检索结果-内蒙古大学图书馆

作者：郝英南京航空航天大学

学位级别：博士

故障诊断和寿命预测是民航发动机健康管理的重要内容,是实现发动机视情维修的主要技术手段。本文研究了基于智能技术的民航发动机故障诊断和寿命预测,其中故障检测和寿命预测采用了发动机实际数据,故障分类诊断采用了仿真数据。主要内... 详细信息

故障诊断和寿命预测是民航发动机健康管理的重要内容,是实现发动机视情维修的主要技术手段。本文研究了基于智能技术的民航发动机故障诊断和寿命预测,其中故障检测和寿命预测采用了发动机实际数据,故障分类诊断采用了仿真数据。主要内容如下: 1)在故障检测研究方面,与民航工程实际紧密结合。首先将传统模式识别中的概率密度估计、近邻法和k均值动态聚类法引入到民航发动机故障检测;其次,将自组织映射(SOM)网首次用于提取发动机正常状态代表性样本,然后将其用于故障检测;最后,将支持向量机(SVM)中超球模型和基于相异性表示的单类线性规划分类器首次引入到发动机故障检测,并用验证法进行了参数选择。研究指出,概率密度法和近邻法简单易行,但混合高斯模型及近邻模型中的参数需要适当选取;k均值法和SOM网法是用代表性样本反映数据的分布特征,当代表样本个数取训练样本个数约5%时,检测效果比较理想;SVM超球模型和线性规划分类器则是在构建发动机正常状态集的边界。从诊断效果来看,基于相异性表示的单类线性规划分类器明显优于其它检测模型。 2)将SVM用于民航发动机故障分类诊断,提出了基于带惩罚项的支持向量分类器(C-SVC)的故障诊断模型。它的特点在于,通过1对1法进行多类诊断;采用交叉验证法进行模型选择;可给出3个最可能的故障。仿真研究表明,在噪声级别K=3时,诊断准确率仍达到93.6%。 3)针对前向神经网络网络结构选取主观性的问题,首次将贝叶斯证据框架下的前向网络用于民航发动机故障诊断,对具有不同隐层节点数的前向网备选模型,进行了模型定量比较和选择,并将选出的极优模型成功地对用于发动机故障诊断。 4)在分析了现有文献中贝叶斯证据架下最小二乘支持向量机(LS-SVM)分类器存在的问题的基础上,重新推导了贝叶斯框架下的LS-SVM分类器,并给出了模型选择算法。研究表明了模型选择算法的有效性。为解决民航发动机故障诊断问题,提出了基于LS-SVM分类器的发动机故障诊断模型,它的特点在于,采用一对多方法进行多类诊断;采用3层贝叶斯推理进行模型选择;具有相应决策逻辑。 5)在分析了现有文献中贝叶斯框架下LS-SVM回归存在的问题的基础上,重新推导了贝叶斯框架下的LS-SVM回归,给出了模型选择算法。在考虑模型参数不确定性的情况下,推导了区间预测的公式。区间预测是贝叶斯框架下LS-SVM回归的一大特点,它能反映预测的精度。算例验证了模型选择算法和区间预测的有效性。最后,针对发动机大修后试车数据,首次利用贝叶斯框架下的LS-SVM回归建立了民航发动机寿命预测模型。

关键词：民航发动机故障诊断故障检测寿命预测模式识别支持向量机最小二乘支持向量机贝叶斯证据框架

来源：评论

学校读者我要写书评

暂无评论

负荷建模及其无功优化算法的研究

负荷建模及其无功优化算法的研究

引用

作者：王振树天津大学

学位级别：博士

本论文研究电力负荷动特性的支持向量机建模方法、模型结构中核函数的选取、贝叶斯证据框架的参数优化选择、精确数据的获取以及计及负荷模型的无功优化算法等关键性问题。该研究解决了难以对复杂的用电负荷结构进行负荷建模,负荷模型... 详细信息

