期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到184篇文章
< 1 2 … 10 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型 被引量：1
1
作者 王显彬 孙阳 《机电工程》 北大核心 2025年第3期510-519,共10页
针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机... 针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机械损伤检测模型。首先,进行了基于RCMFFDE方法的特征提取,生成了特征样本,以定量反映旋转机械的不同损伤情况;然后,采用t-SNE方法,将原始高维故障特征映射至低维空间,获得了对故障更敏感的低维特征;最后,将敏感的低维故障特征向量输入至SSA-RVM多分类器中,进行了训练和测试,实现了旋转机械样本的故障识别目的;采用两种旋转机械数据集进行了实验,并从准确率、效率和抗噪性方面,将RCMFFDE-SSA-SVM方法与多种特征提取方法进行了对比。研究结果表明:RCMFFDE能用于有效提取旋转机械的故障特征,分别取得99.2%和100%的识别精度;而对敏感特征进行分类所获得的精度优于对原始特征进行分类的情形,前者比后者提高了4%;在模式识别中,SSA-RVM优于其他分类器;自制数据集的诊断精度达到了97%,特征提取的时间为16.05 s。 展开更多
关键词 非线性振动信号 特征提取时间 故障识别精度(诊断精度) 精细复合多尺度分数波动散布熵 t-分布随机邻域嵌入 麻雀搜索算法优化相关向量机
在线阅读 下载PDF
基于SSA优化的变论域模糊PID控制器及其污水处理过程应用 被引量：1
2
作者 李志峰 熊伟丽 《计算机工程》 北大核心 2025年第7期339-347,共9页
由于复杂多变的生化反应、进水流量和浓度的不断变化,污水处理过程表现出强非线性和时变性等特征,从而导致其过程变量难以精确控制。设计一种麻雀搜索算法(SSA)优化的变论域模糊比例、积分和微分(PID)控制器,对溶解氧和硝态氮浓度进行... 由于复杂多变的生化反应、进水流量和浓度的不断变化,污水处理过程表现出强非线性和时变性等特征,从而导致其过程变量难以精确控制。设计一种麻雀搜索算法(SSA)优化的变论域模糊比例、积分和微分(PID)控制器,对溶解氧和硝态氮浓度进行跟踪控制。首先利用SSA优化第5单元和第2单元的变论域模糊PID控制器的PID初始参数值;然后进行二次寻优,即对量化因子和比例因子进行优化,并设计基于模糊规则的论域自适应调整策略在线整定控制器参数,以提高控制器的跟踪精度;最后应用污水处理过程国际基准仿真平台进行恒值和动态变值跟踪控制的实验验证。实验结果表明,与基于自适应伸缩因子变论域模糊PID控制器、模糊PID控制器、常规PID控制器相比,所设计控制器的绝对误差积分指标明显降低,在有效降低能耗的同时提升了出水水质。 展开更多
关键词 污水处理过程 麻雀搜索算法 变论域模糊 比例、积分、微分控制器 参数优化
在线阅读 下载PDF
基于SSMO-SSA-LGBM算法的致密砂岩储层岩性识别
3
作者 孙婧 赵军龙 +3 位作者 张雨辰 金利睿 崔文洁 陈家鑫 《地质通报》 北大核心 2025年第5期935-948,共14页
【研究目的】现有岩性测井识别方法用于致密砂岩储层岩性识别时,存在岩性类别处理不均衡及敏感性不足问题。【研究方法】本文提出SSMO-SSA-LGBM模型,利用SVM-SMOTE过采样算法(简称SSMO)对训练集中岩性数据较少的样本进行平衡化处理,得... 【研究目的】现有岩性测井识别方法用于致密砂岩储层岩性识别时,存在岩性类别处理不均衡及敏感性不足问题。【研究方法】本文提出SSMO-SSA-LGBM模型,利用SVM-SMOTE过采样算法(简称SSMO)对训练集中岩性数据较少的样本进行平衡化处理,得到新合成样本,并将其与原始训练集组成新训练集,用于训练和构建LGBM模型,由于LGBM模型训练时使用较多超参数,因此采用麻雀优化搜索算法SSA对其进行超参寻优以获得最佳参数组合。