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123篇文章
< 1 2 … 7 >
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IMLZC和SOA-ELM的轴承损伤识别方法
1
作者 龙有强 姜峰 《机电工程》 北大核心 2025年第4期726-734,共9页
现有故障诊断方法大多是仅针对轴承故障类型进行分析,而缺少对故障程度进行相应的判断。为此,提出了一种基于改进多尺度Lempel-Ziv复杂度(IMLZC)和海鸥优化算法优化极限学习机(SOA-ELM)的滚动轴承损伤识别方法。首先,利用IMLZC复杂度测... 现有故障诊断方法大多是仅针对轴承故障类型进行分析,而缺少对故障程度进行相应的判断。为此,提出了一种基于改进多尺度Lempel-Ziv复杂度(IMLZC)和海鸥优化算法优化极限学习机(SOA-ELM)的滚动轴承损伤识别方法。首先,利用IMLZC复杂度测量指标对信号复杂度变化敏感的特点,将其用于提取滚动轴承振动信号的故障特征以构造特征矩阵;然后,利用海鸥优化算法对极限学习机(ELM)的关键参数进行了优化,建立了参数自适应优化的ELM分类模型;最后,将故障特征输入至SOA-ELM分类模型中进行了训练和测试,完成了滚动轴承不同故障状态的智能诊断和故障程度评估,利用滚动轴承和自吸式离心泵损伤振动信号对IMLZC-SOA-ELM模型的实用性和泛化性开展了研究,并将其与其他特征提取模型开展了对比。研究结果表明:基于IMLZC-SOA-ELM的故障诊断方法不仅能够准确识别滚动轴承的故障,而且能判断故障的严重程度,该故障诊断模型在诊断滚动轴承的故障时分别取得了100%和98.4%的识别准确率,平均识别准确率达到了99.9%,能够有效识别滚动轴承的故障类型和故障程度。与其他特征提取方法相比,IMLZC-SOA-ELM模型具有更高的识别准确率,更适合于滚动轴承的故障识别。 展开更多
关键词 滚动轴承 自吸式离心泵 故障诊断 故障程度和损伤程度 改进多尺度Lempel-Ziv复杂度 海鸥优化算法 参数最优极限学习机
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
2
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PSO-ELM的变压器油纸绝缘状态无损评估方法 被引量：4
3
作者 张德文 张健 +3 位作者 曲利民 吴迪星 刘贺千 张明泽 《电力工程技术》 北大核心 2024年第3期201-208,共8页
油浸式电力变压器作为电网的重要组成部分,其可靠运行至关重要。针对变压器长期运行后无法定量评估其绝缘状态的问题,文中开展了油纸绝缘模型的加速老化及受潮试验,探究了油纸绝缘老化及受潮程度对其回复电压曲线的影响规律,并提出采用... 油浸式电力变压器作为电网的重要组成部分,其可靠运行至关重要。针对变压器长期运行后无法定量评估其绝缘状态的问题,文中开展了油纸绝缘模型的加速老化及受潮试验,探究了油纸绝缘老化及受潮程度对其回复电压曲线的影响规律,并提出采用粒子群优化-极限学习机(particle swarm optimization-extreme learning machine,PSO-ELM)算法的参数预测方法,实现了基于回复电压曲线特征参量的油纸绝缘老化与受潮状态量化评估。由油纸绝缘模型理化性能分析的对比结果可知,基于PSO-ELM方法的预测值精度远高于传统ELM方法,油纸绝缘内含水率及纸板聚合度预测的绝对误差范围分别小于±0.4%、±30。 展开更多
关键词 油浸式变压器 油纸绝缘 回复电压 粒子群优化-极限学习机(PSO-elm)算法 状态评估 无损检测
