摘要
由于传统极限学习机(ELM)模型的输入权值和隐含层阈值的选取具有随机性,导致该模型难以准确识别船舶GMAW熔透状态,为此提出基于鲸鱼优化算法(WOA)和ELM算法的WOA-ELM熔透状态识别方法。本文以船舶GMAW电弧声为研究对象,结合短时分析技术提取8维时域和频域特征参量,构建联合特征向量作为ELM模型的输入,利用WOA算法对ELM模型的输入权值和隐含层阈值进行优化以改善模型的泛化能力,目的是实现对船舶GMAW熔透状态的有效识别。仿真结果表明,与ELM、RBF神经网络和BP神经网络相比,WOA-ELM模型的平均准确率更高,能够为船舶GMAW质量在线监测提供更加精确的数据。
作者
杨同帅
焦自权
宁波
YANG Tongshuai;JIAO Ziquan;NING Bo
出处
《北部湾大学学报》
2024年第6期8-16,共9页
Journal of BeiBu Gulf University
基金
广西自然科学基金青年基金项目(2021GXNSFBA075023)。
