材料期刊网

Multi-Class Classification Methods of Cost-Conscious LS-SVM for Fault Diagnosis of Blast Furnace

钢铁研究学报(英文版)

关键词: 快速故障诊断 , SVM算法 , 成本意识 , 分类方法 , CLS , 高炉 , 离散粒子群优化 , 最小二乘支持向量机

高炉含铁炉料熔滴性能智能优化预测模型

梁栋 , 石红燕 , 周小辉 , 张毅

钢铁研究学报

含铁炉料良好的冶金性能是保障高炉炉况顺行,节燃增产的前提条件.熔滴试验对于高炉含铁炉料冶金性能把握具有重要意义.但由于熔滴试验本身成本较高且检测耗时,多数企业仅在高炉炉况出现重大变化时通过试验追溯炉料冶金性能.因此,操作者难以根据炉料结构变化预判其冶金性能,进而调整操作方针.在对莱钢含铁炉料进行熔滴性能试验检测的基础上,通过遗传算法优化最小二乘支持向量机关键参数,以含铁料化学成分对其熔滴性能指标建立优化预测模型.模型预测精度高,且避免了建模过程中的主观性,可指导生产配料及调整高炉操作.

关键词: 高炉 , 含铁炉料 , 熔滴性能 , 预测 , 遗传算法 , 最小二乘支持向量机

生物氧化提金中基于PSO-LSSVM的氧化还原电位建模研究

李伟 , 南新元 , 吴琼

贵金属

生物氧化预处理过程是一个复杂非线性的耦合过程，该过程关键参数氧化还原电位通常难以准确检测。为了预估该参数，将PSO算法与LSSVM相结合构建生物氧化预处理过程氧化还原电位预估模型。该模型采用改进的PSO算法优化LSSVM模型参数，克服了参数恒择的盲目性和耗时，具有恘习速度恩速、预测精度较高以及泛化能力强的优点。以新疆某金矿的实际数据进行仿真研究，结果表明：改进的PSO-LSSVM方法建立的模型的预测值与实测值拟合较好，对于生物氧化预处理过程的关键参数氧化还原电位的预估有一定的指导意义。

关键词: 生物氧化预处理 , 粒子群参数优化 , 最小二乘支持向量机 , 氧化还原电位 , 建模

基于LS-SVM的稀土萃取组分含量软测量

向峥嵘 , 刘松青

中国稀土学报

为了解决稀土萃取分离过程元素组分含量在线检测的难题, 提出了稀土萃取过程组分含量的一种最小二乘支持向量机(LS-SVM)软测量方法. 利用量子粒子群算法来优化LS-SVM的参数及核函数参数. 仿真结果表明, 所提出的软测量方法是有效的, 比已有的神经网络软测量方法能更好的实现稀土萃取过程中元素组分含量的在线估计.

关键词: 稀土萃取 , 软测量 , 最小二乘支持向量机 , 量子粒子群优化

基于最小二乘支持向量机的三段膜分离模型

李桂香 , 王磊 , 王元麒 , 李继定

膜科学与技术

提出基于三段膜分离过程的智能模型,并应用它在线分析炼厂气氢回收过程中的关键性能参数.首先,应用网格搜索和交叉验证,结合贝叶斯估计得到最小二乘支持向量机的sig2和gam参数的最优值;然后,建立基于最小二乘支持向量机的三段氢回收膜分离过程模型;最后,基于Matlab2010a软件平台和现场数据编程建模,对炼厂气氢回收过程中的关键性能参数进行在线预测分析.仿真结果表明,模型正确合理、预测速度快,其预测值和实际测量值基本吻合,误差小,可以很好地反映出三段膜膜组件良好的分离性能,对气体膜分离过程中的参数在线检测和过程实时优化控制具有一定的指导意义.

关键词: 气体膜分离技术 , 最小二乘支持向量机 , 三段 , 在线检测 , 实时优化控制

贝叶斯框架下的LS-SVM在热连轧机轧制力预报中的应用

刘俊 , 杨荃 , 何安瑞 , 解华华

钢铁研究学报

利用贝叶斯置信框架推断最小二乘支持向量机模型参数并建立贝叶斯最小二乘支持向量机非线性预测模型.在推断第1层确定模型最优参数,第2层确定正则化参数,第3层确定核参数.将该模型用于某1800热连轧轧制力的预测,在预测精度和速度上都取得了较好的效果.

