基于WOA-ELM的船舶GMAW熔透状态识别方法

扫码查看

原文链接

万方数据
维普

中文摘要：由于传统极限学习机(ELM)模型的输入权值和隐含层阈值的选取具有随机性,导致该模型难以准确识别船舶GMAW熔透状态,为此提出基于鲸鱼优化算法(WOA)和ELM算法的WOA-ELM熔透状态识别方法.本文以船舶GMAW电弧声为研究对象,结合短时分析技术提取8维时域和频域特征参量,构建联合特征向量作为ELM模型的输入,利用WOA算法对ELM模型的输入权值和隐含层阈值进行优化以改善模型的泛化能力,目的是实现对船舶GMAW熔透状态的有效识别.仿真结果表明,与ELM、RBF神经网络和BP神经网络相比,WOA-ELM模型的平均准确率更高,能够为船舶GMAW质量在线监测提供更加精确的数据.

作者：

杨同帅、焦自权、宁波

展开 >

作者单位：

北部湾大学机械与船舶海洋工程学院,广西钦州 535011

桂林电子科技大学广西制造系统与先进制造技术重点实验室,广西桂林 541004

关键词：

船舶GMAW 电弧声熔透状态识别 WOA-ELM

出版年：

2024

DOI：

10.19703/j.bbgu.2096-7276.2024.06.0002

北部湾大学学报

ISSN：

年,卷(期)：2024.39(6)