期刊文献+
共找到952篇文章
< 1 2 48 >
每页显示 20 50 100
基于主成分分析和神经网络聚类的城市坡道行驶工况研究
1
作者 宋宇臻 吴智敏 +2 位作者 阴晓峰 雷雨龙 梁益铭 《汽车技术》 北大核心 2025年第5期47-54,共8页
针对车用性能评价的城市行驶工况缺乏坡道信息的问题,提出了一种基于自组织映射(SOM)神经网络的城市坡道行驶工况构建方法。采用平均车流法采集具有城市坡道特征的典型道路行驶基础数据,将预处理后数据划分短行程,选取20个表征道路运行... 针对车用性能评价的城市行驶工况缺乏坡道信息的问题,提出了一种基于自组织映射(SOM)神经网络的城市坡道行驶工况构建方法。采用平均车流法采集具有城市坡道特征的典型道路行驶基础数据,将预处理后数据划分短行程,选取20个表征道路运行特征的短行程特征参数;利用主成分分析法对特征参数降维,使用SOM神经网络对短行程进行聚类分析;基于坡道平滑衔接的原则,选取相关度较高的短行程,并构建包含速度、坡度信息的城市坡道行驶工况。自动变速器坡道性能测试结果表明:所构建工况能够体现车辆在具有城市坡道特征道路的行驶特性,可作为车辆城市坡道行驶性能测试的基准工况。 展开更多
关键词 坡道行驶工况 成分分析 SOM神经网络 聚类分析 性能测试
在线阅读 下载PDF
基于主成分分析-BP神经网络的风电备件需求预测 被引量:13
2
作者 李晓娟 张芳媛 喻玲 《科学技术与工程》 北大核心 2024年第1期281-288,共8页
风电机组具有结构复杂,运维困难,且长期处于恶劣的工作环境的特点。风电备件的需求预测有助于为风电场配备最合适的备件数,以确保风电场的平稳、高效运行。构建主成分分析-反向传播(principal component analysis-back propagation,PCA-... 风电机组具有结构复杂,运维困难,且长期处于恶劣的工作环境的特点。风电备件的需求预测有助于为风电场配备最合适的备件数,以确保风电场的平稳、高效运行。构建主成分分析-反向传播(principal component analysis-back propagation,PCA-BP)模型,针对受多因素影响的复杂备件,先利用PCA将影响风电备件的要素进行筛选,再利用BP神经网络算法,得到最为精确的预测结果。比较自回归积分滑动平均(autoregressive integrated moving average,ARIMA)模型、BP神经网络预测和PCA-BP神经网络预测的结果。结果表明:PCA能显著降低神经网络预测误差,预测的精度为93.94%,高于BP神经网络预测的88.39%和ARIMA模型的85.31%,所以PCA-BP神经网络模型的预测精度准确且有可靠结果,能够适用于风机备件的需求预测。 展开更多
关键词 成分分析 神经网络 风电备件 需求预测
在线阅读 下载PDF
基于主成分自组织神经网络法的测井曲线分层技术 被引量:3
3
作者 张强 胡志伟 +1 位作者 王毛毛 周成号 《地质与勘探》 CAS CSCD 北大核心 2024年第5期1013-1020,共8页
在砂岩型铀矿找矿工作中,提高测井岩性分层效率和精度至关重要。为提高砂岩型铀矿岩性分层效果,本文采用主成分分析法对多个测井曲线进行降维处理,将主成分分析法的第一主成分、第二主成分、第三主成分作为自组织神经网络的样本数据,进... 在砂岩型铀矿找矿工作中,提高测井岩性分层效率和精度至关重要。为提高砂岩型铀矿岩性分层效果,本文采用主成分分析法对多个测井曲线进行降维处理,将主成分分析法的第一主成分、第二主成分、第三主成分作为自组织神经网络的样本数据,进行自组织神经网络训练,将训练好的网络模型用于砂岩型铀矿岩性的自动化分层。实验结果显示:主成分自组织神经网络法岩性分层精度可达到85%以上,高于传统自组织神经网络算法78%的分层精度,具有更好的测井岩性分层效果。因此,主成分自组织神经网算法的岩性分层方法有效减少了输入样本的种类,简化了自组织神经网络结构,其自动化分层效果要优于传统的自组织神经网络算法。本文的研究结果表明,主成分自组织神经网算法在砂岩型铀矿领域岩性识别工作中具有较好的应用效果。 展开更多
关键词 测井曲线 自组织神经网络算法 成分分析 岩性分层 砂岩型铀矿
在线阅读 下载PDF
PCA-BP神经网络模型在拖拉机发动机故障诊断中的应用 被引量:1
