您的位置: 专家智库 > >

云南省应用基础研究基金(S2012FZ0148)

作品数:2 被引量:5H指数:1
相关作者:熊伟程加堂艾莉更多>>
相关机构:红河学院更多>>
发文基金:云南省应用基础研究基金更多>>
相关领域:矿业工程电气工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇矿业工程
  • 1篇电气工程

主题

  • 1篇短期风速
  • 1篇蚁群
  • 1篇蚁群算法
  • 1篇优化BP神经...
  • 1篇证据理论
  • 1篇神经网
  • 1篇神经网络
  • 1篇通风机
  • 1篇群算法
  • 1篇最大-最小蚂...
  • 1篇网络
  • 1篇蚂蚁系统
  • 1篇煤矿
  • 1篇煤矿通风
  • 1篇煤矿通风机
  • 1篇故障诊断
  • 1篇风速
  • 1篇BP算法
  • 1篇MMA

机构

  • 2篇红河学院

作者

  • 2篇艾莉
  • 2篇程加堂
  • 2篇熊伟

传媒

  • 1篇工业安全与环...
  • 1篇水电能源科学

年份

  • 1篇2014
  • 1篇2013
2 条 记 录,以下是 1-2
排序方式:
基于改进D-S证据理论的煤矿通风机故障诊断被引量:4
2014年
为了提高煤矿通风机故障诊断的准确性,提出了一种基于改进证据理论信息融合的故障诊断方法。针对强冲突证据之间的合成问题,通过引入相容系数的概念,充分考虑证据间的相容性和冲突性,建立了一种新的证据权重的确定方法。在对原始证据进行修正后,由D-S证据理论合成规则进行融合决策。仿真结果表明,该方法可以有效识别出煤矿通风机的故障类型,且能避免误诊现象。
程加堂熊伟艾莉
关键词:煤矿通风机证据理论故障诊断
基于MMAS-BP算法的短期风速非线性组合预测模型被引量:1
2013年
为提高风电场短期风速的预测精度,引入一种基于改进蚁群算法优化神经网络的非线性组合预测方法,按误差平方和最小原则对所建灰色GM(1,1)模型、BP网络和RBF网络三种单一预测数据进行非线性组合,并将其结果作为最终预测值。仿真结果表明,该方法的平均绝对误差及均方误差分别为17.76%和3.68%,均小于单一模型、线性组合模型及神经网络组合模型的预测结果,提高了网络的泛化能力,降低了预测风险,为风电场风速预测提供了一种新途径。
熊伟程加堂艾莉
关键词:短期风速蚁群算法
共1页<1>
聚类工具0