基于RBF神经网络的热工过程在线自适应建模算法研究

传统的各种神经网络建模方法由于自身的局限性不能很好地应用于复杂的热工过程建模。该文提出了一种新型的基于RBF网络的热工过程在线自适应建模算法：近似相关性网络(ACN）建模和阶层补偿式网络结构（HCN）建模。文中与资源分配网络（RAN)进行了详细的算例比较，并进一步计算了实际的热工非线性模型。计算结果表明：该文提出的建模算法不仅能提高模型的输出精度，而且也可有效地减小网络的规模，较好地解决了神经网络超界空间的自适应构造问题，为热工过程全局非线性模型的建立提供了一个新的解决方法。     

基于PSO优化最小二乘支持向量机的热工系统辨识

在用最小二乘支持向量机(LS-SVM)辨识大迟延对象时,正则化参数、核宽度以及模型类中的迟延时间多是根据经验估测的,而不同的参数值对最小二乘支持向量机辨识的精度就会不同.针对上述问题,采用粒子群优化(PSO)算法对热工辨识系统中的相关参数进行优化.对电厂一次风量数据和平均床温数据进行的仿真实验结果表明,在用LS-SVM对大迟延对象进行辨识时,通过PSO算法进一步确定其最佳参数及迟延时间,能够有效地提高辨识精度.     

基于免疫原理的径向基函数网络在线学习算法及其在热工过程大范围工况建模中的应用

针对现有径向基函数(RBF)神经网络训练算法在非线性动态系统大范围辨识中的不足,借鉴免疫原理,提出了一种新颖的RBF神经网络在线学习算法,通过分析RBF神经网络学习过程和免疫系统的相似性,采用免疫记忆、克隆选择、扩增和细胞凋亡机制在线动态调节网络隐层节点,并确定相应的数据中心和宽度,从而使网络具有在线学习和记忆新样本的功能,并将该网络应用于某300MW火电机组主汽压的多工况辨识.实验结果表明该算法不仅能精简网络的结构,而且能很好地适应对象的时变特性.     

基于支持向量回归的协调系统建模

电厂单元机组协调系统的控制品质,从很大程度上取决于对机组的动态特性的预测程度。而支持向量机SVM（Support Vector Machines）作为在统计学习理论上发展起来的一种实用算法,其原理经过严密地理论证明已经得到了普遍认可,且已经广泛地应用于模式识别、函数拟合、预测和神经网络等诸多领域。运用支持向量回归的方法对山西阳光发电有限责任公司的协调系统模型进行了预测,并进行了仿真试验,证明了该方法的有效性。     

支持向量回归机理论及其应用

介绍了支持向量回归机理论的原理及其学习算法,并给出其具体应用。     

基于在线支持向量回归的锂离子电池SOC估计

对于锂离子电池来说,其化学特性是动态非线性的,并具有较强的耦合性,但是现在常用的电池模型并不能准确表达其上述特性。训练样本数量定量时,在线支持向量回归机可以在线实时更新模型,且具有全局最优、良好的泛化能力。训练模型时,采用输入变量为工作电压和温度,输出变量为荷电状态。仿真结果表明,与BP神经网络相比,在线支持向量回归可以准确预测电池的充电状态,具有较高的SOC预测精度和稳定性。     

支持向量机回归算法在锅炉燃烧系统建模中的应用研究

针对高维非线性系统,分析了基于支持向量机网络的建模能力,并将增量回归支持向量机算法应用于锅炉燃烧过程建模,根据现场采集的数据进行支持向量机网络建模和泛化能力实验.理论分析和实验结果表明网络具有良好的辨识精度和泛化能力.     

采用加速减量策略的快速在线支持向量回归算法

针对在线支持向量同归(online support vector regression,online SVR)算法进行复杂时间序列精确预测时效率较低的问题,提出一种改进减量训练策略的快速预测方法,通过对非支持向量样本的采样选择,采取加速减量训练实现对在线训练数据集规模的缩减,从而达到快速在线训练和预测的目的.将该算法应用于黑龙江移动通信话务量数据的预测中,实验结果表明,在保持Online SVR预测精度的条件下,算法执行效率得到大幅提高.     

基于改进的回归支持向量机模型及其在年径流预测中的应用

针对回归支持向量机(SVR)惩罚因子C和核函数参数g的选取对模型性能有着关键性影响以及在实际应用中存在参数选取等困难,提出基于启发式算法的PSO-SVR和GA-SVR年径流预测模型,以云南省落却站年径流预测为例进行实例研究。首先,利用SPSS软件选取年径流影响因子,确定输入向量;其次,基于粒子群算法(PSO)、遗传算法(GA)基本原理,采用PSO、GA优化SVR惩罚因子C和核函数参数g,构建PSO-SVR和GA-SVR多元变量年径流预测模型,并构建基于网格划分(GS)与交叉验证(CV)算法相结合的GS-SVR模型作为对比模型。最后,利用所构建的模型对实例进行预测分析。结果表明:PSO-SVR和GA-SVR模型对实例后16年年径流预测(随机5次平均)的平均相对误差绝对值分别为2.53%、2.79%,最大相对误差绝对值分别为7.11%、6.64%,平均绝对误差分别为0.1394、0.1527,预测精度和泛化能力均优于GS-SVR模型,表明PSO和GA能有效对SVR惩罚因子C和核函数参数g进行优化。PSO-SVR和GA-SVR模型具有预测精度高、泛化能力强以及稳健性能好等特点。相对而言,PSO-SVR模型性能略优于GA-SVR模型。     

