基于优化SVM的反渗透脱盐水故障诊断

针对反渗透脱盐水系统中的反渗透膜故障问题,提出了一种基于支持向量机(SVM)的故障诊断方法.为了解决SVM的参数优化问题,采用一种基于改进的混沌粒子群优化算法的支持向量机参数选择方法.将混沌理论引入粒子群优化算法中,提高种群的多样性和粒子搜索的遍历性,有效地提高了粒子群算法的收敛速度和精度,得到了优化的SVM模型.并将此模型应用于反渗透脱盐水系统的故障诊断中.仿真结果表明,改进的SVM分类器能有效地诊断出反渗透膜故障,并且取得了较高的准确率和诊断效率.     

基于污染物侵入模拟的供水管网水质监测点优化选址方法

提出了突发或者蓄意污染情况下供水管网水质监测点优化选址的最大覆盖选址模型.结合一管网算例,利用EPANET2软件模拟扩展周期非稳态水力水质条件下管网节点污染物浓度变化情况,由此得到各个节点被注入污染物后,监测点监测到污染物浓度时不同用户节点对外供出的污染水体体积.同时提出基本粒子群优化算法与遗传算法交叉、变异算子相结合的整数编码的混合粒子群优化算法来求解该选址模型,并编制了相应的C 程序.提出的优化模型与求解算法对管网水质监测点的优化选址具有一定的参考作用.     

基于粒子群支持向量机的模拟电路故障诊断

针对传统神经网络技术在模拟电路故障应用中存在的问题,提出了一种基于粒子群算法(particle swarm optimization, PSO)和最小二乘支持向量机(least squares support vector machine, LSSVM)的模拟电路故障诊断的方法。该方法首先利用小波包技术对待诊断电路的可测点信息提取故障特征,然后使用粒子群算法优化支持向量机的结构参数,避免了参数选择的盲目性,提高了模型的诊断精度。在对某滤波电路进行的故障检测中,验证了该方法的可行性。     

基于自由搜索的LS-SVM在墒情预测中的应用

为有效地利用墒情监测资料预测未来墒情,考虑支持向量机的结构风险最小化准则和自由搜索算法良好的全局优化特点,应用最小二乘支持向量机方法,构造了优化目标函数,引入自由搜索算法对该目标函数寻优从而辨识模型参数,建立了预测墒情的最小二乘支持向量机(LS-SVM)模型.实例分析表明,支持向量机方法对墒情序列的平稳性要求不高,且模型易于实现,与传统的时间序列模型以及基于粒子群算法和鱼群算法的LS-SVM模型相比,基于自由搜索算法的LS-SVM模型具有较好的模拟及预测精度,相对误差小于15%的模拟值及预测值分别达到了100%和94.4%.     

基于GMDH-PSO-LSSVM的国际碳市场价格预测

针对国际碳市场价格预测LSSVM建模输入节点和模型参数难以确定的问题, 建立了基于数据分组处理方法(GMDH)-粒子群算法(PSO)-最小二乘支持向量机(LSSVM)的国际碳市场价格预测模型. 首先利用GMDH算法获得LSSVM建模中的输入变量; 其次应用PSO算法对LSSVM建模中的参数进行优化, 进而使用训练好的LSSVM模型对测试样本进行预测; 最后采用该模型对欧盟排放交易体系(EU ETS)两个不同到期时间的碳期货价格(DEC 10和DEC 12)进行实证分析, 取得了令人满意的效果.     

基于时变PSO-SVM的混沌时间序列连续预报

针对粒子群优化(PSO)算法中适应度函数不可变的问题,提出一种改进时变PSO算法(TVPSO),其适应度函数可变,利用TVPSO对最小二乘支持向量机(LSSVM)的参数进行优化,避免了人为选择参教的盲目性,提高了预测模型的在线预测能力.建立基于TVPSO-LSSVM的连续预报模型,充分利用LSSVM的结构风险最小化与TVPSO粒子群算法全局、时变的特性,对非线性较强的混沌时间序列进行连续预报.仿真结果表明,该法运算速度快,适用于在线预报.     

基于支持向量机元模型的随机鲁棒设计

随机鲁棒设计是一种基于蒙特卡洛仿真的优化设计方法.通常情况下,对于复杂仿真模型的随机鲁棒设计时间开销很大.为减小随机鲁棒设计过程中的时间开销,使用参数最优的最小二乘支持向量机替代仿真模型进行随机鲁棒设计.使用标准粒子群优化算法搜索支持向量机参擞和控制器参数的寻优.通过一个基准测试问题证明了该方法的可行性.     

