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711篇文章
< 1 2 … 36 >
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ARIMA算法的玉米籽粒储藏温度预测研究
1
作者 陈思羽 徐爱迪 +3 位作者 刘春山 王淑铭 马浏轩 韩雪双 《农机化研究》 北大核心 2025年第9期171-177,186,共8页
外界环境变化对粮堆内部温度的影响较大,针对夏季温度高、湿度大、易发生腐烂霉变的特点,利用夏季高温试验周期内储粮仓各层的温度数据,基于ARIMA算法进行玉米籽粒储藏短期温度预测。利用差分法、ACF图、PACF图确定模型中d、p、q等参数... 外界环境变化对粮堆内部温度的影响较大,针对夏季温度高、湿度大、易发生腐烂霉变的特点,利用夏季高温试验周期内储粮仓各层的温度数据,基于ARIMA算法进行玉米籽粒储藏短期温度预测。利用差分法、ACF图、PACF图确定模型中d、p、q等参数,依据确定的温度预测模型对未来7 d仓内各粮层的温度进行预测,并将预测值与试验值进行对比,通过绝对误差MAE、相对误差MSE评价指标对模型进行评估,结果表明:第1层模型预测值与实际值的绝对误差MAE的平均值为2.96℃,相对误差MSE的平均值为11.37%;第2层模型预测值与实际值的绝对误差MAE的平均值为0.5℃,相对误差MSE的平均值为1.80%;第3层模型预测值与实际值的绝对误差MAE的平均值为0.57℃,相对误差MSE的平均值为1.91%;第4层模型预测值与实际值的绝对误差MAE的平均值为0.28℃,相对误差MSE的平均值为1.02%,各层相对误差均控制在16%以内。试验结果表明建立的ARIMA温度预测模型较适合玉米籽粒储藏短期温度预测,为保障储粮品质提供了理论依据。 展开更多
关键词 玉米籽粒 储藏 ARIMA算法 温度预测
在线阅读 下载PDF
多策略改进COA算法优化LSSVM的变压器故障诊断研究 被引量：1
2
作者 李斌 白翔旭 《电工电能新技术》 北大核心 2025年第4期112-119,共8页
为解决变压器故障诊断准确率低的问题,本文提出一种多策略改进浣熊优化算法(ICOA)与最小二乘支持向量机(LSSVM)相结合的变压器故障诊断方法。首先,通过核主成分分析(KPCA)将变压器故障数据集进行特征提取,降低故障数据维度;其次,应用混... 为解决变压器故障诊断准确率低的问题,本文提出一种多策略改进浣熊优化算法(ICOA)与最小二乘支持向量机(LSSVM)相结合的变压器故障诊断方法。首先,通过核主成分分析(KPCA)将变压器故障数据集进行特征提取,降低故障数据维度;其次,应用混沌映射、透镜反向学习、Levy飞行等策略对浣熊优化算法(COA)进行优化,提高全局寻优能力;然后,应用ICOA算法进行LSSVM参数寻优,构建ICOA-LSSVM故障诊断模型;最后,将特征提取后的数据导入ICOA-LSSVM中并与其他模型对比。实验结果表明所提方法准确率为96.19%,相比其他诊断模型具有更高的故障诊断精度。 展开更多
关键词 变压器故障诊断 浣熊优化算法 核主成分分析 最小二乘支持向量机
在线阅读 下载PDF
改进SSA-HKELM模型在海洋弯管剩余寿命预测中的应用 被引量：1
3
作者 骆正山 王良雨 +1 位作者 高懿琼 骆济豪 《安全与环境学报》 北大核心 2025年第5期1770-1779,共10页
针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布... 针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布,采用黄金正弦、Tent混沌扰动和柯西变异提高麻雀搜索算法(Sparrow Search Algorithm,SSA)的收敛速度和搜索能力,运用ISSA算法优化HKELM的网络参数,构建海洋弯管腐蚀深度预测模型。依据改进的ASME B31G剩余强度评价准则,计算最大允许腐蚀深度,结合管道腐蚀发展趋势模型,对薄弱弯管进行腐蚀剩余寿命预测。以某海洋管道弯管试验数据为基础对模型进行验证,模型预测精度高达0.989 7,能较好地预测海洋弯管的最大腐蚀深度及未来腐蚀发展趋势。寿命预测结果表明,部分弯管剩余寿命未超过其预期服役时间,为海洋弯管的安全运维及维修更换提供了决策支持。 展开更多