关键词: 最小二乘支持向量机 , 贝叶斯推断 , 轧制力预报 , 热连轧

基于LS-SVM的烧结矿碱度预报研究

宋强 , 程国彪 , 常卫兵 , 李华

钢铁研究

开发了最小二乘支持向量机(LS-SVM)模型,并用于对烧结矿碱度进行预测.仿真结果证明,本模型能在小样本贫信息的条件下对烧结矿碱度做出比较准确的预测.此种模型具有预测精度高、所需样本少、计算简便等优点.和BP神经网络算法相比,最小二乘支持向量机算法有很好的应用前景和推广价值.

关键词: 碱度 , 最小二乘支持向量机 , 预测 , 神经网络

基于DMS和LS-SVM的复合材料结构健康预测方法

崔建国 , 王青天 , 滑娇娇 , 朴春雨 , 齐义文 , 蒋丽英

材料导报 doi:10.11896/j.issn.1005-023X.2014.16.035

复合材料结构损伤机理复杂,其损伤破坏一般呈现缓慢扩展趋势.为了有效地对复合材料结构健康状态进行预测,将距离形态相似度(DMS)和最小二乘支持向量机(LS-SVM)模型引入复合材料结构健康状态预测中,提出了基于DMS和LS-SVM的复合材料结构健康状态预测方法.首先,以复合材料层合板(T300/QY8911)为具体研究对象,对其进行损伤试验,采集其振动加速度作为表征其健康状态的原始信息,并进行小波包分解,利用分解得到的各个频带信号的样本熵作为特征向量;然后,采用距离形态相似度(DMS)方法确定结构健康指数;最后,将结构健康指数作为建模数据用以构建LS-SVM预测模型,预测复合材料结构健康指数.结果表明,该方法可以有效实现复合材料结构裂纹损伤的预测,具有很好的应用前景.

关键词: 结构健康指数 , 距离形态相似度 , 最小二乘支持向量机 , 结构健康预测

基于生物视觉标准模型特征的无参考型图像质量评价方法

杨亚威 , 李俊山 , 张士杰 , 芦鸿雁 , 胡双演

液晶与显示 doi:10.3788/YJYXS20142906.1016

鉴于生物视觉特征对于图像的良好表征能力，提出了一种基于生物视觉特征的无参考型图像质量评价方法。对生物视觉 ST 模型进行了研究和分析，完成了对图像的稀疏化表示；利用最小二乘支持向量机回归方法训练生物视觉特征到图像质量的映射关系，获得能够预测图像质量的回归器；通过学习的回归器完成了对图像质量的评价。基于 LIVE 图像库的实验结果表明，该方法对于特定失真和交叉失真的预测误差分别为2％和5％左右，并且与目前技术条件下的质量评价方法相比具有很好的精确性和单调性。

关键词: 无参考型图像质量评价 , 生物视觉模型 , 标准模型特征 , 最小二乘支持向量机 , 失真图像

飞机复合材料结构损伤的预测方法

崔建国 , 张文生 , 蒋丽英 , 朴春雨 , 周志强

材料科学与工程学报 doi:10.14136/j.cnki.issn 1673-2812.2016.05.015

针对复合材料结构损伤机理的复杂性,很难准确预测结构损伤状态,本文提出一种基于动态主元分析(DPCA)和最小二乘支持向量机(LS-SVM)相结合的复合材料结构损伤演化预测新方法,并针对复合材料结构损伤特性,采用疲劳振动试验进行结构损伤预测研究.首先,采用经验模态分解(EMD)方法对多传感器采集的复合材料结构健康信息进行自适应分解,得到不同传感器下的多个本征模态分量(IMF),并通过计算各阶IMF分量的奇异熵作为各传感器的特征信息;然后采用DPCA对多传感器的奇异熵进行降维融合,得到融合后的奇异熵特征,再对其采用距离形态相似度方法定义结构健康指数;最后将结构健康指数作为建模数据,创建LS-SVM预测模型,并通过预测模型对飞机复合材料结构健康指数进行预测,其预测结果直接反映了飞机复合材料结构的健康状态.试验验证表明,该方法可有效地实现飞机复合材料结构损伤预测效能,具有很好的工程应用价值.

关键词: 复合材料 , 结构损伤预测 , 动态主元分析法 , 最小二乘支持向量机