基于多Agent粒子群优化的多步SVR模型预测控制

提出一种基于多Agent粒子群优化支持向量回归机（support vector regression, SVR）参数的优化算法,并利用该算法建立多步预测控制模型,对非线性系统进行预测控制。通过预测控制的机理推导出满足滚动优化目标函数的多步预测输出的控制律。将该模型与基于遗传算法优化的RBF神经网络预测控制器、基于粒子群优化的多步SVR模型预测控制器和基于遗传算法优化的多步SVR模型预测控制器进行比较分析,仿真结果表明该预测控制模型优于其他控制器,具有良好的预测性能,可有效的对非线性系统进行预测控制。     

增量模型控制压力恒定的多源供水实时调度

针对多水源供水管网系统参数多及变量间存在耦合,难以实现合理实时调度而导致水压多变等问题,提出一种基于增量模型控制压力恒定的多源供水管网系统优化调度策略. 依据用户流量参数预测建立增量模型,以分界监控点压力参数恒定为目标函数推导多水源调度策略,并调节机泵输出压力,机泵启停状态及变频机泵转速为优化决策变量. 鉴于供水系统模型的非线性和混合变量的耦合性,采用蚁群算法进行优化,引进扰动因子并修正搜索转移步长和动态挥发系数来提高全局寻优能力. 算例仿真表明,该模型和方法可快速找到优化调度的最优解,跟踪流量变化和保持监测控制节点实时压力恒定的效果好,为多水源的实时协调调度提供了好的基础.     

矿下电缆故障诊断的能量熵和PSO-BP算法

针对煤矿井下配电网馈线发生单相接地等故障时难以解决故障类型辨识的问题,为了保障煤矿安全生产,给出一种基于小波包能量熵结合粒子群优化BP神经网络算法的矿下电缆故障诊断方法.通过Matlab对电缆故障进行了仿真,对采集到的故障电压暂态波形进行3层小波包分解,将故障特征信号按照频率分成8段,按照信息熵理论计算特征熵能量谱,构造子粒子群优化神经网络模型,以信号的能谱熵作为特征输入向量,实现特征熵向量的分类.实验结果表明,该方法用于煤矿井下的电缆故障诊断分析是可行的,能够快速有效的检测出电缆故障.     

飞机液压系统的压力脉冲试验仿真研究

液压系统的压力脉冲直接影响到液压元件的使用期限，对飞机液压系统的可靠性带来严重威胁。飞机液压系统压力脉冲试验是产生压力瞬态脉冲，考核液压元件寿命的重要装置。为了深入研究压力脉冲的形成与控制，论文应用特征线法建立了管内流体的数学模型，并针对正弦波与梯形波两种试验波形，根据管内流体的数学模型和一系列管路的耦合边界方程建立了飞机液压系统压力脉冲试验装王的数学模型．通过对真实系统的仿真试验表明，该模型较真实的反映了实际系统的物理特性，仿真结果准确、可信。     

考虑全过程优化的支持向量机预测方法

针对支持向量机（support vector machine, SVM）预测过程中影响因素选择、输入特征集优化、核函数选择及参数优化方面存在的问题,提出了一种全过程优化方法。首先使用频繁模式增长关联规则分析和模糊贝叶斯网络组合模型来解决影响因素选择中存在的主观性问题,然后使用在异常值处理和类内距离与类间距离方面进行改进的模糊C均值聚类算法优化输入特征集,减小支持向量机预测模型冗余度及训练样本集过修正度,通过比较各核函数的特点选择径向基核函数作为SVC的核函数,改进了粒子群优化算法中微粒速度和位置函数及惯性权重值算法,使用该方法优化SVM参数并建立预测模型。最后，通过案例运算和分析,证明该文方法具有更高的预测精度。     

基于SVM的潘三矿B8组与C13组煤开采中突水水源判别模型

矿井突(涌)水水源的快速识别是矿井水害有效防治的前提条件.为了更有效地区分潘三煤矿B8、C13组煤系突水水源, 利用支持向量机(SVM)建立水源判别模型,并将其与模式识别领域发展比较成熟的BP神经网络判别模型对比,发现SVM法能够将煤系B8、C13组混和水源快速、有效地分开.研究结果表明: SVM法的分类函数结构简单,运算速度快,解决了在BP神经网络方法中无法避免的局部极值问题,对于B8、C13组煤系突水水源的区分有更好的适用性和优越性,为矿井水害防治提供了一种辅助决策手段.     