关键词 安全工程 海洋弯管 剩余寿命 改进麻雀搜索算法 混合核极限学习机 腐蚀深度预测模型
在线阅读 下载PDF
二元混合气体成分检测的改进蒲公英算法研究
4
作者 李鹏 汤炼海 +2 位作者 林事力 纵彪 于涛 《传感器与微系统》 北大核心 2025年第2期15-20,共6页
针对阵列传感器检测二元混合气体时由于交叉敏感特性导致准确率低的问题,提出一种改进型蒲公英优化(IDO)算法优化核极限学习机(KELM)的二元混合气体检测方法。首先,引入Kent映射初始化种群提高初始种群分布的均匀性,后将精英反向学习策... 针对阵列传感器检测二元混合气体时由于交叉敏感特性导致准确率低的问题,提出一种改进型蒲公英优化(IDO)算法优化核极限学习机(KELM)的二元混合气体检测方法。首先,引入Kent映射初始化种群提高初始种群分布的均匀性,后将精英反向学习策略(EOBL)引入蒲公英种子位置更新,提高原算法寻优精度。将该算法用于KELM参数寻优,建立改进DO(IDO)算法优化KELM模型,实现对二元混合气体的成分识别。实验结果表明:IDO算法优化的KELM模型对二元混合气体成分识别准确率可达99.71%,比原始KELM模型提高4.28%。 展开更多
关键词 改进蒲公英优化算法 核极限学习机 气体分类
在线阅读 下载PDF
基于改进蜣螂优化算法深度混合核极限学习机的高压断路器故障诊断
5
作者 范兴明 许洪华 +3 位作者 张思舜 李涛 蒋延军 张鑫 《电工技术学报》 北大核心 2025年第12期3994-4003,共10页
针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的... 针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的固有模态分量(IMF);其次,提取各IMF分量的功率谱熵构建特征向量矩阵,并利用t分布-随机邻域嵌入算法(t-SNE)对特征向量进行数据降维;然后,引入融合Tent混沌映射、黄金正弦策略、自适应t分布扰动策略对传统蜣螂优化算法(DBO)进行改进,并使用IDBO对DHKELM进行参数优化,完成IDBO-DHKELM高压断路器故障诊断模型的构建;最后,通过搭建模拟故障的实物断路器实验平台进行验证,结果表明,该文提出的方法在故障诊断上的准确率达到了98.33%,相较于其他故障诊断模型在多项分类评价指标上均有显著提升,为准确、可靠地诊断高压断路器机械故障提供了新方案。 展开更多
关键词 高压断路器 改进蜣螂优化算法 深度混合核极限学习机 故障诊断 逐次变分模 态分解
在线阅读 下载PDF
基于ICEEMDAN-KPCA-ICPA-LSTM的光伏发电功率预测 被引量：2
6
作者 姚钦才 向文国 +2 位作者 陈时熠 曹敬 郑涛 《动力工程学报》 北大核心 2025年第3期374-382,共9页
光伏发电预测对于新型电力系统的平稳运行至关重要。针对光伏发电短期预测,提出了一种融合改进的完全自适应噪声集合经验模态分解(ICEEMDAN)、核主成分分析(KPCA)和改进的食肉植物算法(ICPA)与长短期记忆网络(LSTM)的光伏发电预测方法... 光伏发电预测对于新型电力系统的平稳运行至关重要。针对光伏发电短期预测,提出了一种融合改进的完全自适应噪声集合经验模态分解(ICEEMDAN)、核主成分分析(KPCA)和改进的食肉植物算法(ICPA)与长短期记忆网络(LSTM)的光伏发电预测方法。首先,该方法通过ICEEMDAN提取气象数据中非线性信号的隐含特征;其次,采用核主成分分析降低分解后产生的冗余信息,并根据主成分贡献率大小选取模型输入参数;最后,对食肉植物算法(CPA)进行改进,构建ICPA-LSTM模型,并开展了晴天、雨天、多云和多变天气4种典型天气类型下光伏发电功率预测校验。结果表明:在不同天气情况下,所提模型的决定系数R 2均大于99%,相较于对照模型具有更好的预测性能。 展开更多
