基于回归型支持向量机的液压舵机故障诊断

利用回归型支持向量机（SupportVectorRegression，SVR），设计了一个液压舵机的故障诊断系统。利用系统的可测参量，建立了基于SVR的液压舵机的全局故障检测模型。在仿真过程中发现，此方法能对电液伺服阀、位移传感器和伺服放大器的各种故障进行诊断，诊断准确度高，适用于闭环控制系统的故障检测，仿真结果验证了该方法的有效性。     

基于鲁棒LS-SVM的ARMA时序模型研究

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。     

基于LS-SVM的机器人逆运动学建模

提出了基于最小二乘支持向量机的机器人逆运动学建模方法，阐述了基本设计思想和具体算法过程，与RBF神经网络相比，最小二乘向量机的优点在于其训练过程遵循结构风险最小化原则，不易发生过学习现象。它通过解一组线性方程组得到全局唯一最优解。其拓扑结构在训练结束时自动获得而不需要预先确定，通过对二自由度刚性机器人的仿真，结果验证了该方法的有效性和可行性。     

基于贝叶斯框架下LS-SVM的时间序列预测模型

将贝叶斯证据框架应用于最小二乘支持向量机模型参数的选择,建立起时间序列的非线性预测模型.在推断的第一层,选择模型的参数,在推断的第二层,选择模型超参数,第三层,选择模型的核参数,并选择相关输入变量.该模型应用于加州电力市场现货价格的预测,取得了较好的效果.     

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LS-SVM的浮选过程工艺技术指标软测量

浮选过程关键工艺指标精矿品位和尾矿品位难以实现在线连续检测,且与浮选过程给矿浓度、给矿量、给矿粒度、给矿品位和浮选药剂量等因素动态特性具有强非线性、不确定性等综合复杂特性,难以建立精确数学模型。在分析了浮选过程工艺指标相关影响因素的基础上,采用最小二乘支持向量机(LS-SVM)建立了浮选过程工艺技术指标软测量模型,现场生产数据仿真研究结果表明了所提出的软测量模型的有效性。     

基于LS-SVM的导弹在线误差补偿逆控制

提出一种基于最小二乘支持向量机(least square support vector machine, LS-SVM)在线误差补偿非线性动态逆控制器设计方案。首先运用动态逆的双阶段设计方法设计了导弹的逆控制器,即第一阶段采用动态逆方法设计快回路控制器实现对滚转、偏航和俯仰三个通道角速度的跟踪;第二阶段实现慢回路对滚转角、侧滑角和攻角的跟踪;然后,设计LS-SVM在线补偿器,以增强导弹控制系统的鲁棒性。通过仿真分析,验证了该方法的有效性。     

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。     

基于LS-SVM的燃料电池控制建模的研究

由于直接甲醇燃料电池数学模型的复杂性难以满足工程上对DMFC控制系统的设计，提出一种基于最小二乘支持向量机建模算法，用具有RBF核函数的LS-SVM离线建立DMFC电堆的非线性模型；仿真和实验结果表明了该建模方法具有建模简单、模型精度高等优点，亦证明了该算法的有效性和优越性。研究结果对直接甲醇燃料电池控制系统的建模和控制具有一定的实用价值。     

原空间中最小二乘支持向量机的新算法

为了解决原空间中最小二乘支持向量机的解缺乏稀疏性的缺点,提出了Pruning法、MFCV法和IMFCV法并对BDFS法进行了修改和运用。对一个不含有奇异点的系统而言,Pruning法、BDFS法和MFCV法在一定程度上都能实现原空间中最小二乘支持向量机解的稀疏性。BDFS法无论是训练时间还是预测时间都比Pruning法短;和MFCV法比起来,虽然BDFS法的训练时间短,但比MFCV的预测时间长。对一个含有奇异点的系统而言,Pruning法几乎失去了效用;虽然BDFS和MFCV法的训练时间都比IMFCV法的训练时间短,但IMFCV法能成功抑制奇异点从而缩短预测时间。     