在线阅读 下载PDF
基于EMATE和POA-ELM的声音信号故障诊断方法 被引量：2
4
作者 徐浙君 王凯 +1 位作者 罗少杰 崔炳荣 《机电工程》 CAS 北大核心 2024年第6期956-968,共13页
常规的工程机械故障诊断方法一般需对振动信号进行分析,但采集振动信号时需要使振动传感器与工程机械相接触,在某些情况下工程机械表面不适合安装传感器,如设备的温度较高或者传感器的安装空间有限。针对这些问题,以声音信号作为故障诊... 常规的工程机械故障诊断方法一般需对振动信号进行分析,但采集振动信号时需要使振动传感器与工程机械相接触,在某些情况下工程机械表面不适合安装传感器,如设备的温度较高或者传感器的安装空间有限。针对这些问题,以声音信号作为故障诊断对象,提出了一种基于增强多尺度注意熵(EMATE)和鹈鹕优化算法优化极限学习机(POA-ELM)的工程机械故障诊断方法。首先,利用声音传感器采集了工程机械不同故障的声音信号,避免了振动传感器存在的接触式采集缺陷;然后,利用EMATE提取了声音信号中的故障信息,建立了表征工程机械不同故障状态的特征向量;接着,鉴于ELM的参数需要优化的问题,采用POA对ELM的关键参数进行了寻优,建立了参数自适应设置的ELM分类模型;最后,利用POA-ELM分类器对故障特征进行了辨识,实现了工程机械的故障识别,并利用往复压缩机和滚动轴承的声音信号数据集对基于EMATE-POA-ELM的故障诊断方法的有效性进行了验证。研究结果表明:将EMATE方法作为故障特征提取指标能够取得100%和99.23%的识别准确率,且特征提取的时间仅为53.88 s和172.47 s;与多尺度注意熵、复合多尺度注意熵、时移多尺度注意熵等指标相比,EMATE的平均故障识别准确率更高,并具有更好的综合性能。 展开更多
关键词 工程机械 往复压缩机 滚动轴承 故障数据集 增强多尺度注意熵 故障诊断 鹈鹕优化算法优化极限学习机
在线阅读 下载PDF
基于BA-ELM和模糊机会约束的源荷储资源协同运行 被引量：1
5
作者 张泽龙 陈宝生 +3 位作者 杨燕 靳盘龙 刘桐 赵嘉麒 《南京信息工程大学学报》 CAS 北大核心 2024年第5期618-629,共12页
可靠有效的中长期电力需求预测是电力生产输送的重要依据,同时我国新能源行业发展迅速,风光波动性的影响不可忽视,未来电力系统规划能否适应需求变化场景经济高效地运行成为研究热点.为综合考虑电力需求与电力系统协同运行,平抑新能源... 可靠有效的中长期电力需求预测是电力生产输送的重要依据,同时我国新能源行业发展迅速,风光波动性的影响不可忽视,未来电力系统规划能否适应需求变化场景经济高效地运行成为研究热点.为综合考虑电力需求与电力系统协同运行,平抑新能源波动与需求偏差,提出一种基于蝙蝠算法(Bat Algorithm,BA)优化极限学习机(Extreme Learning Machine,ELM)和引入模糊参数的源荷储资源协同运行算法的预测调度综合评价模型,并以西北某地区为例进行了分析研究,结果表明,该模型可以准确预测不同发展情景下的电力需求,并且可以为源荷储资源规划优化提出科学性参考意见. 展开更多
关键词 蝙蝠算法 极限学习机 需求预测 源网荷储 政策建议
在线阅读 下载PDF
基于VMD-ORELM-EC的超短期风速组合预测模型 被引量：1
6
作者 谢东良 郅伦海 +1 位作者 周康 胡峰 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第5期703-711,共9页