关键词 光伏发电预测 ICEEMDAN 长短期记忆网络 食肉植物算法 核主成分分析
在线阅读 下载PDF
区域和邻域级信息相结合的加强型PFCM含噪图像分割算法
7
作者 王小鹏 王海洲 陈浩然 《电子学报》 北大核心 2025年第5期1584-1595,共12页
针对可能性模糊C均值聚类(Possibilistic Fuzzy C-Means,PFCM)算法存在重合聚类,未考虑图像空间信息,对噪声鲁棒性差的问题,提出一种区域和邻域级信息相结合的加强型可能性模糊C均值算法.首先,设计了一种新的函数结构抑制重合聚类,该方... 针对可能性模糊C均值聚类(Possibilistic Fuzzy C-Means,PFCM)算法存在重合聚类,未考虑图像空间信息,对噪声鲁棒性差的问题,提出一种区域和邻域级信息相结合的加强型可能性模糊C均值算法.首先,设计了一种新的函数结构抑制重合聚类,该方法通过引入非线性衰减特性,更有效地调节不同隶属度点对不同簇的贡献,降低了簇之间的重合度;其次,通过局部方差约束,将图像区域级信息和其邻域级信息结合,充分利用图像的空间信息,提高对噪声的鲁棒性;最后,将核度量应用于聚类不相似度量,根据图像自有信息自适应地确定核函数带宽参数,进一步提高算法的灵活性.含噪合成图像、脑MRI(Magnetic Resonance Imaging)图像和含噪彩色图像分割实验表明,本文算法在分割结果视觉效果和性能评价指标均优于其他几种比较算法. 展开更多
关键词 图像分割 聚类算法 重合聚类 空间信息 核度量
在线阅读 下载PDF
基于K互近邻与核密度估计的DPC算法 被引量：1
8
作者 周玉 夏浩 +1 位作者 刘虹瑜 白磊 《北京航空航天大学学报》 北大核心 2025年第6期1978-1990,共13页
快速搜索和发现密度峰值聚类(DPC)算法是一种基于密度的聚类算法。该算法不需要迭代和过多的设定参数,但由于计算局部密度时没有考虑数据的局部结构,导致无法识别簇密度小的聚类中心。针对此问题,提出基于K互近邻(KN)和核密度估计(KDE)... 快速搜索和发现密度峰值聚类(DPC)算法是一种基于密度的聚类算法。该算法不需要迭代和过多的设定参数,但由于计算局部密度时没有考虑数据的局部结构,导致无法识别簇密度小的聚类中心。针对此问题,提出基于K互近邻(KN)和核密度估计(KDE)的DPC(KKDPC)算法。通过K近邻和核密度估计方法得到数据点的K互近邻数量和局部核密度;将K互近邻数量与局部核密度进行加和获得新的局部密度;根据数据点的局部密度得到相对距离,并通过构建决策图选取聚类中心及分配非中心点。利用人工数据集和真实数据集进行实验,并与DPC、基于密度的噪声空间聚类应用(DBSCAN)、K-means、模糊C均值聚类算法(FCM)、基于K近邻的DPC(DPCKNN)、近邻优化DPC(DPC-NNO)、基于模糊加权共享邻居的DPC(DPC-FWSN)算法进行对比。通过计算调整互信息(AMI)、调整兰德指数(ARI)、归一化互信息(NMI)来验证KKDPC算法的性能。实验结果表明:KKDPC算法能更加准确地识别聚类中心,有效地提高聚类精度。 展开更多
关键词 聚类算法 密度峰值 K近邻 K互近邻 核密度估计
在线阅读 下载PDF
基于改进麻雀搜索算法优化核极限学习机的弹丸气动参数辨识 被引量：1
9
作者 高展鹏 易文俊 《电子测量与仪器学报》 北大核心 2025年第2期72-82,共11页