本论文研究电力负荷动特性的支持向量机建模方法、模型结构中核函数的选取、贝叶斯证据框架的参数优化选择、精确数据的获取以及计及负荷模型的无功优化算法等关键性问题。该研究解决了难以对复杂的用电负荷结构进行负荷建模,负荷模型结构不灵活、泛化能力不强、模型不准确的问题,以及考虑负荷模型的复杂的综合无功优化问题。论文的主要内容如下: 负荷模型和参数的准确度对电力系统数字仿真结果影响很大,提出了利用贝叶斯证据框架的支持向量机(SVM)负荷建模方法。该方法将负荷节点看着“黑箱”,应用SVM回归理论建立节点处的非机理负荷模型结构,选用高斯径向基核函数、采用贝叶斯证据框架的三个准则进行模型参数的优化选择。该方法能够灵活地改变模型结构、对参数进行辨识和优化,建立了能够反映负荷特性的非机理负荷模型。广域测量系统(WAMS)具有异地高精度和高密度同步测量、高速通信等特点,能够实时地提供大量反映系统特性的动态数据,提出了利用WAMS信息和SVM的负荷建模。仿真结果表明,模型待辨识参数少,计算速度快,泛化能力好,所建模型精确、能够较准确地描述实际负荷。对于大扰动事件,提出了利用电力故障录波系统信息(PFRMS)和SVM的负荷建模。创建的PFRMS满足了负荷建模精确数据来源的要求。利用故障录波信息重演负荷特性的暂态过程,通过实测曲线和负荷模型仿真曲线的比较,进行负荷动特性模型的校验。针对电网中负荷大小及其变化趋势对无功优化的影响,提出的电力系统无功优化以全调度周期网损最小,改善系统电压质量以及控制设备动作次数最少为目标,优化中计及负荷变化、利用粒子群与模拟退火相结合算法的综合无功优化。对几个测试系统进行了仿真计算表明,该算法原理简单易实现,计算效率高。

关键词：支持向量机负荷建模广域测量系统贝叶斯证据框架粒子群算法与模拟退火算法综合无功优化故障录波监测系统

来源：评论

学校读者我要写书评

暂无评论

煤调湿系统蒸汽消耗量的多模型建模研究

引用

自动化仪表 2014年第12期35卷 88-93页

作者：王建华罗雷涛耿佳灿上海应用技术学院电气与电子工程学院上海201418 华东理工大学化工过程先进控制与优化技术教育部重点实验室上海200237

煤调湿工艺是炼焦过程的关键技术,建立煤调湿系统的蒸汽消耗量软测量模型对节约生产成本、减少环境污染和提高焦炭质量具有促进作用。针对某炼铁厂煤调湿装置的非线性、强耦合、工况波动大等特点,提出了一种多模型建模方法。对模糊核C... 详细信息

煤调湿工艺是炼焦过程的关键技术,建立煤调湿系统的蒸汽消耗量软测量模型对节约生产成本、减少环境污染和提高焦炭质量具有促进作用。针对某炼铁厂煤调湿装置的非线性、强耦合、工况波动大等特点,提出了一种多模型建模方法。对模糊核C均值聚类引入了基于密度的聚类中心初始化方法和聚类数目自适应策略,并将其用于生产工况最优划分;使用最小二乘支持向量机对每个子工况进行数据驱动建模,并利用贝叶斯证据框架优化最小二乘支持向量机的超参数。检验结果表明,所提出的煤调湿系统蒸汽消耗量多模型具有良好的跟踪性能与较高的预测精度。

关键词：煤调湿模糊核C均值聚类最小二乘支持向量机(LSSVM) 贝叶斯证据框架多模型

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯最小二乘支持向量机的电池SOC预测

引用

电源技术 2015年第12期39卷 2616-2619,2642页

作者：井娥林孙正凤温宏愿南京理工大学泰州科技学院江苏泰州225300

针对混合动力汽车电池电能容量判别问题,将最小二乘支持向量机方法应用于混合动力汽车电池荷电状态的预测。考虑到最小二乘支持向量机的参数选择会对预测结果产生较大的影响,提出了基于贝叶斯证据框架优化的最小二乘支持向量机预测方法... 详细信息

针对混合动力汽车电池电能容量判别问题,将最小二乘支持向量机方法应用于混合动力汽车电池荷电状态的预测。考虑到最小二乘支持向量机的参数选择会对预测结果产生较大的影响,提出了基于贝叶斯证据框架优化的最小二乘支持向量机预测方法。通过贝叶斯证据框架自动调整正则化参数和核参数,更好地实现了最小化误差和模型复杂性之间的折中。将电池的工作电压、工作电流和表面温度参数用来预测蓄电池的荷电状态实时值,在美国城市动态驱动工况(UDDS)条件下进行实验验证,结果表明:所设计预测模型具有较高的精度,能够实时准确地预测出SOC值,实用性强,有效性高。

关键词： SOC预测贝叶斯证据框架最小二乘支持向量机混合动力汽车

来源：评论

学校读者我要写书评

暂无评论

基于LS-SVM的电厂过热汽温系统建模

引用

华东电力 2012年第4期40卷 656-659页

作者：郑震李益国相晓鹏东南大学能源与环境学院南京210096 山西省电力公司运城供电分公司山西运城044000

针对电厂过热汽温控制中存在大滞后和强非线性的特点,采用最小二乘支持向量机方法建立过热汽温系统模型并给出基于贝叶斯证据框架的LS-SVM的参数选择方法。在第一推断准则选择模型参数,第二推断准则选择模型超参数,第三推断准则选择模... 详细信息

