基于主成分分析与遗传算法-支持向量机的喷溅预测方法

针对冶炼过程喷溅特征提取及喷溅预测困难的问题,提出基于小波包变换与主成分分析的优化参数模型的支持向量机喷溅预测方法。该方法经小波包变换将冶炼喷溅的噪声和氧枪振动信号分解为不同频带的信号。由于不同频带的信号出现相互干扰和堆叠,因此通过主成分分析将频带能量降维分离成不同频带,进而将这些处理后的信号作为喷溅特征向量。对支持向量机模型参数(C、g)进行遗传算法优化,通过支持向量机对喷溅的分类及预测,验证了该方法的有效性。实验结果表明：经小波包变换和主成分分析获得的特征信号能够准确地反应喷溅特征,提出的支持向量机方法具有较好的分类性能,喷溅预测准确率较高。     

精油微装量系统的卡尔曼滤波CMAC-PID控制

目的解决传统精油灌装机精度低、速度慢等问题。方法设计一种基于卡尔曼滤波的CMAC-PID液体微装量自校正控制系统。首先采用卡尔曼滤波方法抑制噪声和干扰信号,再利用有监督学习功能的CMAC-PID控制器来提供反馈控制、保持系统稳定,并结合系统模型,通过Matlab进行仿真验证。结果仿真结果表明,使用卡尔曼滤波CMAC-PID控制方法使系统具备了响应快、超调量小、抗干扰能力强等特点。结论该方法在确保灌装精度的同时,能够较好地满足系统对灌装速度的要求。