4
作者 杨健 《农机化研究》 北大核心 2025年第3期254-258,共5页
拖拉机发动机故障诊断是指通过对拖拉机发动机的运行状态、传感器数据等信息进行分析和处理,识别出发动机故障的类型和位置,及时准确地诊断拖拉机发动机故障,对于提高农机装备的使用效率和经济效益具有重要的意义。为此,基于主成分分析(... 拖拉机发动机故障诊断是指通过对拖拉机发动机的运行状态、传感器数据等信息进行分析和处理,识别出发动机故障的类型和位置,及时准确地诊断拖拉机发动机故障,对于提高农机装备的使用效率和经济效益具有重要的意义。为此,基于主成分分析(PCA)算法对拖拉机发动机的传感器数据进行降维处理,并使用BP神经网络对降维后的数据进行分类识别,以实现拖拉机发动机故障的诊断。试验结果表明:PCA-BP神经网络模型可以准确地诊断拖拉机发动机的多种故障,相比于传统的BP神经网络模型,具有更高的准确率和更好的泛化能力,表明PCA-BP神经网络模型在拖拉机发动机故障诊断中具有较大的应用前景。 展开更多
关键词 拖拉机发动机 故障诊断 成分分析 BP神经网络
在线阅读 下载PDF
基于PCA-BP神经网络的应急响应物资精准需求预测模型构建——以地震灾害响应初期的灾民生活物资需求为例
5
作者 李尧远 曲政澍 《灾害学》 北大核心 2025年第4期31-36,共6页
为提升灾害应急响应能力,实现响应初期应急物资精准供给,保障灾民基本生活需求,该文以我国部分地震灾害为例,收集地震数据,以紧急转移安置人口数量为预测目标,选取相关地震指标为影响因素,构建基于主成分分析(PCA)与反向传播(BP)神经网... 为提升灾害应急响应能力,实现响应初期应急物资精准供给,保障灾民基本生活需求,该文以我国部分地震灾害为例,收集地震数据,以紧急转移安置人口数量为预测目标,选取相关地震指标为影响因素,构建基于主成分分析(PCA)与反向传播(BP)神经网络的紧急转移安置人口数量预测模型。在此基础上,结合紧急转移安置人口数量与灾民生活物资需求的关系,建立物资需求预测模型。结果表明:该模型在在紧急转移安置人口预测方面具有更高的精度,能够较为准确估算紧急转移安置人口数量;在生活物资需求预测方面,经算例验证,该模型具备一定实践价值,可为应急响应初期的物资配置决策提供科学依据。 展开更多
关键词 应急响应 需求预测 地震 成分分析法(PCA) 反向(BP)神经网络
在线阅读 下载PDF
改进粒子群优化算法结合BP神经网络模型的水体透射光谱总磷浓度预测研究 被引量:2
6
作者 张国浩 王彩玲 +1 位作者 王洪伟 于涛 《光谱学与光谱分析》 北大核心 2025年第2期394-402,共9页
使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总... 使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总磷浓度含量的预测。具体而言,首先对测得的长江水质光谱数据进行最大最小归一化和均值中心化两种预处理操作,在消除不同数据量级差异的同时去除了噪声,确保了数据的一致性和可靠性。其次,为了解决光谱数据的高维度问题,采用了核主成分分析(KPCA)方法来降低数据维度并提取特征。KPCA方法通过在高维度的空间中找到一个分类平面,选出能代表原始数据99.42%信息量的前6个主成分,用于后续预测模型的训练。接着在原始粒子群算法的基础上引入了粒子初始化规则、多种群竞争策略、参数自适应更新策略、种群多样性引导策略和粒子变异机制,提高了粒子群的寻优能力,降低粒子陷入局部最优解的概率。并使用改进后的粒子群算法对BP神经网络(BPNN)中的初始化权重和参数大小进行寻优,从而加快网络的收敛效果,提高预测能力。最后,使用本研究所提出的预测模型对测试集中的样本进行总磷浓度的预测,实验结果得到R^(2)为0.975786,RMSE为0.002242,MAE为0.001612。将本模型与当前预测性能较好的其他基准模型进行预测效果的对比,本研究所提出的模型对长江水体总磷浓度预测拟合效果更好,精确度更高。在水资源保护和环境管理领域中使用光谱数据结合融合算法进行预测模型的研究和实践提供了新的思路和观点。 展开更多
关键词 光谱数据 改进粒子群优化算法 BP神经网络模型 成分分析(KPCA) 总磷浓度
