惯导工具误差分离与折合的支持向量机方法

制导工具误差分离与折合是导弹精度评定中的重要问题。由于工具误差分离存在着很强的复共线性,传统的最小二乘方法与主成分方法不能很好的解决这一问题。提出了利用支持向量机方法获得工具误差系数估计的思想,并将估计结果应用用到弹道误差折合中,与最小二乘和主成分方法相比,支持向量机获得的误差系数估计与真值更加接近,分离残差较小,折合得到的全程弹道遥外差更加接近于真实值。     

贝叶斯框架支持向量机的模拟电路故障诊断

基于贝叶斯证据框架下的最小二乘小波支持向量机，设计了一种新型模拟电路故障诊断方法。将贝叶斯证据框架应用于多类LS-WSVM分类器来选取正规化参数和核参数，并采用小波提升变换对从测试点得到的各种故障状态下输出电压信号进行分解获取多尺度的小波系数，对经处理的小波系数提取出故障特征量，以此作为样本训练多类LS-WSVM分类器来确定模拟电路故障诊断的模型。采用雷达系统模拟电路进行了仿真，结果表明，设计的模拟电路的故障诊断方法效果良好。     

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。     

新型建模及优化方法在爪极发电机中的应用

通过电机参数样本空间设计,引入支持向量机,对爪极发电机的电磁模型进行非线性回归建模分析,基于混沌理论对爪极发电机结构参数进行优化.仿真结果表明,支持向量机用于爪极发电机非参数建模准确可行,并且是高效的,非常适合于需要大规模迭代计算的参数优化.将有限元电磁仿真与支持向量机结合用于非参数建模,以及在非参数模型的基础上用混沌进行优化,这为爪极发电机以及其它的电磁工程设计提供了一种新的思路.     

基于频谱相关性分析的齿轮早期磨损诊断

基于振动分析的齿轮故障检测已被证明在故障识别中是有效的,但对表征早期磨损的振动信号的提取和识别仍没有得到很好的解决.本文提出一种基于频谱相关性分析的变分模态分解(VMD)和核支持向量机(SVM)相结合的齿轮早期磨损诊断方法,对能够揭示早期磨损状态的微弱齿轮振动信号采用近似完全重构的准则来初始化模式数,并采用信号功率谱密度最大值对应的频率初始化VMD方法的中心频率,用以有效提取齿轮磨损信息,进而结合核支持向量机进行齿轮的早期磨损诊断.实验结果表明,所提方法可有效克服背景噪声大无法预设模式数的问题,对噪声具有更好的鲁棒性,诊断准确率达到94.4%,可为齿轮早期磨损检测提供解决方法.     

某型包装机推手机构刚柔耦合系统动力学研究

高速状态下,柔性较小的零件作为纯刚体进行计算,其结果与实际情况有偏差.基于刚柔耦合系统动力学理论,采用有限元方法和模态综合叠加法,将刚度较小的零部件柔性化,建立某型包装机推手机构的刚柔耦合系统动力学模型.基于该模型,计算推包和折边时长臂推手的动态应力,并与ABAQUS中计算结果比较,二者基本吻合,验证了基于刚柔耦合系统动力学理论计算动态应力方法的正确性.对比研究推手机构的多刚体计算模型与刚柔耦合系统动力学模型,表明柔性长臂推手变形会引起一定的位置偏差,验证了在高速状态下该机构刚柔耦合系统动力学模型的计算结果更为准确.     

基于灰度信息和支持向量机的人眼检测方法

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示：没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果.     

基于支持向量机与概率输出网的深度学习模型

本文提出了基于支持向量机与概率输出网络的深度学习回归模型.该回归模型利用深度学习的深层结构,以及支持向量机的泛化能力、概率输出网络中的条件概率估计特点,建立了多层支持向量机的深度学习结构,避免了深度学习的参数选择问题.其中核参数的选择域呈网格状,通过求取输出对应β分布的累积概率分布和经验累积概率分布的K-S检验,求取一致性的p值最大对应的核参数作为支持向量机模型的核参数.对应的输出为模型提取的特征,作为下一层的输入,直至模型达到结束条件为止.仿真实验通过三个标准的回归数据集证明了本文提出模型的有效性.     

基于麻雀搜索算法优化支持向量机的滚动轴承故障诊断

针对支持向量机(support vector machine,SVM)的分类性能受自身参数选择影响较大的问题,提出了基于麻雀搜索算法(sparrow search algorithm,SSA)优化SVM的故障诊断方法.利用麻雀搜索算法(SSA)对支持向量机的惩罚参数(C)与核参数(g)进行优化,并构建SSA-SVM滚动轴承故障诊断模型.结果表明:对于滚动轴承的常见故障,SSA-SVM诊断模型的测试正确率为96.67％,比传统的遗传算法(genetic algorithm,GA)-SVM和粒子群算法(particle swarm optimization,PSO)-SVM诊断模型分别提高3.34％和1.67％,且收敛速度更快,可有效应用于故障诊断.     

隧道洞室地基稳定性进化支持向量机识别

针对隧道洞室地基稳定性的影响因素较多,计算复杂的情况,为了快速评价洞室地基的稳定性,选择合理的洞室开挖方案,加快施工进度,提出一种基于支持向量回归(SVR)算法的洞室地基稳定性识别方法。支持向量机(SVM)具有结构简单、学习泛化能力强等优点,采用遗传算法结合交叉验证法选择模型参数,提高了预测精度。以重庆小什字车站洞室地基为例,验证了建立的进化支持向量回归模型能够快速、准确的获取不同方案下的洞室地基安全系数,进而评价其稳定性,且预测结果比模糊神经网络预测结果要好,结果表明该方法是可行的。