分享5篇关于高斯过程回归的计算机专业论文

今天分享的是关于高斯过程回归的5篇计算机毕业论文范文, 如果你的论文涉及到高斯过程回归等主题,本文能够帮助到你

基于GPR模型与MEA框架的混流式水轮机综合健康状态评估研究与应用

这是一篇关于混流式水轮机,健康状态评估,指标体系,高斯过程回归,物元分析法,综合权重分配,评估软件系统的论文, 主要内容为以混流式水轮机为主的常规大型水电站是水力发电的主力军,对其安全稳定运行的综合健康状态评估至关重要。本文对此进行深入研究,首先通过故障的汇总、分类、分析建立了混流式水轮机的指标体系,然后基于高斯过程回归建立的健康模型完成了混流式水轮机实时状态评估,结合EWM-SAAHP权重分配与检修状态评估标准,利用MEA实现了综合健康状态评估,最后开发设计了混流式水轮机综合状态评估的系统软件。本文主要内容如下:(1)建立了基于典型故障分类汇编关联关键指标量研究的混流式水轮机综合状态体系。深入研究混流式水轮机的基本结构与参与能量转换的主要部件的运行机理;实地调研众多混流式水轮机水电站的电站监测系统与检修记录,依据主要部件分类并汇编混流式水轮机典型故障;通过对故障关联信号剖析,确定混流式水轮机的关键状态量;数据获取方式归类关键状态量,建立出包括实时状态指标体系与检修状态指标体系两部分的混流式水轮机综合状态指标体系。(2)建立了基于高斯过程回归的健康状态模型,制定了检修状态评估的标准,并实现了混流式水轮机实时状态评估与检修状态评估。深度分析高斯过程回归原理,通过贴合数据的实验对比选定拟合效果最佳的核函数并建立高斯过程回归模型,并采用电站实时状态指标数据训练模型;采用3σ准则约束模型输出的实时状态指标均值曲面,构建指标的健康模型;实时评估结果通过高斯过程回归模型与健康模型的精度验证。采用概率密度函数定义健康程度数值指标HDI,实现混流式水轮机实时健康状态评估。同时对检修状态评估制定评估标准并以劣化度作定义检修状态指标健康程度,并进行实例计算,实现混流式水轮机检修健康状态评估。(3)实现基于检修记录标准的检修状态评估,确定基于EWM-SAAHP的综合权重值,结合前两者与实时状态评估流程实现基于MEA框架的综合健康状态评估。采用EWM-SAAHP的评价方法进行权重分配,分块使用EWM、SAAHP分别应用于实时状态指标体系、检修状态指标体系的权重计算并融合成综合权重;搭建MEA框架,结合综合权重,融合实时与检修状态底层指标,计算综合关联度函数,实现混流式水轮机综合健康状态评估。(4)开发集成混流式水轮机综合健康状态评估软件系统并应用于电站工程实际。结合理论研究内容与工程业务,开发以B/S架构、Vue框架、Axios交互、Django框架、MySQL数据库为主要技术的混流式水轮机综合状态评估的软件系统,提供实时数据监测、数据查询与状态评估等的实际应用功能,将评估混流式水轮机综合健康状态评估应用于电站系统。

基于GPR模型与MEA框架的混流式水轮机综合健康状态评估研究与应用

基于模型的汽油机排放预测及实际道路排放特性研究

这是一篇关于汽油机,轻型车,排放预测,高斯过程回归,实际道路排放,标定的论文, 主要内容为随着国Ⅵ排放法规的日益严格,发动机开发阶段要面临台架排放标定、整车WLTC循环等试验室测试以及RDE实际道路排放测试,同时也伴随着试验周期长、开发效率低等问题。基于模型的发动机排放预测方法能够在已知部分数据情况下对发动机未知排放进行预测,很大程度上减少了试验室测试的工作量,成为目前备受关注的技术之一。而RDE道路测试由于众多非车辆因素均会对排放造成影响,无法通过基于模型的预测方法有效减少试验工作量,因此研究非车辆因素对RDE排放的影响从而指导发动机排放标定开发也是当前的研究重点。为了在国Ⅵ排放法规背景下减少发动机开发工作量、提高开发效率,本文基于国Ⅵ排放法规中的I型和II型试验,针对汽油机及轻型车,构造了粒子群算法优化的高斯过程回归(PSO-GPR)模型,并基于模型进行了从发动机稳态到整车WLTC瞬态的排放预测研究;同时拓展到实际道路上开展非车辆因素对RDE排放的影响研究,从发动机层面分析了造成排放差异的原因,探索在国Ⅵ排放法规背景下提升发动机开发效率的可能性。首先,基于发动机点火角标定试验数据,以发动机转速、扭矩和点火角为输入参数,基于PSO-GPR模型利用间隔填充法使用约50%的标定数据量作为训练集对剩余标定数据的HC、NOx和CO进行预测,并与传统GPR模型和多元多项式回归(MPR)模型进行对比;在此基础上研究了训练集数据量对模型预测精度的影响;并在其他机型上验证了模型的普适性。结果表明:PSO-GPR模型对三种排放物的预测R2均大于0.97,预测结果优于GPR和MPR模型;三种排放物的预测精度均呈现随训练集数据量的增多而增大的趋势,其中对数据量的敏感性从高到低分别为CO、HC、NOx;PSO-GPR模型对其他三种不同排量的汽油机排放的预测R2均大于0.95,表明模型具有普适性。其次,基于整车转毂排放试验进行了PSO-GPR模型瞬态排放预测的验证,基于模型使用自设计训练集对WLTC冷起动阶段的原排进行预测,研究训练集的设计方法;并拓展到WLTC全程NOx瞬态原排预测进一步验证模型的泛化能力。结果表明:模型对WLTC冷起动阶段的NOx和CO预测效果较好,预测R2分别为0.9089和0.8103;对WLTC全程NOx瞬态排放的预测R2约为0.9,高于BP神经网络的0.8102,并且发现当训练集发动机参数范围及占比与预测集越接近时,预测效果越好。最后,基于RDE道路排放试验研究了驾驶状态、环境温度和海拔高度等非车辆因素对RDE排放的影响。结果表明:RDE排放随着驾驶状态的激进而增加,CO和PN排放尤为明显,激烈驾驶状态下的排放分别是正常驾驶状态的8.78和11.55倍;RDE的CO排放随着环境温度的降低而增大,NOx排放随环境温度的降低而减小,-7℃时的CO和NOx排放分别是10℃的2.34和0.54倍,而PN随环境温度变化并不明显;海拔2400米时的RDE排放高于平原地区,CO、NOx和PN分别时平原地区的1.61倍、1.15倍和2.01倍。

