10.13662/j.cnki.qjs.2019.10.007
基于布谷鸟-支持向量机和深度学习的铝电解异常状态诊断方法
针对传统的铝电解异常状态诊断算法结构复杂、CPU占用率高、准确率低等问题,设计了一种布谷鸟支持向量机和深度学习算法级联的异常状态诊断算法.首先运用支持向量机算法处理二分类问题快速准确的特点,将生产状态诊断为正常或异常,并运用新一代布谷鸟算法对其进行优化,加快收敛速度,若诊断结果为正常则直接输出,异常则将数据送入下一级.下一级是由分类效果良好的改进的深度置信神经网络充当,该级接受上一级的信息,对铝电解异常状态类型做全面的分析,诊断出具体的异常状态类型.最后运用Matlab进行实验仿真,结果表明,该算法对计算机CPU的平均使用率远远低于传统算法,对于训练速度,准确率,预报的提前量都有明显的提升.
铝电解、异常状态诊断、支持向量机、布谷鸟算法、深度学习
TF821(有色金属冶炼)
2019-11-19(万方平台首次上网日期,不代表论文的发表时间)
共9页
32-40