排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
故障样本量是制约智能故障诊断发展的关键因素之一,然而实践中往往难以获取充足的故障样本。支持向量机是一种新型的机器学习和模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出优越的性能。本文将欧氏距离分类引入到支持向量机解决支持向量机多类分类问题,提出了基于支持向量机和振动场的故障诊断方法。实验结果表明,该方法在故障诊断上计算速度和准确度令人满意,为类似的研究提供了借鉴意义和参考。 相似文献
2.
商用车系统是非线性、强耦合以及受大量不确定性因素影响的系统。文章基于不确定性多目标UMOMDO(Uncrtainty Multi-Objective Multidisciplinary Design Optimization,UMOMDO)优化方法,研究建立一种不确定全局协同优化框架。以近似模型数据、试验数据与动态仿真数据为基础,基于深度数据驱动学习算法构建优化变量的解空间界定器,通过特征建模与递推演算方法界定优化变量范围,将设计变量映射到高维空间。再通过高维空间数据密度差,建立整车多目标协同优化模型,并基于该优化框架对H5B中型商用车进行车架结构-性能-可靠性多目标协同优化设计。优化过后的设计与原设计相比,满载最大应力降低2.8%,扭转最大位移降低15.2%,一阶频率提高3.3%,可靠度提高到95%,且质量减少2.3%,较好地完成了可靠性轻量化设计的目标。 相似文献
3.
4.
5.
6.
1