基于改进的加权最小二乘支持向量机的空间桁架建模被引量：2

Space Truss Modeling Based on Improved Weighted Least Square Support Vector Machines

在线阅读下载PDF

导出

摘要针对空间桁架结构的非线性因素导致其建模困难的问题,利用基于Hilbert变换的动力学系统非线性检测因子作为加权因子,提出了一种改进的加权最小二乘支持向量机非线性建模方法,不仅使支持向量机的解具有稀疏性和鲁棒性,而且对系统动力学参数变化敏感,从而能比较快速而精确地实现动力学系统的非线性动态建模.数值仿真和桁架结构建模试验结果表明,该方法能较好地模拟结构的非线性特性,适用于动力学系统的非线性动态建模.

作者欧阳军闫桂荣王腾

机构地区西安交通大学机械结构强度与振动教育部重点实验室

出处《西安交通大学学报》 EI CAS CSCD 北大核心 2007年第1期119-121,共3页 Journal of Xi'an Jiaotong University

基金国家自然科学基金资助项目(50135030)

关键词加权最小二乘支持向量机非线性建模希尔伯特变换

分类号 TP183 [自动化与计算机技术—控制理论与控制工程]

作者简介欧阳军（1977-），男，博士生；闫桂荣（联系人），女，教授，博士生导师．

引文网络
相关文献

参考文献6

1唐照千黄文虎.振动与冲击手册[M].北京:国防工业出版社,1990..
2VapnikVN.统计学习理论的本质[M].北京：清华大学出版社,2000..
3Suykens J A K.Nonlinear modeling and support vector machine[C] // Proc of the 18th IEEE Conf on Instrumentation and Measurement Technology.Piscataway,USA:IEEE,2001:287-294.
4Suykens J A K,de Brabanter J,Lukas L,et al.Weighted least squares support vector machines robustness and sparse approximation[J].Neurocomputing,2002,48(2):85-105.
5孙建成,张太镒,刘枫.Modelling of chaotic systems based on modified weighted recurrent least squares support vector machines[J].Chinese Physics B,2004,13(12):2045-2052. 被引量：3
6阎威武,常俊林,邵惠鹤.一种贝叶斯证据框架下支持向量机建模方法的研究[J].控制与决策,2004,19(5):525-528. 被引量：21

二级参考文献21

1[1]Vapnik V. The Nature of Statistical Learning Theory[M]. New York: Springer-Verlag, 1999.
2[3]Mackay D J C. Probable network and plausible predictions-A review of practical Bayesian methods for supervised neural networks [J]. Network Computation in Neural Systems, 1995, 6: 469-505.
3[4]Kowk J T. The evidence framework applied to support vector machines [J]. IEEE Trans on Neural Network,2000, 11(5): 1162-1173.
4[5]Suykens J A K. Nonlinear modeling and support vector machines [A]. Proc of the 18th IEEE Conf on Instrumentation and Measurement Technology [C].Budapest, 2001. 287-294.
5Kaplan D and Glass L 1995 Understanding Nonlinear Dynamics (New York: Springer)
6Brillinger D R 1981 Time series: Data Analysis and Theory (New York: McGraw-Hill)
7Farmer J D and Sidorowich J J 1987 Phys. Rev. Lett. 59845.
8Li K P and Chen T L 2002 Chin. Phys. Lett. 19 904
9Packard N Het al 1980 Phys. Rev. Lett. 45 712
10Meyer Y and Ryan R D 1993 Wavelets Algorithms and Applications (Philadelphia, PA: SIAM)

共引文献199

1欧阳军,闫桂荣,王腾.LS-SVM在随机振动在线自适应逆控制中的应用[J].应用力学学报,2007,24(4):530-534. 被引量：5
2李盼池,许少华.支持向量机及其在复杂水淹层识别中的应用[J].计算机应用,2004,24(9):147-149. 被引量：18
3李忠伟,张健沛,张福顺,安辉.基于SVM的虚拟企业伙伴决策系统的设计与实现[J].计算机工程与应用,2004,40(19):198-199. 被引量：2
4张辉,张浩,徐征,陆剑峰.基于支持向量机的供应链伙伴企业选择方法的研究[J].计算机集成制造系统,2004,10(7):796-800. 被引量：10
5杨利芳,邹经湘.冲击过载机械式方法测量理论分析与设计[J].包装工程,2004,25(4):29-30. 被引量：1
6沈丽虹,周昌乐.基于语义空间的支持向量机的文本过滤[J].计算机应用,2005,25(3):664-665. 被引量：3
7汪江,陆颂元.汽轮发电机组故障诊断GA-SVM模型方法的研究[J].汽轮机技术,2005,47(1):1-3. 被引量：6
8袁圣江.基于粗糙集和支持向量机的机械故障诊断系统[J].微机发展,2005,15(3):110-112. 被引量：4
9田雪,纪玉波,杨旭.基于支持向量机的自动人脸识别[J].计算机工程,2005,31(5):191-193. 被引量：3
10郑水波,唐厚君,韩正之,张勇.基于支持向量机的ESP系统传感器故障诊断方法[J].系统仿真学报,2005,17(3):682-684. 被引量：5

