期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
重型发电燃气轮机的建模与状态监测研究 被引量:11
1
作者 黄伟 常俊 孙智滨 《热能动力工程》 CAS CSCD 北大核心 2020年第3期81-86,共6页
为了建立燃机整体的性能预测模型,采用BP神经网络和基于思维进化算法的神经网络(MEA-BP算法)对压气机特性曲线进行预测和分析,得到了各部件的特性和基于热力学原理的数学表达式,搭建了燃机的整体仿真模型,建立了GE9F型重型燃气轮机的性... 为了建立燃机整体的性能预测模型,采用BP神经网络和基于思维进化算法的神经网络(MEA-BP算法)对压气机特性曲线进行预测和分析,得到了各部件的特性和基于热力学原理的数学表达式,搭建了燃机的整体仿真模型,建立了GE9F型重型燃气轮机的性能监测及耗差分析模型,分析不同工况条件下机组的性能参数和经济性指标。对机组的运行数据进行了多元线性回归分析,可以实现压气机和燃机的性能预测,为运行人员的运行调整提供参考。 展开更多
关键词 mea-bp算法 重型燃气轮机建模 性能监测 耗差分析 性能预测
原文传递
逆向工程技术在汽车悬架三角臂铸件设计中的应用 被引量:1
2
作者 王春香 尹金林 +1 位作者 潘杙成 纪康辉 《特种铸造及有色合金》 CAS 北大核心 2023年第1期39-42,共4页
通过逆向工程技术对某汽车悬架具有装配结构的三角臂模型快速重构。利用激光扫描仪结合Geomagic Wrap采集实体点云数据,运用进化思维优化的BP神经网络算法对面积较大的跨面点云孔洞进行修补,以获得完整的点云数据模型。借助Geomagic Des... 通过逆向工程技术对某汽车悬架具有装配结构的三角臂模型快速重构。利用激光扫描仪结合Geomagic Wrap采集实体点云数据,运用进化思维优化的BP神经网络算法对面积较大的跨面点云孔洞进行修补,以获得完整的点云数据模型。借助Geomagic Design X软件,利用精确曲面拟合的方法实现对三角臂臂体的高精度重构。对于臂体上装配的球铰,采用几何轮廓约束的方法完成建模,结合两种建模方法实现带有装配结构的三角臂铸件模型重构。将重构的实体模型与采集的点云数据进行误差对比,其平均误差为0.004 3 mm,满足设计要求。 展开更多
关键词 汽车悬架三角臂 mea-bp算法 逆向设计
原文传递
基于MEA-BP算法的IGBT结温预测模型 被引量:2
3
作者 孟昭亮 吕亚茹 +2 位作者 高勇 杨媛 吴磊 《半导体技术》 CAS 北大核心 2020年第11期856-862,共7页
针对IGBT芯片被封装在模块内部,芯片结温无法直接测量的问题,提出了基于思维进化算法(MEA)优化的反向传播(BP)(MEA-BP)神经网络算法的IGBT结温预测算法模型。首先,利用温敏电参数(TSEP)法搭建IGBT模块饱和压降实验平台;然后,从实验数据... 针对IGBT芯片被封装在模块内部,芯片结温无法直接测量的问题,提出了基于思维进化算法(MEA)优化的反向传播(BP)(MEA-BP)神经网络算法的IGBT结温预测算法模型。首先,利用温敏电参数(TSEP)法搭建IGBT模块饱和压降实验平台;然后,从实验数据中提取338组饱和压降与集电极电流数据作为TSEP,表征其与IGBT模块结温的关系;最后,利用MEA-BP神经网络算法将提取出的电气参数建立结温预测模型,对结温进行预测。实验结果表明,MEA-BP神经网络算法的结温预测值平均绝对百分比误差在集电极电流小于临界电流时为0.114,在大于临界电流时为0.062,比遗传算法(GA)优化的BP(GA-BP)神经网络算法以及经典BP神经网络算法能更准确预测IGBT结温。 展开更多
关键词 IGBT 反向传播(bp)神经网络 温敏电参数(TESP) 结温预测模型 mea-bp算法
下载PDF
采用MEA-AdaBoost-BP模型的工程结构可靠性分析方法 被引量:1
4
作者 胡启国 李致明 《华侨大学学报(自然科学版)》 CAS 2022年第3期291-296,共6页
针对工程结构可靠性设计中算法和计算存在的问题,提出基于MEA-AdaBoost-BP神经网络算法模型的可靠性求解方法.运用思维进化算法(MEA)求解训练集权值和阈值优化的BP神经网络,并构造为弱预测器函数.然后,运用AdaBoost算法将多个优化后的B... 针对工程结构可靠性设计中算法和计算存在的问题,提出基于MEA-AdaBoost-BP神经网络算法模型的可靠性求解方法.运用思维进化算法(MEA)求解训练集权值和阈值优化的BP神经网络,并构造为弱预测器函数.然后,运用AdaBoost算法将多个优化后的BP神经网络弱预测器函数迭代训练,形成MEA-AdaBoost-BP神经网络算法模型强预测器函数.最后,利用逼近隐性功能函数求解可靠性指标,并将其与AdaBoost-BP算法和Monte-Carlo算法进行比较.研究结果表明:所提算法在计算中与Monte-Carlo算法相比,其迭代次数分别仅为16次和46次,效率高,计算精度与Monte-Carlo法接近;而和AdaBoost-BP法相比,其可靠性指标误差分别仅为1.59%和1.88%,计算结果更精确. 展开更多
关键词 可靠性指标 思维进化算法(mea) AdaBoost-bp神经网络 mea-AdaBoost-bp算法 强预测器函数
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部