基于机器学习的框架式车身前撞结构多学科优化设计研究

这是一篇关于框架式车身,轻量化,动态松弛因子约束,高斯过程回归,多学科优化设计的论文, 主要内容为汽车轻量化是实现《节能与新能源汽车技术路线图(2.0版)》中降低碳排放要求的关键技术之一,但在车身轻量化时不能仅以质量最低为目标,提高汽车安全性也不可或缺。基于主被动安全的车身轻量化问题具有较高的复杂性,因此,对框架式车身结构-材料进行研究,采用多学科设计优化(Multidisciplinary Design Optimization,MDO)进行轻量化设计,针对现有的MDO框架中近似建模方法和系统优化策略存在的不足,探究机器学习和动态系统一致性约束方法基本原理,通过高斯过程回归近似模型和动态松弛因子约束分别对近似建模方法和系统优化策略进行改进,建立基于机器学习的框架式车身前撞结构轻量化设计框架,完成多学科优化设计。主要研究内容如下:(1)建立基于机器学习的框架式车身前撞结构多学科优化设计框架。针对车身轻量化的同时提高主被动安全性这一复杂问题,建立其MDO模型并分析基本原理。探究MDO过程中近似建模技术对模型精度的影响,多学科优化策略对系统一致性约束的影响,建立基于机器学习的框架式车身前撞结构多学科优化设计框架,以车身前撞结构质量为系统层,以碰撞安全性和空气动力学为子系统层,在实现轻量化的同时,减小了碰撞过程中前撞结构峰值加速度和前隔板处的入侵量,以提高被动安全性;确保了未发生碰撞时,保持足够的下压力,以提高操纵稳定性,从而提高主动安全性。(2)建立基于粒子群算法的高斯过程回归近似模型。针对MDO框架中近似模型精度低的问题,分析机器学习算法之一的高斯过程机理,探究高斯过程核函数特性,通过粒子群算法对组合的核函数进行超参数寻优,建立了基于粒子群算法的高斯过程回归(Gaussian Process Regression,GPR)近似模型。通过数学算例探究GPR近似模型与传统近似模型的精度差别,验证了所提出的近似模型具有精度高的优点。(3)提出基于动态松弛因子约束的目标分流法。针对MDO框架中优化策略不能满足系统一致性的问题,探究目标分流法(Analytical Target Cascading,ATC)基本原理,分析松弛因子约束机理,探究动态松弛因子对系统一致性的内在影响,提出了基于动态松弛因子约束的目标分流法。通过数学算例分析动态松弛因子约束ATC和传统ATC收敛精度和迭代效率的差别。对比结果表明,动态松弛因子约束ATC迭代速度更快,收敛精度更高。(4)进行基于粒子群算法的高斯过程回归和动态松弛因子约束ATC的多学科轻量化设计。针对框架式车身前撞结构进行多学科优化设计,首先通过GPR建立设计变量和性能响应之间的高精度近似模型,其次采用动态松弛因子约束ATC构建该问题的数学模型,最后通过粒子群算法进行寻优。优化结果表明,动态松弛因子约束ATC方法相比于传统ATC方法,最优方案的质量下降3.87%,峰值加速度降低12.97%,前隔板处入侵量下降4.11%,空气升力系数降低16.28%,且前者迭代效率提升34.0%,在轻量化的同时高效、精确地提升了整车主被动安全性,具有较好的理论价值和工程意义。