基于改进PSO算法的传感器网络覆盖优化

当无线传感器网络(wireless sensor network,WSN)采用概率覆盖模型时,难以采用几何方法进行网络覆盖率的优化。针对这一问题,通过提出一种改进粒子群优化(particle swarm optimization,PSO)算法,有效提高了WSN网络的覆盖率。首先对粒子越界处理的方法进行推了广,提高了其适用范围;其次,针对PSO算法容易陷入局部最优解的问题,通过对粒子探索能力进行增强,提出了一种探索能力增强型PSO(explorative capability enhancement PSO,ECE-PSO)算法,有效改善了种群陷入局部最优解的缺点。基于概率覆盖模型的WSN覆盖优化的仿真验证表明,ECE-PSO算法显著提高了解的质量,有效改善了算法收敛于局部最优解的缺点,且ECE-PSO算法具有较强的稳定性。     

基于EMICA-KRR的长输管道压力监测与泄漏定位方法

为解决长输管道压力监测过程中泄漏突发,难以实时预警并精确定位的问题,提出一种基于集成改进独立分量分析(EMICA)和核岭回归(KRR)的管道泄漏故障检测与定位方法.首先,建立基于EMICA算法的故障检测模型,提取并分离压力数据中的高斯信号和非高斯信号并构造相关统计量,实现故障信号分离与主分量选择;然后,根据EMICA模型获得的故障信号,进一步构造基于KRR算法的故障诊断模型,拟合数据得出故障信号压力变化幅值,实现泄漏信号的选择与泄漏故障的定位;最后进行TE(田纳西-伊斯曼)过程的数值仿真实验以验证算法的性能.仿真结果表明:EMICA-KRR算法拥有更良好的信号分离能力,可以准确识别泄漏故障信号并精确定位管段失效位置,克服了传统方法的低效、延时等缺点.     

基于PSO的组合拍卖模型及其Swarm仿真

通过放松竞买人对拍卖物品的替代性或互补性的一致性认识假设,在组合拍卖机制设计的基础上建立了基于竞买人报价的组合拍卖模型.为了高效率地获得物品的最优分配方式,运用particle swarm optimization(PSO)算法模拟物品分配方式的寻优过程,在此基础上构建了基于PSO算法的组合拍卖模型.在Swarm仿真平台上对基于PSO算法的组合拍卖模型进行设计与实现,并通过一个具体的组合拍卖算例进行仿真验证,结果分析表明基于PSO算法的组合拍卖模型能够有效地解决多个物品的分配问题,并能实现卖主收益的最大化.学习能力参数分析表明,与自我学习能力相比,社会学习能力对卖主收益的优化更加重要.本文的研究结果对组合拍卖的理论研究和实际应用具有一定的借鉴价值.     

深水铺管船用张紧器液压夹紧系统建模与仿真

综合考虑3000m水深铺管船用张紧器的工作过程及参数要求,设计液压夹紧系统为管线提供夹紧力并确定液压系统元件参数。利用AMESim软件建立仿真模型,并对液压缸快进、工进、保压、快退四个工作阶段及同步性进行仿真分析,除快进阶段液压缸存在速度波动外,其余三个阶段运行平稳;采用PID控制使液压缸具有良好的同步性,并通过分析液压缸动态特性,对液压系统进行优化。仿真结果表明液压夹紧系统基本满足张紧器工作要求。     

改进粒子群算法优化 BP 神经网络的短时交通流预测

为提高 BP 神经网络预测模型的预测准确性, 提出了一种基于改进粒子群算法优化 BP 神经网络的预测方法. 引入自适应变异算子对陷入局部最优的粒子进行变异, 改进了粒子群算法的寻优性能, 利用改进粒子群算法优化 BP 神经网络的权值和阈值, 然后训练 BP 神经网络预测模型求得最优解. 将该预测方法应用到实测交通流的时间序列进行有效性验证, 结果表明了该方法对短时交通流具有更好的非线性拟合能力和更高的预测准确性.     

消除EMD端点效应的PSO-SVM方法研究

经验模态分解(empirical mode decomposition, 简称EMD)的端点效应使得EMD分解结果产生严重失真, 为了减小分解过程中产生的端点效应, 将支持向量机(SVM)这一智能算法引入EMD, 提出采用SVM模型解决分解中产生的端点效应问题. 通过支持向量机对其原始数据两端进行延拓, 以获得一个或者多个极大值和极小值. 为了使端点处的延拓变得更加合理, 引入粒子群(PSO)智能算法对支持向量机算法参数进行优化, 使其两个端点处的数据延拓得更加准确, 从而使得三次样条曲线在端点处不会发生大的摆动, 实现EMD分解的固有模态函数(IMF)更加准确可靠. 通过对仿真信号的研究表明, 基于PSO-SVM 方法的延拓方法能够很好地抑制了分解的端点效应.     

基于SVM和PSO算法的飞机部件DMC预计方法

控制维修成本是飞机研制中的一项重要任务,而部件直接维修成本(DMC)的预计是控制过程中的关键步骤。鉴于现有的预计方法精度不高、波动性大或可操作性不强,引入了支持向量机(SVM)理论对不同单一模型进行非线性组合,并改进了粒子群优化(PSO)算法用于同时求解离散变量和连续变量,达到了模型选择和SVM参数的联合优化。实验证明,该预计方法算法简单、速度快,并且比以往的方法在精度和稳定性上都有显著提高。