在线阅读 下载PDF
基于主成分分析与前向反馈传播神经网络的风电场输出功率预测 被引量:26
7
作者 张明理 杨晓亮 +2 位作者 滕云 徐建源 林莘 《电网技术》 EI CSCD 北大核心 2011年第3期183-187,共5页
为了解决单一的传统预测方法在风电场输出功率预测中存在的问题,提出了基于主成分前向反馈神经网络的预测方法。首先采用K-S方法对样本进行选取;然后用主成分分析法提取样本有效信息,求解出主成分,构建神经网络模型进行输出功率预测。... 为了解决单一的传统预测方法在风电场输出功率预测中存在的问题,提出了基于主成分前向反馈神经网络的预测方法。首先采用K-S方法对样本进行选取;然后用主成分分析法提取样本有效信息,求解出主成分,构建神经网络模型进行输出功率预测。结果表明,主成分分析后的神经网络模型消除了输入因子的相关性并简化了网络结构,使网络加速收敛。实例验证,与单一的神经网络模型相比,预测精度有所提高,为风电场输出功率预测提供了一种有效的方法。 展开更多
关键词 风电场 功率预测 成分分析 BP神经网络
在线阅读 下载PDF
基于主成分分析与神经网络的采矿方法优选 被引量:96
8
作者 陈建宏 刘浪 +1 位作者 周智勇 永学艳 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2010年第5期1967-1972,共6页
基于利用神经网络预测采矿方法存在一些不足,建立主成分分析法与神经网络结合的采矿方法优选模型。对神经网络的输入数据进行主成分分析,使输入数据不相关且减少。研究结果表明:利用主成分分析法可将输入数据减少,消除由于BP网络输入数... 基于利用神经网络预测采矿方法存在一些不足,建立主成分分析法与神经网络结合的采矿方法优选模型。对神经网络的输入数据进行主成分分析,使输入数据不相关且减少。研究结果表明:利用主成分分析法可将输入数据减少,消除由于BP网络输入数据太多而影响数据处理速度的缺陷;把主成分分析法和神经网络结合进行采矿方法优选,可使预测精度大大提高。 展开更多
关键词 采矿方法 成分分析 BP神经网络
在线阅读 下载PDF
基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究 被引量:36
9
作者 王茜蒨 黄志文 +2 位作者 刘凯 李文江 阎吉祥 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2012年第12期3179-3182,共4页
研究了人工神经网络在激光诱导击穿光谱(LIBS)塑料分类识别方面的应用。选用七种常见的塑料作为实验样品,获得每种样品的170组LIBS光谱数据,利用主成分分析获得前五个主成分的得分矩阵。用每种塑料样品的130组光谱数据的主成分得分矩阵... 研究了人工神经网络在激光诱导击穿光谱(LIBS)塑料分类识别方面的应用。选用七种常见的塑料作为实验样品,获得每种样品的170组LIBS光谱数据,利用主成分分析获得前五个主成分的得分矩阵。用每种塑料样品的130组光谱数据的主成分得分矩阵作为训练集,建立反向传播(BP)人工神经网络模型。将其余40组主成分得分作为测试数据输入训练好的模型进行分类识别,其识别准确度达到97.5%。实验结果表明,通过采用主成分分析与BP人工神经网络相结合的方法,可以很好地进行塑料激光诱导击穿光谱的分类识别,对塑料的回收利用有重要价值。 展开更多
关键词 激光诱导击穿光谱 塑料 成分分析 BP人工神经网络 分类识别
在线阅读 下载PDF
基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究 被引量:149
10
作者 何勇 李晓丽 邵咏妮 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2006年第5期850-853,共4页