以甘肃华池油田S区延10致密砂岩测井数据为基础,训练构建SSMO-SSA-LGBM模型,采用KNN、Adaboost、随机森林等模型进行对比。【研究结果】经SSMO模型平衡化后,LGBM模型对少数类识别性能增强;SSA算法全局优化搜索经较少次数迭代获得LGBM最优超参数;SSMO-SSA-LGBM模型预测性能达到最优,在验证井上岩性识别结果与取心资料符合率较高。【结论】采用SSMO算法能有效解决岩性类别非均衡给岩性预测结果带来的不利影响,SSA算法全局优化搜索经较少次数迭代获得LGBM算法最优超参数组合,使得模型预测性能达到最优,该模型在华池S区的应用效果较好。 展开更多
关键词 SSMO-ssa-LGBM算法 非均衡数据 岩性识别 致密砂岩储层 甘肃华池
在线阅读 下载PDF
基于SSA-Elman神经网络的爆破振动速度预测
4
作者 王晗 闫鹏 +3 位作者 张云鹏 巩瑞杰 袁腾 杨曦 《工程爆破》 北大核心 2025年第3期140-150,共11页
为降低爆破振动对环境产生的影响,预测爆破振动速度非常有必要。选取85组爆破振动数据,采用灰色综合关联度理论识别了影响爆破振动速度的7个重要因素,通过麻雀搜索算法(SSA)改进Elman神经网络的方法建立了爆破振动速度预测模型。研究结... 为降低爆破振动对环境产生的影响,预测爆破振动速度非常有必要。选取85组爆破振动数据,采用灰色综合关联度理论识别了影响爆破振动速度的7个重要因素,通过麻雀搜索算法(SSA)改进Elman神经网络的方法建立了爆破振动速度预测模型。研究结果表明,与Elman神经网络预测模型相比,X、Y以及Z方向的爆破振动速度SSA-Elman神经网络预测模型的预测值和实测值更接近,均方根误差(RMSE)以及平均绝对误差(MAE)较小,S_(RMSE)分别减少了54.2%、9.3%、34%,S MAE分别减少了50%、5.7%、21%,说明采用SSA优化Elman神经网络权值和阈值的方法,可以提高Elman神经网络预测模型的精度。 展开更多
关键词 爆破振动预测 ELMAN神经网络 麻雀搜索(ssa)算法 灰色综合关联度分析
在线阅读 下载PDF
变模态分解下SSA-LSTM组合的锂离子电池剩余使用寿命预测方法 被引量：2
5
作者 李嘉波 王志璇 +1 位作者 田迪 孙中麟 《储能科学与技术》 北大核心 2025年第2期659-670,共12页
锂离子电池在电动汽车、可再生能源等领域广泛应用,对其剩余使用寿命(remaining useful life,RUL)进行精确预测,能够实时把握电池的内在性能退化状态,降低电池使用风险。本工作提出了一种基于变模态分解(variational mode decomposition... 锂离子电池在电动汽车、可再生能源等领域广泛应用,对其剩余使用寿命(remaining useful life,RUL)进行精确预测,能够实时把握电池的内在性能退化状态,降低电池使用风险。本工作提出了一种基于变模态分解(variational mode decomposition,VMD)、麻雀优化算法(sparrow search algorithm,SSA)和长短期记忆网络(long short-term memory,LSTM)的组合预测算法对锂离子电池剩余寿命进行预测。首先,基于锂离子电池电流、电压以及温度曲线,提取等压差充电时间、等压差充电能量、放电温度峰值和恒流充电时间作为预测RUL的间接健康因子。其次,采用变模态分解法分解容量以避免容量回升的局部波动和测试噪声对RUL预测结果造成干扰。针对传统LSTM模型超参数设置易受到经验和随机性的影响,提出了麻雀优化算法对LSTM模型参数进行优化,以提升模型的预测能力。最后,应用NASA和CALCE数据集,将所提模型与其他模型进行对比。实验结果表明,锂离子电池RUL预测均方根误差控制在2%以内,所提方法具有较高的预测性能。 展开更多
