期刊首页 优先出版 当期阅读 过刊浏览 作者中心 关于期刊 English

《中国工程科学》 >> 2011年 第13卷 第12期

基于PSO优化LS-SVM算法的水电站厂房结构振动响应预测

天津大学水利工程仿真与安全国家重点实验室,天津 300072

资助项目 :国家杰出青年基金(50725929);国家自然科学基金创新研究群体科学基金(51021004);教育部“长江学者和创新团队发展计划”创新团队(IRT0851);国家基金青年基金项目(50909072);教育部新教师基金(20090032120082) 收稿日期: 2011-05-07 发布日期: 2011-12-13 11:22:55.000

下一篇 上一篇

摘要

依据二滩水电站地下厂房和机组的原型观测数据对机组和厂房结构振动的相关性进行分析,据此建立基于粒子群优化最小二乘支持向量计算法的厂房振动响应预测模型,预测结果与实测资料吻合。在此基础上将运行水头作为输入因子引入到智能预测模型中,扩大了该智能预测模型的适用范围,取得了很好的效果。

图片

图1

图2

图3

参考文献

[ 1 ] 马震岳,董毓新.水轮发电机组动力学[M].大连:大连理工大学出版社,2003.

[ 2 ] 欧阳金惠,陈厚群,李德玉.三峡电站厂房结构振动计算与试验研究[J].水利学报,2005,36(4):484-490. 链接1

[ 3 ] 练继建,张辉东,王海军.水电站厂房结构振动响应的神经网络预测[J].水利学报,2007,38(3):361-364. 链接1

[ 4 ] 马震岳,董毓新.水电站机组及厂房振动的研究与治理[M].北京:中国水利水电出版社,2004.

[ 5 ] 秦亮.双排机水电站厂房结构动力分析与识别[D].天津大学,2005. 链接1

[ 6 ] Vapnik V N.The Nature of Statistical Learning Theory [ M] .New York:Springer Verlag,1995.

[ 7 ] 阎威武,邵惠鹤.支持向量机和最小二乘支持向量机的比较及应用研究[J].控制与决策,2003,18(3):358-360. 链接1

[ 8 ] Kennedy J, Eberhart R.Particle swarm optimization [ C ] //Pro- ceedings.IEEE International Conference on Neural Networks, IV. Piscataway.New York:IEEE Service Center,1995 :1942 -1948.

[ 9 ] 曾建潮,介婧,崔志华.微粒群算法[M].北京:科学出版社,2004.

[10] 龚纯,王正林.精通MATLAB最优化计算[M].北京:电子工业出版社,2009

相关研究