针对电厂过热汽温控制中存在大滞后和强非线性的特点,采用最小二乘支持向量机方法建立过热汽温系统模型并给出基于贝叶斯证据框架的LS-SVM的参数选择方法。在第一推断准则选择模型参数,第二推断准则选择模型超参数,第三推断准则选择模型的核参数。仿真结果表明该模型具有灵活的结构,较快的计算速度以及很好的泛化能力。

关键词：过热汽温最小二乘支持向量机贝叶斯证据框架建模

来源：评论

学校读者我要写书评

暂无评论

基于广域测量的负荷动特性建模研究

基于广域测量的负荷动特性建模研究

引用

作者：牛丽山东大学

学位级别：硕士

随着我国电网规模的扩大以及复杂程度的增加,电力系统数字仿真成为电力系统规划、设计、运行、分析的主要手段,负荷模型和参数的准确度对仿真结果影响很大。尤其是现代电力系统中用电负荷结构发生了重大变化,使得作为电力系统领域几大... 详细信息

随着我国电网规模的扩大以及复杂程度的增加,电力系统数字仿真成为电力系统规划、设计、运行、分析的主要手段,负荷模型和参数的准确度对仿真结果影响很大。尤其是现代电力系统中用电负荷结构发生了重大变化,使得作为电力系统领域几大难题之一的综合负荷建模更加艰难,传统的负荷模型面临严峻的挑战。为了适应电力系统数字仿真的需要,必须建立新的负荷模型。目前测量技术和计算机技术飞速发展,针对电力系统中负荷建模现状,本文提出了一种基于广域测量信息的支持向量机的负荷建模新方法,并建立了一种新的负荷模型。本文主要从事了以下三个方面的工作: 首先,本文对负荷建模的发展与现状进行了综述,介绍了广域测量系统和支持向量机的基本理论及其在负荷建模中的应用。文中将广域测量系统测得的信息作为负荷建模的依据,提出了一种基于广域测量信息与支持向量机的新的负荷建模方法以及新的负荷模型表述形式。其次,利用支持向量机进行建模并对负荷模型的结构和参数进行辨识。论文利用支持向量机方法对其负荷模型进行非线性回归分析,通过引入高斯径向基核函数将输入空间非线性映射到一个特征空间,从而将输入空间的非线性问题转化为特征空间的线性问题,并在高维特征空间进行线性回归得到非线性函数。然后通过贝叶斯证据框架的三个准则分别对支持向量机模型的四个参数进行辨识和优化,建立一种非机理非线性综合负荷模型。最后,该文对山东电网某220kV变电站的实测数据进行了仿真。利用广域测量系统提供的电压、频率、以及通过计算得到的功率等动态信息作为输入和输出,通过改变支持向量机的模型结构和待辨识的参数值,来检验该方法在模型结构的选择和参数优化中的有效性,并对负荷模型的泛化能力、模型结构的灵活性、以及算法的计算速度等进行分析。仿真实验验证了该方法的有效性和模型的正确性。

关键词：负荷建模支持向量机广域测量系统非线性辨识贝叶斯证据框架

来源：评论

学校读者我要写书评

暂无评论

基于PSO算法的过热汽温非线性预测控制方法研究

基于PSO算法的过热汽温非线性预测控制方法研究

引用

作者：郑震东南大学

学位级别：硕士

电厂过热汽温是一种具有大迟延、大惯性、时变和强非线性的热工对象。目前电厂锅炉过热汽温主要采用传统的串级PID控制，但是随着电厂机组容量的不断增加，过热汽温系统变得日趋复杂，尤其是在大扰动，工况变化时，传统的控制策略很难... 详细信息

