排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
针对清扫车吸尘口内垃圾颗粒驻留时间受到结构类、固相类及气相类因素多类型、非线性作用预测难的问题,提出了基于熵值法的径向基神经网络(RBFNN)的垃圾颗粒驻留时间预测方法,该方法考虑了吸尘负压、滚刷转速、颗粒质量、颗粒密度、颗粒流量和吸尘管直径6种因素,将采用熵值法求解的因素权重作为输入扰动变量,建立了垃圾颗粒驻留时间的预测模型。结果表明:与采用传统RBFNN的预测方法相比,所提方法具有预测精度高的优点,可较好地解决清扫车吸尘口垃圾颗粒驻留时间预测难的问题,有助于提升清扫车吸尘系统设计水平。 相似文献
1