支持向量机近似模型的参数选取及其在结构优化中的应用

针对非线性结构响应预测的支持向量机(SVM)近似模型的参数选取问题,提出了应用粒子群算法进行参数优化,建立了具有最优参数的SVM近似模型,并与以训练集数据建立常规的SVM、二阶响应面(RSM)和径向基神经网络(RBFNN)近似模型进行对比.结果表明:以优化参数建立的SVM近似模型比常规的SVM近似模型有更好的预测能力;可以避免RSM和RBFNN近似模型中的过拟合现象,具有更优的推广能力.最后,将最优参数的SVM近似模型用于船舶结构优化中,取得了具有良好工程实用性的优化结果.     

基于混合人工鱼群优化SVR的交通流量预测

实时准确的交通流量预测是智能交通系统(ITS)中的重要内容．支持向量回归(SVR)能够用于解决交通流量预测问题,针对SVR中存在的参数选择困难,提出一种混合人工鱼群(AFS)算法．该算法利用粒子群优化(PSO)算法公式改进AFS算法,减小AFS算法中步长因子的影响,并引入混沌初始化AFS机制,选取最优SVR参数,建立了基于混沌PSO-AFS优化SVR的交通流量预测模型．仿真结果表明,该交通流量预测模型具有更优的预测性能,证明了其可行性和有效性．     

基于近似支持向量回归机的多属性决策

将近似支持向量回归机应用到多属性决策问题,提出基于近似支持向量回归机的多属性决策方法。该方法从决策问题本身出发,构造学习样本,再通过近似支持向量回归机拟舍出多属性效用函数,从而实现对方案的排序。与支持向量机相比该模型参数少,核函数无需满足Mercer条件,算法简单、可靠。最后通过算例表明方法的可行性与有效性。     

基于PSO-SVR的发酵过程状态预估模型

针对发酵过程中生物参数难以实时在线测量的问题,建立了用于生物参数状态预估的支持向量机软测量模型。考虑到该支持向量回归（SVR）模型的复杂性和冷化特征取决于其三个参数ε,c,γ能否取到最优值,采用粒子群优化（PSO）算法实现对参数ε,c,γ的同时寻优。在此基础上,以饲料用β-甘露聚糖酶为对象,建立了基于PSO-SVR的发酵过程产物浓度状态预估模型。发酵罐控制结果表明：该模型具有很好的学习精度和泛化能力,可实现对β-甘露聚糖酶产物浓度的实时在线预估。     

基于迭代均值组合近似模型和序贯优化与可靠性评估法的船舶结构优化设计

针对传统可靠性优化方法不能同时保证大型船舶结构计算效率与精度的问题,在船舶结构优化设计中考虑设计变量的不确定性,通过迭代均值组合(ER)近似模型和粒子群算法(PSO)提高序贯优化与可靠性评估(SORA)法的计算效率和精度,建立了改进的可靠性优化设计流程并解决了多用途船舱段的可靠性优化问题.其中:SORA法将可靠性分析与优化过程解耦,并提高了可靠性优化效率;PSO保证了SORA法优化所获全局最优解的计算效率;ER近似模型能够以最少的采样点建立满足精度要求的近似模型,并代替最有可能的失效点(MPP)和优化过程中耗时的有限元计算.多用途船舱段的可靠性优化结果表明:可靠性优化相较于确定性优化更有实际意义;改进的可靠性优化设计流程在保证计算精度的同时能够显著降低计算成本.     

基于粒子群优化算法-支持向量回归算法的氨氮传感器温度补偿

针对野外低温环境下,基于铵离子选择性电极的氨氮传感器检测失准问题,通过分析传感器检测原理,在0～30℃进行了水质标样氨氮检测对比实验,探究了温度变化对氨氮传感器输出结果的影响;将粒子群优化算法(particle swarm optimization, PSO)与支持向量回归(support vector regression, SVR)结合,建立了氨氮检测的PSO-SVR温度补偿模型,并与最小二乘多项式回归、传统SVR建立的温度补偿模型对比,PSO-SVR温度补偿模型具有较高的决定系数和较小均方根误差(root mean square error, RMSE)。在实际水样检测实验中,经过该模型补偿后氨氮传感器的输出值与实验室内根据《水质氨氮测定》(HJ 535—2009)测得的氨氮标准值之间最高偏差为4.76%,最低偏差为0.64%,偏差范围符合预期补偿目标,表明模型具有较高的温度补偿精度,对非训练数据具有良好的泛化能力,能够满足实际使用的精度要求。     

一种基于PSO-SVR的软件可靠性评估方法

软件可靠性建模时,如果简单地利用支持向量回归机制建模,就有可能由于支持向量回归(SVR)自身参数选择难以及实验数据本身的不确定性,从而导致预测结果不理想、精度低等缺陷。因此,借鉴粒子群优化算法(PSO)多参数寻优的优势,将PSO与SVR优化算法相结合,利用分层聚类算法对初始实验数据进行归一化处理,剔除异常数据,构建基于PSO-SVR的软件可靠性评估方法,从而提高软件模型的预测精度。实验结果表明,基于PSO-SVR方法的预测模型其预测精度高,更适应实际软件应用环境。     

