声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：44-1260/TH
国际刊号：0254-0150
发布日期:
作者：宋新成，杨洁，王崴，李恒威，郝俊杰，郭亮亮
单位：空军工程大学防空反导学院,,空军工程大学防空反导学院,,空军工程大学防空反导学院,,空军工程大学防空反导学院,,空军工程大学防空反导学院,,解放军93285部队,
关键词：粒子群优化;极限学习机;液压油;性能衰退
基金：军内科研项目(KJ2018-2019C060).
提出基于粒子群优化（Particle Swarm Optimization，PSO）的极限学习机（Extreme Learning Machine，ELM）的液压油性能衰退预测方法。以L-HM46抗磨液压油为研究对象，设计液压油性能衰退实验，检测油液的黏度、张角、水分含量、衰退度。基于提出的液压油性能衰退预测方法，利用遍历搜索和PSO算法分别对ELM的外部、内部参数进行优化选取，从而建立最优的性能衰退预测模型。将油液的黏度、张角、水分含量作为模型输入特征向量，衰退度作为模型输出，采用PSO-ELM性能衰退预测模型对液压油性能进行仿真分析。结果表明：PSO-ELM算法计算结果与实验数据吻合较好；PSO-ELM算法预测精度达到了98.47%，高于ELM算法的预测精度，表明PSO-ELM算法能更准确地预测液压油的衰退情况，为确定换油时机提供参考。
来源：2021年第12期
《润滑与密封》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。