“pso ”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1866个，建议您升级VIP下载更多相关专利

[发明专利]同时满足跟踪性和鲁棒性的燃气锅炉最优分数阶PID控制方法-CN201711396198.X在审
发明人：禹鑫燚;张铭扬;欧林林;杨帆;朱熠琛 -专利权人：浙江工业大学
申请日： 2017-12-21 - 公布日： 2018-06-05 - 主分类号： G05B13/04 文献下载
摘要：同时满足跟踪性和鲁棒性的燃气锅炉最优分数阶PID控制方法，利用PSO算法能通过迭代寻找最优解以及PSO算法收敛速度快的特性。首先初始化PSO算法中的粒子，其位置坐标随机分布在稳定域内。然后对粒子进行适应度计算，并设置其初始速度，使得粒子能够朝适应度更好的方向移动。本发明采用的PSO算法，能够更快更精确的同时整定多个分数阶PID控制器参数。
分数阶稳定域最优解粒子最优分数阶燃气锅炉跟踪性鲁棒性适应度迭代迭代寻优迭代寻找方向移动随机分布位置坐标初始化整定收敛

[发明专利]一种粮食储藏品质预测方法及装置-CN202011120592.2在审
发明人：蒋华伟;郭陶;杨震 -专利权人：河南工业大学
申请日： 2020-10-19 - 公布日： 2021-01-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明采用非线性函数对PSO算法中的惯性权重和学习因子进行动态调整，使PSO算法可以避免陷入局部极值，利用改进后的PSO算法更新神经网络中的权值和阈值参数，加快了BP神经网络的收敛速度，提高神经网络作为预测模型准确性因此本发明有效解决了粮食储藏品质预测中BP神经网络和PSO算法易陷入局部极值、收敛速度慢等缺点，并具有一定的稳定性，大大提高粮食储藏品质预测的准确性。
一种粮食储藏品质预测方法装置

[发明专利]基于改进的PSO-BP神经网络和贝叶斯法的疾病因素提取方法-CN201910685611.7在审
发明人：李荣臻;徐雷 -专利权人：南京理工大学
申请日： 2019-07-27 - 公布日： 2019-11-12 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种基于改进的PSO‑BP神经网络和贝叶斯法的疾病因素提取方法，包括以下步骤：引入自适应权重策略，优化粒子群算法PSO；根据改进的粒子群算法PSO以及用于训练的患病因素数据优化训练BP神经网络；将用于测试的患病因素数据输入至训练好的PSO‑BP神经网络进行预测，获得患病危险因素的输出结果即神经网络各个神经元之间的权重矩阵；根据输出结果，通过转换公式获取输入与输出之间关系的权重记为先验概率；根据先验概率
粒子群算法患病因素疾病因素神经网络输出结果先验概率贝叶斯神经元疾病危险因素贝叶斯公式改进疾病预测权重策略权重矩阵数据优化危险因素转换公式自适应权重测试输出引入疾病预测优化

[发明专利]一种基于PSO-ELM算法的心电信号分类方法及系统-CN201910973899.8在审
发明人：李彬;李伟;乔风娟;郭红丽;杨雪 -专利权人：齐鲁工业大学;山东省计算中心(国家超级计算济南中心)
申请日： 2019-10-14 - 公布日： 2020-02-07 - 主分类号： A61B5/0402 文献下载
摘要：本公开提供了一种基于PSO‑ELM算法的心电信号分类方法及系统，对获取的心电信号数据进行预处理，对预处理后的结果进行心拍截取后再进行特征提取，得到数据集；以数据集中的特征为输入数据，利用PSO算法优化ELM的参数，对PSO算法最后一次迭代的个体进行选择，建立多个ELM分类器，集成目标神经网络，得到多组分类结果；采用最大投票原则，对相同样本的多组分类结果进行投票，票数多者作为最终的分类结果；本公开在PSO‑ELM
心电信号预处理组分类泛化性能分类结果目标神经数据集中特征提取投票原则网络结构一次迭代分类器数据集分类截取心拍算法样本优化网络投票

