共查询到20条相似文献,搜索用时 171 毫秒
1.
针对锌净化除钴过程生产数据存在噪声和系统参数缓慢变化的问题,提出一种基于灰色模糊LSSVM的钴离子浓度预测模型。对样本数据进行灰色累加,削弱原始数据序列中的噪声,使数据规律性增强,灰色累加后数据作为LSSVM输入,提高模型抗干扰能力和预测能力;由于锌净化除钴工序的系统参数随时间发生变化,提出对不同时期的样本赋予不同的模糊加权值;利用改进PSO的全局优化能力和快速收敛性,优化LSSVM模型的惩罚因子和核函数参数,避免人为选择参数的盲目性。对硫酸锌溶液净化除钴过程生产数据的仿真结果表明,灰色模糊LSSVM预测值能很好地跟踪实际值的变化趋势,满足钴离子浓度预测要求。 相似文献
2.
低合金钢大气腐蚀数据的拟合及预测 总被引:1,自引:0,他引:1
1 引言 GM(11)模型可用于低合金钢腐蚀速率数据的拟合及预测,而目前常采用幂函数模型。本文将GM(11)模型得到的累加数列函数变换成为时间自变量的原始数列模型,同时用GM(11)模型、指数回归模型、幂函数回归模型拟合、预测了低合金钢大气腐蚀速率,以便找出合适的拟合、预测方程。 相似文献
3.
用BP人工神经网络(artificial neural简称ANN)算法分别对飞机结构材料、lCrl7不锈钢腐蚀损伤数据进行学习训练,建立了腐蚀损伤与环境条件的映射模型,并预测腐蚀损伤值。分析了三种预测方法的预测精度。得到了ANN预测的精度比灰色GM(1,1)模型及Logistic模型的预测精度高,且对数据有较好的适应能力的结论;采用ANN技术定量预测飞机结构腐蚀损伤是一种较好工程方法。 相似文献
4.
5.
6.
7.
针对当前滚动轴承剩余使用寿命(remaining useful life, RUL)预测准确率不高且未考虑到预测实时性的问题,提出一种云边协同计算模式下(cloud-edge collaborative computing, CECC)双数据源融合(data sources fusion, DSF)的滚动轴承剩余使用寿命实时预测方法。首先在离线阶段通过专家先验知识对训练集数据进行分析并进行网络预训练,然后通过边缘设备实时采集轴承水平与垂直两种数据源的振动信号并构建测试集,最后测试集数据实时上传到强大计算能力的云端进行融合预测。方法引入并行计算的Transformer模型在PHM2012数据集上进行试验,结果表明云边协同计算模式下轴承RUL预测的实时性得到显著提高,同时DSF预测方法与单一数据源预测方法相比MAE与RMSE两项指标分别降低了42.1%和40.9%。在XJTU-SY数据集上验证结果表明,DSF预测方法与其他文献中单一数据源预测方法相比MAE与RMSE分别降低了38.1%与38.8%;且云边协同预测方法相较于云计算预测,其时效性提升了80%左右,进一步证明了方法的可行性,并为... 相似文献
8.
9.
基于BP神经网络的开式冷挤压成形极限变形程度预测 总被引:1,自引:0,他引:1
采用实验研究与神经网络相结合的方法进行研究,通过大量实验,获取大量数据,在此基础上,建立BP网络模型。通过对开式冷挤压极限变形程度神经网络计算结果与实验结果的比较,其精度较高,证明用神经网络方法既可以实现开式冷挤压工艺的参数预测,叉能给出系统完整的可供指导实际生产的工艺参数数据,对于开式冷挤压的实际生产具有指导意义,是一种可行的分析手段。 相似文献
10.
11.
文章对LF精炼炉炼钢精炼环节合金配料的常用建模方法和RBF神经网络作了简单介绍,运用实际数据进行建模、预测,并就其预测结果进行绝对误差曲线比较,得出RBF网络相对于其它方法具有较好的预测结果。 相似文献
12.
在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络,并用于曲线重建.由于模拟神经网络采用连续学习算法,故网络学习收敛速度快.仿真结果表明,在单变量和多变量复杂函数曲线重建中,用模拟复合正交神经网络方法重建的曲线具有很高的逼近精度.本文提出的曲线重建方法是一种快速有效的方法.由于该模拟神经网络可望用模拟电路实现硬件化,因此在图象图形实时处理中具有很好的工程应用前景. 相似文献
13.
14.
15.
本文采用全面屈服准则和COD设计曲线方法对不同强度的焊缝进行了果表明,当缺陷位于焊缝中时,不仅在静载条件下,而且在动载条件下高匹配焊缝均有利评定。试验结于获得全面屈服。同时,还讨论了在焊接构件安全评定中COD准则的局限性。 相似文献
16.
为使非均匀有理B样条插补(NURBS插补)过程中速度变化平稳,设计了一种步长可控的实时插补算法. 推导了参数曲线的一般求值方法,并通过递推矩阵快速计算,能够根据曲线形状的变化,主动调整加工速度,并通过速度再修正模块保证微段曲线中加速度恒定,在满足机床启停能力的基础上平稳加工. 将径向基网络(RBF)和模糊控制相结合,实时筛选故障参数进行再训练,并编写可视化软件进行成形试验,对成形质量、成形速度加速度和预测精度进行分析评价. 试验结果表明,该算法与RBF网络和模糊控制相配合,能够在保证成形精度和设备稳定性的基础上使软件具有一定的容错能力. 相似文献
17.
18.
19.
20.
In the present study, artificial neural network(ANN) approach was used to predict the stress-strain curve of near beta titanium alloy as a function of volume fractions of a and b. This approach is to develop the best possible combination or neural network(NN) to predict the stress-strain curve. In order to achieve this, three different NN architectures(feed-forward back-propagation network,cascade-forward back-propagation network, and layer recurrent network), three different transfer functions(purelin, Log-Sigmoid, and Tan-Sigmoid), number of hidden layers(1 and 2), number of neurons in the hidden layer(s),and different training algorithms were employed. ANN training modules, the load in terms of strain, and volume fraction of a are the inputs and the stress as an output.ANN system was trained using the prepared training set(a,16 % a, 40 % a, and b stress-strain curves). After training process, test data were used to check system accuracy. It is observed that feed-forward back-propagation network is the fastest, and Log-Sigmoid transfer function is giving the best results. Finally, layer recurrent NN with a single hidden layer consists of 11 neurons, and Log-Sigmoid transfer function using trainlm as training algorithm is giving good result, and average relative error is1.27 ± 1.45 %. In two hidden layers, layer recurrent NN consists of 7 neurons in each hidden layer with trainrp as the training algorithm having the transfer function of LogSigmoid which gives better results. As a result, the NN is founded successful for the prediction of stress-strain curve of near b titanium alloy. 相似文献