提出仅需一步就能求解的基于LMIs的条件,克服了两步法求解带来的保守性.最后采用局部线性化方法对两机无穷大母线的气门开度控制系统建立T-S模糊模型,并验证了控制方法的有效性.     

中平树根部脂溶性成分的GC-MS分析

【目的】研究中平树根部的脂溶性化学成分,为其药用资源的进一步开发利用提供科学依据。【方法】采用硅胶柱层析法对脂溶性成分进行分离,甲酯化后再通过气相色谱-质谱-计算机联用技术对其进行分析和鉴定。【结果】分离出30个组分,确认了其中的21个成分。【结论】分离得到的脂溶性成分主要为脂肪酸类化合物,所有成分均为首次在该植物中分离鉴定出。     

摩托车补气阀自动装配机控制系统设计

根据摩托车补气阀自动装配的工艺要求,设计了一款与之配套的自动控制系统,该系统采用可编程逻辑控制器件(PLC)作为控制核心器,并配合多类型传感器和气动回路使用.系统采取半闭环控制模式,严格执行工艺流程和时序要求.实证效果表明,所设计的自动装配控制系统提高了自动装配机运行的稳定性和安全性,提高了自动装配的效率,有效降低了生产成本,同时为今后类似零件生产设备的自动化改造提供了经验,具有一定的应用价值.     

基于支持向量机的P2P流量管理模型设计

对P2P的网络流量进行识别是P2P研究领域中的一个重大难题,为了实现对其管理,提出了一种基于支持向量机(SVM)的P2P流量分类管理模型.首先获取P2P网络流量数据,然后将获取的样本数据输入SVM并对SVM进行训练,最后将测试样本数据输入SVM进行P2P流量分类管理.仿真实验证明了该方法具有较高的检测率和较低的漏报率.     

机器学习在车载激光点云分类中的应用研究

点云信息分类提取与利用是车载移动测量系统的关键技术,提高车载激光点云分类的智能化已成为当代信息科学技术发展所面临的重要问题.从分析点云的特征入手,采用机器学习方法对车载激光点云的行道树提取进行了大量实验研究.首先,在点云原始特征的基础上,根据其局部几何特征及空间分布,构造了由三维空间位置、回波强度、颜色值、法向量、单位投影密度、残差及回波强度维度内的残差等17个特征值组成的点云高维特征向量,然后采用支持向量机和人工神经网络两种机器学习方法分别对行道树点云进行提取实验.实验中采用了粒子群优化算法对支持向量机进行参数寻优,采用所构造的由17个特征值构成的特征向量对点云进行机器学习,两种学习方法的行道树点云分类精度分别可以达到99.75%和99.25%.实验结果表明,采用机器学习的方法对于提高车载激光点云分类自动化程度和智能化水平具有重要意义和作用.     

苯并三氮唑、Cr(Ⅲ)和磷钨酸构成的无机-有机杂化化合物的合成与性质

合成了一种无机-有机杂化多酸化合物[Cr(H2O)6][BTA]3[P2W18O62]·12H2O(BTA=苯并三氮唑).采用X射线单晶衍射、元素分析、红外光谱、热重分析和XRD分析对该晶体的结构进行了表征.结果表明:该晶体属于六方晶系,P-62c空间群;晶胞参数a=1.674 36(5)nm,b=1.674 36(5)nm,c=3.121 55(14)nm,γ=120(10)°,V=7.578 8(5)nm3,Z=1,F(000)=5 543.43,R1=0.052 4,wR2=0.096 5.在该晶体结构中,带负电荷的多阴离子簇、质子化的苯并三氮唑分子、Cr3+和水分子在分子中交替排列.电化学实验证明,该化合物对NO-2具有良好的电催化性质.     

矩形截面型材三维拉弯成形的回弹预测

设计了用于三维拉弯成形的、可重构的柔性模具,并采用支持向量回归机和有限元模拟对柔性三维拉弯成形的回弹进行预测.使用有限元法分析了对回弹量影响较大的6个因素(包括材料参数、几何参数和工艺参数),以及它们对回弹的影响趋势.选用这6个参数设计有限元三维拉弯模拟实验,并用模拟结果训练和检验支持向量回归机回弹预测模型.通过与广泛应用的神经网络预测方法的预测值和有限元模拟试验结果的比较,检验该回弹预测模型的准确性.研究发现,该模型与神经网络相比具有更高的准确度,在试验中根据该模型预测的回弹量对模具型面进行相应的补偿,可以有效地减小回弹和形状偏差.     

采空区危险性的支持向量机识别

针对采空区危险性影响因素与其危险性等级之间存在着复杂非线性关系的特点,笔者提出采用支持向量机最优分类理论来识别采空区的危险性等级。研究选取岩体结构、地质构造、岩石抗压强度、弹性模量、采空区形状、矿体倾角、高跨比、空区体积等8个参数作为主要影响因素,根据支持向量机理论,提出了1-V-1的采空区分类算法,并在Matlab中编程,建立了分类预测的SVM模型。以某矿山的实测采空区为例,利用该模型进行了识别,并与BP神经网络预测结果作对比。实例研究表明,采用该方法的分类结果比神经网络更准确,与采空区调查结果一致性好,用支持向量机理论进行采空区危险性评价是可行的。     

MR影像体素形态学的阿尔茨海默病自动分类方法

为了确定轻度认知功能障碍(MCI)与阿尔茨海默病(AD)患者发生萎缩的重要脑区,实现正常老年人(NC)对照组、MCI与AD三组人群的分类,选择了178名被试的脑部MR影像,利用体素形态学与方差分析方法,考察NC,MCI与AD三组人群的MR影像中灰质体积差异;然后,采用递归特征消去法对特征进行降维;最后,利用线性支持向量机对这3种人群进行分类.实验结果表明,MCI组与NC组、MCI组与AD组、AD组与NC组的平均分类准确率分别为(90.2±1.3)%,(74.7±0.9)%,100%.对分类产生重要影响的脑区包括海马、海马旁回、杏仁核、梭状回和嗅皮层等.所提方法不仅能有效揭示NC,MCI,AD三组人群的脑灰质差异,阐明MCI患者与AD患者脑区发生萎缩的过程与特性,而且能准确区分这3组人群,具有显著的临床应用价值.