静电喷头雾化特性预测模型

被引：6

作者：

刘春景 ^{[1
,2
]}

郑加强 ^{[1
]}

王科元 ^{[3
]}

机构：

[1] 南京林业大学机械电子工程学院

[2] 蚌埠学院机电系

[3] 石河子大学机电工程学院

来源：

农业机械学报 | 2009年 / 40卷 / 04期

关键词：

静电喷头; 雾化性能; 预测模型; 改进粒子群优化最小二乘支持向量机;

D O I：

暂无

中图分类号：

TB115 [计算数学的应用];

学科分类号：

0701 ; 070104 ;

摘要：

将一种基于改进粒子群优化最小二乘支持向量机的预测模型引入静电喷雾雾化性能预测领域,并给出了相应的步骤和算法。该模型能方便地预测喷雾参数对喷头雾化性能的影响,有助于正确认识喷头雾化性能随喷雾参数的变化规律。通过具体实例及与其他几种预测方法的对比表明,在相同样本条件下,其模型构造速度比标准LS-SVM方法高近1个数量级,模型预测误差约为标准LS-SVM方法的50%,预测精度比常规BP模型高1个数量级。

引用

页码：63 / 68

页数：6

共 6 条

[1] 航空双喷嘴静电喷头的设计与试验 [J].

茹煜 ;

郑加强 ;

周宏平 ;

舒朝然 .

农业机械学报, 2007, (12) :58-61+57

[2] 果园自动对靶静电喷雾机设计与试验研究 [J].

何雄奎 ;

严苛荣 ;

储金宇 ;

汪健 ;

曾爱军 ;

刘亚佳 .

农业工程学报, 2003, (06) :78-80

[3] 气力式静电喷头雾化特性研究 [J].

任惠芳 ;

韩学孟 ;

王玉顺 .

山西农业大学学报(自然科学版), 2003, (02) :148-151

[4]

Development of Empirical Models for Surface Roughness Prediction in Finish Turning[J] . X. Wang,C.X. Feng.International Journal of Advanced Manufacturing Technology . 2002 (5)

[5]

Prediction of surface roughness in CNC face milling using neural networks and Taguchi's design of experiments[J] . P.G Benardos,G.C Vosniakos.Robotics and Computer Integrated Manufacturing . 2002 (5)

[6] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

← 1 →