2025年3月29日
星期六
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
姜涛涛
作品数:
1
被引量:3
H指数:1
供职机构:
重庆通信学院
更多>>
发文基金:
重庆高校优秀成果转化资助项目
更多>>
相关领域:
自动化与计算机技术
动力工程及工程热物理
更多>>
合作作者
唐超
重庆通信学院
代勤芳
中国人民解放军78088部队
李建勇
重庆通信学院电力工程系
何俊强
重庆通信学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
动力工程及工...
1篇
自动化与计算...
主题
1篇
遗传退火
1篇
遗传退火算法
1篇
退火算法
1篇
供油
1篇
供油系
1篇
供油系统
1篇
SVM
1篇
A-SVM
1篇
GAS
1篇
柴油
1篇
柴油机
1篇
柴油机供油
机构
1篇
重庆通信学院
1篇
中国人民解放...
作者
1篇
何俊强
1篇
李建勇
1篇
代勤芳
1篇
姜涛涛
1篇
唐超
传媒
1篇
西南科技大学...
年份
1篇
2011
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
GASA-SVM改进算法及其在柴油机供油系统故障诊断中的应用
被引量:3
2011年
针对目前支持向量机(SVM)参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法SA的概率突跳特性,提出一种改进的基于遗传退火算法(GASA)混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明:应用GASA-SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。
何俊强
李建勇
姜涛涛
代勤芳
唐超
关键词:
供油系统
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张