基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将基于遗传算法(GA)的支持向量回归机(SVR)用于建立颗粒阻尼减振结构阻尼特性预测模型.应用基于结构风险最小化准则的SVR,建立颗粒阻尼减振结构阻尼特性-影响因素SVR预测模型,对颗粒阻尼减振结构的阻尼特性进行预测,并通过实验进行了验证.结果表明:在选择适当的参数和核函数的基础上,利用该方法建立的预测模型,平均相对误差在10.3%左右;颗粒阻尼器的减振性能随填充率的增加而增加,颗粒填充率75%时,减振性能最好;颗粒密度是影响颗粒阻尼器减振效果的重要因素,颗粒密度越大系统的减振性能越好;颗粒阻尼器的减振性能随着颗粒直径的变化不明显.
推荐文章
颗粒阻尼减振性能的试验研究
振动与波
颗粒阻尼
回归设计
非线性回归模型
优化
颗粒阻尼双层隔振系统减振特性试验研究
颗粒阻尼
双层隔振
减振效果
振级落差
插入损失
减振率
变质量颗粒阻尼吸振器及其宽频减振性能
振动控制
动力吸振器
颗粒阻尼吸振器
变质量颗粒阻尼吸振器
新的稀疏支持向量回归机算法及实验研究
支持向量回归机
核方法
稀疏核学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量回归机的颗粒阻尼减振结构阻尼特性实验
来源期刊 实验室研究与探索 学科 工学
关键词 阻尼比 遗传算法 支持向量回归机
年,卷(期) 2016,(2) 所属期刊栏目 实验技术
研究方向 页码范围 17-21
页数 5页 分类号 O328|TB34
字数 3512字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 夏兆旺 江苏科技大学能源与动力工程学院 42 91 5.0 7.0
2 魏守贝 江苏科技大学能源与动力工程学院 6 13 2.0 3.0
3 张帆 中国运载火箭技术研究院研究发展中心 12 16 3.0 3.0
4 王雪涛 江苏科技大学能源与动力工程学院 6 21 3.0 4.0
5 陈志超 江苏科技大学能源与动力工程学院 2 2 1.0 1.0
6 候星 江苏科技大学船舶与海洋工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (30)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(1)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(5)
  • 参考文献(2)
  • 二级参考文献(3)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
阻尼比
遗传算法
支持向量回归机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
实验室研究与探索
月刊
1006-7167
31-1707/T
大16开
上海华山路1954号交大教学三楼456、457室
4-834
1982
chi
出版文献量(篇)
14661
总下载数(次)
46
总被引数(次)
128204
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导