首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  免费   3篇
  国内免费   1篇
基础科学   2篇
  1篇
综合类   1篇
  2023年   2篇
  2022年   1篇
  2021年   1篇
排序方式: 共有4条查询结果,搜索用时 9 毫秒
1
1.
采用LWD-QPSO-SOMBP神经网络的拖拉机柴油机故障诊断   总被引:1,自引:1,他引:0  
针对目前拖拉机柴油机故障诊断中单BP(Back Propagation)神经网络模型的局限性,该研究提出一种LWD-QPSO-SOMBP(Linear Weight Decrease-Quantum Particle Swarm Optimization-Self Organizing Maps Back Propagation)神经网络的拖拉机柴油机故障诊断模型。首先,将SOM(Self Organizing Maps)神经网络和BP神经网络结合,重置网络结构并利用LWD-QPSO(Linear Weight Decrease-Quantum Particle Swarm Optimization)算法对网络的权值和阈值进行优化;然后,分析拖拉机柴油机的故障机理,确定反映故障发生的数据信号;最后,确定LWD-QPSO-SOMBP神经网络模型的结构参数,基于CAN(Controller Area Network)总线技术采集潍柴WP6型拖拉机柴油机传感器信号数据对LWD-QPSO-SOMBP神经网络的性能进行测试,并将测试结果与BP神经网络、SOMBP(Self Organizing Maps Back Propagation)神经网络、PSO-SOMBP(Particle Swarm Optimization-Self Organizing Maps Back Propagation)神经网络、LWD-PSO-SOMBP(Linear Weight Decrease-Particle Swarm Optimization-Self Organizing Maps Back Propagation)神经网络及改进量子粒子群(Improved Quantum Particle Swarm Optimization,IQPSO)算法优化后的SOMBP神经网络的测试结果进行对比。试验结果表明, LWD-QPSO-SOMBP神经网络输出总误差为0.111 8、平均相对误差为0.005 8、均方误差为0.000 3,相比于其他5种神经网络均为最低。LWD-QPSO-SOMBP神经网络充分发挥并有效综合了SOM神经网络在数据预处理及PSO算法在优化BP神经网络初始权值阈值方面的优势,实现了拖拉机柴油机的高精度故障诊断。LWD-QPSO-SOMBP神经网络由于使用SOM神经网络结构对输入数据进行预处理,网络收敛速度大幅度提升,相比单BP神经网络,迭代次数由2 431次降为63次,下降了97.40%;同时采取LWD-QPSO算法对BP神经网络的初始权值阈值进行优化,降低了传统PSO算法的粒子适应度,进一步提高了网络的收敛精度和收敛速度,相比传统PSO算法,粒子适应度从0.15降为0.11,下降了26.67%,网络训练误差由0.004降为0.000 6,下降了85.00%;LWD-QPSO-SOMBP神经网络的故障诊断准确率大幅度提升,相比于单BP神经网络,输出总准确率由85.00%上升至99.44%。研究结果可为高精度拖拉机柴油机故障诊断提供参考。  相似文献   
2.
针对传统机器学习模型预测重型拖拉机液压机械无级变速箱(Hydro mechanical continuously variable transmission, HMCVT)湿式离合器温度的局限性,提出了基于改进灰狼粒子群优化-支持向量机(Improved grey wolf particle swarm optimization-support vector machine, IGWPSO-SVM)的HMCVT湿式离合器摩擦副温度预测模型。首先,对湿式离合器摩擦副滑摩过程进行热分析,确定影响湿式离合器摩擦副温度的因素;然后,基于支持向量机(Support vector machine, SVM)搭建温度预测模型,并利用改进灰狼粒子群优化(Improved grey wolf particle swarm optimization, IGWPSO)算法对SVM的结构参数进行优化;最后,基于HMCVT湿式离合器试验台数据搭建离合器摩擦副温度预测模型的样本数据库,以湿式离合器摩擦副对偶钢片为对象,对IGWPSO-SVM模型进行试验验证。试验结果表明,IGWPSO-SVM模型预测摩擦副对偶钢片...  相似文献   
3.
自激振动旋耕刀设计与减扭降耗性能分析   总被引:1,自引:0,他引:1       下载免费PDF全文
为实现旋耕作业减扭降耗,在国标IT245旋耕刀基础上设计了一种自激振动旋耕刀装置,对其工作原理进行了阐述。通过运动受力分析,完成了其大弹簧参数选型与弹簧心轴腰型孔设计。基于DEM-MBD技术,建立土壤-旋耕刀相互作用仿真模型,分析5种刀轴转速下国标旋耕刀与自激振动旋耕刀所受三向阻力与扭矩变化规律。仿真试验中,刀轴转速为150、200r/min时,减阻降扭效果不明显;转速为250、300r/min时,自激振动旋耕刀相比国标旋耕刀的减阻降扭效果较好,垂向阻力分别降低6.96%、10.41%,且平均扭矩降低率较大,分别为9.80%和19.63%,而转速达到350r/min时,减阻降扭效果下降。通过对2种旋耕刀仿真与土槽试验的平均扭矩进行分析,得出了国标旋耕刀与自激振动旋耕刀平均扭矩变化曲线的相关系数,分别为0.997与0.998,基本验证了DEM-MBD耦合仿真模型的准确性。对土槽试验中采集的Y向(耕作时刀刃振动主要发生方向)振动加速度数据进行频域分析表明,随着刀轴转速的增加,Y向功率谱密度幅值总体呈上升趋势,转速达到300r/min时,激振频率达到装置Y向的固有频率附近,此时发生共振,Y向功率谱密度幅值达到最大值。即此时旋耕刀获得最大能量,扭矩降低幅度最大,减扭降耗的效果最佳。  相似文献   
4.
目的 水污染监测是流域水污染防治工作的前提。为实现高精度的地表水水质监测及水体等级评定,本研究设计基于IGWOPSO-SVM(Improved grey wolf optimizer particle swarm optimization-support vector machine)模型的水质监测及等级评定系统。方法 选用传感器组、STM32F103单片机、ESP8266WIFI无线通信模块搭建水质监测系统数据处理模块,利用WIFI无线通信将数据处理模块采集到的水质数据传输至服务器,设计水质监测系统服务器交互端,同时开发水质监测小程序对水质等级进行实时监测。基于改进粒子群算法(Improved particle swarm optimization,IPSO)及灰狼算法(Grey wolf optimizer,GWO)提出了IGWOPSO算法,对SVM进行优化,据此提出了IGWOPSO-SVM水质等级评定算法。基于南京市玄武湖、金川河、江浦水源地135组水质数据对本系统水质等级评定效果进行试验验证。结果 相比于SVM,IGWOPSO-SVM水质等级评定算法的总样本分类准确率由86.67%上升至100.00%,上升了13.33个百分点;相比于粒子群算法(Particle swarm optimization,PSO),IGWOPSO算法的最佳适应度由86.80上升至99.20,提高了14.29%。结论 本研究解决了传统水体等级评定方法效率低、准确率低的问题,为地表水水质的精确监测提供了方法借鉴。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号