多支持向量机融合建模的直线电机设计研究

主要研究多支持向量机融合建模方法,并使用差分进化算法对模型进行优化。以圆筒直线电机为研究对象,采用有限元法、正交实验设计与随机实验设计结合方法获得直线电机非参数建模的样本空间,建立直线电机的快速计算模型,并验证模型的精度和效率;采用差分进化算法对直线电机结构进行优化设计,并采用有限元模型验证优化结果的可靠性。为多支持向量机融合算法提供了实际验证。     

基于SVM的模糊推理在图像降噪中的建模与仿真

针对图像上的脉冲曝声，用基于支持向量机的模糊推理方法建立噪声检测模型。该建模方法应用支持向量机的学习机制从训练样本中提取支持向量，由支持向量确定模糊基函数，产生相应的模糊规则，建立起模糊推理模型。并依据此设计了一套噪声检测系统。该系统由基于支持向量机的模糊推理子系统和决策子系统组成。其中，推理子系统分别在纵向和横向上检测噪声信息：决策子系统综合纵向横向的信息，做出决策。仿真实验结果表明，所提出的方法可有效地检测并去除噪声，同时保留了图像的细节信息。     

基于Modelica的直线电机控制系统建模与仿真研究

Modelica是一种新型建模语言,采用代数微分方程对机电领域组件和耦合关系进行统一描述,适合于机电产品的建模与仿真。应用Modelica研究直线电机控制系统性能是一种新方法。在建立直线电机控制系统数学模型的基础上,展示了系统、电/机转换部件Modelica模型的建立过程。对系统进行图形化和语言化建模,实现了基于开源平台OpenModelica的模型仿真及结果输出;与基于Simulink的系统模型仿真进行对比,结果基本一致。     

遗传优化的SVR在钢材力学性能预报中的应用

提出了基于支持向量回归的钢材力学性能建模方法,采用遗传算法优化支持向量回归模型的参数,避免了参数选择的盲目性,使得支持向量回归模型的预测性能有了显著提高.将此方法应用于实际钢厂的钢材力学性能预报中,模型的训练与验证数据都来自于实际的过程,结果表明采用遗传优化的支持向量回归模型对钢材力学性能具有很好的预估性能.     

SVM方法及其在客户流失预测中的应用研究

客户流失分析与预测是客户关系管理的重要内容.针对客户流失问题,建立了支持向量机预测模型.针对实际客户流失数据中正负样本数量不平衡而且数据量大的特点,提出带有不同类权重参数的支持向量机算法CW-SVM,通过调整类权重参数改变分类面位置,提高算法分类准确性;将标准支持向量机训练问题转化为运算效率更高的核向量机问题,提出处理不平衡海量数据集的CWC-SVM算法.通过实际银行信贷客户数据集测试,该算法与传统预测算法比较,更适合解决大数据集和不平衡数据,取得较好的客户流失预测效果.     

基于修正核函数的SVM分类器研究

以黎曼几何为理论依据,基于S.Amari的修正核函数思想提出了两种新的保角变换,用其对核函数进行数据依赖性改进,进一步提高支持向量机分类器泛化能力。以人工非线性分类问题为对象进行研究,仿真实验结果表明采用新保角映射可以快速显著地改善分类器泛化性能,而且能大幅度地减少支持向量的数目。     

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。     

导数平方和准则与SVM参数优化

支持向量机(SVM)的性能与SVM参数的选择有关.SVM参数的优化需要一个准则.针对核函数选择RBF形式的情况,提出了一个新的SVM参数优化的准则,称作导数平方和准则.与著名的SVM参数优化方法如交叉验证或Radius/Margin Bound准则方法相比,利用提出的参数优化准则得到的分类面能够在原空间对样本集"平分秋色",体现了SVM分类器的结构风险最小化的原则,而且算法简单、计算量小、更易于实现.     

直线电机地铁车辆曲线通过建模与仿真

分析了直线电机轮轨交通系统车辆与轨道结构的特点，针对广州地铁4号线车轨系统的特征，建立了其动态曲线通过模型。通过仿真计算得到了曲线半径、超高以及行车速度对车辆曲线通过时动力特性的影响规律。通过此项研究，为进一步探讨直线电机车辆曲线通过动力特性、优化线路设计参数以及轨道的养护维修工作打下了良好的基础。     

峰值识别的SVM模型及在时用水量预测中的应用

提出了一种峰值识别理论及相应改进的SVM模型.该模型在结构风险最小化准则的目标函数中加大峰值误差的权重,并结合杭州市时用水量预测实践结果,其能很大提高对峰值用水量的预测精度.模型还把时用水量序列分为参数优化集和训练预测集,以对参数C、γ优化选取.     

