科技创造财富成功连着你我

CZJ自磨型超微粉碎机 无模多点成形压力机 便携式全光纤荧光计的开发与应用 硅藻土静电提纯与应用技术 富镁铝镁尖晶石生产工艺 病毒康及其应用 微生物农药“百抗”的生产及应用技术 多功能揉草粉碎机 残膜回收机的应用 一次性可回收塑料滴灌带的应用 利用植物再生沙障治理高大流动沙丘技术 智能化农业专家系统 地下水限量开采无线自控系统 便携式全光纤荧光计的开发与应用 硅藻土静电提纯与应用技术 富镁铝镁尖晶石生产工艺 病毒康及其应用 微生物农药“百抗”的生产及应用技术 多功能揉草粉碎机 残膜回收机的应用 一次性可回收塑料滴灌带的应用     

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。     

广义支持向量机优化问题的极大熵方法

依据最优化理论中的KKT互补条件建立了广义支持向量机的无约束优化模型,并给出了一种有效的光滑化近似解法极大熵方法,为求解支持向量机优化问题提供了一种新途径.该方法特别易于计算机实现,理论分析和数值实验结果表明了模型和算法的可行性和有效性.     

基于SVM和EMD 包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的调制特征和传统包络分析法的缺陷以及现实中难以获得大量典型故障样本的实际情况,提出了一种基于支持向量机(Support Vector Machine,简称SVM)和经验模态分解(Empirical Mode Decomposition,简称EMD)包络谱的滚动轴承故障诊断方法.该方法首先对原始信号进行经验模态分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后求出包含主要故障信息的若干个IMF分量的包络谱,最后定义包络谱中各种故障特征频率处的幅值比为特征幅值比,将其作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型.实验分析结果表明了该方法的有效性.     

双伺服驱动高速精冲机主传动系统的运动规划

针对高速精冲过程中滑块速度和力能分配急剧变化的特点,提出一种双伺服驱动二自由度七杆机构的高速精冲机主传动系统.通过构造伺服电机柔性加减速函数,使伺服电机速度平滑过渡,结合精冲工艺要求及主传动机构尺寸参数,研究双伺服电机的运动规划方法,得到双伺服电机的运动与冲裁板厚、极限冲裁速度、电机特性的关系函数.利用ADAMS(动力学分析软件)建立主传动系统虚拟样机模型进而对整个精冲的过程进行仿真,分析不同冲裁板厚及不同极限冲裁速度下滑块的运动学特性曲线及伺服电机扭矩曲线.实验结果表明:该运动规划方法能够满足不同冲裁板料精冲工艺要求,降低伺服电机功率,提高精冲机工作效率.     

内蒙古草原核心保护功能区的划定与分析——基于支持向量机方法

草原生态保护建设关系全面建设小康社会奋斗目标的实现,而草原保护红线又是草原生态保护建设最基本的有效途径。从介绍内蒙古草原三大生态功能和“一线三区”入手,选取内蒙古三个典型草原区域的数据作为训练样本,经过一系列的数据预处理和以支持向量机为主要方法预测出三个草原核心保护功能区的分布结果。结果证明从国家文件理论指导到运用支持向量机方法实际操作后可以取得理想的效果,但是还有待基于这三个典型草原研究结果推广至全内蒙古。     

深锥浓密机底流浓度模型及动态压密机理分析

泥层高度和底流浓度是深锥浓密机最为重要的两个参数,因此有必要研究底流浓度随泥层高度的变化规律.采用自制小型深锥浓密机,对尾矿非连续/连续动态压密过程进行了物理实验;借助于有效孔隙比与泥层压强间遵循的Power函数关系,结合对尾矿颗粒的受力分析,推导出了底流浓度与泥层高度的数学模型,揭示了浓密机底流浓度与泥层高度的内在关系,并从尾矿颗粒空间结构的角度解释了该模型的变化规律;结合矿山生产对于底流浓度的要求,应用该数学模型,为其推荐了泥层高度的合理范围,验证了底流浓度数学模型的可靠性.该模型为深锥浓密机的设计和运行提供了理论依据.     

一种运动想象脑电信号半监督算法

针对脑机接口中两类左右手运动想象任务,提出一种依据迭代训练次数不断更新训练集样本的半监督算法.使用多重自相关分析算法,选择置信度较高的脑电信号样本并加入初始训练集;分别使用公共平均参考法与共空域模式算法,对样本进行预处理及特征提取;最后使用支持向量机对样本进行测试,根据迭代学习次数按照递进方式移除置信度较低的样本,并利用剩余样本继续训练模型,从而优化特征提取器及分类器参数.通过对标准脑电竞赛数据库BCI IV Dataset Ⅱa中左右手运动想象数据的测试表明,该算法与其他算法相比,在训练样本数目较少的情况下,具有较高的分类正确率.      

Flink平台下的分布式平衡级联支持向量机

支持向量机（Support Vector Machines,SVM）在分类和回归领域都是非常强大的工具，但在大数据环境下，其面临资源占用过高和寻优速度慢等问题.目前利用大数据框架实现的SVM，虽然优化了寻优速度慢的问题，但其预测精度与直接训练方式相比存在一定的差距，此外其并没有对训练节点的资源进行合理配置.故提出一种Flink平台下的分布式平衡级联向量机，该方式在之前的基础上将数据集分成含有相同比例样本的平衡子集，并对子集的训练参数进行放缩；同时，结合Flink下迭代作业的动态资源分配策略，将各节点资源最小化为刚好满足训练需求.对该方法的有效性进行阐述，对比多个数据集在不同训练方式下的资源占用和模型精度，实验结果表明，采用所提出的训练方式能合理灵活地对资源进行配置，同时将模型预测精度误差降低到0.1%以内.     

基于L_1范数支持向量分类机的算法扰动设计

普通向量分类机算法普遍有效率低下、算法复杂的缺点,为了进一步降低计算量,提高算法效率,提出了支持向量机算法.该算法将二次规划问题转换为线性规划问题,同时可以进行优化降次.结果显示,在数据量较大的情况下可以迅速并较为准确地处理大量数据,面对较为困难的数据处理时可以实现数据的有效分类.