江西省教育厅科学技术研究项目(2007328)
- 作品数：9 被引量：68H指数：6
- 相关作者：吴德会王晓红更多>>
- 相关机构：九江学院清华大学合肥工业大学更多>>
- 发文基金：江西省教育厅科学技术研究项目国家自然科学基金更多>>
- 相关领域：机械工程自动化与计算机技术电气工程经济管理更多>>
- 基准动态指数平滑的预测模型被引量：9
- 2007年
- 指数平滑法在实际应用中,由于其平滑参数和初值是静态的且主要靠使用者的经验来选择,极易导致系统偏差问题,因此,预测结果往往不够理想。本文在对传统指数平滑预测方法局限性分析的基础上,引出准动态平滑参数和准动态平滑初值的概念,并提出一种能自动适应预测进程的新模型。先依据统计学原理对指数平滑预测模型的精度特性进行分析;再以最小预测误差平方和(SSE)为优化目标,建立准动态指数平滑参数和初值的动态优化模型,该模型能随着新观测值的加入而自动调整;最后,基于最速梯度法基本原理,给出该优化模型的一个可行求解方法,客观地求取最优的准动态指数平滑参数和初值。将该模型作为关键技术应用到加工质量预测补偿控制领域,并与时序AR模型、灰色GM模型及传统指数平滑模型的结果进行对比,表明本文方法具有一定的优越性。
- 吴德会
- 关键词：时间序列
- 一种基于支持向量机的齿轮箱故障诊断方法被引量：19
- 2008年
- 提出了一种基于多分类支持向量机(简称MSVM)的齿轮箱故障诊断方法。先根据齿轮箱故障机理和振动特点,探讨了齿轮箱故障诊断试验方案。再测取齿轮箱振动信号,并提取了能反映齿轮箱运转信息的时频域特征参数。通过结合投票法和决策树的基本思想,有针对性地构造了多分类支持向量机决策结构并将其应用于齿轮箱故障诊断。实际齿轮箱故障诊断试验结果表明,该决策结构较好地解决了小样本学习问题,避免了人工神经网络进行诊断时出现的过学习、收敛速度慢、泛化能力弱等缺点,能有效应用于齿轮箱故障诊断。
- 吴德会
- 关键词：齿轮箱
- 基于SVM的粉煤灰混凝土抗氯离子渗透性预测方法被引量：2
- 2008年
- 提出一种基于支持向量机（SVM）的粉煤灰混凝土氯离子渗透性新型智能预测模型，并给出了相应的步骤和算法。通过该模型分析了水胶比、水泥用量、用水量及粉煤灰掺入量4个因素对粉煤灰混凝土渗透性的影响。在此基础上，能利用有限的试验数据方便地由不同的配比对所浇注混凝土渗透性进行预测，有助于准确认识混凝土耐久性随配比参数的变化规律。通过具体实例及与BP预测方法效果对比表明，该模型构造速度高2～3个数量级，预测精度高5倍左右。因此该模型在混凝土性能预测和优化设计中具有广阔的应用前景。
- 吴德会
- 关键词：粉煤灰混凝土渗透性
- 基于近红外光谱的柴油凝点计算机软测量法被引量：6
- 2007年
- 柴油是重要的石油化工产品,凝点是确定其品质的主要理化指标,但传统测定方法周期长、费用高,且易受人为的影响。本文提出一种用近红外光谱(NIRS)分析技术的柴油凝点软测量方法。先用多项式卷积为原始的柴油MR光谱数据作光谱平滑、基线校正和标准归一化;然后,利用主元分析(PCA)组合近红外光谱数据集的高维特征并向低维空间投影,降低输入维数,提高各维特征的敏感性;最后,用最小二乘支持向量机(LS-SVM)回归算法建立凝点的软测量模型。用一个含120个样本的401维柴油近红外全光谱数据集建模和检验,通过PCA后,全光谱数据集的特征降到了6维,并保留了99.6%的信息。进一步的实验表明,采用PCA提取特征做软测量建模的性能,要普遍优于直接作用在光谱波长域的方法。与BP、PCA+BP及PCA +SVM方法相比,所提方法建立的柴油凝点软测量模型测量精度更高,且与标准方法测量的结果更为接近,因此,又为柴油凝点的在线测定提供一种新方法。
- 吴德会王晓红
- 关键词：软测量主元分析最小二乘支持向量机近红外光谱
