期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
结合KE/PSO-SVR的香炉评价与设计方法 被引量:1
1
作者 刘文思 李晶 《包装工程》 北大核心 2025年第4期447-454,485,共9页
目的 旨在设计一款融合文化元素的香炉,通过融合机器学习算法提高设计的高效性和准确性。方法 首先,使用里克特量表法设计问卷进行调研。在收集到足够的反馈后,使用粒子群优化-支持向量回归(PSO-SVR)方法对产品特性-用户反馈这一非线性... 目的 旨在设计一款融合文化元素的香炉,通过融合机器学习算法提高设计的高效性和准确性。方法 首先,使用里克特量表法设计问卷进行调研。在收集到足够的反馈后,使用粒子群优化-支持向量回归(PSO-SVR)方法对产品特性-用户反馈这一非线性组合进行建模并得出最优模型。以优化后的模型为基础,得出最优的产品特性组合并以此为依据进行产品设计。结论 以该方法进行的香炉设计生成结果用户满意度高,设计过程更为便捷。用户对最优设计的评价结果与系统的预测结果高度一致,验证了该方法的可行性和先进性。本研究更好地平衡了设计师的主观体验和用户的客观信息,提高了产品设计决策的准确性,帮助设计师开发出与用户需求密切相关的创新产品。 展开更多
关键词 设计评价 香炉设计 用户情感需求 感性工程 优化支持向量回归
在线阅读 下载PDF
基于机器学习与红外光谱技术的变压器油老化行为研究
2
作者 肖忠良 袁荣耀 +6 位作者 付壮 刘成 尹碧露 肖敏之 赵亭亭 匡尹杰 宋刘斌 《光谱学与光谱分析》 北大核心 2025年第2期434-442,共9页
为解决现阶段油品老化分析工作复杂、误差大等问题,提出一种红外光谱与机器学习(ML)相融合的技术。借助傅里叶变换中红外(FT-MIR)光谱仪采集三种变压器油在不同老化时间的样本光谱,运用多种预处理方法对样本光谱进行预处理,以自动寻峰... 为解决现阶段油品老化分析工作复杂、误差大等问题,提出一种红外光谱与机器学习(ML)相融合的技术。借助傅里叶变换中红外(FT-MIR)光谱仪采集三种变压器油在不同老化时间的样本光谱,运用多种预处理方法对样本光谱进行预处理,以自动寻峰并求得特征峰面积之和。采用偏最小二乘回归(PLSR)和粒子群优化-支持向量机回归(PSO-SVR)算法建立了变压器油老化程度定量分析模型,研究并分析了多种光谱数据预处理方法对红外光谱降噪、基线校正等处理效果以及对两种模型定量分析效果的影响。结果表明,油品光谱预处理效果最好的是平滑法,其中SG+SVR和SG+PLSR模型拟合优度(R^(2))分别为0.9814、0.9913,平均绝对误差(MAE)为0.3124、0.2880,均方根误差(RMSE)仅有0.0977、0.3790。在合适的预处理条件下,两种机器学习算法鲁棒性和可靠性均较强,模型预测值与实际值间差异极小。 展开更多
关键词 机器学习 傅里叶变换中红外光谱 变压器油 老化程度 粒子群优化-支持向量回归(PSO-SVR) 偏最小二乘回归(PLSR)
在线阅读 下载PDF
基于PSO-SVR算法的钢板-混凝土组合连梁承载力预测
3
作者 田建勃 闫靖帅 +2 位作者 王晓磊 赵勇 史庆轩 《振动与冲击》 北大核心 2025年第7期155-162,共8页
为准确预测钢板-混凝土组合(steel plate-RC composite,PRC)连梁承载力,本文分别通过支持向量机回归算法(support vector regression,SVR)、极端梯度提升算法(XGBoost)和粒子群优化的支持向量机回归(particle swarm optimization-suppor... 为准确预测钢板-混凝土组合(steel plate-RC composite,PRC)连梁承载力,本文分别通过支持向量机回归算法(support vector regression,SVR)、极端梯度提升算法(XGBoost)和粒子群优化的支持向量机回归(particle swarm optimization-support vector regression,PSO-SVR)算法进行了PRC连梁试验数据的回归训练,此外,通过使用Sobol敏感性分析方法分析了数据特征参数对PRC连梁承载力的影响。结果表明,基于SVR、极端梯度提升算法(extreme gradient boosting,XGBoost)和PSO-SVR的预测模型平均绝对百分比误差分别为5.48%、7.65%和4.80%,其中,基于PSO-SVR算法的承载力预测模型具有最高的预测精度,模型的鲁棒性和泛化能力更强。此外,特征参数钢板率(ρ_(p))、截面高度(h)和连梁跨高比(l_(n)/h)对PRC连梁承载力影响最大,三者全局影响指数总和超过0.75,其中,钢板率(ρ_(p))是对PRC连梁承载力影响最大的单一因素,一阶敏感性指数和全局敏感性指数分别为0.3423和0.3620,以期为PRC连梁在实际工程中的设计及应用提供参考。 展开更多
