共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
供热蒸汽管道直埋工艺在我国已采用多年。本文结合工程实际介绍了应用情况。重点对补偿、管材、疏放水、固定结果问题作了说明。 相似文献
5.
通过对同一测点在两种温度下的蠕变测量计算结果的分析,提出了温度高于50℃后D^0n公式计算了误差的影响因素。 相似文献
6.
粒计算是信息处理邻域中新的概念和计算方法,但是,传统粒子支持向量机算法存在着映射前后的数据分布不一致的问题,同时,由于使用粒子中心替代粒子从而导致精度下降。为此,提出基于映射后的混合粒子支持向量机算法,首先,利用mercer核函数将数据映射到高维空间,粒化计算后,找出含有更多分类信息的混合粒子,提取后作为输入集合对超平面进行训练,利用几何分析调整最优超平面,并采用基于QPSO算法对关键参数进行最优求解,从而提高算法的精度。实验表明该算法比传统粒子支持向量机算法正确率高10%,说明改进的粒化支持向量机算法提升效果明显。 相似文献
7.
8.
针对城市排水管道正常与堵塞故障状态在数据获取上的不平衡性造成的运行状态识别准确率下降的问题,提出了一种基于果蝇优化算法的代价敏感支持向量机的管道堵塞状态识别方法。根据排水管道内各运行状态下采集到的不平衡数据集,首先对不平衡数据集进行小波包分解,其次,提取各个分解系数的能量熵、近似熵指标构建特征向量集合;采用果蝇优化算法(FOA)对不同类样本惩罚因子Cm和核函数参数g进行优化选取,即对代价敏感支持向量机(CS-SVM)模型优化,将特征集合输入优化后的CS-SVM模型中,对排水管道的正常和堵塞状态识别,通过增大对少数类样本错分的惩罚代价,结果表明,提升了少数类的识别准确率。 相似文献
9.
总结了直埋蒸汽管道设计的全部过程,从直埋蒸汽管道内外钢管的数学模型的选取、到整个直埋管系的模块化设计理念、再到管道附件设计中应注意的主要问题都做了全面阐述,为直埋蒸汽管道设计提供依据。 相似文献
10.
11.
支持向量机在电站汽轮机排汽焓在线预测中的应用 总被引:6,自引:2,他引:6
为实现机组经济性能在线诊断,将支持向量机(SVM)方法引入电站汽轮机排汽焓在线预测领域。该预测方法很好地建立了电站汽轮机排汽焓特性与相关运行参数之间的复杂关系模型,并考虑到相关运行参数之间的耦合性,具有预测能力强、全局最优及泛化性能好等优点。将该SVM方法分别应用于某200 MW机组和300 MW机组中,对于200 MW机组,经过训练后的SVM模型对检验样本排汽焓进行预报,均方根误差和平均相对误差分别为0.110%和0.101%,相当于反向传播(BP)网络模型的38.87%和38.11%,径向基函数(RBF)网络模型的52.38%和49.75%;同理,对于300 MW机组,其均方根误差和平均相对误差分别为0.057%和0.069%,相当于BP网络模型的29.61%和25.45%,RBF网络模型的41.57%和34.97%。结果表明:SVM方法优于BP及RBF神经网络法,能很好地满足预测要求。 相似文献
12.
13.
为解决某电厂300MW电站锅炉再热汽温异常的问题,提出一种基于支持向量回归的建模方法,采用现场数据进行数据建模。建立在数据统计特性基础上的模型具有高的回归相关度,能反映出再热汽温与操作参数之间的内在联系。针对机组存在的再热器出口汽温偏低而部分管壁温度过高的问题进行了回归分析,结果表明模型具有较高的相关系数,且模型复杂度较低,具有好的鲁棒性。作为现场试验辅助手段,对进一步进行参数优化和再热汽温调节具有重要指导意义和参考价值。 相似文献
14.
为了准确计算汽轮机热耗率,提出一种改进灰狼优化算法优化最小二乘支持向量机(LSSVM)的热耗率软测量方法。首先针对灰狼算法收敛精度低的缺点提出一种混沌非线性灰狼优化算法(CNGWO),通过Kent混沌搜索策略和非线性动态递减权值策略来改善灰狼优化算法的性能。然后利用CNGWO算法预先选择LSSVM模型参数,并建立CNGWO-LSSVM的软测量模型。以某600 MW超临界汽轮机组实时运行数据仿真实验,对具有复杂非线性的热耗率变量进行预测,预测结果表明,经过CNGWO算法优化的LSSVM模型取得了较好的预测效果,为汽轮机热耗率的精确计算提供了一种有效方法。 相似文献
15.
混合励磁同步电机的结构、原理及参数计算 总被引:7,自引:1,他引:6
给出了一种无电刷无滑环的混合励磁同步电机,它兼有电励磁同步电机与永磁同步电机的优点,并克服其缺点。对这种电机的结构、工作原理、优越性及其参数计算进行了详细分析和描述。 相似文献
16.
基于最小二乘支持向量机的开关磁阻电动机建模 总被引:1,自引:0,他引:1
开关磁阻电动机(SRM)的磁化曲线族是电机建模及性能分析的基础,文中探讨了利用最小二乘支持向量机处理磁化曲线族,建立电机模型的方法。在分析电机非线性磁特性的基础上,运用最小二乘支持向量机(LS-SVM)的回归理论,通过对磁路有限元分析法(FEM)得到的样本数据集进行学习,建立了电机的最小二乘支持向量机模型。与以往的神经网络建模方法相比,该模型在小样本情况下有更好的泛化能力及更快的学习速度。仿真实验表明,该模型比较准确地反映了电机的磁特性,可用来进行SRM其它性能指标的分析。 相似文献
17.