一般相关量测噪声线性系统的递推状态估计

为了得到具有一般相关量测噪声线性系统的递推滤波算法,将该问题转化为具有相关量测单值随机向量的滤波问题,根据单值随机向量的线性无偏最小方差估计算法,导出了量测噪声为一般相关鞅差序列的线性系统的最优递推状态估计滤波算法,通过数值仿真,将该算法与假定量测噪声不相关时的Ｋａｌｍａｎ滤波算法进行了比较,证明了该算法的有效性。     

基于支持向量机的车辆质心侧偏角估计

针对动力学建模方法对车辆质心侧偏角进行估计所面临的路面附着系数和车辆参数无法准确获取等缺点,基于统计学理论中的支持向量机对车辆质心侧偏角估计展开研究。选择方向盘转角、车辆速度、横摆角速度和侧向加速度作为支持向量机的特征向量。在Carsim仿真平台设计了20组典型车辆操纵试验作为训练样本得到预测模型,通过2组变附着系数路面上的操稳性试验对模型进行了验证。研究结果表明:支持向量机可以有效实现对不同附着路面上车辆质心侧偏角的估计,达到了较高的估计精度,即使车辆发生大侧偏现象使轮胎进入侧偏角-侧偏力曲线的非线性域,该方法仍能够实现质心侧偏角的准确估计,估计的绝对误差不超过1.42°,从而为车辆主动安全控制提供了参考。     

相关向量机模型在边坡稳定性预测中的应用

近年来,边坡稳定性预测得到了广泛的研究,及时、准确的预测可以有效的预防边坡破坏灾害的发生。本文提出了一种基于相关向量机(RVM)的边坡稳定性预测模型,结合京-新高速公路高堑边坡工程实例,通过对比支持向量机（RVM）模型、RBF神经网络模型和支持向量机(SVM)模型的拟合及预测结果来分析其可行性。结果表明:相较于SVM模型和RBF神经网络模型,RVM模型的三种预测指标值均是最小的。其中,平均绝对误差（MAE）分别降低了86.02%和22.11%,均方根误差（RMSE）分别降低了72.05%和1.09%,相对均方误差（RRMSE）也分别降低了75.89%和21.13%,表明RVM是一种预测边坡稳定性的稳健工具,该方法能较为准确地预测出不同指标下的边坡安全系数。     

基于软测量技术的电动汽车行驶状态估计

为了实现对电动汽车运行信息的低成本估计,通过建立了以3自由度电动汽车动力学模型为基础的EKF软测量算法。利用低成本传感器测得的纵向、侧向加速度、横摆角速度和转向盘转角信号,实现了对电动汽车横、纵向车速和质心侧偏角运动状态信号进行精确估计;同时引入了HSRI(highway safety research institute)轮胎模型;在动态特性下轮胎的侧向力可得到有效的估计。最后通过Car Sim与Matlab/Simulink联合仿真对EKF算法进行了验证,从而验证了EKF软测量技术能够准确、实时地估计汽车行驶动态参数信息。     

基于强跟踪滤波的车辆非线性状态估计

针对车辆稳定性控制过程中较难直接测得的车辆关键状态参数,提出基于强跟踪滤波理论的多传感器线性组合状态最优估计算法.建立包含纵向、侧向及侧倾运动的汽车4自由度非线性动力学模型和状态估计模型,并运用多传感器线性最优融合强跟踪滤波估计器,对汽车关键状态进行仿真分析.分析结果表明,采用该方法可以解决由于模型不确定性造成状态估计值偏离系统真实状态的现象,并能有效抑制滤波发散,具有较大范围的自适应跟踪能力.该方法为汽车先进控制系统中的状态参数估计提供了一种准确且低成本的实时软测量技术.     

小波相关向量机

将小波分析与相关向量机结合,提出了一种新的机器学习方法——小波相关向量机．在模拟数据和典型数据集上的实验表明,与经典的相关向量机相比,小波相关向量机可以更好地逼近任意函数,训练时间更短,并且在有噪音的情况下具有更好的鲁棒性．     

基于自适应Kalman滤波的输油管道状态估计

通过离散化输油管道瞬变流动控制方程,基于扩展Kalman滤波方法,用带有未知时变噪声统计的虚拟噪声补偿线性化模型误差,构造了鲁棒自适应Kalman滤波器,以进出口压力及站间测量点为系统的输入与输出向量,对输油管道进行状态估计,并将状态估计结果与实际运行采集数据进行对比.结果表明,该滤波器迭代收敛速度较快,其误差控制在3%以内.     

相关向量机及其在铜锍吹炼中的应用研究

相关向量机(Relevance Vector Machine,RVM)是一种新的在稀疏贝叶斯概率模型的基础上发展起来的基于统计学习理论的机器学习方法,它比支持向量机( Support Vector Machine,SVM)有更多优点,已成为数据挖掘的又一高效有力工具.本文研究了RVM在铜锍吹炼中的应用.用RVM对某冶炼...     

基于模糊着色Petri网的车辆行驶状态估计

车辆行驶状态的有效估计是改善综合交通运输效能的有效途径,针对车辆行驶过程数学模型难以准确建立,依据车辆的行驶状态流跟Petri离散并行系统的相似性,提出利用具有良好层次化和时序性特点的Petri网建立车辆行驶状态估计模型。分析影响车辆状态变化的影响因素,将车速、车辆质心侧偏角以及车辆横摆角速度作为描述车辆状态属性指标,并确定输入的论域以及隶属度函数,依据车辆运动状态的可控性和驾驶舒适性建立相应的模糊规则。最后,在CPNtool中构建车辆行驶状态估计模型,采集路车试验数据对模型进行训练与测试,结果表明,Petri网模型不仅能够以可视化方式充分展现车辆状态变化过程,且能够通过着色的库所变迁确定影响车辆状态发生的关键性因素,模型的估计结果逼近真实值。     

自适应UKF算法及其在GPS/INS组合导航中的应用

提出了一种自适应无迹Kalman滤波(UKF)算法.针对UKF受初始值误差和动力学模型异常扰动误差影响的问题,将自适应估计原理引入到UKF算法,将动力学模型信息对导航解的贡献进行合理调整.计算结果表明,在GPS/INS松组合导航系统数据处理时,UKF算法略优于扩展Kalman滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制动力学模型误差对导航解的影响,进一步提高导航解的精度和可靠性.     

