小波分解和最小二乘支持向量機的風機齒輪箱故障診斷

基于最小二乘支持向量機回歸的基坑變形預測——將最小二乘支持向量機回歸用于基坑變形預測．根據(jù)基坑位移的實測時間序列資料，應用最小二乘支持向量機回歸建立了基坑位移與時間的關(guān)系模型．研究結(jié)果表明，最小二乘支持向量機回歸用于基坑變形預測，具有較高的預...

采用最小二乘支持向量機的方法,利用現(xiàn)場測量的數(shù)據(jù),建立水泥粒度軟測量模型;通過交叉驗證方法優(yōu)化參數(shù),并用仿真實驗驗證了該方法的有效性,解決了非線性、小樣本、高維數(shù)等常規(guī)測量方法難以實現(xiàn)的問題,實現(xiàn)了水泥粒度的在線測量。

針對在工程實踐中,應用單一方法預測建筑物沉降存在著局限性,提出了基于最小二乘支持向量機回歸綜合單一方法預測沉降量。該方法能綜合單一方法的特點,增強了模型的普適性,從而提高了預測精度和預報期次。文中討論了如何實現(xiàn)和運用該方法,最后通過實例驗證了其有效性。

針對最小二乘支持向量機在利用產(chǎn)生于工業(yè)現(xiàn)場的非理想數(shù)據(jù)集進行建模預測時,稀疏化模型魯棒性差的問題,提出了一種基于模糊c均值聚類和密度加權(quán)的稀疏化方法.首先通過模糊c均值聚類將訓練樣本劃分為若干個子類;然后計算每個子類中各樣本的可能貢獻度,依次從每個子類中選取具有最大可能貢獻度的樣本作為支持向量;最后更新每個樣本的可能貢獻度,繼續(xù)從各個子集中增選支持向量,直至稀疏化后的模型性能滿足要求.仿真結(jié)果和磨機負荷實際應用表明,該方法能夠兼顧模型在整體樣本集和各工況子集上的性能,在實現(xiàn)模型稀疏化的同時,能夠顯著改善最小二乘支持向量機模型的魯棒性.

基于可靠性數(shù)據(jù)分析和最小二乘支持向量機對電力變壓器故障進行了診斷,并給出了實例分析。

簡述了齒輪故障診斷原理,針對催化主風機齒輪箱故障診斷實例,介紹了齒輪故障診斷方法,并進一步說明了齒輪故障診斷技術(shù)的現(xiàn)場應用。

采用最小二乘支持向量機預測算法對電力電子電路進行故障預測.以基本降壓斬波電路為例,選擇電路輸出電壓作為監(jiān)測信號,提取輸出電壓平均值及紋波值作為電路特征性能參數(shù),并利用ls-svm回歸預測算法實現(xiàn)故障預測.仿真結(jié)果表明,利用ls-svm對基本降壓斬波電路輸出平均電壓與輸出紋波電壓的預測相對誤差均低于2%,能夠跟蹤故障特征性能參數(shù)的變化趨勢,有效實現(xiàn)電力電子電路故障預測.

提出一種聯(lián)合灰色模型(greymodel,gm)和最小二乘支持向量機回歸(leastsquaresupportvectorregression,lssvr)算法的電力短期負荷智能組合預測方法。在考慮負荷日周期性的基礎上,通過對歷史負荷數(shù)據(jù)的不同取舍,構(gòu)建出各種不同的歷史負荷數(shù)據(jù)序列,并對每個歷史數(shù)據(jù)序列分別建立能修正β參數(shù)的gm(1,1)灰色模型進行負荷預測;采用最小二乘支持向量機回歸算法對不同灰色模型的預測結(jié)果進行非線性組合,以獲取最終預測值。該方法在充分利用灰色模型所需原始數(shù)據(jù)少、建模簡單、運算方便等優(yōu)勢的基礎上,結(jié)合最小二乘支持向量機所具有的泛化能力強、非線性擬合性好、小樣本等特性,提高了預測精度。仿真結(jié)果驗證了所提出組合方法的有效性和實用性。

