排序方式： 共有2条查询结果，搜索用时 46 毫秒
1
1.
针对目前筛分理论的研究仅局限于单因素考虑的问题,提出应用遗传算法(GA)优化的BP神经网络对数据空间进行全局寻优,且考虑所有因素对筛分结果的综合影响.首先,通过离散单元法的筛分仿真试验,获取实际筛分过程中难以获取的数据.然后,利用GA优化的BP神经网络对平摆复合振动筛的振动参数进行优化,选择5-9-1的BP神经网络结构类型,得到优化后的振动参数组合,即振幅为2 mm,振动频率为26Hz,振动方向角为46°,摆动频率为21Hz,摆角为1°.对优化后的结果进行一次模拟仿真验证,结果表明:验证结果与测试结果相吻合. 相似文献
2.
提出一种能够直接从破碎工序上识别骨料成分的算法模型.在花岗岩、石灰石、灰绿岩三种骨料剪切破碎实验的基础上,获取其相关物理特征量;然后,采用遗传算法(GA)与支持向量机(SVM)相结合的算法,对破碎、筛分后的人工砂石骨料物理特征量进行训练,建立人工砂石骨料分类的GA-SVM模型.研究结果表明:所提GA-SVM模型具有较强的分类效果,能够较好地识别人工砂石骨料成分;与传统的BP神经网络、偏最小二乘法相比,其分类准确率高. 相似文献
1
