针对高速列车抗蛇行减振器故障振动信号具有非线性、非平稳特征以及特征信号提取相对困难的问题,提出一种基于自适应噪声完备集合模态分解(CEEMDAN)与灰狼算法优化的最小二乘支持向量机(LSSVM)相结合的故障诊断方法。利用CEEMDAN方法分解车辆的振动信号,得到振动信号的各模态分量(IMF),并计算IMF各分量的精细复合多尺度散布熵(RCMDE),组成每个样本下的特征向量,最后输入到利用灰狼优化算法(GWO)对LSSVM的惩罚系数和核函数参数迭代寻优以获得最优分类效果的LSSVM中进行故障诊断。试验结果表明通过提取CEEMDAN各模态分量IMF的精细复合多尺度散布熵作为特征输入到GWO-LSSVM中具有很好的诊断效果,实现了抗蛇行减振器故障的有效判别,验证了该方法的可行性。

针对VMD在实际工程中需要凭借人为经验设定本征模态分量(IMF)个数,提出了一种通过频谱极值点与自适应阈值之间的关系确定VMD中的最佳IMF数量的策略,称为自适应变分模态分解(Adaptive Variational Modal Decomposition,AVMD),并将其结合最小二乘支持向量机(LSSVM)用于滚动轴承故障诊断。首先利用AVMD对轴承信号分解获得多个IMF分量后根据峭度值将分量信号重构,然后提取重构信号的多尺度排列熵作为训练LSSVM的特征向量,最后用获得的诊断模型对未知的轴承故障进行分类。通过仿真分析及轴承信号的诊断结果表明,AVMD能够有效的将多频率组成的复杂信号分离成几个有效的IMF组合形式,且结合LSSVM的诊断模型具有较高的识别率。

本文提出了一种使用最小支持向量机检测溢流阀故障信号的方法。通过提取溢流阀振动时的正常信号和故障信号,在此基础上进行了AR建模,并由建立的模型获取了信号的AR参数,之后利用这些参数作为最小支持向量机的输入进行故障辨识,取得了令人满意的结果。

高精度液压推土机变速箱故障预测方法对提高液压推土机的工作效率和可靠性具有重要意义。基于国内外研究现状,提出了一种基于最小二乘支持向量机的推土机变速箱故障预测方法,实现了对液压推土机变速箱供油故障、齿轮磨损进行识别。研究发现LS-SVM训练的故障预测模型对推土机变速箱故障识别的准确率为98.5%。研究结果可为液压推土机变速箱视情维修提供参考。

为便于选取合适的切削参数,以满足期望的加工表面质量要求,提出一种最小二乘支持向量机(LSSVM)和粒子群优化(PSO)相结合的表面粗糙度预测模型。以预测精度和收敛速度为指标,对比PSO-LSSVM模型与支持向量机、人工神经网络和遗传算法优化BP神经网络模型的优劣。结果表明:PSO-LSSVM模型具有较高的预测精度和较快的收敛速度。基于MATLAB GUI搭建了表面粗糙度预测与参数优化应用系统。该系统具有较好的实用性,可实现简单、快速预测表面粗糙度,帮助决策人员灵活选取切削参数。

为减小数控机床热误差对加工精度的影响,实现对热误差的补偿控制,提出一种基于遗传算法(GA)优化的最小二乘支持向量机(LSSVM)数控机床热误差建模方法。利用遗传算法优化选择LSSVM惩罚因子C和核函数参数σ2,构建针对某卧式加工中心主轴热误差的GA-LSSVM模型。根据该模型得到热误差的模拟值和测量值对比曲线,通过分析发现GA-LSSVM模型性能较好,模型残差较小,预测精度较高。建立热误差LSSVM模型和传统BP模型并与GA-LSSVM模型作对比,结果表明:GA-LSSVM模型绝对残差δ及均方误差MSE均为最小,模型决定系数R2最大,验证了GA-LSSVM建模方法的有效性。

炼铁厂的烧结过程是一个复杂的多变量、非线性的物理和化学过程,为了更好地对烧结过程进行建模,在研究最小二乘支持向量机和特征选择的基础上,提出了最小二乘支持向量机的特征选择算法。首先,利用最小二乘支持向量机对烧结样本数据的每一个特征进行训练和预测,记录其预测精度;然后,将样本特征按预测精度排序;最后,按新的特征顺序,逐个递增特征个数对样本数据进行训练和预测。烧结数据的实验结果显示,LSSVM的特征选择算法具有计算的高效性和预测的高精度两优势,证明所提算法的有效性。在所有的特征上对烧结数据进行拟合实验,对比经典SVM、最小二乘和神经网络算法的实验结果,LSSVM可以用很少的时间,得到很理想的拟合效果。

针对最小二乘支持向量机参数选取的问题，提出一种基于十折法的参数选取方法。将数据平均分成十组，采用一组作为训练特征，其它作为测试组，规定参数的可能范围，然后选取平方差最小的作为参数的取值。经实验证明结果令人满意，提出的方法是可行的。

在机械设备盲信号处理和故障诊断中,信号的非高斯性至关重要,而峭度是非高斯性的自然度量指标,它反映了机械信号信息的动态变化特征。基于此提出了基于峭度的ICA特征提取和故障诊断方法,首先提取机械设备多通道观测信号的峭度值（或标准峭度,或峭度绝对值,或峭度平方）,并依据观测通道顺序将峭度值组成低维ICA特征向量,进而利用最小二乘支持向量机进行机械设备的模式判别和故障诊断。试验表明：该方法的故障识别率基本上达到80%以上,而且相比标准峭度和峭度平方准则,基于峭度绝对值准则方法的模式识别率更高。

针对采用PWM方式来实现D／A输出方式，使得模拟电压信号的精度和线性度达到预定的标准，采用增加一阶阻容滤波的方法，改善了控制器输出控制电压品质，又采用最小二乘支持向量机优化方式来校正了单片机控制器的输出误差。通过液压电梯控制实验，验证了优化后的单片机控制器对改善变频调速技术性能具有可用性。