基于数据驱动方法的集装箱龙门起重机能源系统健康状态预测

• 作者: 嘉红霞 杜明泽
• 来源期刊: 上海海事大学学报
• 关键词: 集装箱龙门起重机 能源系统 健康状态预测 BP神经网络 最小二乘支持向量机(LSSVM)
• 年，卷（期）: 2018,（4）
• 页码范围: 70-74
• 页数: 5页
• 分类号: U653.921|TK018
• 语种: 中文
• DOI: 10.13340/j.jsmu.2018.04.012

摘要

为实现起重机节能环保和延长电池组的寿命,以电池的剩余容量作为集装箱龙门起重机能源系统健康状态的评价标准,建立BP神经网络和最小二乘支持向量机(least squares support vector machine,LSSVM)两种电池剩余容量预测模型.分别采用梯度下降算法和标准粒子群优化算法对两种预测模型中的参数进行优化.利用训练好的模型进行电池剩余容量预测.将两种模型的预测值与实测值进行对比分析,结果表明这两种模型都具有高的预测精度,而LSSVM模型是更合适的预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	嘉红霞	上海海事大学物流工程学院	10	22	3.0	4.0
2	杜明泽	上海海事大学物流工程学院	2	2	1.0	1.0