关键词 钢板-混凝土组合连梁 机器学习 粒子群优化支持向量回归(PSO-SVR)算法 承载力 敏感性分析
在线阅读 下载PDF
巨厚煤层分层开采覆岩导水裂隙带高度演化及其预测研究 被引量:2
4
作者 孟海伦 程香港 乔伟 《工矿自动化》 CSCD 北大核心 2024年第12期67-75,共9页
目前导水裂隙带发育高度的研究大多针对的是单一煤层开采导水裂隙带高度,而对于巨厚煤层开采覆岩导水裂隙带发育高度预测研究较少。基于新疆侏罗系煤田巨厚煤层地质条件,选取新疆准南煤田硫磺沟煤矿(9−15)08典型工作面参数,通过数值模... 目前导水裂隙带发育高度的研究大多针对的是单一煤层开采导水裂隙带高度,而对于巨厚煤层开采覆岩导水裂隙带发育高度预测研究较少。基于新疆侏罗系煤田巨厚煤层地质条件,选取新疆准南煤田硫磺沟煤矿(9−15)08典型工作面参数,通过数值模拟和分形几何理论分析,定量评价巨厚煤层在综放分层开采条件下覆岩裂隙场的发育特征和演化规律,并构建了基于粒子群优化支持向量机回归(PSO−SVR)的巨厚煤层分层开采导水裂隙带高度预测模型。研究结果表明:①巨厚煤层分层开采时,老顶范围内坚硬岩层和亚关键层呈铰接结构,整体上覆岩变形破坏呈拱式结构。②受采动影响,顶板覆岩破断垮落,横向裂隙不断发育生成,且垂向裂隙向上发育,导水裂隙带持续上升,分形维数快速上升。而随着工作面的持续推进,上覆岩层裂隙中横向裂隙被上覆岩层压实,裂隙开度降低,分形维数逐渐降低。③分层开采时裂隙分形维数总体呈现为升维、降维、稳定和波动4个阶段。④选用平均绝对误差(MAE)、平均偏差(MBE)和相关指数R2等指标对PSO−SVR模型进行了评估,其相关指数R^(2)>0.90,MAE<6.5 m,−0.5 m<MBE<0.5 m,表明建立的PSO−SVR模型能够用于分层综放开采导水裂隙带高度预测。⑤将9−15(08)工作面数据代入PSO−SVR模型中,预测值与实测值绝对误差为12.52 m,相对误差为4.86%,表明PSO−SVR能够有效、准确地进行巨厚煤层开采导水裂隙带高度预测。 展开更多
关键词 巨厚煤层 导水裂隙带高度 分层开采 分形维数 覆岩裂隙演化 粒子群优化支持向量回归
在线阅读 下载PDF
基于ACGWO-SVR的高寒地区心墙堆石坝压实质量评价模型 被引量:4
5
作者 岳攀 林威伟 +1 位作者 吴斌平 王佳俊 《水利水电技术(中英文)》 北大核心 2021年第11期98-107,共10页
为了提高高寒地区心墙堆石坝压实质量评价的精确度、泛化能力和鲁棒性,保证大坝施工质量,在考虑寒区气象参数的基础上,提出基于自适应灰狼优化支持向量机回归算法的压实质量评价模型。首先,在压实质量评价模型建立过程中考虑温度、湿度... 为了提高高寒地区心墙堆石坝压实质量评价的精确度、泛化能力和鲁棒性,保证大坝施工质量,在考虑寒区气象参数的基础上,提出基于自适应灰狼优化支持向量机回归算法的压实质量评价模型。首先,在压实质量评价模型建立过程中考虑温度、湿度等气象参数的影响。其次,采用ACGWO对SVR的惩罚因子和核参数进行寻优,以提高支持向量机参数选择效率及泛化能力,进而建立基于ACGWO-SVR的压实质量评价模型;其中,ACGWO采用自适应缩放因子和混沌理论优化灰狼算法,克服了传统灰狼算法收敛速度较慢、易陷入局部最优等问题。最后,以某高寒地区心墙堆石坝工程为例,并与线性回归、BPNN以及SVR方法进行对比分析。结果表明:基于ACGWO-SVR的压实质量评价模型具有更高的精度、更好的泛化能力和鲁棒性,适用于寒区工程质量评价。 展开更多
关键词 压实质量评价 自适应灰狼优化支持向量回归算法 高寒地区 心墙堆石坝 鲁棒性
在线阅读 下载PDF
信息熵融合的PSO-SVC涡旋压缩机故障诊断 被引量:6
6
作者 刘涛 梁成玉 《振动.测试与诊断》 EI CSCD 北大核心 2022年第1期141-147,200,共8页
针对涡旋压缩机振动信号的不稳定性及难以获取大量故障样本的问题,提出了一种信息熵融合与粒子群优化(particle swarm optimization,简称PSO)的支持向量回归(support vector classification,简称SVC)涡旋压缩机故障诊断方法。通过奇异... 针对涡旋压缩机振动信号的不稳定性及难以获取大量故障样本的问题,提出了一种信息熵融合与粒子群优化(particle swarm optimization,简称PSO)的支持向量回归(support vector classification,简称SVC)涡旋压缩机故障诊断方法。通过奇异谱熵和功率谱熵分析,分别提取振动信号时域与频域特征,采用变分模态分解(variational modede composition,简称VMD)能量熵衡量故障振动信号时⁃频域特征,利用因子分析融合奇异谱熵、功率谱熵和能量熵值得到单一评价指标特征向量。将评价指标作为PSO⁃SVC模型的输入,通过训练建立PSO⁃SVC涡旋压缩机故障分类模型。实验结果表明,该方法在小样本情况下,仍能有效地对涡旋压缩机4种典型故障类型进行分类,准确率达到94.5%。 展开更多