弹丸的气动参数直接影响其飞行轨迹,进而决定导弹的设计和性能评估。由于高速飞行中的复杂气动环境和气动参数间的相互作用,准确辨识气动参数成为一项具有挑战性的问题。针对这一问题将采用麻雀搜索算法(SSA)和核极限学习机(KELM)的组... 弹丸的气动参数直接影响其飞行轨迹,进而决定导弹的设计和性能评估。由于高速飞行中的复杂气动环境和气动参数间的相互作用,准确辨识气动参数成为一项具有挑战性的问题。针对这一问题将采用麻雀搜索算法(SSA)和核极限学习机(KELM)的组合模型来辨识弹丸的气动参数,为充分挖掘SSA算法性能,提高辨识精确度,将对SSA算法的初始化策略、收敛因子和加入者的位置更新策略进行改进,采用CEC2022测试函数对改进后的麻雀搜索算法(ISSA)的改进措施的有效性进行验证,并采用ISSA优化KELM的核参数和正则化系数,提出ISSA-KELM辨识模型。研究结果表明,直接采用极限学习机(ELM)算法的辨识精确度最低,无法描述非线性区域弹丸的气动参数特征,通过在ELM算法中引入核函数提出KELM方法可以将辨识精确度提高1~4个量级,KELM和SSA-KELM等模型在非线性区域的辨识结果与真实值还有一定的差距,而采用ISSA-KELM模型的辨识结果最为精确,相比较基本的ELM算法辨识结果提高约4~5个量级,可以准确获取弹丸的气动参数,本研究为精确飞行轨迹预测和导弹性能优化提供了可靠的技术支持。 展开更多
关键词 弹丸 麻雀搜索算法 核极限学习机 气动参数辨识 非线性
在线阅读 下载PDF
基于Kernel K-means的负荷曲线聚类 被引量：33
10
作者 赵文清 龚亚强 《电力自动化设备》 EI CSCD 北大核心 2016年第6期203-207,共5页
电力负荷曲线聚类是配用电系统的基础,对负荷管理具有重大意义。采用基于核方法的聚类算法提高负荷曲线聚类的准确性,通过点积的方式构造核矩阵,再将数据映射到高维空间中进行聚类,进而加大数据的可分性。同时,针对核矩阵的规模大、计... 电力负荷曲线聚类是配用电系统的基础,对负荷管理具有重大意义。采用基于核方法的聚类算法提高负荷曲线聚类的准确性,通过点积的方式构造核矩阵,再将数据映射到高维空间中进行聚类,进而加大数据的可分性。同时,针对核矩阵的规模大、计算复杂的问题,提出使用核主成分与缩减矩阵规模对该方法进行优化。实验过程中采用美国能源部开发能源信息网站提供的负荷数据进行聚类,并以Davies-Bouldin聚类有效性指标评估效果。结果表明该方法具有较好的划分能力,可以提高负荷曲线聚类的准确性。 展开更多
关键词 负荷曲线 聚类算法 核矩阵 核主成分分析 削减矩阵
在线阅读 下载PDF
基于VMD-MBWO-KELM的短期风电功率预测
11
作者 常振成 游国栋 +3 位作者 肖梓跃 芦玉冉 刘锐君 郗重企 《太阳能学报》 北大核心 2025年第6期623-631,共9页
针对风力发电功率存在较强的间歇性和波动性、预测精度较低的问题,提出基于变分模态分解(VMD)与多策略融合的白鲸优化算法(MBWO)的核极限学习机(KELM)预测模型。首先利用VMD对原始风力发电功率序列进行平稳化处理并构建MBWO-KELM模型,... 针对风力发电功率存在较强的间歇性和波动性、预测精度较低的问题,提出基于变分模态分解(VMD)与多策略融合的白鲸优化算法(MBWO)的核极限学习机(KELM)预测模型。首先利用VMD对原始风力发电功率序列进行平稳化处理并构建MBWO-KELM模型,然后将分解后的子序列输入MBWO-KELM模型进行预测,最后对不同子序列进行重构以得到最终的风电功率预测值。结果表明,不同季节下该模型的预测精度和稳定性明显优于其他模型,平均绝对百分比误差(MAPE)值均控制在6%以下,可提高风电能源的利用效率。 展开更多
关键词 风电功率 变分模态分解 预测 自适应算法 核极限学习机
在线阅读 下载PDF
基于SSA-KELM的输变电工程水土流失量预测研究
12
作者 雷磊 呼梦颖 +3 位作者 董子晗 师一卿 万昊 王良 《电测与仪表》 北大核心 2025年第8期189-196,共8页