电厂过热汽温是一种具有大迟延、大惯性、时变和强非线性的热工对象。目前电厂锅炉过热汽温主要采用传统的串级PID控制，但是随着电厂机组容量的不断增加，过热汽温系统变得日趋复杂，尤其是在大扰动，工况变化时，传统的控制策略很难取得理想的控制效果。因此，有必要研究过热汽温系统的先进控制策略。\n 本文主要研究电厂过热汽温系统的非线性预测控制方法。首先采用最小二乘支持向量机建立过热汽温系统的非线性预测模型，然后提出了一种改进的粒子群优化算法来求解预测控制的优化问题。另外，为了提高系统的稳定性，减小非线性预测控制方法的在线计算量，提出了带终端代价函数的预测控制方法。本文主要研究内容如下：\n (1)针对电厂过热汽温系统的强非线性、大迟延和时变等特点，本文采用最小二乘支持向量机方法建立过热汽温系统模型，并采用贝叶斯证据框架方法来选择最小二乘支持向量机的模型参数。仿真结果表明，采用最小二乘支持向量机方法建立的过热汽温模型具有较高的精度和较好的泛化能力。\n (2)为了有效求解非线性预测控制的滚动优化问题，提出了一种改进的粒子群优化算法。通过几种典型的测试函数对该优化算法的性能进行测试，测试结果表明，该优化算法不仅具有较快的收敛速度还具有较强的全局寻优能力，同时还能够较好地求解约束优化问题。\n (3)为了提高系统的稳定性，在性能指标函数中引入了终端代价函数，提出了带有终端代价函数的非线性预测控制方法，并将该方法应用于电厂过热汽温的控制，仿真实验表明，该方法可以在预测步数较小的情况下取得良好的调节品质，从而有效降低非线性预测控制的在线计算量。

关键词：过热汽温最小二乘支持向量机贝叶斯证据框架粒子群优化非线性预测控制算法终端代价函数 PSO算法

来源：评论

学校读者我要写书评

暂无评论

最小二乘支持向量机短期负荷预测研究

最小二乘支持向量机短期负荷预测研究

引用

作者：杨毅强四川大学

学位级别：硕士

短期负荷预测是电力系统一项非常重要的工作，准确的短期负荷预测对于电力系统经济、安全、可靠的运行具有特别重要的意义。随着电力系统的日趋复杂化，特别是电力市场的逐步深入，短期负荷预测被赋予了更高的要求。本文首先讨论了... 详细信息

短期负荷预测是电力系统一项非常重要的工作，准确的短期负荷预测对于电力系统经济、安全、可靠的运行具有特别重要的意义。随着电力系统的日趋复杂化，特别是电力市场的逐步深入，短期负荷预测被赋予了更高的要求。本文首先讨论了负荷预测的BP人工神经网络方法。神经网络的训练由Levenberg-Marquardt算法实现。Levenberg-Marquardt算法是BP神经网络的一种改进训练算法，可以实现神经网络的快速训练。Levenberg-Marquardt算法是最好的中小型神经网络训练算法。但Levenberg-Marquardt算法采用梯度下降算法优化权值，使神经网络只能收敛到局部最优。局部最优问题是影响神经网络预测精度主要因素。局部最优问题也带来训练结果的不确定，使得不便使用验证的办法实现对网络模型和输入变量的优选。支持向量机解决了神经网络中存在的局部最优问题，比BP人工神经网络法有更高的预测精度和鲁棒性，被认为是神经网络的替代方法。本文用最小二乘支持向量机建立了负荷预测模型。最小二乘支持向量机是标准支持向量机的一种扩展，比标准支持向量机速度更快，更便于使用。在选择相同训练样本和输入变量的情况下，最小二乘支持向量机预测法的预测效果明显优于BP人工神经网络预测方法。由于最小二乘支持向量机的解是唯一的，预测模型的参数选择可以使用验证实现。实际应用中，神经网络和最小二乘支持向量机预测方法的输入变量通常是根据经验选择的，这势必造成知识的瓶颈问题，使预测模型的适应性不好。本文提出一种把最小二乘支持向量机贝叶斯证据框架理论和二进粒子群优化算法相结合的方法，实现预测输入变量的自适应选择，以减少预测模型建立过程中

关键词：电力系统短期负荷预测人工神经网络最小二乘支持向量机贝叶斯证据框架粒子群优化算法

来源：评论

学校读者我要写书评

暂无评论

网络流量预测技术研究

网络流量预测技术研究

引用

作者：王鹏江南大学

学位级别：硕士

随着Internet及其应用的迅速发展,网络规模日益增大,网络应用日益复杂,网络管理工作越来越繁重,网络故障也频频出现,为了实现可靠的数据传输及合理的网络资源分配,就需要深刻了解网络的控制机制和复杂的行为特性。网络流量预测对大规模... 详细信息