关键词 锂离子电池 剩余使用寿命 变模态分解 麻雀优化算法 长短期记忆网络
在线阅读 下载PDF
融合节假日及天气特征的VMD-SSA-LSTM的高铁站出租车需求预测
6
作者 徐志君 刘曦 +3 位作者 郭媛 王宝锋 吴雅倩 桂小林 《计算机应用》 北大核心 2025年第S1期121-126,共6页
针对高铁站出租车供需失衡的问题,为了快速疏散高铁站旅客,并最大限度地减少旅客和司机的等待时间,提升旅客出行体验,提出一种融合节假日及天气特征的VMD-SSA-LSTM模型预测高铁站出租车需求量。首先,使用变分模态分解(VMD)分解时间序列... 针对高铁站出租车供需失衡的问题,为了快速疏散高铁站旅客,并最大限度地减少旅客和司机的等待时间,提升旅客出行体验,提出一种融合节假日及天气特征的VMD-SSA-LSTM模型预测高铁站出租车需求量。首先,使用变分模态分解(VMD)分解时间序列数据,以解决高铁站客流量不平稳的问题;其次,利用麻雀搜索算法(SSA)简化长短期记忆(LSTM)网络参数的选择过程;最后,结合多种环境特征预测某高铁站的出租车需求。人工采集该高铁站出租车需求的时间序列数据以及天气和节假日等特征后的实验结果表明,构建的融合多种特征的VMD-SSA-LSTM模型的平均绝对误差(MAE)为0.920 3、均方根误差(RMSE)为1.289 5、平均绝对百分比误差(MAPE)为0.187 6%,而拟合优度(R2)为0.991 0,显示所提模型适用于铁路枢纽的出租车需求量短时预测。 展开更多
关键词 出租车需求预测 长短期记忆网络 变分模态分解 麻雀搜索算法
在线阅读 下载PDF
基于SSA-CNN-BiLSTM的提升机制动系统故障诊断模型
7
作者 陈竞 张宏伟 王凯旋 《机电工程》 北大核心 2025年第8期1615-1624,共10页
作为连接地面与井下的重要枢纽,矿井提升机的运行对煤矿的生产效率和安全有着直接影响,而制动系统则在提升机运行中发挥着不可或缺的作用。为了充分挖掘监测数据间的故障关系,提出了一种基于麻雀搜索算法(SSA)优化的卷积-双向长短时记... 作为连接地面与井下的重要枢纽,矿井提升机的运行对煤矿的生产效率和安全有着直接影响,而制动系统则在提升机运行中发挥着不可或缺的作用。为了充分挖掘监测数据间的故障关系,提出了一种基于麻雀搜索算法(SSA)优化的卷积-双向长短时记忆神经网络(CNN-BiLSTM)的提升机制动系统故障诊断方法。首先,对矿井提升机制动系统的工作原理和故障原因进行了分析,确定了需要采集的监测数据;其次,搭建了基于SSA-CNN-BiLSTM的神经网络模型,其中CNN能够有效地捕捉数据的局部特征,同时提供关于全局的空间信息;LSTM网络主要用于获取数据在时间序列上的特征,BiLSTM则能够实现数据的双向传递目的,将这两者结合起来,可以在空间和时间两个维度上对数据进行复杂的特征提取和识别,从而提升模型的整体表现;SSA用于优化CNN-BiLSTM网络结构,寻找最优参数;最后,采集了提升机的运行数据,并对搭建的故障诊断模型进行了训练与测试,以某矿井提升机实际运行的数据开展了实验研究,并对SSA优化的CNN-BiLSTM和其他算法进行了性能对比。研究结果表明:SSA优化的CNN-BiLSTM神经网络模型准确率为95.7%,相比于CNN-BiLSTM、BiLSTM和CNN准确率分别提高了6.3%、11.2%和14.1%。该模型具有较高的预测性,可用于提升机制动系统的故障诊断。 展开更多
关键词 起重机械 矿井提升机 制动系统 麻雀搜索算法 卷积-双向长短时记忆神经网络 故障识别与分类
在线阅读 下载PDF
基于改进SSA-BP神经网络的弹丸全弹道飞行时间预测
8
作者 郝博 徐才宪 +1 位作者 姜琦 杨斌 《火力与指挥控制》 北大核心 2025年第3期130-134,141,共6页