为提高超短期风速预测的精度,文章提出一种基于变分模态分解(variational mode decomposition,VMD)、离群鲁棒极限学习机(outlier-robust extreme learning machine,ORELM)和误差修正(error correction,EC)的超短期风速组合预测模型VMD-... 为提高超短期风速预测的精度,文章提出一种基于变分模态分解(variational mode decomposition,VMD)、离群鲁棒极限学习机(outlier-robust extreme learning machine,ORELM)和误差修正(error correction,EC)的超短期风速组合预测模型VMD-ORELM-EC。首先利用VMD将原始风速序列分解,并对每个分解子序列分别建立ORELM模型,将各子模型预测结果相加得到模型初步预测序列;然后将原始风速序列与初步预测序列相减得到模型的误差序列,并对误差序列进行VMD分解,对分解得到的误差子序列建立ORELM模型,从而得到误差预测序列;最后将模型的初步预测序列与误差预测序列组合得到最终的风速预测序列。利用该文提出的预测模型对北京测风塔实测的风速数据进行分析,结果表明模型可以有效挖掘风速序列特性,在超短期风速预测上具有较高的预测性能。 展开更多
关键词 超短期风速预测 变分模态分解(VMD) 离群鲁棒极限学习机(ORelm) 误差修正(EC)
在线阅读 下载PDF
基于VMD和ISSA-ELM的锂离子电池剩余使用寿命预测
7
作者 丁恒 黄凯 田海建 《电源学报》 CSCD 北大核心 2024年第6期188-198,共11页
准确预测锂离子电池的剩余使用寿命RUL(remaining useful life)对提高工作环境安全性和设备可靠性等具有重要意义。为提高RUL预测的稳定性和精度,提出1种基于去噪技术与混合数据驱动模型相结合的电池RUL预测方法。首先,利用变分模态分... 准确预测锂离子电池的剩余使用寿命RUL(remaining useful life)对提高工作环境安全性和设备可靠性等具有重要意义。为提高RUL预测的稳定性和精度,提出1种基于去噪技术与混合数据驱动模型相结合的电池RUL预测方法。首先,利用变分模态分解处理原始数据,采用相关性分析筛选出噪声分量,将残差与相关性较强的分量进行组合完成序列重构过程;其次,结合Tent混沌映射、正余弦算法和Levy飞行策略优化麻雀搜索算法SSA(sparrow search algorithm),通过寻优得到极限学习机ELM(extreme learning machine)的最优权阈值;最后,采用平滑去噪数据训练改进的SSA-ELM模型并完成RUL预测,采用NASA数据集验证算法有效性。实验结果表明,所提方法预测结果的平均绝对误差和均方根误差可分别控制在1.58%和2.14%内,具有较高的鲁棒性和预测精度,可应用于电池RUL预测。 展开更多
关键词 锂离子电池 剩余使用寿命预测 变分模态分解 麻雀搜索算法 极限学习机
在线阅读 下载PDF
基于ISSA-ELM的船舶压载水系统故障诊断研究
8
作者 王曼绮 曹辉 +1 位作者 张琦 张宝中 《舰船科学技术》 北大核心 2024年第19期36-41,共6页
为了从船舶压载水系统中有效挖掘数据信息,降低极限学习机(ELM)初始参数随机性对故障诊断精度的影响,提出基于改进麻雀搜索算法(ISSA)优化ELM的船舶压载水系统故障诊断模型。首先,使用自适应加权策略和Levy飞行策略改进发现者位置公式,... 为了从船舶压载水系统中有效挖掘数据信息,降低极限学习机(ELM)初始参数随机性对故障诊断精度的影响,提出基于改进麻雀搜索算法(ISSA)优化ELM的船舶压载水系统故障诊断模型。首先,使用自适应加权策略和Levy飞行策略改进发现者位置公式,获得ISSA并验证其性能;而后利用改进后的麻雀搜索算法对ELM的初始输入权重和阈值进行优化,建立基于ISSA-ELM的故障诊断模型。结果表明,ISSA-ELM模型的故障诊断精度为96.6%,比SSAELM、PSO-ELM、GWO-ELM模型高出1.8%、3.5%和2.6%,比ELM和SVM模型高出4.5%和7.1%。 展开更多
