针对铣刀磨损量预测时精度低的问题,提出一种基于黑寡妇算法(BWO)优化的长短期记忆神经网络(LSTM)与AdaBoost集成学习算法相结合的铣刀磨损量预测方法。在铣刀磨损振动信号中提取时域、频域以及时频域多域特征。通过BWO算法优化LSTM的...针对铣刀磨损量预测时精度低的问题,提出一种基于黑寡妇算法(BWO)优化的长短期记忆神经网络(LSTM)与AdaBoost集成学习算法相结合的铣刀磨损量预测方法。在铣刀磨损振动信号中提取时域、频域以及时频域多域特征。通过BWO算法优化LSTM的核心参数,并将优化后的LSTM网络与AdaBoost算法进行结合,构建铣刀磨损量预测模型。最后用PHM Society 2010铣刀全寿命周期的振动数据进行实验。研究结果表明:所提方法能够有效地预测出铣刀磨损量变化值,优化后模型的平均绝对误差百分比为3.436%、均方根误差为6.471、决定系数R^(2)为0.935。该方法能够获得准确率更高的铣刀磨损量预测值,预测效率更高。展开更多
合理的电力设备运维方案对降低全寿命周期成本、提高设备可靠性具有重要意义.为制定合理的预防性检修方案降低断路器全寿命周期成本,本文提出一种基于多策略黑寡妇算法(Multi-strategey Black Window Optimization Algorithm,MBWO)的断...合理的电力设备运维方案对降低全寿命周期成本、提高设备可靠性具有重要意义.为制定合理的预防性检修方案降低断路器全寿命周期成本,本文提出一种基于多策略黑寡妇算法(Multi-strategey Black Window Optimization Algorithm,MBWO)的断路器全寿命周期成本优化方法.首先,考虑不同检修方式对中断成本的影响,建立全寿命周期成本模型.其次,以断路器可靠性、预防性检修程度为约束条件构建年均成本最小目标函数.最后利用多策略黑寡妇算法对目标函数进行求解并将结果同其他算法进行比较.通过实例验证,MBWO具备较好的收敛速度,能进一步降低断路器全寿命周期成本,提高设备可靠性,可以为断路器预防性检修方案的制定提供一定的参考.展开更多
文摘针对铣刀磨损量预测时精度低的问题,提出一种基于黑寡妇算法(BWO)优化的长短期记忆神经网络(LSTM)与AdaBoost集成学习算法相结合的铣刀磨损量预测方法。在铣刀磨损振动信号中提取时域、频域以及时频域多域特征。通过BWO算法优化LSTM的核心参数,并将优化后的LSTM网络与AdaBoost算法进行结合,构建铣刀磨损量预测模型。最后用PHM Society 2010铣刀全寿命周期的振动数据进行实验。研究结果表明:所提方法能够有效地预测出铣刀磨损量变化值,优化后模型的平均绝对误差百分比为3.436%、均方根误差为6.471、决定系数R^(2)为0.935。该方法能够获得准确率更高的铣刀磨损量预测值,预测效率更高。
文摘合理的电力设备运维方案对降低全寿命周期成本、提高设备可靠性具有重要意义.为制定合理的预防性检修方案降低断路器全寿命周期成本,本文提出一种基于多策略黑寡妇算法(Multi-strategey Black Window Optimization Algorithm,MBWO)的断路器全寿命周期成本优化方法.首先,考虑不同检修方式对中断成本的影响,建立全寿命周期成本模型.其次,以断路器可靠性、预防性检修程度为约束条件构建年均成本最小目标函数.最后利用多策略黑寡妇算法对目标函数进行求解并将结果同其他算法进行比较.通过实例验证,MBWO具备较好的收敛速度,能进一步降低断路器全寿命周期成本,提高设备可靠性,可以为断路器预防性检修方案的制定提供一定的参考.
