买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：基于即时最小二乘支持向量回归离心泵外特性的预测方法，属于离心泵外特性预测技术领域。它包括以下步骤：1数据采集；2数据处理：对所记录的数据进行分析，经过归一化处理，获得模型的输入数据；3选取相似样本；4离心泵外特性预测模型的建立。本发明涉及离心泵的运行数据处理和即时学习与最小二乘支持向回归组成的模型在预测离心泵外特性的应用，同时使用留一交叉验证法获得最佳的正则化系数和核参数，通过三者的结合能够进行现有离心泵运行数据的分析及外特性预测；对启动区间的数据进行了剔除，使得模型受到扰动的风险较小；并在即时最小二乘支持向量回归模型中采用了即时学习中的相似度度量准则，能使得模型的泛化性能更好。

主权项：1.基于即时最小二乘支持向量回归离心泵外特性的预测方法，其特征在于包括以下具体步骤：1数据采集：离心泵外特性实验开始前，将进口阀开至最大，电机频率设定为预设频率，调节出口阀使出口压力表示数稳定，此阀门开度为初始阀门开度，在预设频率下，调节出口阀门开度，直到出口阀门开度调至最大，依次记录出口阀口开度、进口压力、出口压力、泵出口流量；2数据处理：对所记录的离心泵外特性实验数据，以及基于实验数据所获得的外特性进行分析，经过归一化处理，获得模型的输入数据；3选取相似样本：对所有历史数据样本通过相似度度量选取相似样本；4离心泵外特性预测模型的建立：在通过相似度量选取的相似样本中，将各组相似样本数据归一化处理后的离心泵的进口压力、出口压力、出口流量、出口阀门开度作为输入特征，将归一化处理后的离心泵的扬程，效率，功率作为输出特征，将这些输入特征和输出特征导入到训练模型中，通过最小二乘支持向量回归模型对离心泵外特性实验数据进行训练和模拟，同时，选取相应的核函数进行预测模型的搭建，并通过留一交叉验证法决定最佳的核参数及正则化系数使得模型预测误差减小，最后获得离心泵的进出口压力、出口流量、出口阀门开度与扬程、效率、功率的对应关系；所述步骤3中，从历史数据样本中通过相似度度量准则选取相似样本，采用的相似度度量准则为欧式距离准则，欧式距离的计算方法公式为：ηt,ni＝exp-‖xn-xt,i‖，n＝1,…,N其中ηt,ni是相似因子介于0和1之间，其值越大，xn与预测样本的相似度越小，其值越小，xn与预测样本的相似度越大，所述xn表示历史数据中的样本；xt,i表示新输入的测试样本；步骤4中，最小二乘支持向量回归核函数采用高斯核函数，其公式如下：Kx,x*＝exp-‖x-x*‖2σ2其中σ表示核参数；所述步骤4中，基于最小二乘支持向量回归模型建立预测模型的公式为： 其中yi表示训练数据中输出的离心泵外特性数值；xi表示训练数据中离心泵外特性实验的测量数据；c表示最小二乘支持向量回归模型的偏置项；w表示最小二乘支持向量回归模型的模型参数向量；wT表示最小二乘支持向量回归模型的模型参数向量的转置；ei表示样本的近似误差；φ表示模型的特征映射；γ表示复杂度和近似精度之间的权衡的正则化参数；J表示预测模型的优化目标函数；其中，求偏导时，加入Lagrange乘子，具体公式如下： 其中α＝[α1，…，αN]T表示Lagrange乘子；1＝[1,1,…1]T表示一个单位列向量；G被定义为G＝K+Iγ-1其中I表示为一个单位向量；K表示为核矩阵。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于即时最小二乘支持向量回归离心泵外特性的预测方法