采用改进的麻雀搜索算法对BP神经网络的权值与阈值进行全局最优,在麻雀搜索算法中引入Tent混沌映射策略来初始化种群,同时引入高斯变异和高斯扰动策略以及自适应惯性权重策略,提高SSA算法跳出局部最优的能力和求解精度,以提高在弹道系... 采用改进的麻雀搜索算法对BP神经网络的权值与阈值进行全局最优,在麻雀搜索算法中引入Tent混沌映射策略来初始化种群,同时引入高斯变异和高斯扰动策略以及自适应惯性权重策略,提高SSA算法跳出局部最优的能力和求解精度,以提高在弹道系数、发射角度、风速和弹丸初速已知的条件下对弹丸全弹道飞行时间预测的准确性与稳定性。结果表明,改进SSA-BP预测模型提高了弹丸全弹道飞行时间预测的稳定性与准确性。 展开更多
关键词 弹丸全弹道飞行时间 BP神经网络 ssa优化算法 Tent混沌映射 高斯变异
在线阅读 下载PDF
基于SSA-VMD和双层模糊控制的火储联合调频策略
9
作者 于会群 林涛 戚明鑫 《电源学报》 北大核心 2025年第4期274-285,共12页
可再生能源的大量并网给电网带来火电机组调频容量不足、调频效果不佳等一系列问题。为此,基于电池储能系统提出1种火储联合调频策略。首先,利用变分模态分解VMD(variational mode decomposition)对区域控制误差ACE(area control error... 可再生能源的大量并网给电网带来火电机组调频容量不足、调频效果不佳等一系列问题。为此,基于电池储能系统提出1种火储联合调频策略。首先,利用变分模态分解VMD(variational mode decomposition)对区域控制误差ACE(area control error)调频信号进行分解;结合未来负荷预测数据,通过麻雀搜索算法SSA(sparrow search algorithm)滚动优化VMD算法中的分解模态数K和惩罚因子α;将高频信号分配给储能系统,低频信号分配给火电机组。其次,设计双层模糊控制器,第1层模糊控制将区域控制误差高频信号及其变化率作为输入量,改善系统的动态调频性能;第2层模糊控制考虑荷电状态的影响,防止储能产生过充、过放的问题。最后通过仿真分析验证所提控制策略的有效性。 展开更多
关键词 电池储能 调频 变分模态分解 麻雀搜索算法 双层模糊控制
在线阅读 下载PDF
基于AMESim和SSA-CNN-BiLSTM的液压启闭机故障诊断
10
作者 刘英杰 刘鹏鹏 +1 位作者 张荣荣 董詠依 《机床与液压》 北大核心 2025年第15期166-173,共8页
液压启闭机广泛应用于各大水利水电工程中,是负责开启和关闭闸门的专用设备,其故障具有低概率、高隐蔽性等特点。为解决液压启闭机在日常工作中实际收集故障参数不足且难度较大的问题,借助仿真软件AMESim搭建液压启闭机简易工作机制模... 液压启闭机广泛应用于各大水利水电工程中,是负责开启和关闭闸门的专用设备,其故障具有低概率、高隐蔽性等特点。为解决液压启闭机在日常工作中实际收集故障参数不足且难度较大的问题,借助仿真软件AMESim搭建液压启闭机简易工作机制模型。以液压泵泄漏、电磁换向阀失效、液压缸泄漏、液压油混入空气、先导溢流阀堵塞和过滤阀堵塞6种故障工况为研究对象,通过调整模型参数来收集故障数据。搭建麻雀搜索算法(SSA)优化CNN-BiLSTM网络,并将其与几种诊断模型进行对比。结果表明:所构建的SSA-CNN-BiLSTM比其他方法拥有更高的准确度和效率,准确率达到95.23%;在训练次数为300时,数据已接近收敛,函数的损失率维持在0.2%左右;对于随机选取的测试集样本,拟合值与真实值高度相符。 展开更多
关键词 液压启闭机 麻雀搜索算法(ssa) 卷积神经网络(CNN) 双向长短期神经网络(BiLSTM) 故障诊断 AMESIM仿真
在线阅读 下载PDF
基于SSA-VMD和SDP的双通道CNN轴承故障识别方法
11
作者 蒋丽英 高铭悦 李贺 《机电工程》 北大核心 2025年第2期257-266,共10页
