由于循环流化床锅炉燃烧系统预测模型的各输入变量具有较强关联性、耦合性,经典的锅炉NOx排放量建模方法中的模型参数调节难度较大,导致对NOx排放量浓度的预测精度不高。针对这一问题,提出支持向量回归(SVR)与双态粒子群算法(BPSO)相结合的BPSO-SVR建模方法。以一台循环流化床锅炉为研究对象,首先对用于建模的数据进行预处理后得到样本数据,然后利用BPSO-SVR训练出锅炉NOx排放量浓度模型。在Matlab平台上将此建模方法与PSOSVR建模方法、SVR建模方法、BP神经网络建模方法进行仿真对比,仿真结果表明该方法具有更高预测精度和更强的泛化能力。

准确的短期负荷预测能够减少发电机组停机备用和旋转备用,其预测效果直接影响电网的安全稳定和经济效益。针对BP神经网络初值敏感、易陷入局部最优的缺点,提出了一种改进人工蜂群算法优化BP神经网络的负荷预测方法。首先融合负荷数据与温度、湿度等天气数据并进行高斯滤波处理,再采用搜索位置更新实现人工蜂群算法的改进,利用其算法完成BP网络权值和阈值的优化,最后建立用于短期负荷预测的优化模型,并通过实例进行仿真验证。结果表明该改进预测模型与传统BP算法相比预测精度及收敛速度均有大幅提高,具备工程实用价值。

针对高炉冶炼过程的复杂、多变以及非线性等因素,提出了一种基于粒子群算法(Particleswarmoptimization,PSO)和遗传算法(Geneticalgorithm,GA)相结合来优化极限学习机(Extremelearningmachine,ELM)的高炉铁水硅含量预测模型。PSO-GA-ELM预测模型,主要是在PSO算法进行适应度值计算、粒子的速度更新和位置更新时将GA算法中的选择、交叉和变异等操作融入其中,使其输出最优的连接权值和阈值代入到ELM模型中。通过对4种不同的预测模型进行实验验证,结果表明,优化后的PSO-GA-ELM模型在进行铁水硅含量预测时的预测精度、学习能力和泛化性能均高于其他三种预测模型。

对涡旋盘侧壁面表面粗糙度进行了研究,提出了一种基于多元非线性回归分析法和BP网络神经算法的涡旋盘侧壁面表面粗糙度预测方法。实验表明建立的模型能够很好地表达吃刀深度、刀具转速、侧吃刀量以及进给量与被加工表面粗糙度之间的关系,可以准确地预测不同切削条件下的表面粗糙度。模型内列入了影响变截面涡旋盘侧壁面表面粗糙度的各项切削参数,减少了因参数改变需进行的实验和建模次数,大大降低了成本,提高了模型的适用性,同时也提高了表面质量和加工效率,为实际生产加工提供了理论依据,也为切削参数组合的优化提供了参考。

随着风电、高铁、航空等重大装备向着高可靠性、长寿命、智能化的方向发展,对齿轮、轴承等基础零部件的寿命提出更高的要求,也迫切需要更为科学、高效的疲劳寿命预测方法。机械零部件的寿命预测方法可分为基于物理失效模型、基于数据驱动模型和基于融合模型3种。随着零部件寿命预测研究向高精度、高效率发展,基于物理模型的寿命预测方法由于其模型复杂、耗时、不具有普适性等缺陷难以满足现代需求。基于数据驱动技术由于其具有无需知道其具体失效机理、预测结果准确等优点,且伴随机器学习、深度学习等技术的迅速发展,使得其成为零部件疲劳寿命预测研究的热点。鉴于此,详细阐述了基于数据驱动的机械零部件疲劳寿命预测方法,并详细介绍了神经网络、支持向量机、随机森林、深度学习等数据驱动方法在零部件寿命预测中的应用,...

支持向量机是由统计学习理论发展起来的机器学习算法，它从结构风险最小化的角度保证了模型的最大泛化能力。文中运用支持向量机进行小样本数据回归分析研究。首先利用推广性的界理论指导支持向量机回归模型参数的选取，以保证模型具有最大的推广能力；其次，运用基于正态分布和基于t分布的两种区间预测方法进行了预测值的区间估计；最后，利用模拟序列和真实的航空发动机油样光谱分析数据作为实验数据，建立了支持向量机回归分析模型，并与最小二乘法进行了比较。结果表明，所提出的支持向量机模型参数选取和区间估计方法适用于小样本数据的回归分析，具有较高的预测精度。

在光电经纬仪伺服系统动态性能室内检测过程中，利用动态靶标产生类似雷达引导信息的实时引导数据来对光电经纬仪的外引导性能进行检测，同时为动态性能、捕获能力等指标的室内检测提供新的方法；引导数据通过对动态靶标的目标编码器值坐标变换产生，同时为消除数据采集、处理、传输带来的滞后，采用有限记忆最小平方预测法对数据进行预测处理并对预测精度做了仿真、实验；引导数据以异步串行通讯的方式发送给光电经纬仪，完成对光电经纬仪的外引导。

提出单调递减数列光滑度比较原则,给出单调递减数列光滑度的提高方法,并从理论上给以证明,分析GM(1,1)灰色模型建模机制,利用反向累加算法和提高单调递减数列光滑度相结合的方法来提高单调递减数列灰色模型精度,并通过实例证明了该方法的有效性。

LNG物性参数是LNG接收站模型建立、工艺流程模拟计算及研究必不可少的基础数据。以国外实验数据为基础,采用Aspen HYSYS软件分析评价PR、SRK、LKP、BWRS状态方程对气液相组成、焓、密度等物性参数的预测结果,比选汽液相平衡和热力学参数的计算状态方程,建立了LNG接收站储罐蒸发模型,并比较了四种状态方程的准确度。结果表明PR方程在汽液相平衡计算方面计算精度最高,相对误差为4.70%;LKP方程计算热力学参数最准确,预测误差为2.59%。综合考虑相平衡参数和热力学参数计算精度,PR方程精度最高,预测误差为3.77%。此外,PR方程对LNG储罐蒸发和储罐压力的模拟计算值与现场数据吻合度最好,因此LNG接收站蒸发计算推荐选用PR方程。研究结果对物性参数和LNG接收站蒸发计算状态方程的选择具有借鉴意义。

为解决再制造机床可靠性增长试验中未来故障发生时间及可靠性预测问题,建立以未来故障发生时间为随机变量,基于条件分布的AMSAA模型再制造机床可靠性增长预测方法。根据可靠性增长预测知识,结合再制造机床未来故障时间的联合条件概率密度函数以及已发生故障时间的联合概率密度函数,推导出未来故障时间的边缘条件概率密度函数,由此得出再制造机床未来故障发生时间及可靠性的点估计和预测区间,并引入标准差系数进行预测精度分析。通过某机床厂再制造机床研制阶段可靠性增长实验数据对该方法可行性和有效性进行了验证,并将预测结果与实际结果及现有方法计算结果进行了分析比较。