基于近似移动矢量的证据理论可靠性设计优化方法

针对存在认知不确定性的结构优化问题,提出了一种基于近似移动矢量的证据理论可靠性设计优化方法,可有效提升计算效率.该方法通过等面积法将证据变量转换成概率变量,构建等效的概率可靠性设计优化模型,并使用序列优化与可靠性分析方法求解获得近似设计点;开展基于证据理论的可靠性分析求解约束的可信度,构建近似移动矢量和确定性优化模型,求解获得新的设计点;重复概率可靠性设计优化与证据理论可靠性分析组成的序列迭代过程,直到收敛得到最优设计点.本文方法能够将嵌套的证据理论可靠性设计优化问题转换为近似等效的概率可靠性设计优化与证据理论可靠性分析组成的序列迭代过程进行求解,能够有效降低证据理论可靠性设计优化的计算成本.通过算例验证了所提方法的有效性.     

基于改进灰狼优化与支持向量回归的锂电池健康状态预测

为了提高锂电池健康状态(SOH)的预测精度,将改进的灰狼优化(IGWO)算法与支持向量回归(SVR)相结合,提出了一种基于改进灰狼优化和支持向量回归(IGWO-SVR)的联合算法。该算法的核心思想是运用改进的GWO算法解决SVR模型中的参数联合寻优问题。IGWO-SVR随机产生1个灰狼种群,灰狼个体的位置向量由SVR模型的3个参数C,σ,ε组成。根据每只灰狼的位置信息进行学习,并计算适应度。按照适应度值对狼群进行分级,对灰狼个体位置进行更新,然后进行差分进化操作,选择优秀个体进入下一代种群,重新计算灰狼个体在新位置的适应度。迭代过程结束后,提取狼群中适应度最优的灰狼位置信息作为最终的SVR模型参数进行训练。在美国国家航空航天局(NASA)锂电池数据集上的实验表明了所提SOH预测方法的有效性。     

工程优化设计中的近似模型技术

解决复杂系统的建模优化问题,需根据具体的应用环境,选择合适的近似模型。本文对响应面模型、多元自适应回归样条模型、克立格模型、径向基函数模型、支持向量回归模型等近似模型的性能特点和适用范围进行了系统的比较研究,在分析这些近似模型基本特性的基础上,选取具有广泛代表性的测试函数,并综合考虑问题的复杂度、非线性程度、采样点的规模及分布等多个因素,对上述5种近似模型的全局和局部拟合能力、鲁棒性等进行了较为全面的比较评价,并给出应用实例。     

基于代理模型的工程结构可靠性分析

在实际工程结构的可靠性分析中,功能函数一般是复杂的非线性程度较高的隐式函数,给常用的一次二阶矩等传统可靠性分析方法带来效率低、求解难度大等困难,针对这一问题,可以使用代理模型代替原隐式功能函数进行可靠性分析.通过多个数值算例对比了基于二次多项式响应面法(RSM)和Kriging方法进行可靠性分析时的计算效率和精度,同时研究了多次拟合近似代理模型过程中的样本全部累积和选择累积策略.算例表明,RSM难以对非线性程度高的极限状态曲面作出较好的拟合,Kriging方法有良好的预测能力,无论是在计算效率还是精度上都要优于RSM.因此继续基于Kriging方法对3个工程结构进行可靠度分析,算例结果表明若未进行样本累积,有可能迭代过程振荡不能收敛到最终的可靠指标值;迭代过程中采用样本累积能显著改善收敛性能,通常样本选择累积在计算效率和精度上都要优于样本全部累积.     

基于数值模拟和机器学习的汽车碰撞代理模型

建立某型皮卡车三维有限元实体模型,模拟汽车对刚性墙碰撞和两车相向对撞的动态过程,得到不同初速度下汽车的碰撞力-位移曲线.将汽车初始速度作为输入,碰撞力-位移曲线作为输出,采用BP神经网络机器学习算法建立全速度域下汽车碰撞代理模型.将数值模拟样本分为训练集和测试集,对代理模型进行训练,并利用测试集样本验证了模型的精度.利用代理模型可以快速预测任意碰撞速度下该汽车的力-位移曲线,为其安全性设计提供依据.     