针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮... 针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮尔逊相关系数,构建了新的综合适应度函数,利用麻雀算法(SSA)进行了自适应寻优,确定了最佳的变分模态分解(VMD)参数K和α。将原始振动信号经过VMD分解后,得到了本征模态函数(IMF)分量,通过计算各IMF分量的峭度值进行了筛选,将筛选出的信号进行重构后得到了一维特征信号;然后,根据互相关系数选择了合适的对称点模式(SDP)参数值,将原始振动信号转化为极坐标下的SDP图像,获得了具有良好可分性的二维特征图;最后,将一维和二维特征作为双通道CNN的输入进行了联合训练,将训练好的网络用于故障类型识别,在西储大学和江南大学的轴承数据集上对其有效性进行了验证。研究结果表明:通过网络训练,其故障诊断的准确率分别达到了98.5%和100%。该结果验证了该方法在准确识别故障特征方面具有优越性和普适性。 展开更多
关键词 一维特征信号构建 二维特征转换 卷积神经网络 麻雀算法 变分模态分解 对称点模式
在线阅读 下载PDF
特征降维下基于LSSA-SVM的转子系统故障诊断模型
12
作者 史宗帅 亚森江·加入拉 +1 位作者 崔鹏飞 靳鹏飞 《机电工程》 北大核心 2025年第3期463-471,500,共10页
针对有噪声环境下轴承转子系统的故障特征难以有效提取,且转子系统故障诊断的准确率较低的问题,提出了一种基于Levy飞行策略改进的麻雀搜索算法(LSSA)优化支持向量机(SVM),结合主成分分析(PCA)特征降维的转子故障诊断方法(模型)。首先,... 针对有噪声环境下轴承转子系统的故障特征难以有效提取,且转子系统故障诊断的准确率较低的问题,提出了一种基于Levy飞行策略改进的麻雀搜索算法(LSSA)优化支持向量机(SVM),结合主成分分析(PCA)特征降维的转子故障诊断方法(模型)。首先,采用小波分析技术对原始的转子振动信号进行了去噪处理,通过提取信号的时域特征以精确表征不同的转子故障状态,确保了该特征在噪声干扰下仍能清晰反映故障模式;然后,采用PCA对所提取的高维特征进行了降维处理,有效减少了冗余信息和噪声干扰,保留了最具代表性的关键特征,从而提高了特征提取的效率与诊断的可靠性;最后,设计了Levy飞行策略,对SSA进行了改进,得到了改进后的麻雀搜索算法(LSSA),以优化SVM的参数选择,进一步提升了分类器的泛化能力,利用改进的算法增强了该模型在复杂、有噪声环境下的诊断性能。研究结果表明:通过在多个含噪声的转子故障数据集上进行实验,该方法的故障诊断准确率达到了98.5%,相较于传统诊断方法,其具有更强的鲁棒性和较高的诊断精度,特别是在有噪环境中的优势更为明显。该方法有效解决了噪声干扰对故障诊断精度的影响问题,显著提高了转子故障诊断的准确性和稳定性,为实际工程中的转子故障诊断提供了一种有效的解决方案。 展开更多
关键词 轴承故障诊断 莱维飞行 改进的麻雀搜索算法 支持向量机 主成分分析 主成分分析特征降维 小波阈值函数去噪
在线阅读 下载PDF
基于天气状态模式识别的SSA-BP神经网络光伏电厂功率及碳减排量预测 被引量：3
13
作者 胡浔惠 丁伟 +3 位作者 曹敬 陈时熠 李梦阳 姚钦才 《可再生能源》 CAS CSCD 北大核心 2024年第7期877-885,共9页
文章提出了一种基于天气状态模式识别并结合SSA-BP(Sparrow Search Algorithm-Back Propagation)预测光伏出力的方法。首先,在分析辐照度、温度、风速等参数变化规律基础上,基于高斯混合模型,针对专业天气类型开展分类,获得类晴、类雨... 文章提出了一种基于天气状态模式识别并结合SSA-BP(Sparrow Search Algorithm-Back Propagation)预测光伏出力的方法。首先,在分析辐照度、温度、风速等参数变化规律基础上,基于高斯混合模型,针对专业天气类型开展分类,获得类晴、类雨和类阴3种典型的广义天气;然后,将数据作为SSA-BP神经网络输入,对光伏电厂出力分类进行预测;最后,结合碳核算方法学对光伏发电项目碳减排量进行核算。结果表明:利用分类识别和改进的SSA-BP神经网络,在3种天气类型预测中平均相对误差分别为0.195,0.243,0.310;SSA-BP与其他模型相比,平均相对误差降低了17.8%~66.7%。此外,预测CO_(2)减排量与实际核算值相对误差为3.37%,亦表现出良好预测效果。 展开更多