[发明专利]一种基于PSO-SVR的土石坝浸润线的测压管水位预测方法-CN202110599875.8在审
发明人：陈辉;王晓慧;周建新;英杰;陈含;李建秋;邱焕峰;向正林;张幸幸;郝邺;徐佳宁 -专利权人：中国水利水电科学研究院
申请日： 2021-05-31 - 公布日： 2021-08-27 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于PSO‑SVR的土石坝浸润线的测压管水位预测方法，包括：S1、获取原始数据并进行数据归一化处理；S2、对SVR及粒子群优化算法中的种群和速度进行初始化；S3、利用原始数据对SVR进行训练，将训练误差作为PSO的适应度；S4、运行PSO得到最优解；S5、将最优解作为SVR中的最优SVR参数，得到预测模型；S6、基于测压管水位的影响因子，利用预测模型进行测压管水位预测。本发明方法中在进行水位预测时，无需人为假定回归公式，通过PSO算法来优化SVR中的参数，进而通过有优化后SVR模型来进行水位预测，提高了最终得到的预测精度，能满足对预测精度较高的领域的使用。
一种基于 pso svr 土石浸润测压管水位预测方法

[发明专利]一种基于智能农机的快速偏移矫正的路径规划方法-CN202111447561.2在审
发明人：于文尧;张凯文;胡金龙 -专利权人：潍坊中科晶上智能装备研究院有限公司
申请日： 2021-11-26 - 公布日： 2022-04-12 - 主分类号： G05D1/02 文献下载
摘要：首先判断当前行驶位置是否偏离规定路线，如果偏离，则调用PSO算法，寻找目标矫正导航点进行快速纠偏。其中本发明对PSO算法进行了改进，将传统PSO算法中固定的惯性权重改为自适应权重，有助于农机路径偏移时的快速纠偏。通过不断迭代，当更新后的粒子与原路径规划中的农机目标跟踪点的欧式距离达到设定要求时，停止纠偏，此时PSO得到的全局最优粒子即为下一时刻的导航目标位置。
一种基于智能农机快速偏移矫正路径规划方法

[发明专利]一种基于改进PSO算法辅助SVM算法的切削力预测方法-CN202210138338.8在审
发明人：阎春平;黄一躬;周超;倪恒欣 -专利权人：重庆大学
申请日： 2022-02-15 - 公布日： 2022-05-13 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于改进PSO算法辅助SVM算法的切削力预测方法，基于历史工艺数据，按照以下步骤进行切削力的预测，确定基于SVM算法切削力预测模型的输入、输出；进行SVM参数模型训练；使用改进PSO算法优化本发明将改进PSO算法和SVM算法同时引入切削力预测中,采用SVM模型挖掘切削力参数和相关影响参数的非线性回归关系，建立切削力的预测模型。并且通过改进PSO算法来优化模型参数，提升搜索精度,加快收敛,提高了程序的准确性，进一步提高切削力预测模型的预测性能。对实现切削力的精准预测，提高工件加工质量、建设智能化车间具有重要意义。
一种基于改进 pso 算法辅助 svm 切削力预测方法

[发明专利]一种励磁涌流的机器学习识别方法-CN202210223236.6在审
发明人：段盼;杨作红;何娅;张奔;张连芳;时英桥;刘峰佚 -专利权人：重庆邮电大学
申请日： 2022-03-09 - 公布日： 2022-05-31 - 主分类号： G06F30/27 文献下载
摘要：一种励磁涌流的机器学习识别方法，该方法包括以下步骤：S1：励磁涌流与故障电流分析；S2：建立PSO‑SVM故障识别模型；S3：基于PSO‑SVM模型仿真分析。本发明基于故障波形和励磁涌流的特征，提取最大值，最小值，平均值等7个特征量作为支持向量机的输入向量，同时采用粒子群算法(PSO)优化支持向量机的参数，从而准确识别励磁涌流，为变压器的稳定运行提供了故障检测依据PSO‑SVM识别模型都能获得颇高的分类准确率，提高了变压器差动保护的可靠性。
一种涌流机器学习识别方法

