基于多分类支持向量机的智能辅助质量诊断研究

在分析比较目前常用的质量辅助诊断方法局限性的基础上,提出了一种基于多分类支持向量机(SVM)的质量控制图智能诊断新方法.该方法以SVM技术为智能核心,较好地解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量诊断时所表示出的过学习、泛化能力弱等缺点.另一方面,通过结合投票法和决策树的基本思想,所提方法拓展出对控制图混合型异常模式的识别能力,从而提高了对质量过程诊断的全面性和准确性.与其它几种常见人工智能方法质量诊断的效果进行对比,实验表明,所提方法容易实现、诊断精度高,为实现小批量加工过程的在线质量诊断与控制提供可行的思路.     

基于多关联向量机的动态软测量建模

为了估计工业过程中的质量参数,考虑到实际过程中的动态特性,提出一种基于多关联向量机的动态软测量建模方法.对于动态过渡周期内的二次变量数据,根据不同采样时刻划分为多个计算子空间,在每一子空间内采用关联向量机来建立不同时刻的二次变量对主导变量的影响模型.各个子模型的输出采用一个综合关联向量机进行连接,从而建立了基于过渡周期内不同二次变量采样数据的主导变量动态软测量模型.通过实例仿真,结果验证了所提出方法的有效性.     

基于离散Morse理论的优化模型

根据Forman的离散Morse理论的特点,提出一种基于离散Morse理论的优化模型. 该模型利用在3维空间点构建离散Morse函数进行最优化的算法,得到了问题的最优解或近似最优解,同时也证明了构建的函数确实是复形上的离散Morse函数. 这是一个全新的尝试. 实验在4个典型的测试函数中进行,结果证明了该模型的有效性,且该模型尤其适用于解决大数据量的优化问题.     

FORECASTING ：EXCHANGE RATES： AN OPTIMAL APPROACH

This paper looks at forecasting daily exchange rates for the United Kingdom, European Union, and China. Here, the authors evaluate the forecasting performance of neural networks （NN）, vector singular spectrum analysis （VSSA）, and recurrent singular spectrum analysis （RSSA） for fore casting exchange rates in these countries. The authors find statistically significant evidence based on the RMSE, that both VSSA and RSSA models outperform NN at forecasting the highly unpredictable exchange rates for China. However, the authors find no evidence to suggest any difference between the forecasting accuracy of the three models for UK and EU exchange rates.     

高速背板互连的信号完整性仿真方法

提出了一种高速背板互连的信号完整性仿真方法。高速接插件的厂商只提供参数模型,借助矢量拟合方法可以推导出电路模型,再使用部分元等效电路法仿真走线得到等效电路模型。推导出联合仿真的方法,实现了高速背板互连的信号完整性仿真。通过等效电路的仿真结果和厂商提供的原始参数进行的比较,以及部分元等效电路法与商用软件仿真结果的比较验证了等效电路的正确性。最后对完整的板间互连通道进行了仿真,并将最终的仿真结果与商用软件的仿真结果进行了比较,证明了所提方法的正确性,给出了整个通道眼图仿真分析结果。     

基于自抗扰控制器的永磁同步电机速度估计

利用自抗扰控制器理论,提出了一种新颖的永磁同步电动机无位置传感器矢量控制系统的转速估计方法。将转速和d轴电流对转矩电流环的耦合作用以及转动惯量的变化看作转矩电流环的扰动量,由自抗扰控制器将其观测出来并加以补偿,从而估计出电机实际转速。仿真表明在0r/min到1500r/min的调速范围内,本方法都能将转速准确地估计出来,并且对负载和转动惯量的变化具有很强的鲁棒性,系统具有良好的动静态性能和抗干扰能力。     

支持向量机控制与在线学习方法研究的进展

支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。     

短语音说话人识别新方法的研究

提出了一种较短训练语音的说话人识别新方法。利用模糊核聚类算法设计矢量量化器,对说话人的语音特征进行训练。模糊核矢量量化器将原始空间通过非线性映射到高维特征空间,在高维特征空间中对说话人的训练语音特征进行模糊聚类分析,将得到的每个类中心作为说话人的语音模型。识别时将识别矢量映射到高维空间进行匹配决策。由于核方法的引入,使得原来没有显现的特征突现出来,增加了说话人之间的可区分性。实验表明,该方法对于较短的训练语音,其识别效果优于高斯混合模型和模糊矢量量化。