关键词 船舶压载水系统 故障诊断 极限学习机(elm) 改进麻雀搜索算法(ISSA)
在线阅读 下载PDF
基于GWO-ELM的高速铣削力预测模型研究
9
作者 仵景岳 尹凝霞 +1 位作者 吕亮亮 麦青群 《宇航材料工艺》 CAS CSCD 北大核心 2024年第5期24-30,共7页
针对TC4钛合金、7574铝合金、AISI304不锈钢及45^(#)钢等宇航材料在高速铣削过程中的高速铣削力预测问题,引入基于灰狼算法(GWO)改进的极限学习机(ELM)模型构建高速铣削力预测模型,利用二阶多元回归模型分析确定隐含层节点数,预测结果... 针对TC4钛合金、7574铝合金、AISI304不锈钢及45^(#)钢等宇航材料在高速铣削过程中的高速铣削力预测问题,引入基于灰狼算法(GWO)改进的极限学习机(ELM)模型构建高速铣削力预测模型,利用二阶多元回归模型分析确定隐含层节点数,预测结果与BP、RBF、ELM等七种预测模型和实验结果进行比较。研究结果表明:基于GWO-ELM的高速铣削力预测模型隐含层节点数可以利用二阶多元回归模型分析确定,预测模型的准确率为98.8%、决定系数达到0.98871优于其他预测模型,故基于GWO-ELM的高速铣削力预测模型具有可行性和准确性,该研究结果可为GWO-ELM模型隐含层节点数的确定及高速铣削力预测模型的选择提供参考与借鉴。 展开更多
关键词 宇航材料 高速铣削力 灰狼算法(GWO) 极限学习机(elm)
在线阅读 下载PDF
基于ELM和近似熵的脑电信号检测方法 被引量：36
10
作者 袁琦 周卫东 +1 位作者 李淑芳 蔡冬梅 《仪器仪表学报》 EI CAS CSCD 北大核心 2012年第3期514-519,共6页
脑电癫痫波的自动检测与分类对癫痫病情的诊断具有重要意义。提出了一种基于极端学习机(extreme learning ma-chine,ELM)和近似熵的脑电信号检测方法。首先,计算脑电信号的近似熵作为非线性特征,并与利用小波变换技术提取的线性特征波... 脑电癫痫波的自动检测与分类对癫痫病情的诊断具有重要意义。提出了一种基于极端学习机(extreme learning ma-chine,ELM)和近似熵的脑电信号检测方法。首先,计算脑电信号的近似熵作为非线性特征,并与利用小波变换技术提取的线性特征波动指数相结合,组成特征向量,然后将特征向量送入单隐层前馈神经网络,采用ELM学习算法训练网络。实验表明,与BP(backpropagation)和SVM(support vector machine)算法相比,ELM在训练时间和识别精度两方面性能最佳,对用于实验的脑电数据检测识别率达到98%以上。 展开更多
关键词 癫痫脑电 近似熵 极端学习机 反向传播算法 支持向量机
在线阅读 下载PDF
一种基于Parzen窗估计的鲁棒ELM烧结温度检测方法 被引量：11
11
作者 陈华 章兢 +1 位作者 张小刚 胡义函 《自动化学报》 EI CSCD 北大核心 2012年第5期841-849,共9页
在回转窑燃煤火焰视频模糊且干扰较大的情况下,基于火焰辐射能量和燃烧稳定程度提取多帧煤粉燃烧图像的统计特征进行烧结温度判断.为克服工业现场特征数据中的粗差干扰,将极限学习机(Extreme learning machine,ELM)与稳健估计理论相结合... 在回转窑燃煤火焰视频模糊且干扰较大的情况下,基于火焰辐射能量和燃烧稳定程度提取多帧煤粉燃烧图像的统计特征进行烧结温度判断.为克服工业现场特征数据中的粗差干扰,将极限学习机(Extreme learning machine,ELM)与稳健估计理论相结合,用训练误差分布的Parzen窗非参数估计构造ELM权矩阵,对其输出层权值进行稳健最小二乘估计.基于上述火焰视频的统计特征,用该改进的鲁棒极限学习机(Robust-ELM)检测烧结带温度.实验结果表明,在视频图像模糊、不能用常规静态图像处理方法软测量烧结带温度时,本文方法可快速有效地检测窑内烧结温度,且检测系统不易受现场干扰,稳定性强。 展开更多