支持向量机在短期负荷预测中的应用

采用一种有效的负荷聚类分析处理技术,把FCM模糊聚类算法和支持向量机的短期负荷预测相结合。该方法考虑到负荷变化的周期性特点,应用模糊聚类分析的基本原理,对原始样本进行模糊聚类分析,选取与预测样本特征相似的样本作为训练样本,建造负荷预测的支持向量机模型。实例分析证明,该方法能够有效地提高负荷预测的精度,缩短了预测时间。     

相关向量机在地震滑坡敏感性分析中的应用

 地震滑坡敏感性分析是地震次生灾害研究的重点内容之一。数据量大且致灾因素复杂是研究地震滑坡问题的难点。在对已有敏感性分析模型研究的基础上,以芦山地震为例,选取地面高程、坡度、坡向、地层、斜坡形态、斜坡结构、距断层平均距离、距水系平均距离、地震峰值加速度9个地震滑坡评价因子,建立基于遗传算法的相关向量机（GA-RVM）敏感性分析模型,生成地震滑坡敏感性区划图,统计结果显示滑坡正确率为99.74%,滑坡密度在极高敏感区达到27.4057个/km²。结果表明,相对于基于遗传算法的支持向量机,GA-RVM获得了更高的预测精度,可为进一步完成地震灾害预防提供依据。     

基于相关向量机的地层可钻性级值预测

对录井资料及测井资料与地层可钻性级值的关系进行分析,提出一种基于相关向量机算法的地层可钻性级值预测的新方法.通过标准化钻速、测井声波时差、地层密度、泥质含量和地层深度进行学习训练相关向量机,建立地层可钻性级值预测的相关向量机模型.对准噶尔盆地部分井的地层可钻性级值进行预测的结果表明,该方法优于BP神经网络方法,具有预测精度高、收敛速度快、推广能力强等优点.     

基于支持向量机的相关反馈图像检索算法

相关反馈技术是近年来在图像检索中较为重要的研究方法 ,从机器学习的角度 ,以支持向量机 (SVM)为分类器 ,提出了一种新的相关反馈方法。在每次反馈中对用户标记的正例和反例样本进行学习 ,建立 SVM分类器作为模型 ,并根据学习所得的模型进行检索。由于 SVM分类器在一定程度上勾勒出了相关图像在特征空间中的分布 ,因而对整个图像库进行检索时可以查找到更多的相关图像。使用由9918幅图像组成的图像库进行实验 ,结果表明 :该方法可以通过交互的反馈过程 ,有效地检索出更多的相关图像 ,并且在有限训练样本情况下具有良好的泛化能力     

基于小波相关向量机的产品质量模型

针对常用的质量建模方法精度不高且难以给出预测区间,提出了基于小波相关向量机的产品质量模型.应用仿真数据和带钢热镀锌锌层质量的实际生产数据分别建立了小波相关向量机模型.结果表明,小波相关向量机方法与支持向量机及传统的相关向量机相比,具有更好的预测精度,而且给出了预测区间.多组带钢热镀锌锌层质量实际数据的相对预测误差的平均值为4·52%,为保证产品质量提供必要的决策支持和分析手段.     

基于支撑矢量机的信源数估计

为了改善在低信噪比、小快拍、色噪声环境下盖氏圆准则信源数估计算法的估计性能,提出了基于支撑矢量机(SVM)的信源数估计算法.基于支撑矢量机的信源数估计算法应用天线阵列接收数据协方差矩阵经特征值分解后,噪声的特征矢量与天线阵列的阵列流型正交的特性,通过盖氏圆算法提取信号和噪声的分类特征,再构造和训练两类分类矢量机,将天线...     

基于进化支持向量机的机械状态预测

为了解决在历史样本数据有限情况下,传统预测方法预测精度低以及支持向量机预测中人为选择参数的盲目性,结合遗传算法和支持向量机的优势,建立了进化支持向量机预测模型。利用该模型对某型电铲发电机组的振动趋势进行预测,研究结果表明,该方法能自动优化参数,提高了预测精度。该方法可应用到其他时间序列预测中,具有较高的应用价值。     

基于相关向量机的短时交通流量平滑处理方法

提出了一种基于相关向量机建模与求解思想的短时交通时序数据平滑处理方法,对短时交通时序参数平滑处理方法的流程进行了设计,并选取均方根误差、模型训练时间等作为评价指标。以西安市南二环快速路在不同时间尺度下的短时交通量实测数据对该平滑处理方法的有效性进行了验证,结果表明,提出的数据平滑处理方法可为分析城市短时交通时序参数态势变化规律、提高其参数预测精度等方面提供科学方法和理论支撑。     

基于贝叶斯相关向量机的脑电睡眠分期

针对支持向量机(SVM)计算复杂度高和参数不易确定的局限性,提出一种基于稀疏贝叶斯相关向量机(RVM)的脑电数据睡眠分期方法.给出二分类RVM的参数推理和优化,并确定了二叉树多分类RVM模型.基于8例健康成年人的MIT/BIH睡眠脑电实测数据,根据已有的专家人工睡眠分期注释,首先提取清醒期和睡眠各期脑电数据的样本熵值作...