关键词 光伏发电 模式识别 ssa-BP神经网络 功率预测 天气状态
在线阅读 下载PDF
SSA-MLP模型在岩质边坡稳定性预测中的应用 被引量：6
14
作者 侯克鹏 包广拓 孙华芬 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1795-1803,共9页
岩质边坡的力学参数量化及稳定性分析对岩质边坡灾害的防治具有重要意义。Hoek-Brown(H B)准则是一种用于确定岩体力学参数的经典方法,能反映出边坡岩体变形和位移的非线性破坏特征。在此基础上,首先,提出一种麻雀搜索算法(Sparrow Sear... 岩质边坡的力学参数量化及稳定性分析对岩质边坡灾害的防治具有重要意义。Hoek-Brown(H B)准则是一种用于确定岩体力学参数的经典方法,能反映出边坡岩体变形和位移的非线性破坏特征。在此基础上,首先,提出一种麻雀搜索算法(Sparrow Search Algorithm,SSA)改进多层感知器(Multi-Layer Perceptron,MLP)的神经网络模型,并用于边坡稳定性预测、指标敏感性分析及参数反演。其次,将收集的1085组岩质边坡的几何参数和H B准则参数等作为输入变量,极限平衡理论Bishop法求解的安全系数作为输出变量,对SSA MLP模型进行训练学习和性能评估。最后,将该模型运用于25个边坡实例,验证模型的有效性。结果显示,该模型收敛速度快、精度高,为边坡稳定性分析和参数量化提供了一种新思路。 展开更多
关键词 安全工程 边坡稳定性 HOEK-BROWN准则 多层感知器(MLP)神经网络 麻雀搜索算法 参数反演
在线阅读 下载PDF
基于FSSA-ELM的模拟电路故障诊断方法 被引量：3
15
作者 陈晓娟 刘禹盟 +1 位作者 曲畅 张昭华 《半导体技术》 北大核心 2024年第1期77-84,共8页
在大规模电路中,模拟电路的故障率高达80%。针对模拟电路故障诊断方法准确率低、耗时长的问题,提出了一种分数阶麻雀搜索算法结合极限学习机(FSSA-ELM)的模拟电路故障诊断方法。利用核主成分分析与局部线性嵌入(KPCA-LLE)联合方式对电... 在大规模电路中,模拟电路的故障率高达80%。针对模拟电路故障诊断方法准确率低、耗时长的问题,提出了一种分数阶麻雀搜索算法结合极限学习机(FSSA-ELM)的模拟电路故障诊断方法。利用核主成分分析与局部线性嵌入(KPCA-LLE)联合方式对电路故障数据进行特征提取,通过分数阶与麻雀搜索算法(SSA)相融合,对极限学习机(ELM)的权重和阈值进行寻优,将提取后的特征数据输入到FSSA-ELM模型中进行训练和测试。T型反馈网络反相比例运算电路诊断实例表明,FSSA-ELM的故障诊断用时相较于SSA-ELM缩短了891 s,单故障诊断准确率可达972%,比SSA-ELM和ELM分别提高了19%和28%;双故障诊断准确率可达95%,分别提高了04%和10%。该故障诊断方法准确率高、耗时短,具有较强的模拟电路故障检测能力。 展开更多
关键词 模拟电路 故障诊断 分数维度 麻雀搜索算法(ssa) 极限学习机(ELM)
在线阅读 下载PDF
基于SSA-RBF神经网络的煤自然发火预测模型 被引量：3
16
作者 高飞 梁宁 +1 位作者 贾喆 侯青 《中国安全科学学报》 CAS CSCD 北大核心 2024年第8期128-137,共10页