[发明专利]一种基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法-CN202210277235.X在审
发明人：殷桂虎;张俊;张介禄 -专利权人：江苏泰隆减速机股份有限公司
申请日： 2022-03-21 - 公布日： 2022-07-29 - 主分类号： G01M13/045 文献下载
摘要：本发明提供一种基于PSO‑VMD‑MCKD的滚动轴承微弱故障诊断方法，对采集到的振动信号，首先利用PSO算法优化VMD算法，基于VMD对微弱故障信号分解后的结果，选取最优模态分量。其次，根据最优模态分量的包络谱中的突出频率范围，确定PSO对MCKD算法中T的寻优范围；利用PSO优化MCKD算法,再基于MCKD算法加强最优分量信号中的故障冲击成分
一种基于 pso vmd mckd 滚动轴承微弱故障诊断方法

[发明专利]一种基于改进PSO-GA和SVM的工业数据质量预测方法-CN202210953317.1在审
发明人：陈晓兵;包涵;卢佳祺;康丽;张润;张冰莹;严虹;周冬冬 -专利权人：淮阴工学院
申请日： 2022-08-09 - 公布日： 2022-11-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及工业信息技术领域，公开了一种基于改进PSO‑GA和SVM的工业数据质量预测方法，包括如下步骤：步骤1：对数据进行预处理，构建预测数据集；步骤2：提出改进PSO‑GA算法，结合优化后的学习因子和惯性权重策略改进粒子群算法，根据粒子群算法速度与位置更新公式进行种群演化，再引入自适应遗传算法来平衡种群多样性；步骤3：使用改进PSO‑GA优化SVM算法参数；步骤4：根据构建的SVM预测模型，进行工业数据质量预测。与现有技术相比，本发明有效实现局部搜索和全局搜索的最优化，有效避免PSO算法陷入局部最优，提高了函数的寻优能力，能够加快收敛，提高寻优精度，提升模型性能，提高预测的效果。
一种基于改进 pso ga svm 工业数据质量预测方法

[发明专利]基于神经网络与进化算法博弈模型的天线多目标优化方法-CN202211308783.0在审
发明人：彭麟;王晨;李晓峰;姜兴;赵其祥;孙逢圆 -专利权人：桂林电子科技大学
申请日： 2022-10-25 - 公布日： 2023-01-03 - 主分类号： G06F30/27 文献下载
摘要：本发明公开一种基于神经网络与进化算法博弈模型的天线多目标优化方法，其通过一体化建模技术、PSO‑GAO(粒子群遗传算法)与INN(逆向神经网络)博弈算法、以及定义目标函数实现了高效的透镜天线多目标优化。相比已有的透镜天线设计方法，本发明提出的设计方法具有以下优点：1)天线设计自动化程度高，通用性强，设计效率高；2)提出的PSO‑GAO与INN博弈算法为解决训练集规模不易确定的问题提供了新的解决思路。3)INN可以动态调整PSO‑GAO的总优化代数和种群规模。4)INN可以辅助PSO‑GAO梯度下降快速收敛。5)所设计的透镜天线可以实现良好的多目标特性。
基于神经网络进化算法博弈模型天线多目标优化方法

