注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 数学建模方法：蚁群算法

  2. 标题——作者——出处 基于蚁群优化算法递归神经网络的短期负荷预测 蚁群算法的小改进 基于蚁群算法的无人机任务规划 多态蚁群算法 MCM基板互连测试的单探针路径优化研究 改进的增强型蚁群算法 基于云模型理论的蚁群算法改进研究 基于禁忌搜索与蚁群最优结合算法的配电网规划 自适应蚁群算法在序列比对中的应用 基于蚁群算法的QoS多播路由优化算法 多目标优化问题的蚁群算法研究 多线程蚁群算法及其在最短路问题上的应用研究 改进的蚁群算法在2D HP模型中的应用 制造系统通用作业计划与蚁群算法优化 基于混合

  3. 所属分类：其它

    • 发布日期：2010-05-21
    • 文件大小：25165824
    • 提供者：wu_wenyang

  1. 旋转机械智能化故障诊断混合推理系统设计

  2. 为了提高旋转设备故障诊断正确率,将支持向量机SVM和基于案例推理CBR相融合,设计了旋转机械智能化故障诊断混合推理系统。根据两者各自的特点将它们最大限度地结合起来,同时每个推理单元又保持各自的独立性和完整性。讨论了进行SVM和CBR混合推理的关键过程和策略,并以矿井风机为例,建立了矿井风机案例库,对混合推理系统进行了验证。研究结果表明:混合推理系统不仅能提高故障诊断的正确率和系统运行的效率,而且还能增强系统对知识的提取能力。

  3. 所属分类：其它

    • 发布日期：2020-05-11
    • 文件大小：845824
    • 提供者：weixin_38749895

  1. 刮板输送机飘链故障诊断技术研究

  2. 针对刮板输送机在其弯曲区段容易发生的飘链问题,提出了一种基于卷积神经网络和支持向量机的声音信号识别模型,该模型以经过PCA白化处理的综采工作面设备声音运行声音的声谱图为输入,由深度CNN网络提取声音信号的特征,并以SVM分类器实现对声音信号的识别,最终实现对刮板输送机飘链故障的诊断。同时推导了以SVM为输出层的深度CNN网络模型在训练时误差反向传播时输出层对全连接层的敏感度函数,并通过试验发现了对输入的声音信号进行不同时长的切分作为模型输入时,对CNN-SVM模型识别率产生影响的规律,最后通过对

  3. 所属分类：其它

    • 发布日期：2020-04-16
    • 文件大小：1048576
    • 提供者：weixin_38612095

  1. 基于支持向量机的设备故障诊断研究

  2. 支持向量机作为基于统计学理论的机器学习方法，在人工智能识别方面的研究起到了重要的作用。本文将支持向量机智能识别方法引入到机械设备的故障诊断当中，并对支持向量机模型起到关键作用的惩罚因子c和核参数g采用了交叉验证的方法进行最优化计算。建立了基于优化的支持向量机的机械设备故障诊断模型，并且进行了相关实验，实验表明，采用本文介绍的基于支持向量机的故障诊断方法可有效识别出机械设备的故障类型，对机械设备的故障诊断提供了有效的诊断方法。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：2097152
    • 提供者：weixin_38666300

  1. 基于PCA-SVM的轴承故障诊断研究

  2. 随着现代制造业朝着大型化、柔性化、智能化发展，保障生产设备的安全运转越发重要。提出了基于PCA-SVM算法的轴承故障诊断分析模型。该模型提取轴承振动信号的时域指标参数，并运用主成分分析法（PCA）对指标参数进行优化和选择，利用降维思想，将多参数转化为综合参数，将综合特征值作为支持向量机（SVM）分类器的输入向量训练分类模型，最后运用测试集进行故障诊断实验，实验表明PCA-SVM模型可以帮助提高模型分类效率和精度，快速排查定位轴承故障，从而降低由故障导致的生产问题，减少经济损失。

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：1048576
    • 提供者：weixin_38588854

  1. 基于非线性频谱数据驱动的动态系统故障诊断方法

  2. 基于非线性频谱数据驱动方法, 研究了动态系统的故障诊断问题. 利用一维非线性输出频率响应函数提出一种非线性频谱特征提取方法, 为了提高实时性, 采用变步长自适应辨识算法进行求解; 根据估计偏差实时地改变步长, 兼顾了收敛速度与稳态误差; 获取了非线性频谱特征之后, 利用最小二乘支持向量机分类器进行故障识别. 通过对提升设备的故障诊断问题进行实验研究, 所得结果表明, 所提出的算法识别率高, 能满足在线诊断要求.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：228352
    • 提供者：weixin_38524871