排序方式： 共有2条查询结果，搜索用时 375 毫秒
1
1.
针对浆体管道的临界淤积流速存在预测难度高且计算较为复杂的问题,本文引入改进的人工蜂群算法(ABC)优化最小二乘支持向量机的方法对其做出了预测.为平衡算法的局部搜索和全局搜索性能,改进后的算法中的蜜蜂参考了雇佣蜂全局当前最优解和个体当前最优解的搜寻方式来展开寻优.通过实验仿真,结果表明:利用所提出的方法相比常规预测方法得到的预测效果更加精确,其均方根误差、平均相对误差以及平均绝对误差值仅分别为3.05%、1.00%和2.06%.同时,优于传统的临界淤积流速经验计算公式. 相似文献
2.
针对单向阀振动信号包含背景噪声、故障特征提取困难和诊断准确率不高的问题,提出互补集合经验模态分解(CEEMD)、奇异值分解(SVD)和最小二乘支持向量机(LSSVM)相结合的故障诊断方法.首先,用CEEMD分解单向阀振动信号,并用能量分析法及互相关分析法来选取有用的本征模态函数(IMF).然后,根据SVD法提取相应的故障特征,并输入LSSVM进行故障诊断.通过与集合经验模态分解(EEMD)、支持向量机(SVM)等的比较,表明该方法不仅消除了模态混叠和信号噪声,而且能有效地提取单向阀的故障特征,得到更高的诊断准确率. 相似文献
1