[发明专利]一种基于变分模态分解的PSO-ELM电动汽车充电负荷预测方法-CN202310641216.5在审
发明人：李适含;赵毅;高源;杨春;李东明;石长军;王雪莹 -专利权人：国网辽宁省电力有限公司铁岭供电公司;国家电网有限公司
申请日： 2023-06-01 - 公布日： 2023-08-18 - 主分类号： H02J3/00 文献下载
摘要：本发明的一种基于变分模态分解的PSO‑ELM电动汽车充电负荷预测方法，包括数据采集、数据处理、使用变分模态分解对数据进行信号分解，分解后得到子序列带入到ELM网络中得到ELM预测模型，在使用PSO算法对ELM预测模型的参数进行优化，得到PSO‑ELM预测模型，判断模型精度符合要求后，使用模型进行预测。本发明采取将变分模态分解信号分解技术对历史数据进行分解，对每个分量单独建立预测模型，从而获得了平稳的信号序列，同时采用ELM网络，利用其分层无监督训练能够学习到数据的高级特征的特性，有效的提高了模型的预测精度以及泛化能力，并采取了PSO
一种基于变分模态分解 pso elm 电动汽车充电负荷预测方法

[发明专利]一种平头塔式起重机起重臂结构裂纹诊断方法-CN202310358954.9在审
发明人：金鹏达;乔文华;殷晨波;洪耀聪;徐缪晗;曹心如;马夫华;张子立;刘志刚 -专利权人：南京工业大学;南京安之道智能科技有限公司
申请日： 2023-04-06 - 公布日： 2023-09-01 - 主分类号： G06F18/2411 文献下载
摘要：本发明提供了一种平头塔式起重机起重臂结构裂纹诊断方法，为了解决起重臂定期诊断，加快诊断速度，增强诊断精度以及推进工程机械智能化的问题，本发明提供了基于PSO粒子群算法优化SVM支持向量机的平头塔机起重臂结构诊断方法，包括：通过PSO寻找最优SVM参数组合，PSO‑SVM二分类模型诊断起重臂有无裂，PSO‑SVM三分类模型诊断裂纹所在位置；本发明能够准确确定是否存在裂纹以及存在裂纹的位置，相比于传统人工检查具有自动化程度高
一种平头塔式起重机重臂结构裂纹诊断方法

[发明专利]一种基于特征贡献度和PSO-Catboost的岩性识别方法-CN202310541962.7在审
发明人：徐守坤;潘浩宇;邓嵩;彭明国;石林;李秋;闫霄鹏;李朝玮;王江帅;郝宏达;王崧百;王怡雯 -专利权人：常州大学
申请日： 2023-05-15 - 公布日： 2023-09-26 - 主分类号： G06F18/243 文献下载
摘要：本发明公开了一种基于特征贡献度和PSO‑Catboost的岩性识别方法，其特征在于，包括：收集已钻井的测井和录井的数据；对不同岩性定义不同的数字标签，并将样本数据划分为训练集和测试集，设置PSO算法的运行迭代次数和粒子数量参数；利用PSO算法优化随机森林算法；将优选后的特征输入到Catboost模型中，再通过PSO算法对Catboost模型的超参数进行自动优化，得到岩性识别效果最优的模型。
一种基于特征贡献 pso catboost 识别方法

[发明专利]一种机械设备故障诊断方法及系统-CN202310910252.7在审
发明人：焦嘉路 -专利权人：西安理工大学
申请日： 2023-07-24 - 公布日： 2023-10-17 - 主分类号： G06F18/213 文献下载
摘要：涉及机械设备故障诊断技术领域，该方法包括：获取机械振动信号以及时间序列数据，利用层次符号分析法对低频和高频的时间序列进行分析，提取机械振动信号中的概率向量并获取时间序列的特征信息，基于粒子群优化算法与卷积神经网络构建PSO‑CNN模型；PSO‑CNN模型通过PSO将CNN算法中需要训练的参数作为粒子进行优化，将优化后的参数用于CNN算法的前向传播，调整网络连接权矩阵迭代，直到误差收敛，以达到提升收敛速度避免过拟合的目的；将提取的特征信息输入PSO‑CNN模型中进行故障诊断，得到基于时间序列的振动信号异常状态检测结果。
一种机械设备故障诊断方法系统