同被引文献12

1经玲,王弄.支持向量回归模型在曲线光顺拟合中的改进[J].计算机工程与应用,2005,41(30):66-68. 被引量：4
2林升梁,刘志.基于RBF核函数的支持向量机参数选择[J].浙江工业大学学报,2007,35(2):163-167. 被引量：144
3Suykens J A K, de Brabanter J, Lukas L, et al. Wei - ghted least squares support vector machines robustness and sparse approximation [ J ] . Neurocomputing, 2002, 48 (2): 85-105.
4周彦利,王烈.曲线保凸光顺拟合中的支持向量回归模型[J].航空计算技术,2007,37(4):50-52. 被引量：1
5唐照千黄文虎.振动与冲击手册[M].北京:国防工业出版社,1990..
6甘旭升,张洪才,程咏梅,熊先哲.基于鲁棒最小二乘支持向量机的气动参数拟合[J].计算机工程与应用,2007,43(31):233-235. 被引量：5
7张聚梅,王洪伦.基于遗传算法和模拟退火算法的B样条曲线拟合[J].计算机工程与科学,2011,33(3):191-193. 被引量：7
8唐浩,邓朝晖,万林林,刘伟,伍俏平.基于交替隔点插值的凸轮升程拟合方法在磨削加工中的应用[J].机械工程学报,2012,48(23):191-198. 被引量：10
9陈金成,徐志明,徐正飞,钟廷修,蒋厚宗.基于分段三次样条曲线的高速加工平滑运动轮廓自适应算法研究[J].机械工程学报,2002,38(5):61-65. 被引量：24
10王洪,戴瑜兴,许君,李宗鉴.数控凸轮轴磨床工件旋转轴转速优化方法[J].机械工程学报,2014,50(15):205-212. 被引量：6

引证文献2

1邹宽城,常亚萍,韩秀清.基于支持向量机的射孔枪结构优化设计方法[J].石油机械,2009,37(1):21-25. 被引量：2
2王洪,戴瑜兴,谭彦杰,李丹.基于加权支持向量机的凸轮升程误差拟合方法[J].计算机工程与科学,2016,38(5):1057-1065. 被引量：1

二级引证文献3

1陈汶滨,张述,刘小玲.基于回溯法油管传输射孔排炮算法研究[J].西南石油大学学报（自然科学版）,2010,32(3):176-179. 被引量：3
2唐凯,陈建波,陈华彬,程启文,罗苗壮.超高压射孔枪结构设计及数值分析[J].测井技术,2012,36(1):73-77. 被引量：11
3隋振,徐峰,苏振东.基于遗传算法的凸轮升程误差修正[J].吉林大学学报（信息科学版）,2018,36(3):277-282. 被引量：2

1鲁淑霞,田如娜.结构化加权最小二乘支持向量机[J].计算机科学,2013,40(12):52-54. 被引量：2
2许贺楠,添玉,黄道.K聚类加权最小二乘支持向量机在分类中的应用[J].华东理工大学学报（自然科学版）,2010,36(2):300-304. 被引量：1
3赵永平,孙健国.基于滚动窗法最小二乘支持向量机的稳健预测模型[J].模式识别与人工智能,2008,21(1):1-5. 被引量：12
4张君,邢璐.基于BP神经网络的传感器非线性建模[J].黑龙江科技信息,2010(29):66-66.
5陈将宏,周德强,李落清.加权最小二乘支持向量机与最小二乘问题的关系[J].湖北大学学报（自然科学版）,2004,26(1):16-18. 被引量：5
6梁筱斌,罗飞,许玉格,周辉.基于贝叶斯框架的加权LS-SVM及其学习算法[J].微计算机信息,2009,25(18):172-173.
7吴广潮,邵壮丰.基于支持向量回归的单步多分类算法[J].计算机工程与应用,2007,43(32):9-11.
8胡良谋,曹克强,苏新兵,李娜,侯艳艳.基于加权LS-SVM的非线性系统内模控制研究[J].机械科学与技术,2012,31(1):101-106. 被引量：2
9胡良谋,曹克强,徐浩军,董新民.基于加权LS-SVM的闭环控制系统故障诊断研究[J].机床与液压,2010,38(9):128-131. 被引量：7
10邹宽城,常亚萍,韩秀清.基于支持向量机的射孔枪结构优化设计方法[J].石油机械,2009,37(1):21-25. 被引量：2

西安交通大学学报

2007年第1期

浏览历史

内容加载中请稍等...

基于改进的加权最小二乘支持向量机的空间桁架建模被引量：2

参考文献6

二级参考文献21

共引文献199

同被引文献12

引证文献2

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

基于改进的加权最小二乘支持向量机的空间桁架建模 被引量：2

参考文献6

二级参考文献21

共引文献199

同被引文献12

引证文献2

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

基于改进的加权最小二乘支持向量机的空间桁架建模被引量：2