共查询到17条相似文献,搜索用时 109 毫秒
1.
2.
3.
4.
提出基于自适应遗传算法的最小二乘支持向量机算法(AGA-LS-SVM)的新方法,用于二维缺陷重构,建立由缺陷的漏磁信号到缺陷二维轮廓的映射关系。该方法实现人工裂纹缺陷的二维轮廓的重构,试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法。 相似文献
5.
采用径向基函数神经网络的方法对漏磁信号反演进行了研究,由实验数据和仿真数据获得样本,在网络训练的基础上,建立了由缺陷的漏磁信号到缺陷二维轮廓图的网络映射,实现了缺陷二维轮廓图的漏磁反演,为漏磁定量化检测提供了一种可行的方法。 相似文献
6.
7.
8.
9.
10.
为了提高武器目标分配问题求解的效率与性能,提出一种求解武器目标分配问题的改进人工蜂群算法。针对武器目标分配问题模型的离散性特点,设计了解的编码方案,保证种群个体编码满足约束条件;通过控制种群编码熵的大小保证了初始化种群的离散性,加强了种群前期搜索的多样性;引领蜂采用同时保留最优蜜源与次优蜜源的方式,增大了种群局部寻优能力。仿真结果表明,在求解武器目标分配问题时,改进蜂群算法与传统优化算法相比收敛速度更快,求解精度更高,具有很好的应用价值。 相似文献
11.
为了对混沌系统未知参数进行准确估计,改进了人工蜂群优化算法,提出自适应人工蜂群算法的混沌系统参数估计方法。将混沌系统参数估计问题转化为多维变量数值优化问题,利用人工蜂群算法对未知参数进行导向随机搜索。在搜索过程中,通过种群优化程度和解的质量自适应地调整更新步长和解的尝试次数。以Lorenz混沌系统为例进行的仿真实验表明,该方法在无噪声和噪声强度较大的情况下均能够获得较好的估计结果,表现出较强的鲁棒性。 相似文献
12.
高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。 相似文献
13.
为了更好地解决对原始漏磁信号的噪声抑制问题,在讨论提升小波包变换的基本原理及特点的基础上,提出应用这种方法对漏磁信号进行分解和重构。与传统小波包变换相比较,该方法具有更高的分辨率和近似优化能力,研究结果表明,它能在保留原始漏磁信号有效成分的同时,更好地去除噪声。 相似文献
14.
15.
16.
圆柱体构件中非轴对称人造缺陷偏心圆孔的超声探伤一直是无损检测的难点。基于脉冲反射原理设计超声实验平台,根据检测回波信号判定偏心圆孔缺陷所呈现的特征。在实验研究基础上,针对声场在圆柱体工件内部的传播情况,根据惠更斯原理以圆柱体为发射声源,基于k-wave仿真工具箱建立仿真平台,并利用声学传感器接收声波信号,设计的仿真平台能够实现360°同时刻采集工件的发射信号,同时利用传播过程中声压强弱的变化构建声场模型。根据采集的信号采用逆时反演重构模型,直观可视化地重构了内部缺陷的位置形状信息。 相似文献
17.
为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。 相似文献