关键词 信息熵融合 粒子群优化支持向量回归 涡旋压缩机 故障诊断
在线阅读 下载PDF
基于协同训练SVR的脆性材料亚表面微裂纹深度预测
7
作者 任闯 盛鑫 +1 位作者 牛凤丽 朱永伟 《金刚石与磨料磨具工程》 CAS 北大核心 2023年第6期704-711,共8页
为克服固结磨料研磨脆性材料的亚表面微裂纹深度有效样本数不足的困境,实现其准确预测,采用协同训练SVR构建预测模型,对比不同标记训练集划分方法对测试集均方误差的影响;后以监督学习PSOSVR模型为对照,比较二者的预测性能;最后以标记... 为克服固结磨料研磨脆性材料的亚表面微裂纹深度有效样本数不足的困境,实现其准确预测,采用协同训练SVR构建预测模型,对比不同标记训练集划分方法对测试集均方误差的影响;后以监督学习PSOSVR模型为对照,比较二者的预测性能;最后以标记训练集未包含的脆性材料微晶玻璃和氟化钙为加工对象,进行工件的研磨及角度抛光法裂纹深度检测实验,并将检测的4组亚表面微裂纹深度值与协同训练SVR模型的预测值对比。结果表明:分开划分法下的协同训练SVR模型具有更小的均方误差;相比于PSOSVR模型,协同训练SVR模型的均方误差和平均绝对百分比误差分别减小9%和17%,且其对4组验证实验的预测误差在1.2%~13.8%。表明协同训练SVR模型,可较为准确地预测固结磨料研磨脆性材料的亚表面微裂纹深度。 展开更多
关键词 脆性材料 亚表面损伤 支持向量回归 小样本 协同训练 粒子群优化支持向量回归
在线阅读 下载PDF
车削奥氏体不锈钢时冷却参数对刀具振动和表面粗糙度的影响 被引量:3
8
作者 刘念聪 吴圣红 +4 位作者 谢京良 杨程文 刘保林 蒋浩 陈云 《中国机械工程》 EI CAS CSCD 北大核心 2021年第11期1321-1329,共9页
针对最小量润滑(MQL)技术在加工难切削材料时冷却能力不足的问题,分析了最小量冷却润滑(MQCL)条件下冷却参数对刀具振动和表面粗糙度的影响规律。设计了以田口法为基础的正交试验方案,并基于MQCL条件进行了相关切削试验。采用方差分析... 针对最小量润滑(MQL)技术在加工难切削材料时冷却能力不足的问题,分析了最小量冷却润滑(MQCL)条件下冷却参数对刀具振动和表面粗糙度的影响规律。设计了以田口法为基础的正交试验方案,并基于MQCL条件进行了相关切削试验。采用方差分析法、主效应图法、响应面法等方法并结合切削理论,分析了冷风温度、油液流量、风速、喷射面类型等冷却参数对刀具振动和表面粗糙度的影响机制,建立了与冷却参数关联的加工刀具振动和表面粗糙度预测模型,同时采用改进的遗传算法对支持向量回归预测模型进行同步优化,得到冷却参数的最优值。试验结果表明,温度对刀具振动的影响最大且随着温度升高刀具振动呈现出增大的趋势;风速对表面粗糙度的影响最大,当风速小于10 m/s时,随着风速增大表面粗糙度增大,当风速大于10 m/s时,随着风速增大表面粗糙度减小。当喷射面为刀具副后刀面时,刀具振动和表面粗糙度均最小。冷却参数优化结果表明,当冷风温度为-2.36℃、风速为7.31 m/s、油液流量为300 mL/h、喷射面为副后刀面时,工件表面质量最好,其表面粗糙度Ra为0.6588μm。验证实验表明,表面粗糙度和振动均方根的预测误差分别为4.4%和5.9%。 展开更多
关键词 最小量冷却润滑 表面粗糙度 刀具振动 遗传算法支持向量回归优化
在线阅读 下载PDF
基于数据填补的煤自燃温度预测模型 被引量:11
9
作者 翟小伟 罗金雷 +3 位作者 张羽琛 宋波波 郝乐 周妤婕 《工矿自动化》 CSCD 北大核心 2023年第1期28-35,98,共9页
现有煤自燃温度预测模型的建立大多基于较为完整的指标气体样本数据,但指标气体数据受仪器或人为因素影响,往往存在数据缺失现象,导致煤自燃温度预测准确率较低和过拟合等问题。针对上述问题,提出了将K近邻算法(KNN)、随机森林(RF)、决... 现有煤自燃温度预测模型的建立大多基于较为完整的指标气体样本数据,但指标气体数据受仪器或人为因素影响,往往存在数据缺失现象,导致煤自燃温度预测准确率较低和过拟合等问题。针对上述问题,提出了将K近邻算法(KNN)、随机森林(RF)、决策树(DT)及基于粒子群优化的支持向量回归等填补算法(PSO-SVR)应用于缺失值填补,缺失数据和填补后的数据通过RF、SVR和极限梯度提升树(XGBoost)算法分别进行训练,并通过PSO算法优化参数,构建了基于数据填补的RF、XGBoost和SVR煤自燃温度预测模型。利用煤自然发火实验选取CO,CO_(2),CH4,C_(2)H_(6),O_(2)作为指标气体,并设计整体缺失率为10%,20%,30%和CO,CO_(2)缺失率为40%,50%,60%共6种随机数据缺失,采用平均绝对误差百分比(MAPE)作为填补效果评价指标,采用MAPE、判断系数R^(2)和均方根误差(RMSE)作为模型性能评价指标,对4种填补算法和3种预测模型进行对比。对比分析结果表明:在6种数据缺失情况下,DT填补算法填补效果优于其他3种算法,在CO,CO_(2)存在较多缺失值时,RF算法的填补值与实际值的MAPE偏大;在不调参的情况下,XGBoost模型虽然在训练集效果极好,但极易过拟合,而SVR模型预测效果极差,无法满足预测要求;在6种数据缺失情况下,基于DT填补算法的PSO-SVR、RF与PSO-RF煤自燃温度预测模型的MAPE均在4%左右,基于DT填补算法的RF模型无需优化就能较好地预测出煤自燃温度,具有良好的稳定性。 展开更多
