排序方式: 共有3条查询结果,搜索用时 62 毫秒
1
1.
由于甘蔗收获机在收获过程中智能化水平较低,依靠人工操作很容易对甘蔗收获机的运行状态产生误判,从而造成物流通道堵塞、能源浪费、收割效率低。针对这些问题,提出一种基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)状态识别模型。首先,通过实地采集甘蔗收获机刀盘轴、行走轴、切段轴和风机轴扭矩和行驶速度特征信息,然后通过PCA进行数据降维,最后利用GA优化参数C、γ,使用每个特性信息来训练SVM,对甘蔗收获机运行状态进行分类。结果表明:PCA-GA-SVM状态识别模型对甘蔗收获机运行状态的识别准确率为93.75%,建模时间为3.688 s,与SVM(81.25%,9.487 s)、PCA-SVM(87.5%,5.817 s)和GA-SVM(90%,8.969 s)进行对比,该模型具有最高准确识别率和最快建模速度,具有较大的应用价值。 相似文献
2.
为解决甘蔗机械化收割时存在破头率和含杂率高等问题,提出一种基于最小二乘支持向量机(LSSVM)的甘蔗收割质量预测模型。分别利用粒子群算法(PSO)和遗传算法(GA)对LSSVM模型进行优化,采用平均绝对误差(MAE)和均方误差(MSE)作为评价指标对其进行选优,结果发现采用PSO-LSSVM模型对甘蔗破头率进行预测时,MAE值为0168 75,MSE值为0.027 55;对甘蔗含杂率进行预测时,MAE值为0.107 5,MSE值为0.024 43,相比于其他模型预测效果更好。在LabVIEW软件中选择PSO-LSSVM预测模型为系统提供算法支持,结合MySQL数据管理软件开发甘蔗联合收割机关键部件运行参数决策支持系统,并进行田间机收试验。结果表明:该系统可以实现甘蔗收割质量影响因素分析、甘蔗收割质量预测、甘蔗关键部件运行参数决策支持等功能。采纳系统决策建议后,甘蔗宿根的破头率从902%下降到5.76%,含杂率从8.74%下降到4.94%,甘蔗收割质量提升,为提高甘蔗机械化收割质量提供一种可行方案。 相似文献
3.
1