針對最小二乘支持向量機在電力負荷預測應用中的參數(shù)優(yōu)化問題,將改進粒子群算法引入到最小二乘支持向量機參數(shù)中,建立一種新型的電力負荷預測模型(ipso-lssvm)。首先將最小二乘支持向量機參數(shù)編碼為粒子初始位置向量;然后通過粒子個體之間的信息交流、協(xié)作找到最小二乘支持向量機的最優(yōu)參數(shù),并針對標準粒子群算法的不足進行相應改進;最后將其應用于電力負荷建模與預測,并通過仿真對比實驗測試其性能。實驗結(jié)果表明,ipso-lssvm可以獲得較高準確度的電力負荷預測結(jié)果,大幅度減少了訓練時間,滿足電力負荷在線預測要求。

根據(jù)沉降數(shù)據(jù)的特性,以最小二乘支持向量機為核心技術(shù)構(gòu)建預測模型,提出了一種路基沉降預測的新方法。由于測量誤差不可避免,沉降數(shù)據(jù)通常含有噪聲,不宜直接進行擬合,因此首先采用小波分析的方法對原始沉降數(shù)據(jù)進行降噪預處理,然后饋送到最小二乘支持向量機完成沉降預測。最后用某高速公路實測數(shù)據(jù)進行了實例分析,并與bp神經(jīng)網(wǎng)絡預測結(jié)果進行了對比,計算結(jié)果表明,小波分析結(jié)合支持向量機的模型有較好的預測精度,將該模型應用于公路軟基沉降預測是可行的和值得研究的。

針對工程造價變化的時變性、混沌性,提出一種混沌理論和最小二乘支持向量機的工程造價預測模型.首先收集工程造價歷史樣本并進行相應的預處理,然后根據(jù)混沌理論確定最優(yōu)延遲時間和嵌入維數(shù),重建工程造價的訓練集和測試集,最后用最小二乘支持向量機建立工程造價預測模型,并采用具體建筑工程造價數(shù)據(jù)進行仿真測試.結(jié)果表明,相對其他工程造價預測模型,該模型可以很好地反映工程造價的變化趨勢,提高工程造價的預測準確性.

基于最小二乘支持向量機回歸的單樁豎向極限承載力預測——基于單樁載荷試驗數(shù)據(jù)，采用最小二乘支持向量機(lssvm)回歸的方法，建立了單樁豎向極限承載力的預測模型．利用文獻中樁的載荷試驗數(shù)據(jù)來訓練lssvm模型，并確定了模型參數(shù)．研究結(jié)果表明，同常用的bp網(wǎng)絡...

為提高水庫來水量的預測精度,提出了一種基于最小二乘支持向量機(ls-svm)的來水量預測模型。實例應用結(jié)果表明,該模型預測能力強、預測精度高,其預測精度明顯高于bp模型,為來水量預測提供了一種可靠、有效的方法。

介紹了對化工四回收鼓風機齒輪箱監(jiān)測數(shù)據(jù)進行時域波形、頻譜、peakvue分析,并診斷齒輪箱存在隱患,停機解體檢查發(fā)現(xiàn)輪齒已嚴重疲勞磨損,高速軸靠近齒頂有1/3的齒面損傷,齒輪箱底部有大量剝落的碎屑;證明了振動監(jiān)測分析和診斷是行之有效的設備點檢手段,為檢修決策提供了可靠依據(jù).

隧道圍巖變形預測的最小二乘支持向量機方法——為及時掌握圍巖變形趨勢并采取措施加以控制，在嶺南高速雪家莊隧道施工過程中，采用一種新的時間序列預測模型--最小二乘支持向量機(ls-svm)。介紹了ls．svm的基本原理和該預測模型的具體操作步驟，實踐表明，該方...

