为进行铝电解槽出铝量预测,提出了一种基于自适应FOA-SVR模型的铝电解槽出铝量预测方法。首先,设计了一种自适应果蝇优化算法,基于三维搜索空间引入自适应步长,并应用于支持向量回归模型参数优化。其次,选取槽平均电压、槽电阻、槽温度、加料量、氟盐量等5个影响铝电解槽出铝量的因素作为模型输入向量,对电解槽出铝量进行预测。最后,以某公司铝电解槽生产数据为例进行实验验证,自适应FOA-SVR模型预测结果相比FOA-SVR模型提高了预测精度和收敛效率,为电解铝产量预测提供了有效模型,具有一定的推广价值。

针对传统方法在散热器自动穿管设备中难以预测穿管机构定位误差的难点,分析了影响穿管机构定位误差的因素气缸位移误差,丝杠热变形,建立了支持向量回归机(SVR)与定位误差影响因素的映射模型,并运用粒子群算法优化SVR的惩罚因子C和核函数参数σ,提高SVR的预测能力,运用优化后的SVR与定位误差映射模型对散热器自动穿管机构中的穿管导向升降部件与散热片夹紧工作台的定位误差进行预测。试验结果表明,PSO-SVR预测准确度得到提高,预测结果到达要求。

针对隐式极限状态可靠性分析问题，提出了一种支持向量机响应面法，该方法采用了与经典响应面法类似的迭代思想，由支持向量回归机替代经典响应面法中的固定多项式函数来构建响应面，并结合一次二阶矩法形成迭代过程。在此基础上，还对训练样本提出了一种改进的选取方法，从而进一步提高方法的效率。文中将所提方法与多种经典可靠性分析方法的计算结果对比分析，改进的支持向量机响应面法精度较高，调用结构分析程序的次数最少。

为从液压系统振动信号中提取有效特征进行故障诊断,针对随机噪声、端点效应和虚假分量会影响变分模态分解(VMD)的分解精度问题,提出了一种改进VMD的故障特征提取方法。首先,针对随机噪声会导致分解误差增大现象,提出了基于奇异值差分谱降噪预处理,该方法能抑制噪声对分解结果的干扰;然后,针对端点效应会导致VMD处理信号两端产生明显的飞翼现象,提出了基于支持向量回归机的端点延拓,该方法具有较高的拟合精度;最后,针对虚假本征模态函数(IMF)分量会导致VMD处理出现能量泄漏现象,提出了IMF能量熵增量的虚假分量剔除,该方法的真假分量具有区分性。仿真信号和实测液压信号分析表明:改进VMD能有效改善传统VMD方法在特征提取上的三个不足,可准确提取液压故障信号的主要特征频率,实现液压系统故障的精确诊断。

滚动轴承作为多种机械设备的关键零件,其运行状态的好坏往往影响着整机设备的运行状况,因此高精度的滚动轴承状态预测对整机设备的运行状态有着重要的意义。针对滚动轴承单一预测模型精度较差的问题,构建一种基于时间序列ARIMA和支持向量回归机SVR理论的组合预测模型。首先针对单一模型进行预测,应用误差平方和倒数法得到两种预测模型的权重结果,最终将该组合模型的预测结果分别与单一预测模型作比对分析。结果表明:该组合预测模型的预测误差均小于单一模型,具有较高的可靠性。

针对滚动轴承中存在数据样本量大、非平稳信号波动复杂等问题,提出基于流形学习和M-KH-SVR(Multivariable-Krill Herd-Support Vector Regression)的滚动轴承衰退预测方法。该方法首先提取了滚动轴承的时域和频域特征,组成初始特征向量;然后利用相关度量系数(Multiple Correlation Coefficient,MCC)对初始特征进行筛选,得到相关程度较高的特征向量集,并通过局部线性嵌入(Locally Linear Embedding,LLE)方法进行特征降维,进而组成新的故障特征集;最后将磷虾群算法引入到多变量支持向量回归机中,并对其参数c和σ进行优化,利用磷虾群局部寻优和全局寻优的能力,提高了参数选择效率。通过对多变量特征进行实验对比分析,结果表明该方法与传统单一参数及多特征参数方法相比,具有良好的泛化性,大幅度提高了运算效率和预测精度,对滚动轴承的衰退阶段划分更加精确。

对粗制甲醇的化学转化过程进行了研究，针对甲醇生产过程中工艺参数与产品质量之间非线性和时变性的问题，为了更好地预测甲醇产率，提出了一种加法规则的多核学习支持向量回归机算法。所提算法依据正定核函数的构造原理，采用将基本核函数进行相加的规则来组合多核函数，进而，建立多核学习支持向量回归机的甲醇合成转化率预测模型。甲醇数据的实验结果表明，对比传统支持向量回归机模型，所提出的加法规则的多核学习模型的甲醇转化率预测精度更优，可以更好地指导甲醇合成。

提出一种基于支持向量回归机（SVR）的操纵装置操纵力舒适性预测方法。将操纵力以及人体生理参数作为预测的输入,分别映射到劳动强度和感知强度两个评价指标,在此基础上建立基于SVR的操纵力舒适性评价模型,输出人体的综合舒适度指标。以变速杆为例,通过模拟变速杆的操纵过程,获取相应的预测样本数据,利用支持向量回归机建立的操纵力舒适性预测模型进行预测,结果显示这一预测方法优于RBF神经网络的预测模型。

针对某石化公司离心式CO2压缩机四段出口动态流量准确测量困难的问题,引入软测量方法对动态流量进行测量,研究了基于支持向量机的软测量技术实现对流量的间接测量方法.提出了采用遗传算法和粒子群算法分别对支持向量机的参数进行优化,并将参数优化后的支持向量机得到体积流量软测量模型的预测效果与传统的交叉验证法参数优化的预测效果进行了对比,取得了良好的效果.

为更好地实现液压泵故障定量诊断,对故障定量诊断中的退化特征提取和故障程度诊断方法进行研究。针对排列熵算法的不足,提出空间信息熵（spatial information entropy,简称SIE）的概念,分析了空间信息熵3个参数（时间序列的分区数s、相空间重构的嵌入维数m和延迟时间τ）变化对其性能带来的影响,为其选取提供了依据。仿真分析结果也验证了其作为液压泵退化特征的有效性和优越性。基于空间信息熵算法提取液压泵故障退化特征集,针对退化特征与故障程度之间存在的非线性关系,提出采用果蝇优化算法优化参数的支持向量回归机实现液压泵的故障定量诊断。对实测液压泵振动信号分析结果表明,空间信息熵在表征液压泵故障程度方面具有更好的性能。将果蝇算法优化参数的支持向量回归机用于液压泵的故障定量诊断得到了理想的定量诊断效果,并通过对...