异步电机作为电器原动力在工业及各个领域应用十分广泛,如果发生故障不能及时检修导致电机损坏,造成很大的经济损失。针对异步电机故障,在SIMULINK中建立仿真模型,得到各种工况下的数据,然后用SVM来对故障建立预测模型,对故障进行故障类型预测。实验表明,SVM的异步电机故障诊断,分类效果好,实用性强,可以为异步电机诊断提供参考价值。

为实现不完备多变量时间序列的有效重构,将经典重构技术和粗糙集约简理论相结合,提出了一种广义输入状态重构方法和LS_SVM预测模型.首先,结合Mean Completer补齐算法和经典相空间重构方法,对不完备多变量时间序列进行补齐和含有一定嵌入裕量的初始重构,以克服序列中可能存在的数据缺失和嵌入不足等问题;然后,通过构建时间序列决策表,采用一种IGA算法对冗余嵌入和冗余变量进行RS约简,获取精简重构样本空间;最后,将精简结果作为LS_SVM的输入,辨识关键变量预测模型.将提出的方法应用氧化铝配料过

提出一种基于动态加权最小二乘支持向量机(LS-SVM)的时间序列预测方法.动态加权LS-SVM能够跟踪时变非线性系统的动态特性, 适合于系统辨识和时间序列预测;同时采用鲁棒方法确定权系数,以减小噪声的影响.将动态加权LS-SVM算法应用于工业PTA 氧化过程中的4-CBA浓度预测, 结果显示,动态加权LS-SVM预测精度高,能够有效减小噪声的影响.