基于最小二乘支持向量機的砂土液化預測方法——使用最小二乘支持向量機分類方法建立了兩個砂土液化預測模型，預測結(jié)果與野外實際情況全部相符，表明該分類方法用于預測砂土液化是可行的，且預測準確率高。

針對神經(jīng)網(wǎng)絡存在結(jié)構(gòu)較難確定,訓練易陷入局部最小等問題,提出將最小二乘支持向量機和相似搜索用于預測出清電價。該方法對相似搜索得到的相似負荷日的數(shù)據(jù)用最小二乘支持向量機建立預測模型,采用美國newenglandiso的真實數(shù)據(jù)做驗證,結(jié)果表明該方法比bp神經(jīng)網(wǎng)絡有更高的預測精度,是一種有效的預測方法。

采用eof時空分解、小波頻率分解和最小二乘支持向量機(ls-svm)交叉互補方法,建立夏季500hpa位勢高度場的預測模型,用以描繪和表述副熱帶高壓形勢場的形態(tài)和變化。首先用經(jīng)驗正交函數(shù)分解(eof)方法將ncep/ncar再分析資料500hpa位勢高度場序列分解為彼此正交的特征向量及其對應時間系數(shù),隨后提取前15個主要特征向量的時間系數(shù)(方差貢獻96.2%),采用小波分解方法將其分解為相對簡單的帶通信號,再利用ls-svm方法建立各分量信號的預測模型,最后通過小波時頻分量重構(gòu)和eof時空重構(gòu),得到500hpa位勢高度場的預測結(jié)果以及副熱帶高壓形勢場的預測。通過對預測模型的試驗情況和分析對比,結(jié)果表明:基于上述思想提出的算法模型能較為準確地描述500hpa位勢高度場的形態(tài)分布并預測1～7d的副熱帶高壓活動,對10～15d的副熱帶高壓活動預測結(jié)果也有參考意義。

基于最小二乘支持向量機的砂土液化預測方法——使用最小二乘支持向量機分類方法建立了兩個砂土液化預測模型，預測結(jié)果與野外實際情況全部相符，表明該分類方法用于預測砂土液化是可行的，且預測準確率高。

電解溫度、氧化鋁濃度和極距是鋁電解槽中十分重要卻又難以在線測量的3個參數(shù).針對這個問題,提出一種基于最小二乘支持向量機和粒子群優(yōu)化的新方法,建立這3個參數(shù)的軟測量模型.該方法考慮最小二乘支持向量機的算法參數(shù)的選取問題,先定義預測誤差的平方和的算術(shù)平均作為適應度函數(shù),然后采用粒子群優(yōu)化技術(shù)在可行域內(nèi)不斷迭代搜索,使適應值不斷減小,最終得到最優(yōu)的算法參數(shù),以及對應的模型參數(shù).仿真結(jié)果表明:本文方法具有比神經(jīng)網(wǎng)絡方法更小的絕對誤差和相對誤差,證明了本文方法的有效性和優(yōu)越性.

基于我國城市防洪體系安全評價的指標體系及其等級標準,提出了一種基于小樣本的最小二乘支持向量機(ls-svm)的城市防洪體系安全綜合評價模型。在柳州市防洪體系的實例應用結(jié)果表明,該模型能較好地對城市防洪體系進行綜合評價,評價結(jié)果符合客觀實際。

故障樣本的缺乏嚴重制約智能故障診斷的發(fā)展,本文提出支持向量機應用到發(fā)動機故障診斷中,該方法專門針對小樣本集合設計,能夠在小樣本情況下獲得較大的推廣,而且模型簡單,具體是將汽車在典型故障下尾氣中各氣體的體積分數(shù)作為訓練樣本。用處理過的樣本和最優(yōu)參數(shù)建立基于支持向量機的多元分類器模型,進行故障類別診斷。經(jīng)過libsvm工具箱進行仿真,結(jié)果表明經(jīng)優(yōu)化后的支持向量機對于小樣本故障診斷有很高的準確率。