机械设备波动状态预测模型的关键参数识别

摘要

由于波动状态关键参数识别过程复杂度较高,现有识别方法存在缺少参数灵敏度特征,提出一种基于粒子群游算法的关键参数识别方法.分析波动状态预测模型变量,利用CVA状态估计获取波动转变趋势,构建多个参数与模型状态的近似映射关联,通过计算参数灵敏度方法对参数与模型状态的近似映射关联归一化处理,采用粒子群游算法将优化问题的各个解当作一个粒子,通过贴合度函数权衡各个粒子解优越性,实现机械设备波动状态预测模型关键参数识别.仿真结果证明,所提方法识别精度与效率较高,具有实际应用价值.