基于最小均方自适应滤波器的热工过程建模方法

针对热工对象的时变性特点及其在运行过程中易受到不确定性干扰的影响,提出一种基于最小均方(least mean square,LMS)自适应滤波器的热工过程建模方法。LMS滤波器以未知对象的输入和输出作为激励和期望信号,通过最速下降法得到未知对象的有限脉冲响应(finity impluse response,FIR)模型,其与差分方程或传递函数是等价的。实验仿真和某电厂实际运行数据验证了该算法的有效性。这种建模方法避免了复杂的机理分析,其抽头权值的分布可以表征热工对象的动态特性,为分析热工对象提供了一种手段。     

免疫支持向量机在故障测距中的应用

针对支持向量机参数选择难的问题,提出了一种免疫支持向量回归机进行故障测距.该算法运用免疫算法来优化支持向量回归机的参数,减少人为选择参数的盲目性,提高了SVR的推广预测能力.与标准支持向量机算法相比,文章的参数选择具有更明确的理论指导,加速了参数的寻优过程.大量仿真表明:该算法测距精度高,适应性强,训练样本少,测距结果...     

分区支持向量回归及其在负荷预测中的应用

为解决局地短期电力负荷预测问题,给出了一种基于自适应聚类分区和支持向量机回归的多模型变结构负荷预测新方法.首先根据局地电力负荷的特点,使用模糊C均值聚类方法给出预测时间点的自适应分区;然后利用支持向量回归方法对不同分区分别构建预测子模型;最后提出一种基于仿真分析的模型评估和参数优化方法,在测试评估的基础上优化确定各子模型的参数,并适当调整各分区的结构.实验表明该预测方法比常用的神经网络预测方法具有更高的准确率和更强的鲁棒性.     

基于支持向量拟合的恒模盲均衡算法

本文提出了一种利用迭代最小二乘支持向量拟合(IRWLS-SVR)的盲均衡算法.该算法利用数字通信系统中调制方式的恒包络特性(CMA),在基带条件下对具有严重码间干扰的接收信号进行均衡处理,实现无线信道的无误差传输.该方法不同于以往基于神经网络算法和高阶统计量的盲均衡方法,具有收敛速度快,干扰抑制强,计算量小的优点.计算机仿真结果表明,经过多径瑞利信道衰减后的接收信号可以通过该均衡器得到正确解调.     

基于支持向量机的回归预测和异常数据检测

针对电站实时数据中普遍存在异常数据的情况,提出一种基于支持向量回归的异常数据检测方法。该方法利用支持向量回归估计模型不倾向于消除个别大的回归误差,而是从整体上考虑回归曲线的平滑程度的特点,通过比较回归估计值与实测值之间的残差来识别测量数据中的异常数据。以某300 MW机组的主蒸汽流量为具体对象,给出了该方法的算例和检测结果,计算结果表明该方法能有效地实现异常数据的定位与分离,为提高电站性能计算的精确性奠定基础。     

基于最小二乘算法的模糊支持向量机控制器及其应用

介绍了一种基于最小二乘算法的模糊支持向量机控制器，它将模糊控制与支持向量机结合起来，融合了两者的优点，既有不依赖被控对象模型又有泛化能力强等特点。同时采用混合学习算法来优化控制器参数，即先采用最小二乘算法离线优化支持向量机(SVM)性能参数，建立SVM控制系统，再根据对象的变化，采用遗传(GA)算法在线学习优化SVM性能参数和模糊比例因子，以使控制器的性能能适应对象的变化而达到最优。火电厂主汽温控制的仿真结果表明这种控制器具有良好的控制性能。     

基于在线支持向量回归算法的电站热耗率模型

利用在线支持向量回归算法（AOSVR）,建立了机组热耗率的在线回归模型。介绍了模型的更新过程,包括增加新样本的递增和冗余样本的删除。对某1 000 MW机组的热耗率计算进行了建模,并与常用的离线式模型SVR和LS-SVR进行了对比,结果表明AOSVR模型能够根据新样本对模型不断进行更新,具有较强的自适应能力和泛化性能,适合在线应用。进一步通过输入参数扰动分析得出AOSVR具有较强的鲁棒性,能够克服输入参数的非正常波动,保证热耗率计算的可靠性。     

模糊量子遗传算法及其在热工过程模型辨识中的应用

针对量子遗传算法(QGA)中旋转变异角相对固定的缺点，将模糊自适应的思想引入QGA, 提出了模糊量子遗传算法(FQGA)。对典型函数测试表明：该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用这种模糊量子遗传算法设计了一种通用的热工对象模型辨识算法，并编制了专用的模型识别软件，对典型热工过程进行辨识，取得了令人满意的效果。最后对某电厂循环流化床锅炉一次风对床温的传递函数进行辨识，结果表明该方法是一种简单易行的辨识算法，具有实用价值。     

遗传算法在热工对象辨识中的应用

根据热工对象的特点,经验性地将热工对象进行了模型结构分类,采用了一种改进的自适应遗传算法对模型参数进行辨识,在此基础上编制了带有图形用户界面的热工对象MATLAB辨识软件.通过来自电厂SIS系统的实际运行数据对辨识软件进行了验证,结果表明了辨识软件的实用性和有效性.     

改进SVR及其在传感阵列模式识别中的应用

针对传统神经网络模式识别中存在网络结构难于确定、过学习、收敛速度慢、易陷入局部极小值等不足及标准支持向量回归机中未考虑各样本重要性的差异问题,结合变压器油中多组分气体监测传感器阵列,将改进型支持向量回归机应用于气体传感器阵列信号模式识别中.实验结果表明,改进后的模式识别方法在预测精度和泛化能力上都较传统神经网络和标准支...