基于分片线性代理模型的成品油调合优化

成品油调合对提高炼厂经济效益有着重要的作用和意义。成品油调合优化是一个非线性约束优化问题,传统的进化算法由于搜索空间大又没有结构信息,要取得期望的求解效率和解的稳定性都是具有挑战性的任务。针对上述问题,提出了一种基于分片线性代理模型的成品油调合优化方法,它包含分片线性建模和优化2部分内容。首先,利用分片线性函数模型作为成品油调合非线性调合性质指标函数的代理模型,将原非线性约束优化问题转化为一系列线性规划子问题;然后,利用差分进化算法搜索相关线性子区域来获得全局最优值,以达到提高进化算法的求解速度和避免算法陷入局部最优解的目的;最后,通过成品油调合优化案例验证了该方法的有效性。     

基于PSO-SVR模型的短期天然气负荷预测

针对天然气负荷影响因素选择困难,冗余因素会影响负荷预测的精度和速度,使用特征选择Relief算法对影响负荷值的因素进行筛选,去掉冗余影响因素,为准确地预测天然气负荷提供一定的数据基础;在进行负荷预测时,单一的支持向量回归(support vector regression, SVR)会陷入重要参数难以选取最优的情况,为了解决这一问题,提出一种基于特征选择上的粒子群算法(particle swarm optimization, PSO)优化SVR重要参数的组合模型PSO-SVR。所提出的算法首先使用特征选择选取影响因素,为负荷预测提供主要的数据支持;然后,设置SVR的3个关键参数的初始值,进行迭代得到最优的关键参数值;最后,将影响因素和负荷值输入PSO-SVR模型进行训练并预测。使用榆济管线的负荷数据进行预测并对比。结果表明：提出的算法比其他单一模型的预测精度高,能为天然气负荷预测的研究提供参考,为天然气公司购气量提供依据。     

汽车前撞事故中前排乘员下肢防护

针对在乘员约束系统情况下下肢损伤越来越频繁的情况 ,提出了下肢损伤最频繁的部位 -脚踝部的损伤机理 ;通过试验验证修正的假人下肢的数学模型 ;并依据损伤机理 ,提出了下肢防护的措施 :安装限力吸能式制动踏板 ,进而采用经过验证的数学模型对其进行解析研究 ,证明了其有效性     

基于混合模型汽车结构耐撞性的可靠性优化设计

针对多种不确定性因素对汽车结构耐撞性产生的影响,本研究提出了一种基于混合模型汽车结构耐撞性的可靠性优化设计方法.首先,建立了基于概率-区间混合模型汽车结构耐撞性的可靠性优化设计模型,并分析其嵌套情况;然后,为了减少嵌套层数,提出了一种高效的解耦策略,将原始的嵌套问题等效转化为单层的优化设计问题;最后,使用径向基函数构建...     

基于改进遗传算法多体模型的汽车悬架参数优化

针对遗传算法普遍存在的概率参数主观选取问题、早熟问题以及汽车悬架优化模型采用集中质量模型问题,提出了改进遗传算法,采用交叉算子和变异算子分别独立作用于父代个体,使父代所有个体都进行交叉和变异来避免概率参数的选取问题;然后按父子混合杰出者选择策略产生子代个体;使用局部多次搜索算子和替换策略来加快遗传算法的收敛速度;建立遗传算法和ADAMS软件的接口,使用专业软件ADAMS来处理复杂目标函数和适应度的求解问题,实现复杂多体模型的遗传算法优化。通过对33自由度的汽车悬架多体模型进行优化分析并和传统优化方法、标准遗传算法和小生境遗传算法进行对比,结果表明该方法明显优于其它方法。     

坠物冲击下基于混合代理模型的水下管汇动力学分析方法

海上坠物冲击直接影响水下管汇工作稳定性,开展坠物冲击下水下管汇的动力学分析能够为其结构设计提供依据、提高水下管汇生产安全性。针对基于非全尺寸模型的水下管汇动力学分析方法导致分析结果精度受损的问题,建立水下管汇全尺寸有限元模型进行动力学分析,并针对由此造成的计算成本过高的问题,引入支持向量回归(support vector regression, SVR)、Kriging和径向基函数(radical basis function, RBF)代理模型提高分析效率,结果表明Kriging模型精度最高,RBF模型次之,SVR模型精度最低。进一步地,考虑单一代理模型预测性能的局限性,基于组合预测理论建立水下管汇动力学响应混合代理模型,构建坠物冲击下基于混合代理模型的水下管汇动力学分析方法,并对其预测精度和计算成本进行了分析,结果表明：相较于单一代理模型,混合代理模型的平均计算精度提高了10.12%,与单独使用有限元方法相比,其计算效率提高了81.24%,验证了此方法的有效性。     

基于逐次神经网络近似技术的轿车简化模型多学科设计优化

提出一种空间形变技术与神经网络近似技术及多学科可行性方法相结合的多学科设计优化方法,基于此方法对轿车简化模型进行多学科设计优化。该方法使用逐次递归近似技术与空间缩放技术,使得收敛空间逐步减小,近似精度逐步提高,利用此高精度的数学代理模型替代整车碰撞学科与NVH学科的有限元模型,最后,基于此代理模型进行车身多学科设计优化,使整车耐撞性得到提高,改善了车身的一阶振动特性,减轻了整车质量。