为解决传统煤自燃预测模型预测状态单一和预测精度不高的问题,提出基于麻雀搜索算法(SSA)优化的径向基(RBF)神经网络煤自然发火预测模型。首先,采用程序升温试验分析煤样指标气随温度的变化特征,将煤自然发火过程按煤温分为缓慢(80≤t_(... 为解决传统煤自燃预测模型预测状态单一和预测精度不高的问题,提出基于麻雀搜索算法(SSA)优化的径向基(RBF)神经网络煤自然发火预测模型。首先,采用程序升温试验分析煤样指标气随温度的变化特征,将煤自然发火过程按煤温分为缓慢(80≤t_(i)<120℃)、加速(120≤t_(i)<160℃)和激烈(t_(i)≥160℃)3个氧化阶段,同时分析这3个阶段指标气与煤温的灰色关联度;其次通过不同维度测试函数检验粒子群算法(PSO)、灰狼算法(GWO)和SSA算法性能;最后利用6个矿区数据验证基于SSA-RBF神经网络的煤自燃预测模型的优越性。结果显示,缓慢氧化阶段CO/ΔO_(2)、CO、C_(2)H_(4)这3种指标气体与煤温的灰色关联系数最大;而加速氧化阶段C_(2)H_(4)/C_(2)H_(6)、CO/ΔO_(2)、CO_(2)/CO_(3)种指标与煤温的灰色关联系数最大。3种不同维度函数的测试结果表明:SSA与PSO、GWO相比具有更好的全局搜索能力和稳定性,其收敛速度更快;神经元数量为5个、迭代次数为300次时,SSA-RBF神经网络预测模型对缓慢氧化和加速氧化阶段的预测准确性分别达到了99%和93%。 展开更多
关键词 麻雀搜索算法(ssa) 径向基函数(RBF)神经网络 煤自然发火 预测模型 指标气 灰色关联度
在线阅读 下载PDF
基于VMD-SSA-LSTM的架空输电导线覆冰预测模型 被引量：2
17
作者 陈彬 徐志明 +4 位作者 贾燕峰 丁锐鑫 张少峰 李飚 王佳琳 《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第4期105-112,共8页
针对输电导线覆冰过程间断性强且波动性大而导致的现有模型预测精度不高的问题,从覆冰厚度数据的时序信息和气象信息出发,提出一种基于变分模态分解(variational mode decomposition,VMD)的麻雀搜索算法(sparrow search algorithm,SSA)... 针对输电导线覆冰过程间断性强且波动性大而导致的现有模型预测精度不高的问题,从覆冰厚度数据的时序信息和气象信息出发,提出一种基于变分模态分解(variational mode decomposition,VMD)的麻雀搜索算法(sparrow search algorithm,SSA)优化长短期记忆网络(long short-term memory network,LSTM)的覆冰组合预测模型.该方法首先使用VMD分解覆冰厚度数据,降低了原始序列的不稳定性,得到具有不同中心频率的本征模态分量;其次,采用SSA算法对LSTM中的3个参数进行寻优;最后,对模态分量分别建立LSTM预测模型,将各个模态分量的预测值叠加为覆冰厚度的总预测值.通过实例仿真,对所提预测模型进行验证.结果表明:VMD-SSA-LSTM组合模型与其他模型相比,其预测精度有进一步提高,验证了所提方法的有效性. 展开更多
关键词 输电导线 覆冰预测 变分模态分解 麻雀搜索算法 长短期记忆网络
在线阅读 下载PDF
基于VMD-SSA-LSTM考虑刀具磨损的数控铣床切削功率预测模型研究 被引量：1
18
作者 王秋莲 欧桂雄 +3 位作者 徐雪娇 刘锦荣 马国红 邓红标 《中国机械工程》 EI CAS CSCD 北大核心 2024年第6期1052-1063,共12页
传统的切削过程功率获取需要基于复杂的切削功率模型且很少考虑刀具磨损的影响,针对此设计了一种基于变分模态分解(VMD)、麻雀搜索算法(SSA)、长短时记忆(LSTM)神经网络的考虑刀具磨损的数控铣床切削功率预测模型,该模型无需解构数控铣... 传统的切削过程功率获取需要基于复杂的切削功率模型且很少考虑刀具磨损的影响,针对此设计了一种基于变分模态分解(VMD)、麻雀搜索算法(SSA)、长短时记忆(LSTM)神经网络的考虑刀具磨损的数控铣床切削功率预测模型,该模型无需解构数控铣床运行过程的能耗机理,基于一次性的历史实验数据即可实现数控铣床切削过程功率的高精度预测。首先,采用人工智能机器视觉技术对刀具磨损图片进行分析处理,获取刀具磨损图像的数字化特征,从而得到刀具最大磨损量;然后,建立基于VMD-SSA-LSTM考虑刀具磨损的数控铣床切削功率预测模型,利用VMD对数控铣床运行数据进行分解,采用SSA算法对LSTM神经网络超参数进行寻优,并将分解出的铣床运行数据分量输入到LSTM神经网络中,接着将每个分量的预测值相加,得到切削功率预测值;最后以面铣加工为例,将所提出的预测模型与BP神经网络、LSTM神经网络和传统模型进行对比分析,验证了所提模型的有效性和优越性。 展开更多
