电气自动化
電氣自動化
전기자동화
ELECTRICAL AUTOMATION
2014年
2期
104-106
,共3页
管道疲劳寿命%支持向量机%二阶粒子群%优化%预测分析
管道疲勞壽命%支持嚮量機%二階粒子群%優化%預測分析
관도피로수명%지지향량궤%이계입자군%우화%예측분석
pipe fatigue life%support vector machine%second-order particle swarm%optimization%predictive analysis
针对带缺陷管道疲劳寿命的预测分析，提出了利用二阶粒子群优化的支持向量机的管道疲劳寿命预测方法。利用粒子群智能算法优化支持向量机的回归参数，可以避免按经验选取输入参数的盲目性，能有效地提高预测速度和精度。实例仿真结果表明用该方法对管道疲劳寿命预测具有很高的精确度，远优于BP神经网络的预测结果。
針對帶缺陷管道疲勞壽命的預測分析，提齣瞭利用二階粒子群優化的支持嚮量機的管道疲勞壽命預測方法。利用粒子群智能算法優化支持嚮量機的迴歸參數，可以避免按經驗選取輸入參數的盲目性，能有效地提高預測速度和精度。實例倣真結果錶明用該方法對管道疲勞壽命預測具有很高的精確度，遠優于BP神經網絡的預測結果。
침대대결함관도피로수명적예측분석，제출료이용이계입자군우화적지지향량궤적관도피로수명예측방법。이용입자군지능산법우화지지향량궤적회귀삼수，가이피면안경험선취수입삼수적맹목성，능유효지제고예측속도화정도。실례방진결과표명용해방법대관도피로수명예측구유흔고적정학도，원우우BP신경망락적예측결과。
With respect to the predictive analysis of pipe fatigue life with defects,this paper presents a prediction method of pipe fatigue life through use of the regress parameters of the support vector machine of the particle swarm intelligent algorithm so as to avoid the blind selection of input parameters according to the experience,a method which can effectively raise prediction speed and accuracy. Simulation results show that this pipe fatigue life prediction method has a high accuracy,much better than that of BP neural network.