提出了一种用近红外光谱技术快速鉴别苹果品种的新方法,首先用主成分分析法对苹果品种进行聚类分析并获取苹果的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别。主成分分析表明,主成分1和主成分2的累积可信度已达98%,以主成分1和... 提出了一种用近红外光谱技术快速鉴别苹果品种的新方法,首先用主成分分析法对苹果品种进行聚类分析并获取苹果的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别。主成分分析表明,主成分1和主成分2的累积可信度已达98%,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类苹果具有很好的聚类作用。利用主成分分析得到的载荷图可以得到对于苹果品种敏感的特征波段,用特征波段图谱作为神经网络的输入建立三层BP人工神经网络模型。每个品种各25个苹果共75个用来建立神经网络模型,余下的共15个用于预测。对未知的15个样本进行预测,品种识别准确率达到100%。说明文章提出的方法具有很好的分类和鉴别作用,为苹果的品种鉴别提供了一种新方法。 展开更多
关键词 近红外光谱 苹果 成分分析 人工神经网络 聚类
在线阅读 下载PDF
主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧 被引量:71
11
作者 陈英义 程倩倩 +2 位作者 方晓敏 于辉辉 李道亮 《农业工程学报》 EI CAS CSCD 北大核心 2018年第17期183-191,共9页
为了提高水产养殖溶解氧预测的精度,提出了基于主成分分析(principal component analysis,PCA)和长短时记忆神经网络(long short-term memory,LSTM)的水产养殖溶解氧预测模型。首先通过主成分分析提取水产养殖溶解氧的关键影响因子,消... 为了提高水产养殖溶解氧预测的精度,提出了基于主成分分析(principal component analysis,PCA)和长短时记忆神经网络(long short-term memory,LSTM)的水产养殖溶解氧预测模型。首先通过主成分分析提取水产养殖溶解氧的关键影响因子,消除了原始变量之间的相关性,降低了模型输入向量维度;然后,在Tensorflow深度学习框架的基础上建立LSTM神经网络的水产养殖溶解氧预测模型;最后,利用该模型对浙江省淡水水产养殖研究所综合实验基地某池塘溶解氧进行验证。试验结果表明:该模型与BP神经网络等其他浅层模型相比,模型评价指标平均绝对误差、均方根误差和平均绝对误差分别为0.274、0.089和0.147,均优于传统的预测方法;该模型具有良好的预测性能和泛化能力,能够满足水产养殖溶解氧精确预测的实际需要,可以为水产养殖水质精准调控提供参考。 展开更多
关键词 水产养殖 溶解氧预测 成分分析 LSTM神经网络 循环神经网络
在线阅读 下载PDF
近红外光谱结合主成分分析和BP神经网络的转基因大豆无损鉴别研究 被引量:28
12
作者 吴江 黄富荣 +2 位作者 黄才欢 张军 陈星旦 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2013年第6期1537-1541,共5页
为探究无损鉴别转基因大豆的可行性,利用近红外光谱分析仪对大豆扫描得到反射光谱,应用主成分分析结合BP神经网络方法进行分析鉴别。首先应用主成分分析法,得到包含大豆99.03%的光谱信息的6个主成分,再将其作为BP神经网络的输入,对应的... 为探究无损鉴别转基因大豆的可行性,利用近红外光谱分析仪对大豆扫描得到反射光谱,应用主成分分析结合BP神经网络方法进行分析鉴别。首先应用主成分分析法,得到包含大豆99.03%的光谱信息的6个主成分,再将其作为BP神经网络的输入,对应的大豆种类作为输出,建立一个三层BP神经网络模型。该模型对于转基因大豆的正确识别率为100%,说明近红外光谱结合主成分分析和BP神经网络的方法能无损快速准确地鉴别转基因大豆。 展开更多
关键词 近红外光谱 转基因大豆 成分分析 BP神经网络
在线阅读 下载PDF
基于主成分分析和遗传优化BP神经网络的光伏输出功率短期预测 被引量:42
13
作者 许童羽 马艺铭 +2 位作者 曹英丽 唐瑞 陈俊杰 《电力系统保护与控制》 EI CSCD 北大核心 2016年第22期90-95,共6页
