典型文献
基于PCA-IPSO-INN的离心风机噪声预测
文献摘要：
因离心风机噪声超限造成返厂,会影响用户体验,同时增加制造成本,故提出一种新的分析方法,旨在生产前对离心风机噪声进行智能预测.首先基于相关性分析和主成分分析法(Principal Component Analysis,PCA)对风机15个性能和几何参数进行降维处理,然后提出一种具有非线性惯性权重的粒子群算法,并用于优化反向传播(Back Propagation,BP)神经网络的初始权值和阈值,最后寻找最佳隐层,确定BP神经网络4×8×1的结构,从而简化网络结构,提高收敛速度和预测精度.经实验验证,该方法较其他方法预测精度更高,平均误差仅为0.76％,且在生产企业得到很好应用,在工程实践中具有实际意义.
文献关键词：
声学;离心风机;主成分分析;改进粒子群算法;噪声预测;改进神经网络
中图分类号：
作者姓名：
张长伟;蒋淑霞;隆波;刘文;刘梦安
作者机构：
中南林业科技大学 机电工程学院, 长沙 410004;湖南联诚轨道装备有限公司, 湖南 株洲 412000
文献出处：
引用格式：
[1]张长伟;蒋淑霞;隆波;刘文;刘梦安-.基于PCA-IPSO-INN的离心风机噪声预测)[J].噪声与振动控制,2022(02):73-78,84
A类：
INN
B类：
IPSO,离心风机,风机噪声,噪声预测,超限,用户体验,制造成本,产前,智能预测,Principal,Component,Analysis,几何参数,降维处理,非线性惯性权重,反向传播,Back,Propagation,权值,收敛速度,其他方法,平均误差,生产企业,实际意义,声学,改进粒子群算法,改进神经网络
AB值：
0.351776
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