关键词 煤粉燃烧 火焰图像 鲁棒极限学习机 烧结温度 Parzen窗估计
在线阅读 下载PDF
基于ELM的风电场短期风速订正技术研究 被引量：15
12
作者 张颖超 肖寅 邓华 《气象》 CSCD 北大核心 2016年第4期466-471,共6页
风速预测是风电场风功率预测的基础,其准确度严重影响着风电场的运行效率。为了提高短期风速预测的准确性,本研究采用了WRF中尺度数值模式,对我国东部沿海某风电场的风速进行预报。在此基础上,利用极限学习机算法(ELM)对WRF模式预报的... 风速预测是风电场风功率预测的基础,其准确度严重影响着风电场的运行效率。为了提高短期风速预测的准确性,本研究采用了WRF中尺度数值模式,对我国东部沿海某风电场的风速进行预报。在此基础上,利用极限学习机算法(ELM)对WRF模式预报的风速进一步订正。实验结果表明,WRF模式对风速、风向等气象要素有着较好的回报效果,利用ELM算法对WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差和相对平均绝对误差降低了20%～30%。与其他的智能算法(BP神经网络、SVM算法)对比分析后得出,ELM算法对WRF模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。 展开更多
关键词 WRF模式 elm算法 误差订正 预报效果
在线阅读 下载PDF
ELM算法中随机映射作用的实验研究 被引量：6
13
作者 翟俊海 李塔 +1 位作者 翟梦尧 王熙照 《计算机工程》 CAS CSCD 2012年第20期164-168,共5页
通过实验研究ELM算法中随机映射的作用及神经网络中隐含层结点个数对网络泛化能力的影响。在35个数据集上进行实验,针对不同的数据集,找到网络的最优精度所对应的隐含层结点个数。实验结果表明,当随机映射使数据升维到一定维数时,网络... 通过实验研究ELM算法中随机映射的作用及神经网络中隐含层结点个数对网络泛化能力的影响。在35个数据集上进行实验,针对不同的数据集,找到网络的最优精度所对应的隐含层结点个数。实验结果表明,当随机映射使数据升维到一定维数时,网络性能得到提高。 展开更多
关键词 elm算法 随机映射 神经网络 隐含层偏置 隐含层结点
在线阅读 下载PDF
基于LMD-BA-ELM的边坡变形时序非线性预测模型研究 被引量：9
14
作者 韩永亮 李胜 +2 位作者 杨宏伟 李军文 胡海永 《中国安全科学学报》 CAS CSCD 北大核心 2015年第9期59-65,共7页
为分析和预测边坡变形,基于局域均值分解(LMD)、蝙蝠算法(BA)和极限向量机(ELM)的基本原理,建立边坡变形时序非线性预测模型。用LMD法将边坡变形时序样本分解为多组相对平稳的分量;用BA对ELM的参数进行全局寻优,构建BA-ELM预测模型,并... 为分析和预测边坡变形,基于局域均值分解(LMD)、蝙蝠算法(BA)和极限向量机(ELM)的基本原理,建立边坡变形时序非线性预测模型。用LMD法将边坡变形时序样本分解为多组相对平稳的分量;用BA对ELM的参数进行全局寻优,构建BA-ELM预测模型,并对各分量进行滚动预测,经叠加各分量预测值,得到边坡变形最终预测结果。以某露天矿边坡变形实际监测数据为例,进行多模型对比分析。结果表明:LMD-BA-ELM模型预测的平均绝对误差为0.151 0 mm,平均相对误差为1.287 3%,运行时间为7.614 3 s;能够充分挖掘边坡变形的内部规律,有效降低其非线性特征。 展开更多