基于LS-SVM的电液位置伺服系统多故障诊断

利用最小二乘支持向量机（Least Squares Support Vector Machines,LS-SVM）,设计了一个电液位置伺服闭环控制系统的多故障诊断系统。利用系统的可测参量,建立了基于LS-SVM的电液位置伺服系统的全局故障检测模型和局部故障检测模型。在仿真过程中发现,此方法的诊断准确度高,适用于闭环系统的单故障及多故障的检测及定位,仿真结果验证了该方法的有效性。     

基于小波网络的水下机器人执行器故障诊断

针对水下机器人系统的不确定性使得对其进行建模比较困难的特点,提出采用一种改进的小波网络进行水下机器人运动建模。该网络通过学习,调节小波函数的伸缩和平移以及网络连接权,既能逼近函数的整体轮廓,亦能捕捉函数变化细节,使得函数的逼近效果较好。通过比较模型的输出(运动状态估计值)与实际测量值来产生残差,分析残差提取故障判断准则,从而进行执行器故障诊断。仿真试验验证了该方法的有效性。     

基于强跟踪滤波器的液压伺服系统实时故障诊断

为了在线监测运行工况和提高其可靠性,研究了液压伺服系统的实时故障诊断模型和方法.使用强跟踪滤波器联合估计系统的状态和未知时变参数,使用修正的贝叶斯算法检测故障和估计出故障的幅值,从而建立故障诊断模型和实现液压伺服系统的实时故障诊断.仿真结果证实了模型的合理性和可行性,参数估计误差小于1.2%.该方法对模型参数的不确定性具有较强的鲁棒性,能正确检测和分离液压伺服系统的故障.     

基于多模自适应滤波的无人机控制系统故障诊断

建立了无人机控制系统传感器和执行器的全局故障和局部故障的模型，在此基础上应用多重模型自适应卡尔曼滤波方法对其传感器和执行器的各种软硬故障进行诊断，应用所建立的数学模型与方法，对无人机的三个传感器和两个执行器的局部与全局故障进行了仿真计算。在仿真过程中发现，此方法的诊断准确度高，无延迟报警，算法简单，仿真结果验证了该种方法的有效性。     

一种改进的卫星网络故障诊断算法及其评估

星际链路的加入提高了卫星网络的连通性和自治性，也使得整个网络更为复杂。故障检测与诊断是保证此类网络容错性的一项重要措施。在前面工作的基础上，提出一种改进的基于系统级诊断的卫星网络故障诊断算法，并给出诊断正确性的证明。通过仿真对算法在一种双层LEO／MEO网络中的通信开销和诊断完全率（诊断出状态的网络节点数在网络节点总数中所占百分比）进行深入分析。结果表明，改进后的算法比原来的算法具有更好的通用性和诊断完全率。     

基于PETRI网递阶监控器的间歇过程故障诊断

基于混杂系统理论的Petri网递阶监控器设计方法,对间歇过程的故障传播和诊断进行了研究,建立了具有两层递阶结构的Petri网故障诊断系统,上层采用赋时Petri网协调间歇时序操作步骤,下层采用混合模糊Petri网进行故障监测和诊断.针对一个实验级应用例子建立了故障传播和诊断的混合模糊Petri网模型,实验和仿真结果表明了方案的可行性和有效性.     

基于人工神经网络的电路故障诊断专家系统

分析了电路故障的复杂性。针对传统电路专家诊断系统的不足 ,结合人工神经网络用于故障诊断的优点 ,构造了一种新型神经网络电路故障诊断专家系统。该系统采用数据表格形式表示测试诊断知识 ,使知识表达更为清晰 ,推理过程更具智能性 ,在实际运用中 ,诊断效率有很大提高。着重介绍了该系统的设计思想、组成结构和工作原理。     

车辆全液压制动系统执行机构建模及仿真

分析了全液压制动系统执行机构的动态性能，并建立了执行机构的数学模型。基于数学模型，应用Matlab／Simulink仿真程序，对执行机构的动态特性进行仿真。并将仿真结果与气压和气顶液制动执行机构进行了分析对比，证明全液压制动系统执行机构具有良好的制动性能。同时讨论了影响执行机构制动性能的主要因素。