共查询到19条相似文献,搜索用时 93 毫秒
1.
2.
为了提高旋转设备故障诊断的准确率,提出了基于粗糙集和最小二乘支持向量机(LSSVM)的旋转设备故障诊断方法,讨论了如何进行数据选择、离散及约简方法,用粗糙集提取出旋转设备故障诊断的关键征兆属性,降低数据集的维数将约简属性后的数据集送入最小二乘支持向量机进行故障分类训练。仿真结果表明:采用此方法的故障识别率优于PCA-LSSVM法,分类时间也明显优于LSSVM分类方法。 相似文献
3.
由于旋转设备故障数据样本存在不平衡性,导致传统的LSSVM无法对异常值样本正确分类,为了解决这一问题,首先采用LSSVM从训练集中提取错分样本及其分类的支持向量,再根据各类故障样本数量对惩罚因子进行加权,以减少样本数量不平衡对分类结果的影响;然后根据错分样本到本类边界支持向量的距离,对松弛系数设置不同的权值,使错分的异常值样本分类得以修正。通过煤矿风机故障数据集验证了该算法分类效果明显优于传统的LSSVM方法。它有效地消除了因故障样本数据不平衡、样本分布异常对分类器造成的影响,提高了设备故障诊断的正确率。 相似文献
4.
5.
6.
基于最小二乘支持向量机的煤层瓦斯含量预测 总被引:2,自引:0,他引:2
在分析和比较了目前常用的预测方法基础上,提出了一种基于最小二乘支持向量机的煤层瓦斯含量预测方法。一方面,该方法较好地解决小样本学习问题,避免了人工神经网络等智能方法在对煤层瓦斯含量进行预测时所表现出来的过学习、泛化能力弱等缺点;另一方面,用等式约束代替传统支持向量机的不等式约束,减小了模型的复杂度,加快了求解速度。应用实例表明,该模型具有预测精度高、速度快、容易实现等优点,适合对煤层瓦斯含量的预测。 相似文献
7.
故障预测对煤矿机械的预知维修具有很重要的指导意义。闸瓦间隙是煤矿提升机的重要参数,通过采用基于最小二乘支持向量机的数学方法对煤矿提升机的闸瓦间隙进行故障预测,从而预测了煤矿提升机的故障发生时间。该研究对煤矿提升机的维修具有很重要的参考价值。 相似文献
8.
9.
为提升煤层瓦斯含量预测精度,提出一种采用遗传模拟退火算法混合优化支持向量机(SVM)参数的瓦斯含量预测模型(GRA-GASA-SVM模型)。该模型将GA和SA整合为遗传模拟退火算法协同优化SVM的参数,以解决传统网格寻优算法取值范围无法确定和单一智能算法优化程度有限等问题。利用灰色关联分析(GRA)压缩数据集维度,建立瓦斯含量预测参数体系并作为GASA-SVM的输入数据集。结果表明:SVM模型、GA-SVM模型和GASA-SVM模型10折交叉验证瓦斯含量预测总平均相对误差分别为15.98%、13.55%和10.58%。相比SVM模型和GA-SVM模型,GASA-SVM模型预测稳定性更优、预测精准度更高且对新样本泛化能力更强。 相似文献
10.
针对瓦斯涌出局部性、随机性、模糊性等特点,提出一种新的量子粒子群优化、支持向量核构造量子粒子群算法和向量回归模型,并且运用一种新型的智能量子粒子群优化算法优选模型参数。实验结果表明,所提出的量子粒子群支持向量回归模型预测瓦斯涌出量比标准支持向量回归模型、智能支持向量回归模型预测精度高、速度快。 相似文献
11.
基于灰色神经网络算法的煤矿瓦斯涌出量预测模型研究 总被引:1,自引:0,他引:1
矿井瓦斯是煤矿生产过程中存在的主要的不安全因素,煤矿瓦斯涌出量在很大程度上影响着矿井的设计及开采。文章提出利用灰色神经网络预测矿井瓦斯涌出量的思路,并对灰色神经网络模型进行了全面阐述,之后对模型进行了仿真分析。 相似文献
12.
基于神经网络算法的煤矿瓦斯涌出量预测模型研究 总被引:1,自引:0,他引:1
在煤矿生产过程中存在着瓦斯涌出现象,严重威胁着煤矿的安全生产。瓦斯涌出检查在矿井设计、建设和开采作业过程中显得尤为重要。文章采用神经网络有效地对矿井瓦斯气量进行检测分析,利用分析结果进行准确预测。文中将介绍神经网络预测的整体构建过程,结合仿真实例,分析煤矿瓦斯涌出量预测模型的可靠性。 相似文献
13.
14.
灰色理论在边坡岩体变形预测中的应用 总被引:2,自引:0,他引:2
边坡工程中,由于材料的非连续性、非均质性以及对结构认识的不完全性,难以用确定的函数形式对边坡变形趋势进行描述。应用灰色系统的原理和方法,对边坡的变形发展进行预测是一种有效手段。本文结合GPS变形监测所获得的原始数据,建立灰色预测GM(1,1)模型,分析边坡岩体变形趋势与边坡稳定性。结果显示:灰色预测的变形数据与实测变形数据关联度较好,灰色理论用于边坡岩体变形预测是切实可行的。 相似文献
15.
16.
链条式数控抽油机由于其全数控电力拖动的特性,配套应用于煤层气排采,较几种常见的煤层气排采设备而言,具有运行平稳、节能、自动化程度高和可实现冲次、冲程任意调整等特点,经过近40多口井的应用,取得了很好的效果。 相似文献
17.
18.