针对精密加工结构件在加工过程中人工分拣效率低的问题,提出一种改进PSO对于SVM参数优化的图像分类算法(Adaptive Levy Flight Particle Swarm Optimization Algorithm-Support Vector Machine,ALPSO-SVM)。首先,建立一个SVM分类器用来完成图像分类,然后使用改进的PSO算法(ALPSO)来帮助SVM找到最优参数,以提高分类效果;通过引入自适应步长的Levy飞行算法来调整PSO算法中粒子的位置更新公式,提高PSO的寻优效率,以得到SVM的最优参数;最后,SVM以ALPSO输出的结果作为最优参数进行分类测试。实验结果表明,ALPSO有效地提高了SVM的分类性能,分类正确率与鲁棒性都得到提高,平均正确率达到90%以上。

结合电厂运行期间遇到的给水流量晃动问题,找出影响因素,并针对性采取措施,调整LVDT连接或更换伺服阀等使问题得到解决,对电厂处理此类问题提供了方向和经验。