进口品牌15千瓦静音燃气萨登发电机

进口品牌15千瓦静音燃气萨登发电机dlin9285风机转速的优化建模算法

2.1支持向量机算法

    针对萨登发电机非线性强、多输人、扰动大等特点，利用支持向量机(SVM)的非线性映射能力，把样本空间映射到一个高维的特征空间，并在特征空间中运用线性学习机的方法解决样本集中的非线性问题。使用的回归支持向量机结构。

2.2带动量项的粒子群优化算法

    SVM的参数选取直接影响模型的学习能力，所以如何得到优的参数组合是SVM必须考虑的问题。传统常使用的方法是使用网格搜索法找到优参数，但是此方法依赖人工选取参数，且搜索时间较长，效果不佳。针对此多参数的寻优问题，同时为了保证模型不过度复杂，选择粒子群优化算法进行参数寻优。粒子群优化算法的寻优过程是通过粒子在解空间中不断更新自己的速度和位置，以追随优极值而进行的。

    首先将网络初始化为一组随机粒子，利用其在寻优空间的位置、速度和适应度表示各粒子的特征，其中适应度函数用来衡量当前粒子的性能，选择的适应度函数为均方误差，其表达式为:

    动量项寻优SVM步骤如下:

    1)初始化粒子群，设置初始粒子种群个数、迭代次数、惯性因子、学习因子等;

    2)结合萨登发电机的数据，训练支持向量机，并计算适应度函数;

    3)根据式(10)计算适应度函数，更新个体极值P沁}，种群极值P沁，和0 V,z ,

    4}根据式(13)更新当前粒子的位置和速度;具有表面图案的PDMS薄膜

进口品牌15千瓦静音燃气萨登发电机