改进的三种群遗传算法

提出了一种新的三种群遗传算法.在一个子种群中,高相似个体之间具有相对高的交叉率,遗传操作得到的新个体替代上代种群的最劣的个体.在另一个子种群中,低相似个体之间具有相对高的交叉率,相对大的变异率,遗传操作得到的新个体替代父代中的最劣个体.两个子种群移民一定数量的个体到第三个子种群,第三个子种群进化后移民到前两个子种群,均衡算法的局部搜索能力和全局探索能力.将算法与确定性排挤遗传算法与3个子种群的多种群遗传算法进行比较,结果表明新算法的性能更优.     

引入生态位技术的遗传算法研究及应用

近来遗传算法得到了广泛的应用,但这种全局并行的搜索算法存在搜索偏差和早熟问题。为解决该问题,已有许多改进方法。本文提出一种动态方法,通过引入生态位的“态、势”理论对基本遗传算法进行改进。依照自然选择的原理,生物都有无限扩充其生态位的潜力。扩充必然导致生物进化,而生物扩充是由生物的生态位决定的,因此根据生态位的大小作为选择策略,产生下一代个体更符合自然进化法则。实例结果表明该算法的有效性。     

基于个体相似度交叉率自适应的遗传算法

标准遗传算法的交叉运算以固定的交叉率进行操作。即不管遗传个体之间的相似程度，所有个体的染色体均以不变的概率进行交叉。本文根据交叉配对个体之间的相似度值自适应地确定交叉率，相似度值大的交叉个体以较小的概率进行交叉．而相似度值小的个体以较大的概率进行交叉。通过这种方法，可以提高遗传寻优计算的效率，加快遗传算法的收敛速度。     

n 进制编码遗传算法的收敛速度

利用一个特殊的minorization条件给出了n进制编码的经典遗传算法收敛速度的一个上界,分析了种群的规模、编码串的长度以及变异概率等变量对算法收敛速度的影响,它推广了已有的结论,并对算法的参数设计有参考价值.     

遗传——灾变算法及其在非线性控制系统中的应用

本文提出了遣传一灾变算法。在遗传算法的基础上，提出进一步模拟自然界中的灾变现象，以提高遗传算法的性能，尤其是解决重要的不成熟收敛问题。文中介绍了它的基本原理并将其应用于非线性控制系统的优化设计中。仿真实例验证了该算法的优良性能     

遗传算法在企业竞争决策中的应用

本文根据遗传算法的特点，将其用于博奕论中，旨在求解针对企业竞争决策中的Ｒｉｃｈａｒｄｓｏｎ模型，并指出了遗传算法在此领域中的有关研究方向。     

用于神经网络直接逆控制的连续空间遗传算法

为解决神经网络直接逆控制中训练样本的获取问题 ,提出了一种神经控制器的设计方法。通过对连续空间遗传算法的编码和遗传算子进行适当改进 ,采用保留精英的线性排序选择 ,避免成熟前收敛 ,并给出算术交叉算子和乘法变异算子 ,使算法同时具有好的搜索精度和搜索效率 ;然后采用这种改进的遗传算法对非线性动态系统的控制进行优化 ,获得了基于一定性能指标的期望的状态轨迹及相应的最优控制序列 ,并以此训练神经网络控制器。最后给出了以同步机为控制对象的仿真结果。     

遗传算法在模糊线性回归子集选择中的应用

针对模糊线性回归,提出子集选择问题,给出评价准则,并采用遗传算法（ＧＡｓ）实现子集选择．最后给出应用实例     

正交试验遗传算法及其在函数优化中的应用

针对遗传算法参数多且配置困难的问题，本文提出一种利用正交试验优化选择参数的方法，它使得对于不同领域的优化问题只需用正交试验进行一次参数配置，然后用遗传算法进行具体寻优即可取得较好效果。这种正交试验遗传算法易于编程实现且在一定程度上避免了遗传算法参数配置的盲目性。     

城市单交叉路口交通流实时遗传算法优化控制

针对单交叉路口多相位交通流建立了一种实时动态模型 ,并简要介绍了一种实时遗传算法优化控制方法 .通过对本周期及前一个周期的车流量进行实时测量 ,采用线性预估方法 ,对下一个周期的车流量进行预估 ,以最大通行能力为路口模型控制性能指标 ,从而确定下一周期的相位配时方案 .采用 C语言编程进行实时仿真实验 ,仿真结果表明 ,实时优化性能良好、性能稳定.