随着Internet及其应用的迅速发展,网络规模日益增大,网络应用日益复杂,网络管理工作越来越繁重,网络故障也频频出现,为了实现可靠的数据传输及合理的网络资源分配,就需要深刻了解网络的控制机制和复杂的行为特性。网络流量预测对大规模网络管理、规划、设计具有重要意义,高质量的网络流量预测显得越来越重要和迫切。本文的主要研究目的是探索新的预测模型以提高网络流量预测的准确性,及加快预测速度。首先,全面叙述了网络流量预测的国内外研究现状,为后续的研究奠定了基础;其次,分析了真实环境下的网络流量所呈现的相当明显的多尺度特性,接着,分析并比较了几种基于自相似性的网络流量模型的优缺点;第三,建立了基于改进BPWNN的预测模型。针对传统BP小波网络(BPWNN)易陷入局部极小,收敛速度慢的缺陷,使用一种学习速率自适应的算法对BPWNN进行改进;第四,建立了基于改进的QPSO算法训练BP网络的预测模型。针对标准的QPSO算法不可避免的出现早熟的不足,研究了一种新的基于参数自适应的量子粒子群优化算法。该算法较好的避免了粒子群的早熟,提高了算法的全局收敛能力;第五,建立了融合小波变换与贝叶斯LS-SVM的预测模型。首先将原始流量数据时间序列进行小波分解,并将分解得到的近似部分和各细节部分分别单支重构到原级别上;对各个重构后的序列分别用最小二乘支持向量机进行预测;将贝叶斯证据框架应用于最小二乘支持向量机模型参数的选择;将各个预测结果重构后得到对原始序列的预测结果。最后,分别将这三种预测模型用于单步和多步的流量预测之中,比较它们的预测精度和预测速度。

关键词：网络流量预测神经网络最小二乘支持向量机粒子群优化算法量子粒子群优化算法贝叶斯证据框架小波变换

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯支持向量机的粮食产量预测的研究

基于贝叶斯支持向量机的粮食产量预测的研究

引用

作者：辛霄首都师范大学

学位级别：硕士

农业是一个国家繁荣昌盛的重要保障，粮食是经济的命脉，是国民经济中的重要组成部分，它关系到国家的富强、经济的繁荣和社会的稳定，因此每个国家都十分重视粮食问题。在我国，粮食产量早在20世纪90年代中后期就已经基本实现了总量平... 详细信息

农业是一个国家繁荣昌盛的重要保障，粮食是经济的命脉，是国民经济中的重要组成部分，它关系到国家的富强、经济的繁荣和社会的稳定，因此每个国家都十分重视粮食问题。在我国，粮食产量早在20世纪90年代中后期就已经基本实现了总量平衡、年年有余的目标，但随着中国经济的不断发展，农业市场化的不断提高和农村工业化进程的不断加快，中国粮食产量的供求关系发生了重大变化。因此对粮食产量的准确预测成为人们关注和研究的焦点。随着科技的发展，越来越多的模型和算法已经运用到粮食预测中来。广泛使用的方法有BP神经网络、支持向量机及对它们的改进算法等，本文用是基于混合核函数的支持向量回归机算法，并结合贝叶斯理论对支持向量机参数进行优化，形成一种新的预测算法对粮食产量进行预测。本文的研究工作和内容包括以下几个方面： 1.为了形成一种能够更好的对粮食产量预测的算法，本文使用了支持向量机和贝叶斯结合的方法，因此本文先研究了支持向量机理论和贝叶斯相关算法，使读者更便于理解。 2.支持向量机的核函数的选择。在使用支持向量机解决回归问题时，核函数是一个关键因素，如何选择适当的核函数是构造支持向量机模型的一个核心问题。低维空间向量集往往比较复杂且难于划分，为此可以将它们映射到易于划分的高维空间中。但这个方法会使计算复杂度增加，而核函数的引入很好的解决了这个问题。选用一个适当的核函数，可以使高维空间中的计算量大大降低。最常用的核函数有：多项式核函数、高斯径向基（RBF）核函数和sigmoid核函数。而随着进一步的研究，出现了组合核函数，这使支持向量机的性能进一步得到了提高。 3.支持向量机中参数的优化。参数选择和优化是机器学习中的一个重要问题，支持向量机的性能除了与核参数有关，还依赖于惩罚系数C等参数。常用的选取参数的方法有格点法和经验凑试法，但这两种方法必须通过大量的实验来验证，并且获得的参数往往也不是最优的。本文通过基于贝叶斯原理，利用贝叶斯证据框架对核参数及其它参数进行优化，使预测的预测精度更高，计算复杂度更低，推广能力更强。 4.构建支持向量机的回归模型，通过建立的基于贝叶斯的支持向量回归机模型对粮食产量进行预测，然后再用标准的支持向量回归机模型对同一数据进行预测，最后比较两种方法的精确度。

关键词：粮食产量支持向量机核函数贝叶斯证据框架

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：