文献检索-宁波市创意产业特色资源库

限定检索结果

基于Adaboost-PSO-SVM的铝电解槽健康状态诊断方法研究: 收藏
分享
引用; 《化工学报》2024年第1期75卷 354-365页; 作者：尹刚钱中友曹文琦全鹏程许亨权颜非亚王民向禹向冬梅卢剑左玉海何文卢润廷煤矿灾害动力学与控制全国重点实验室重庆大学资源与安全学院重庆400044 阿坝铝厂四川阿坝623001 贵阳铝镁设计研究院有限公司贵州贵阳550081 重庆旗能电铝有限公司重庆410420 陆军工程大学通信士官学校重庆400353 中汽院新能源科技有限公司重庆400705 青海海源绿轮制造有限公司青海西宁810000 眉山市博眉启明星铝业有限公司四川眉山620010; 针对铝电解槽在铝电解生产过程中故障频发的问题,提出了一种基于支持向量机(support vector machine,SVM)的铝电解槽健康状态诊断模型,考虑传统的支持向量机只能适用于二分类问题,采用自适应推进算法(adaptive boosting,Adaboost)将支...; 针对铝电解槽在铝电解生产过程中故障频发的问题,提出了一种基于支持向量机(support vector machine,SVM)的铝电解槽健康状态诊断模型,考虑传统的支持向量机只能适用于二分类问题,采用自适应推进算法(adaptive boosting,Adaboost)将支持向量机的二分类问题转化为多分类问题用于求解铝电解槽健康状态诊断问题,充分考虑了子模型的权重,强化了模型的适用性。并利用粒子群优化算法(particle swarm optimization,PSO)对其超参数寻优,提高模型的预测精度。实验结果表明,提出的铝电解槽健康状态诊断模型的准确率和Macro-F1分数分别达到94.70%和0.9453,相较于其他传统模型均有显著提升。; 来源：详细信息评论

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案：

收藏书架

请选择收藏分类：

检索条件订阅

申请转借

引用

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案： 新增检索档案 确定 取消

收藏书架

请选择收藏分类： 新增自定义分类 确定 取消

检索条件订阅

申请转借

引用

高级检索表达式检索

高级检索表达式检索

请选择保存的检索档案：

请选择收藏分类：