针对输变电工程中水土流失量在线监测刚起步导致智能预测预警困难的问题,文中提出一种基于麻雀搜索算法和核极限学习机的输变电工程水土流失量智能预测方法。利用麻雀搜索算法(sparrow search algorithm,SSA)优化核极限学习机(kernel-ba... 针对输变电工程中水土流失量在线监测刚起步导致智能预测预警困难的问题,文中提出一种基于麻雀搜索算法和核极限学习机的输变电工程水土流失量智能预测方法。利用麻雀搜索算法(sparrow search algorithm,SSA)优化核极限学习机(kernel-based extreme learning machine,KELM)的正则化系数和核函数参数,以降雨量环境因子作为样本输入,构建SSA-KELM水土流失量预测模型。利用该预测模型对某变电站水土流失情况进行预测,并与核极限学习机和支持向量机预测方法对比。利用自主研发的现场监测系统获取水土保持监测数据,对所提预测算法进行长期测试,结果表明,基于SSA-KELM的水土流失量预测是有效的,而且比当前其他方法的预测精度更高。 展开更多
关键词 水土流失量 麻雀搜索算法 核极限学习机
在线阅读 下载PDF
基于数据降噪启发式算法的太阳电池参数辨识
13
作者 古旻琦 吕智林 +2 位作者 陆剑锋 海涛 王钧 《太阳能学报》 北大核心 2025年第7期589-597,共9页
实测电压-电流(V-I)数据中的噪声会降低启发式算法(MhA)的太阳电池参数辨识精度。为解决该问题,基于核极限学习机(KELM)提出一种数据降噪启发式算法(DDMhA)以实现对太阳电池参数的精确辨识。利用KELM对V-I数据进行训练以滤除噪声,提升Mh... 实测电压-电流(V-I)数据中的噪声会降低启发式算法(MhA)的太阳电池参数辨识精度。为解决该问题,基于核极限学习机(KELM)提出一种数据降噪启发式算法(DDMhA)以实现对太阳电池参数的精确辨识。利用KELM对V-I数据进行训练以滤除噪声,提升MhA适应度函数的准确度,增强其全局搜索能力以保障参数辨识精度。在验证实验中,采用双二极管太阳电池模型(DDM)进行参数辨识,对50组混淆V-I数据分别进行不降噪以及降噪处理,随后对比不同处理方式下6种MhA的参数辨识结果。根据实验结果分析,DDMhA能够滤除数据噪声,有效提升原MhA的辨识精度和收敛速度。 展开更多
关键词 太阳电池 参数辨识 启发式算法 数据降噪 核极限学习机
在线阅读 下载PDF
基于CEEMD的分特征组合超短期负荷预测模型
14
作者 商立群 贾丹铭 +1 位作者 安迪 王俊昆 《广西师范大学学报(自然科学版)》 北大核心 2025年第5期41-51,共11页
电力负荷预测对电力调度和系统安全至关重要。针对超短期负荷预测,本文提出一种结合补充集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)与机器学习、智能优化算法的组合预测模型。首先通过CEEMD对原始... 电力负荷预测对电力调度和系统安全至关重要。针对超短期负荷预测,本文提出一种结合补充集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)与机器学习、智能优化算法的组合预测模型。首先通过CEEMD对原始数据进行分解,再利用排列熵(permutation entropy,PE)阈值进行分量分流。高频信号采用双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)预测,低频信号则通过混合核极限学习机(hybrid kernel extreme learning machine,HKELM)并结合雪消融优化算法(snow ablation optimizer,SAO)进行优化预测。最终,各分量预测结果叠加得到综合预测值。通过实例分析,模型的均方根误差、平均绝对误差和平均绝对百分比误差分别为61.61 kW、43.91 kW和0.38%,显著优于传统模型。实验结果表明,该模型充分发掘数据内在特征、结合各方法预测优势,在超短期负荷预测中具有较高的精度。 展开更多
关键词 短期电力负荷预测 CEEMD 排列熵 双向长短期记忆网络 极限学习机 智能优化算法
在线阅读 下载PDF
改进YOLOX-S的智慧港口目标检测算法
15
作者 江鉴 袁志群 +2 位作者 高秀晶 何鸿正 谷子硕 《计算机工程与设计》 北大核心 2025年第7期2045-2053,共9页