关键词 切削过程功率 刀具磨损 麻雀搜索算法 长短时记忆神经网络 变分模态分解 计算机视觉技术
在线阅读 下载PDF
基于SSA和双稳随机共振的车削颤振微弱特征提取
19
作者 吴飞 栾天宇 农皓业 《振动与冲击》 EI CSCD 北大核心 2024年第4期134-141,共8页
围绕车削颤振激发过程,针对车削颤振过渡阶段特征微弱且存在噪声和转频干扰的问题,提出一种基于麻雀优化算法(sparrow search algorithm, SSA)和双稳随机共振(bistable stochastic resonance, BSR)系统的车削颤振微弱特征提取方法。该... 围绕车削颤振激发过程,针对车削颤振过渡阶段特征微弱且存在噪声和转频干扰的问题,提出一种基于麻雀优化算法(sparrow search algorithm, SSA)和双稳随机共振(bistable stochastic resonance, BSR)系统的车削颤振微弱特征提取方法。该方法利用SSA优良的寻优特性,以信噪比作为优化指标确定最佳BSR系统参数,用优化后的参数对车削颤振信号进行滤波处理,提取颤振特征频率。仿真试验表明SSA-BSR方法可以实现对强噪声背景下微弱特征信号的提取与增强,同时兼顾寻优速度快和获得全局最优解概率高的优点。开展车削颤振检测试验,颤振激发过程的加速度信号图谱分析结果验证了车削颤振特征频率幅值与颤振激发程度之间的相关性;不同模型在车削颤振过渡阶段特征提取的对比结果验证了SSA-BSR模型的有效性和优越性,并且能够满足车削颤振检测对实时性的要求,实现在进入剧烈颤振阶段前发出预警,为量化车削颤振和车削颤振在线监测提供一种新思路。 展开更多
关键词 车削颤振 随机共振 麻雀优化算法(ssa) 信号处理
在线阅读 下载PDF
基于改进SSA优化PID的下肢康复机器人控制 被引量：6
20
作者 张稚荷 周凯红 朱梦岩 《现代电子技术》 北大核心 2024年第13期153-159,共7页
针对下肢康复机器人训练过程中步态跟踪误差大的问题,提出一种改进麻雀搜索算法(ISSA)优化PID的控制策略。首先,利用拉格朗日方程对下肢机器人进行动力学分析,得到动力学模型;然后,通过引入Kent映射混沌初始化种群、Tent混沌扰动和柯西... 针对下肢康复机器人训练过程中步态跟踪误差大的问题,提出一种改进麻雀搜索算法(ISSA)优化PID的控制策略。首先,利用拉格朗日方程对下肢机器人进行动力学分析,得到动力学模型;然后,通过引入Kent映射混沌初始化种群、Tent混沌扰动和柯西变异扰动,以及改变探索者-跟随者比例系数和探索者位置更新公式等方面对麻雀搜索算法进行改进,通过8种测试函数证实了算法改进的有效性;最后,在Matlab/Simulink中建立下肢机器人PID控制器和ISSA-PID控制器系统的仿真模型,以正常人体步态数据进行拟合得到的函数曲线作为系统实际输入进行跟踪实验。结果表明:相比于传统PID控制,ISSA-PID控制髋关节和膝关节的误差分别降低了63.3%和72.5%,实现了精准的步态跟踪,验证了该控制策略的有效性。 展开更多
关键词 下肢康复机器人 麻雀搜索算法 优化算法 测试函数 步态数据 PID控制 MATLAB/SIMULINK
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 10 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部