针对光伏系统输出功率的波动性和间歇性特点,提出一种基于主成分分析(PCA)和遗传算法(GA)优化的BP神经网络功率短期预测方法。通过历史功率数据和实时气象因素对输出功率进行直接预测,利用主成分分析法将多个原始变量降维成少数彼此独... 针对光伏系统输出功率的波动性和间歇性特点,提出一种基于主成分分析(PCA)和遗传算法(GA)优化的BP神经网络功率短期预测方法。通过历史功率数据和实时气象因素对输出功率进行直接预测,利用主成分分析法将多个原始变量降维成少数彼此独立的变量,作为神经网络的输入。同时利用遗传算法的全局搜索特性在解空间中定位一个较好的空间,优化BP的初始权值阈值,克服了传统BP神经网络易陷入局部极小点、学习收敛速度慢的问题。通过建立不同预测模型进行对比,验证了所提算法和模型的有效性。 展开更多
关键词 成分分析 遗传算法 功率预测 BP神经网络 光伏系统
在线阅读 下载PDF
基于主成分分析与人工神经网络的风电功率预测 被引量:136
14
作者 周松林 茆美琴 苏建徽 《电网技术》 EI CSCD 北大核心 2011年第9期128-132,共5页
提出了主成分分析与前馈神经网络相结合的风电功率预测模型。采用主成分分析法对原始多维输入变量进行预处理,选择输入变量的主成分作为神经网络的输入,既减少了输入变量的维数,又消除了各输入变量的相关性,从而简化了网络的结构,提高... 提出了主成分分析与前馈神经网络相结合的风电功率预测模型。采用主成分分析法对原始多维输入变量进行预处理,选择输入变量的主成分作为神经网络的输入,既减少了输入变量的维数,又消除了各输入变量的相关性,从而简化了网络的结构,提高了网络收敛性和稳定性。仿真结果表明,相对于一般神经网络模型,基于主成分分析的神经网络模型预测精度更高、泛化性能更好。 展开更多
关键词 风电功率预测 成分分析 前馈神经网络 泛化性能
在线阅读 下载PDF
基于主成分分析与BP神经网络的识别方法研究 被引量:40
15
作者 李军梅 胡以华 陶小红 《红外与激光工程》 EI CSCD 北大核心 2005年第6期719-723,共5页
利用BP神经网络对红外目标进行识别之前,若不对原始样本数据进行预处理与特征提取,一方面使识别结果准确性降低,另一方面使BP神经网络的结构复杂化,采用主成分分析法可解决这些问题。主成分分析法能较好地提取表征样本的少数几个主分量... 利用BP神经网络对红外目标进行识别之前,若不对原始样本数据进行预处理与特征提取,一方面使识别结果准确性降低,另一方面使BP神经网络的结构复杂化,采用主成分分析法可解决这些问题。主成分分析法能较好地提取表征样本的少数几个主分量,由该方法的特点可知,这几个主分量彼此不相关,非常符合特征优化的要求。研究结果表明,用该方法处理后的结果数据输入BP神经网络,提高了识别正确率,减少了训练时间,同时也简化了网络结构。将两种常见的模式识别方法结合用于红外目标识别:先由主成分分析法对原始样本数据进行精简处理,然后再由BP神经网络法进行分类识别,与传统的单一识别方法相比,准确度得到提高,计算量大为减少。 展开更多
关键词 神经网络 成分分析 目标识别
在线阅读 下载PDF
基于主成分分析的BP神经网络内螺纹冷挤压成形质量预测 被引量:17
16
作者 张敏 黎向锋 +1 位作者 左敦稳 缪宏 《中国机械工程》 EI CAS CSCD 北大核心 2012年第1期51-54,共4页
根据冷挤压内螺纹成形中径、螺距、牙型半角和牙高率等来综合评定内螺纹的成形质量等级,并基于BP神经网络对其进行预测。在BP神经网络预测模型数据前处理过程中,采用主成分分析方法以提取影响内螺纹冷挤压成形质量的主要因素,消除各影... 根据冷挤压内螺纹成形中径、螺距、牙型半角和牙高率等来综合评定内螺纹的成形质量等级,并基于BP神经网络对其进行预测。在BP神经网络预测模型数据前处理过程中,采用主成分分析方法以提取影响内螺纹冷挤压成形质量的主要因素,消除各影响因素之间的线性相关性。试验结果表明,与传统的BP神经网络相比,采用该方法的BP神经网络模型,简化了网络结构,提高了收敛速度及预测精度,能准确实现内螺纹成形质量等级的预测,从而为内螺纹质量的检测提供了一条新途径。 展开更多
关键词 内螺纹 成形质量预测 成分分析 神经网络
在线阅读 下载PDF
基于聚类和主成分分析的神经网络预测模型 被引量:13
17
作者 林树宽 张冬岩 +2 位作者 李文贤 张天成 张一飞 《小型微型计算机系统》 CSCD 北大核心 2005年第12期2160-2163,共4页