针对单目摄像头在港口场景下面临目标检测算法识别不稳定的问题,提出一种改进YOLOX-S目标检测算法。引入大核注意力机制改进主干提取网络的特征输出与BottleNeck模块,提高算法特征提取的能力;引入中心点余弦距离损失改进目标框损失函数... 针对单目摄像头在港口场景下面临目标检测算法识别不稳定的问题,提出一种改进YOLOX-S目标检测算法。引入大核注意力机制改进主干提取网络的特征输出与BottleNeck模块,提高算法特征提取的能力;引入中心点余弦距离损失改进目标框损失函数,解决训练损失虽收敛但目标框仍抖动的问题;引入深度可分离卷积模块优化检测头模块,提高检测精度同时减少模型大小;实车录制智慧港口不同场景20 906张图片进行实验,其结果表明,改进算法与YOLOX-S相比,mAP@0.5:0.95提高5.1%,模型权重大小降低8.8%,TensorRT部署检测帧率为25.0 FPS。改进方法与实验结果可为智慧港口场景下的视觉感知算法开发提供参考。 展开更多
关键词 智慧港口 自动驾驶 目标检测 YOLOX-S算法 大核注意力机制 ACE-IOU损失 深度可分离卷积
在线阅读 下载PDF
基于改进BP神经网络的船舶油耗预测方法研究
16
作者 吴泽颖 赵强 +1 位作者 胡智辉 王敬钰 《舰船科学技术》 北大核心 2025年第11期149-154,共6页
为精确预估船舶油耗,推动航运业向绿色低碳转型,提出一种基于改进BP神经网络的船舶油耗预测方法。通过对原始航行数据进行预处理,去除噪声、偏差和异常值;利用核主成分分析法将数据中的10个原始变量降维为5个主成分,减少数据维度;采用... 为精确预估船舶油耗,推动航运业向绿色低碳转型,提出一种基于改进BP神经网络的船舶油耗预测方法。通过对原始航行数据进行预处理,去除噪声、偏差和异常值;利用核主成分分析法将数据中的10个原始变量降维为5个主成分,减少数据维度;采用遗传算法优化BP神经网络,建立高精度的船舶油耗模型。以1艘液化石油天然气运输船为研究对象,实验结果表明,优化后的BP神经网络油耗模型在预测性能方面获得较大提升,训练集和验证集的均方根误差分别降低了0.1122和0.1068,决定系数提高1.58%。该研究成果能够为船舶节能减排提供可靠的决策支持。 展开更多
关键词 BP神经网络 核主成分分析 遗传算法 船舶油耗 预测模型
在线阅读 下载PDF
基于AI算法的隧道衬砌冷缝检测分类研究
17
作者 冯源 邓立 +5 位作者 路景海 邓愿涛 孙武鹏 温先划 朱洪谷 吴佳晔 《铁道建筑》 北大核心 2025年第1期99-103,共5页
针对隧道衬砌冷缝,基于冲击弹性波面波的检测技术得到了较为广泛的应用,但其解析难度大,效率低。本文提出一种基于响应函数、核主成分分析法和核极限学习机的人工智能冷缝检测分类模型,实现了数据的自动分析及冷缝分类判别。进而通过对... 针对隧道衬砌冷缝,基于冲击弹性波面波的检测技术得到了较为广泛的应用,但其解析难度大,效率低。本文提出一种基于响应函数、核主成分分析法和核极限学习机的人工智能冷缝检测分类模型,实现了数据的自动分析及冷缝分类判别。进而通过对极限学习机关键参数优化方法的选取和改进,提升了模型的预测精度和泛化能力。实际验证结果表明,本文给出的方法具有较高的预测精度,且对冷缝有较低的漏检率,能够有效提升面波法检测衬砌冷缝的解析效率和精度。 展开更多
关键词 隧道衬砌 冷缝 检测 海鸥优化算法 核极限学习机
在线阅读 下载PDF
基于KPCA-IPOA-LSSVM的变压器电热故障诊断 被引量：1
18
作者 陈尧 周连杰 《南方电网技术》 北大核心 2025年第1期20-29,共10页