关键词 边坡变形 局域均值分解(LMD) 蝙蝠算法(BA) 极限向量机(elm) 非线性
在线阅读 下载PDF
基于最优权阈值ELM算法的锂离子电池RUL预测 被引量：8
15
作者 刘柱 姜媛媛 +1 位作者 罗慧 周利华 《电源学报》 CSCD 北大核心 2018年第4期168-173,共6页
针对锂离子电池剩余使用寿命RUL(remaining useful life)预测结果不准确及极限学习机ELM(extreme learning machine)权阈值随机选取等问题,提出利用ELM模型间接预测锂离子电池RUL的方法 ,并利用遗传蚂蚁算法GAAA(genetic algorithm ant ... 针对锂离子电池剩余使用寿命RUL(remaining useful life)预测结果不准确及极限学习机ELM(extreme learning machine)权阈值随机选取等问题,提出利用ELM模型间接预测锂离子电池RUL的方法 ,并利用遗传蚂蚁算法GAAA(genetic algorithm ant algorithm)选取ELM的最优权值与阈值,建立基于等压降放电时间间接寿命特征参数的最优GAAA-ELM锂离子电池RUL预测模型。基于NASA锂离子电池数据集预测和评估锂离子电池的RUL,并与BP模型预测方法、ELM模型预测方法和GA-ELM模型预测方法相比较,结果表明该方法能够更准确有效地实现锂离子电池RUL预测。 展开更多
关键词 极限学习机(elm) 锂离子电池 遗传蚂蚁算法(GAAA)
在线阅读 下载PDF
基于GA-ELM的冲击地压危险性预测研究 被引量：20
16
作者 朱志洁 张宏伟 《中国安全生产科学技术》 CAS CSCD 2014年第8期46-51,共6页
为提高冲击地压预测的效率和准确率,在分析冲击地压影响因素的基础上,提出了一种将遗传算法(GA)与极限学习机(ELM)相结合的冲击地压预测的新方法。为了避免ELM受输入权值矩阵和隐含层偏差随机性的影响,算法采用GA对ELM的输入权值矩阵和... 为提高冲击地压预测的效率和准确率,在分析冲击地压影响因素的基础上,提出了一种将遗传算法(GA)与极限学习机(ELM)相结合的冲击地压预测的新方法。为了避免ELM受输入权值矩阵和隐含层偏差随机性的影响,算法采用GA对ELM的输入权值矩阵和隐含层偏差进行优化,建立GA-ELM冲击地压预测模型。利用某矿冲击地压统计数据对该模型进行了实例分析,将ELM、SVM和BP算法预测结果与该模型进行了对比分析。结果表明:GA-ELM模型具有较高的预测精度,可以相对准确、有效地对冲击地压发生的可能性进行预测。 展开更多
关键词 冲击地压 遗传算法(GA) 极限学习机(elm) 仿真预测
在线阅读 下载PDF
基于GA-ELM数控铣刀寿命预测模型研究 被引量：7
17
作者 周亚勤 杨建国 +1 位作者 刘凯强 尤祥 《东华大学学报（自然科学版）》 CSCD 北大核心 2017年第4期515-519,540,共6页
在加工过程中,刀具磨损状况对零件的加工质量具有重要影响,精确预测刀具寿命是智能制造系统必须具有的关键功能之一.在分析数控铣刀寿命影响因素的基础上,引入极限学习机(ELM)算法模型,建立数控铣刀寿命预测模型.在寿命预测过程中,采用... 在加工过程中,刀具磨损状况对零件的加工质量具有重要影响,精确预测刀具寿命是智能制造系统必须具有的关键功能之一.在分析数控铣刀寿命影响因素的基础上,引入极限学习机(ELM)算法模型,建立数控铣刀寿命预测模型.在寿命预测过程中,采用遗传算法(GA)对ELM模型的输入权值和隐含层阈值进行优化,建立基于GA-ELM的数控铣刀寿命预测模型,同时将其与基本BP神经网络、优化BP神经网络和基于粒子群改进的BP神经网络的预测结果进行对比分析.结果表明,基于GA-ELM的刀具寿命预测模型相比较于其他3种算法更加优越,是一种行之有效且精度高的刀具寿命预测算法. 展开更多
