-
题名基于机器学习的煤矿智能输送机同步带传动特性研究
- 1
-
-
作者
宋中东
-
机构
山西兰花科技创业股份有限公司望云煤矿分公司
-
出处
《煤炭加工与综合利用》
2025年第4期50-54,共5页
-
文摘
增强同步带传动精度和噪声的预测能力对煤矿输送机特性的研究具有重要意义。利用PSO算法优化LSSVM算法参数,建立了基于PSO-LSSVM算法的预测模型。针对30组数据样本利用Spearman相关系数分析法挑选出对传动精度与噪声相关性最高的六种参数向量作为预测模型的输入向量,实现对传动精度和噪声的预测。通过Matlab仿真实验得到LSSVM算法的正则化参数与宽度因子分别为36.732与31.349,传动精度预测平均绝对误差为0.00159,误差标准差为0.041,传动噪声预测平均绝对误差为0.00217,误差标准差为0.049。针对传动精度与传动噪声,在预测准确性方面,PSO-LSSVM预测模型较原模型提高了55%与73.8%,稳定性方面,较原模型分别提升了49.38%与46.15%。实验结果表明,PSO-LSSVM预测模型具有更好的预测精度与稳定性,为同步带传动特性的研究提供了新方法。
-
关键词
煤矿输送机
粒子群优化算法
最小二乘支持向量机
传动特性预测
-
Keywords
mine conveyor
particle swarm optimization
least squares support vector machine
prediction for transmission characteristics
-
分类号
TE832
[石油与天然气工程]
-