为解决油浸式变压器故障诊断准确率低的问题,提出了一种核主成分分析(kernel principal component analysis,KPCA)与改进鹈鹕优化算法(improved pelican optimization algorithm,IPOA)优化最小二乘支持向量机(least squares support vec... 为解决油浸式变压器故障诊断准确率低的问题,提出了一种核主成分分析(kernel principal component analysis,KPCA)与改进鹈鹕优化算法(improved pelican optimization algorithm,IPOA)优化最小二乘支持向量机(least squares support vector machine,LSSVM)的变压器故障诊断方法。首先用KPCA对多维变压器故障数据进行特征提取,降低计算复杂度。其次引入Logistic混沌映射、自适应权重策略和透镜成像反向学习策略对鹈鹕优化算法(pelican optimization algorithm,POA)进行改进。最后建立了KPCA-IPOA-LSSVM故障诊断模型,诊断精度为94.24%,与PCA-IPOA-SVM、KPCA-IPOA-SVM、KPCA-WOA-LSSVM和KPCA-POA-LSSVM故障诊断模型进行对比,准确率分别提升了18.31%、11.53%、11.87%、7.46%。结果表明,所提出的变压器故障诊断模型有效提高了故障诊断的准确率,证明了该诊断模型具有一定的理论研究和实际工程应用意义。 展开更多
关键词 变压器 鹈鹕优化算法 最小二乘支持向量机 核主成分分析 故障诊断
在线阅读 下载PDF
基于改进北方苍鹰算法与混合核极限学习机的齿轮箱故障诊断 被引量：1
19
作者 杜董生 王梦姣 +1 位作者 冒泽慧 赵环宇 《控制理论与应用》 北大核心 2025年第4期796-804,共9页
针对行星齿轮箱故障诊断问题,本文提出了一种基于改进北方苍鹰优化(INGO)算法与混合核极限学习机(HKELM)的行星齿轮箱故障诊断方法.首先,引入Savitzky-Golay(SG)滤波对齿轮箱原始信号进行去噪.利用时变滤波经验模态分解(TVF-EMD)将去噪... 针对行星齿轮箱故障诊断问题,本文提出了一种基于改进北方苍鹰优化(INGO)算法与混合核极限学习机(HKELM)的行星齿轮箱故障诊断方法.首先,引入Savitzky-Golay(SG)滤波对齿轮箱原始信号进行去噪.利用时变滤波经验模态分解(TVF-EMD)将去噪后的信号分解成多个本征模态函数(IMF),使用方差贡献率、相关系数和信息熵筛选出最优的IMF.将最优IMF重构后,对重构信号进行时间同步平均(TSA)去噪以减少故障诊断模型的数据计算量.将Tent混沌映射、混合正弦余弦算法和Levy飞行策略用于改进北方苍鹰优化(NGO)算法,得到一种新的INGO算法.同时,引入余弦因子以平衡正弦余弦算法的全局和局部开发能力.最后,利用INGO算法对HKELM进行优化,用以提高HKELM模型的故障诊断准确率.将所提方法应用于两个案例对模型进行检验,实验结果表明,本文所提方法具有可行性和优越性. 展开更多
关键词 混合核极限学习机 改进北方苍鹰优化算法 时变滤波经验模态分解 故障诊断
在线阅读 下载PDF
一种基于核相关滤波的飞机目标跟踪方法
20
作者 杜鑫 沙建军 +2 位作者 张祥 孙殿星 谭聪 《电光与控制》 北大核心 2025年第3期27-32,共6页
在飞机等飞行目标的尺度以及视角发生变化时,核相关滤波(KCF)算法由于跟踪边框固定和滤波器准确性较低而易导致目标跟踪丢失。针对这一问题,在KCF算法基础上增加一种模型更新策略以提高模型准确性,并适时利用YOLOv5l检测网络实现对目标... 在飞机等飞行目标的尺度以及视角发生变化时,核相关滤波(KCF)算法由于跟踪边框固定和滤波器准确性较低而易导致目标跟踪丢失。针对这一问题,在KCF算法基础上增加一种模型更新策略以提高模型准确性,并适时利用YOLOv5l检测网络实现对目标尺度的精确估计。在构建的飞机目标数据集上进行了实验验证,结果表明:相比原算法改进KCF算法在精确度和成功率上分别提升了0.315和0.285,在目标尺度及视角发生变化时具有较强的跟踪性能。 展开更多
关键词 飞行目标 目标跟踪 核相关滤波算法 尺度变化 视角变化 YOLOv5l
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 … 36 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