提出一种基于聚类和主成分分析的神经网络模型,用于高炉运行指标的实时预测.首先采用谱系聚类将特性分散的样本划分成不同的子类,然后采用主成分分析方法对影响目标数据的众多变量进行降维处理,在此基础上,构建了高炉运行指标的神经网... 提出一种基于聚类和主成分分析的神经网络模型,用于高炉运行指标的实时预测.首先采用谱系聚类将特性分散的样本划分成不同的子类,然后采用主成分分析方法对影响目标数据的众多变量进行降维处理,在此基础上,构建了高炉运行指标的神经网络预测模型,大大改善了预报的精度和效率.通过对采集的高炉数据进行测试,表明本文提出方法的有效性. 展开更多
关键词 聚类 成分分析 神经网络模型
在线阅读 下载PDF
基于主成分分析和BP神经网络的柑橘黄龙病诊断技术 被引量:15
18
作者 邓小玲 孔晨 +4 位作者 吴伟斌 梅慧兰 李震 邓晓玲 洪添胜 《光子学报》 EI CAS CSCD 北大核心 2014年第4期10-17,共8页
柑橘黄龙病的传统诊断方法主要依赖于人眼经验及生化技术,前者凭经验,诊断快,但准确性低;后者准确性高,但效率低和成本高.本文采用高光谱成像技术,获取5种症状柑橘叶片的高光谱图像,采用基于主成分分析和BP神经网络相结合的方法,对370-9... 柑橘黄龙病的传统诊断方法主要依赖于人眼经验及生化技术,前者凭经验,诊断快,但准确性低;后者准确性高,但效率低和成本高.本文采用高光谱成像技术,获取5种症状柑橘叶片的高光谱图像,采用基于主成分分析和BP神经网络相结合的方法,对370-988nm波段范围内的柑橘叶片高光谱图像进行了病状的无损检测.研究结果表明,柑橘叶片的高光谱图像存在很大冗余,前四个主成分累积方差贡献率达到97.42%.数据建模分类得表明:BP神经网络的分类准确率达85%以上,经主成分后再利用BP神经网络的分类准确率绝大部分达到90%以上.因此,利用高光谱成像技术进行柑橘黄龙病的早期诊断具有较高的可行性. 展开更多
关键词 柑橘黄龙病 光谱学 高光谱图像 无损检测 成分分析 BP神经网络
在线阅读 下载PDF
主成分分析结合神经网络技术在焊接质量控制中的应用 被引量:13
19
作者 杨海澜 蔡艳 +1 位作者 陈庚军 吴毅雄 《焊接学报》 EI CAS CSCD 北大核心 2003年第4期55-58,64,共5页
介绍了主成分分析方法及人工神经网络技术在相关因素分析和质量控制的建模与估计中的应用。以大电流MAG焊熔宽控制为例 ,通过对 6个焊接过程参数进行主成分分析 ,提取出影响熔宽的 4个主要因素。讨论了提取的主成分与原始过程参数间的... 介绍了主成分分析方法及人工神经网络技术在相关因素分析和质量控制的建模与估计中的应用。以大电流MAG焊熔宽控制为例 ,通过对 6个焊接过程参数进行主成分分析 ,提取出影响熔宽的 4个主要因素。讨论了提取的主成分与原始过程参数间的关系。以主成分得分作为新的训练样本集 ,送入神经网络进行计算。结果表明 ,基于主成分分析的神经网络无论在收敛速度 ,还是在训练精度上 ,都远远优于基本BP神经网络。 展开更多
关键词 焊接 质量控制 成分分析 神经网络 BP算法
在线阅读 下载PDF
基于主成分分析和集成神经网络的发动机故障诊断模型研究 被引量:24
20
作者 李增芳 何勇 宋海燕 《农业工程学报》 EI CAS CSCD 北大核心 2006年第4期131-134,共4页
针对发动机废气排放参数和故障之间复杂的非线性关系,提出了一种基于主成分分析和集成神经网络技术的发动机故障诊断分析模型。该模型首先运用主成分分析方法降低故障诊断样本的输入维数,然后按发动机不同运转状态将样本分组,并用于子... 针对发动机废气排放参数和故障之间复杂的非线性关系,提出了一种基于主成分分析和集成神经网络技术的发动机故障诊断分析模型。该模型首先运用主成分分析方法降低故障诊断样本的输入维数,然后按发动机不同运转状态将样本分组,并用于子网络训练;故障诊断时,各子网络分别诊断出相应的结果,最后采用投票法融合各输出结果。试验结果表明,这种模型能有效简化训练样本和样本属性参数,优化网络结构,其诊断精度及学习能力优于单一神经网络诊断模型,能较好地解决网络规模大、训练速度慢、诊断精度低等缺点。 展开更多
关键词 发动机 故障诊断 集成神经网络 成分分析 废气分析 数据融合
在线阅读 下载PDF
上一页 1 2 48 下一页 到第
使用帮助 返回顶部