国产欧美精品一区二区,中文字幕专区在线亚洲,国产精品美女网站在线观看,艾秋果冻传媒2021精品,在线免费一区二区,久久久久久青草大香综合精品,日韩美aaa特级毛片,欧美成人精品午夜免费影视

針對鋁電解槽故障特征種類(lèi)繁多，難以快速準確的實(shí)現故障類(lèi)型診斷，設計了一種基于最大-最小螞蟻系統(MMAS)優(yōu)化的極限學(xué)習機(ELM)故障診斷方法。介紹了電解槽常見(jiàn)的故障類(lèi)型及其對槽電壓的影響，對采集到的故障情況下的槽電壓信號進(jìn)行降噪處理，根據對降噪后故障信號的局域均值分解(LMD)結果得到故障特征。采用ELM算法辨識故障類(lèi)型，針對ELM算法存在的參數問(wèn)題，采用MMAS對ELM隱含層參數尋優(yōu)。結果表明，MMAS優(yōu)化的ELM既保證了較快的訓練速度，同時(shí)獲得了更高的故障測試正確率。