《基于粒子群支持向量机的钢板损伤位置识别》PDF+DOC
作者:张燕君,王会敏,付兴虎,张亦男
单位:中国光学学会;中国科学院上海光学精密机械研究所
出版:《中国激光》2017年第10期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFJJZZ2017100260
DOC编号:DOCJJZZ2017100269
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于双自适应AIS-PSO的瓦斯浓度软测量模型》PDF+DOC2020年第01期 单亚锋,高振彪
《基于改进PSO优化LSSVM的传感器补偿研究》PDF+DOC2013年第05期 刘滔,韩华亭,焦楷哲
《巨磁阻传感器输出非线性与温漂的补偿》PDF+DOC2013年第05期 辛守乔,肖立业,马玉鹏
《基于TSPSO支持向量机红外甲烷传感器动态补偿》PDF+DOC2013年第09期 王宏伟,韩云涛,彭继慎
《基于PSO-SVM的空中目标智能融合识别模型》PDF+DOC2013年第01期 曹永刚,魏晓明
《基于主成分分析与C-支持向量机的刀具磨损状态监测》PDF+DOC2016年第03期 谢楠,马飞,段明雷,李爱平
《光纤Bragg光栅及其应用研究进展》PDF+DOC2004年第01期 侯尚林,胡春莲,马义元
《基于光纤Bragg光栅和支持向量机的冲击损伤识别研究》PDF+DOC2010年第10期 黄红梅,袁慎芳,常琦
《物联网中的光纤技术》PDF+DOC2015年第05期 由丽,王飞,张艳艳
《基于粒子群算法的动态热释电目标跟踪》PDF+DOC2014年第10期 王泽兵,杨卫,秦丽
基于光纤布拉格光栅(FBG)构建的传感器网络,将粒子群(PSO)算法与最小二乘支持向量机(LSSVM)相结合,应用于304钢板损伤识别研究中。以FBG中心波长变化量的信息特征为输入量,钢板结构损伤位置为输出量,构建基于LSSVM的损伤识别预测模型,并与相同条件下构建的反向传播(BP)神经网络预测模型进行对比验证。采用PSO算法优化LSSVM损伤识别模型的核函数参数σ和正则化参数γ,实现钢板结构的损伤位置识别。在300mm×;300mm×;1mm钢板实验区域,对34组样本进行了损伤位置识别测试。结果表明,33组损伤位置得到了准确识别,准确率达97.06%。这表明PSO优化后的LSSVM的损伤识别预测模型具有自诊断功能。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。