关键词 煤自燃 温度预测 指标气体 数据缺失填补 K近邻填补算法 随机森林填补算法 决策树回归填补算法 基于粒子群优化支持向量回归填补算法
在线阅读 下载PDF
Transient reliability optimization for turbine disk radial deformation
10
作者 费成巍 白广忱 +2 位作者 唐文忠 蔡逸思 高海峰 《Journal of Central South University》 SCIE EI CAS CSCD 2016年第2期344-352,共9页
The radial deformation design of turbine disk seriously influences the control of gas turbine high pressure turbine(HPT) blade-tip radial running clearance(BTRRC). To improve the design of BTRRC under continuous opera... The radial deformation design of turbine disk seriously influences the control of gas turbine high pressure turbine(HPT) blade-tip radial running clearance(BTRRC). To improve the design of BTRRC under continuous operation, the nonlinear dynamic reliability optimization of disk radial deformation was implemented based on extremum response surface method(ERSM), including ERSM-based quadratic function(QF-ERSM) and ERSM-based support vector machine of regression(SR-ERSM). The mathematical models of the two methods were established and the framework of reliability-based dynamic design optimization was developed. The numerical experiments demonstrate that the proposed optimization methods have the promising potential in reducing additional design samples and improving computational efficiency with acceptable precision, in which the SR-ERSM emerges more obviously. Through the case study, we find that disk radial deformation is reduced by about 6.5×10–5 m; δ=1.31×10–3 m is optimal for turbine disk radial deformation design and the proposed methods are verified again. The presented efforts provide an effective optimization method for the nonlinear transient design of motion structures for further research, and enrich mechanical reliability design theory. 展开更多
关键词 turbine disk radial deformation reliability-based transient design optimization extremum response surface method support vector machine regression
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部