低温地热间接供热换热参数优化与MATLAB实现.pdf

基于MATLAB的模糊控制器的参数优化方法及仿真.pdf

一种基于非梯度下降的参数优化算法，2015年提出

提出了一种新颖的基于人工神经网络(ANN)和遗传算法(GA)的激光器参数全局优化方法,建立激光器输出功率的人工神经网络模型,来模拟激光器参数对输出功率的综合影响机理,进而以该模型作为目标函数,采用遗传算法对激光器参数进行全局优化。以平凹腔单横模氦氖激光器为例验证了该方法的可行性和有效性。对相同参数的激光器,人工神经网络模型的仿真数据与实验数据的均方根误差为0.0127 mW。应用该方法对其他参数全局优化后激光器预期输出功率比实验室已有的同等尺寸的激光器大,说明了该方法的有效性。

现有基于变分模态分解算法(VMD)的轴承故障诊断方法,由于其参数K需要依据先验知识预先设定,缺乏对K值最优设定的理论支撑,难以保证故障特征提取及故障诊断的精确性.针对上述问题,提出一种基于参数估计优化的VMD与多尺度熵(MSE)的石化装备轴承特征提取及诊断新方法.首先,针对VMD分解参数K的难以实现最优设定问题,利用局部均值分解(LMD)自适应分解分量的频率分布特征,构建一种实现K值有效估计的方法;其次,在VMD分解的基础上,提出一种MSE和线性判别分析(LDA)协同特征提取方法,完成特征模型构建;然后,针对轴承故障特征样本过少,利用支持向量机(SVM)对提取故障特征进行识别;最后,利用石化装备实验室仿真平台的轴承故障数据进行实验,验证算法的有效性和工程实用性.对比分析表明,所提出的算法可以很好地提取故障特征且故障识别精度较高,具有较好工程操作性和扩展性.

为了提高煤矿主扇风机故障诊断的准确性,将网格搜索法和支持向量机(SVM)应用到主扇风机的故障诊断中。首先,建立主扇风机运行故障的知识库,并将采集到的主扇风机振动信号进行小波消澡和归一化;然后,设计了网格搜索参数优化SVM的主扇风机故障诊断模型。最后,通过工程现场提取的数据进行实验验证,并与遗传算法和粒子群算法寻优的时间和诊断结果准确率进行比较。实验结果表明,网格搜索法SVM参数优化非常适合于煤矿主扇风机的故障系统中。

SVM神经网络中的参数优化---提升分类器性能 matlab程序 供大家学习

迭代学习控制PID学习率参数优化matlab程序，有注释，适合初学者。

超参数优化 实现不同的超参数优化方法

制造过程的切削参数优化，实现多目标参数优化，包换了遗传算法和粒子群算法，优化结果可行有效。起到一个抛转引玉的作用