- 基于SVR构造FLANN的传感器动态补偿研究
- 2009年
- 提出了一种利用支持向量回归机（SVR）对函数链接型神经网络（FLANN）进行构造的新方法，并将其应用于传感器动态补偿。文中将SVR的解与常规FLANN估计进行对比，发现两者具有相同的问题形式，因此，在适当的参数条件下可通过SVR对FLANN进行优化构造。与常规FLANN构造方法比较，SVR-FLANN具有明显特点，即将权值迭代逼近问题转化为二次规划问题求解，使得在整个训练过程中有且仅有一个全局极值点，确定了所构造FLANN补偿器的唯一性。实际压力传感器动态补偿实验结果表明：用该方法构造的补偿器与常规方法相比，具有更高的精度、更强的抗干扰能力及更稳定的补偿效果。因此，更适合传感器动态补偿。
- 吴德会
- 关键词：计量学函数链接型神经网络支持向量回归机传感器
- 基于动态指数平滑模型的小批量制造过程质量预测被引量：12
- 2008年
- 在对传统指数平滑预测模型局限性分析的基础上,通过引入动态平滑参数和动态平滑初值的概念,提出一种能自动适应预测进程的新模型,并将其应用于小批量生产过程的预测补偿控制领域。通过基于最速梯度法的优化算法,模型的动态平滑参数和平滑初值能随着新观测值的加入而自动调整。将该模型作为关键技术应用于柱塞套内孔加工质量预测,并与时序AR模型、灰色GM模型及传统指数平滑模型的结果进行对比,表明提出的模型具有一定的优越性。
- 吴德会
- 关键词：小批量
- 基于SVR的非线性动态系统建模方法研究被引量：4
- 2007年
- 提出一种基于支持向量回归机(SVR)的非线性动态系统建模方法。用非线性静态子环节和线性动态子环节串联——Hammerstein模型来描述非线性动态系统。然后,通过函数展开将Hammerstein模型的非线性传递函数转换为等价的线性形式,从而建立起线性中间模型。再由SVR算法辨识出中间模型参数。最后,通过中间模型参数与Hammerstein模型参数之间的关系,实现原系统的非线性静态环节和线性动态环节的同时辨识。用非线性动态系统标定实验数据进行测试,建模结果表明所提方法具有如下优点:1)只需进行一次动态标定实验;2)能给出非线性动态模型的数学解析表达式;3)充分利用SVR的优点,使所建模型具有更好的鲁棒性。该研究为非线性动态系统建模又提供了一种新方法。
- 吴德会
- 关键词：HAMMERSTEIN模型支持向量回归机
- 基于WLS-SVM回归模型的电力负荷预测被引量：10
- 2008年
- 针对电力系统年用电量增长的特点,提出一种基于加权最小二乘支持向量机(LS-SVM)的电力负荷预测模型。与标准LS-SVM的电力预测方法比较,该模型能通过设置训练样本权重比例,实现样本优化选择,达到历史数据"重近轻远"的学习效果,从而能有效提高预测精度。通过具体实例验证,WLS-SVM模型预测精度明显优于标准LS-SVM模型,说明本文模型实现容易,鲁棒性好,预测精度高。
- 王晓红吴德会
- 关键词：加权最小二乘支持向量机电力负荷
- 基于LS-SVM的特征提取及在凝点软测量中的应用被引量：6
- 2008年
- 提出了一种基于最小二乘支持向量机(LS-SVM)回归算法的特征提取新方法,并将其成功应用于柴油凝点近红外(NIR)光谱软测量建模。在该方法中,将特征提取公式表达成与LS-SVM回归算法相同的形式,这样就能通过LS-SVM求取最优的特征投影向量。用一个含120个样本的401维柴油近红外光谱数据集进行测试,通过该方法提取后,原始光谱数据集的特征被降到了6维并保留了原有99.58%的信息。同时,用该数据建立的软测量模型具有更快的学习速度和更高的测量精度。实验结果验证了所提的特征提取新方法应用于近红外光谱特征提取的可行性和有效性。
- 吴德会
- 关键词：特征提取主元分析最小二乘支持向量机软测量
