辽宁省高校创新团队支持计划(LT2010048)
- 作品数:4 被引量:22H指数:3
- 相关作者:温廷新戚磊邵良杉唐小龙马龙梅更多>>
- 相关机构:辽宁工程技术大学更多>>
- 发文基金:辽宁省高校创新团队支持计划山东省自然科学基金国家自然科学基金更多>>
- 相关领域:矿业工程交通运输工程自动化与计算机技术更多>>
- 露天矿运输卡车柴油消耗的外部影响模型被引量:9
- 2015年
- 为建立露天矿运输卡车柴油消耗与其主要外部影响因素之间的非线性模型,采用回归型支持向量机(SVR)方法,并以国内某露天煤矿实际生产调度统计的数据作为原始样本,选取产量、运量、运距、高差、装车时间、加油量、岩量等7个主要外部影响指标,使用因子分析方法提取公共因子作为模型的输入,分析柴油消耗模型的训练过程,通过在MATLAB上编写相应程序并进行仿真训练,最终得出基于SVR的柴油消耗模型。训练和测试结果表明:该模型满足精度要求,能够很好地对露天矿运输卡车的柴油消耗进行计算和预测,可以为进行合理的生产调度提供决策支持,同时也为降低柴油消耗提供指导作用。
- 温廷新戚磊邵良杉
- 关键词:露天矿柴油支持向量机运距高差
- 矿用卡车单位油耗的神经网络预测被引量:8
- 2013年
- 利用TRAINCGF算法构建矿用卡车外部环境参数与卡车单位燃油消耗的BP神经网络预测模型。模型的输入信息为阶段产量、平均运距、平均高差、故障率、道路质量、司机操作、天气状况和日常维护,输出信息为单位油耗。BP神经网络模型为8—12—1结构,动量因子和学习因子分别为0.7和0.5。模型测试结果表明,相对误差最大值为4.5237%,相对拟合率值为0.9513,模型精度较高。该模型可为卡车油耗考核和油库进油提供参考。
- 温廷新唐小龙马龙梅
- 关键词:矿用卡车神经网络作业环境
- 露天煤矿边坡稳定性预测的PSO-LSSVM模型被引量:7
- 2014年
- 针对边坡工程稳定性预测的复杂性,将粒子群算法和最小二乘支持向量机结合,使用粒子群优化算法寻找最小二乘支持向量机的最优参数,选取七项因素(岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力和振动系数)作为边坡稳定性的影响因素,建立PSO-LSSVM的边坡稳定性预测模型。利用矿山实测30组边坡稳定性数据进行学习训练,另用12组数据进行测试,同时与LSSVM测试数据进行比较,验证了PSO-LSSVM模型在矿山边坡稳定性预测中有较高的准确度。
- 温廷新张波
- 关键词:粒子群算法最小二乘支持向量机边坡稳定性
- 滚动轴承故障诊断优化仿真研究被引量:2
- 2012年
- 研究提高滚动轴承故障诊断准确率问题,滚动轴承故障振动信号具有非平稳,造成系统不稳定,针对传统方法难以提取故障信息的不足,提出一种小波包和最小二乘支持向量机的滚动轴承故障诊断方法(WP-LSSVM)。首先采用小波包对滚动轴承振动信号进行降噪处理,消除背景和噪声信息,然后小波包对去噪后振动信号分解并计算能量特征值,最后采用最小二乘支持向量机对能量特征值进行学习,建立滚动轴承故障诊断模型。仿真结果表明,滚动轴承故障诊断训练和测试时间减少,且故障诊断准确率得到提高。
- 温廷新王俊俊
- 关键词:滚动轴承故障诊断振动信号最小二乘支持向量机小波包