关键词 刀具寿命 遗传算法(GA) 极限学习机(elm)
在线阅读 下载PDF
基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究 被引量：8
18
作者 卢国斌 李晓宇 +1 位作者 祖秉辉 董建军 《中国安全生产科学技术》 CAS CSCD 北大核心 2017年第6期109-114,共6页
为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列... 为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。 展开更多
关键词 绝对瓦斯涌出量 经验模态分解 修正果蝇算法 极限向量机 多尺度
在线阅读 下载PDF
基于改进深度稀疏自编码器及FOA-ELM的电力负荷预测 被引量：28
19
作者 张淑清 要俊波 +2 位作者 张立国 姜安琦 穆勇 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第4期49-57,共9页
智能电网的发展使得电网获取的数据逐渐增多,为了从多维大数据中获取有用信息并对短期内电力负荷进行准确的预测,提出了一种基于改进的深度稀疏自编码器(IDSAE)降维及果蝇优化算法(FOA)优化极限学习机(ELM)的短期电力负荷预测方法。将L... 智能电网的发展使得电网获取的数据逐渐增多,为了从多维大数据中获取有用信息并对短期内电力负荷进行准确的预测,提出了一种基于改进的深度稀疏自编码器(IDSAE)降维及果蝇优化算法(FOA)优化极限学习机(ELM)的短期电力负荷预测方法。将L1正则化加入到深度稀疏自编码器(DSAE)中能够诱导出更好的稀疏性,用IDSAE对影响电力负荷预测精度的高维数据进行特征降维,消除了指标间的多重共线性,实现高维数据向低维空间的压缩编码。采用FOA优化算法优化ELM的权值和阈值,得到最优值,能够克服因极限学习机随机选择权值和阈值导致预测精度低的缺点。首先将气象因素通过IDSAE降维,得到稀疏后的综合气象因素特征指标,协同电力负荷数据作为FOA优化的ELM预测模型的输入向量进行电力负荷预测。通过与DSAE-FOAELM、DSAE-ELM和IDSAE-ELM等模型的对比实验,证明了提出的预测模型能有效提高预测精度,经计算得出预测精度提升大约8%。 展开更多
关键词 短期电力负荷预测 深度稀疏自编码器(DSAE) 降维 果蝇优化算法 极限学习机
在线阅读 下载PDF
基于改进CEEMD-CS-ELM的短期风速预测 被引量：21
20
作者 高桂革 原阔 +1 位作者 曾宪文 郑炳杰 《太阳能学报》 EI CAS CSCD 北大核心 2021年第7期284-289,共6页
针对风速序列非线性对预测结果的影响,提出一种基于改进互补集合经验模态分解和极限学习机的风速预测模型。首先对风速序列进行改进互补集合经验模态分解,并利用相空间重构得到若干新的时间序列,以降低风速序列的不平稳性。通过改进布... 针对风速序列非线性对预测结果的影响,提出一种基于改进互补集合经验模态分解和极限学习机的风速预测模型。首先对风速序列进行改进互补集合经验模态分解,并利用相空间重构得到若干新的时间序列,以降低风速序列的不平稳性。通过改进布谷鸟算法矫正极限学习机模型的输入参数,预测处理后的风速序列。通过实例仿真,比较改进前后不同模型的相对误差,说明该文预测模型的合理性。 展开更多
关键词 风速 预测分析 互补集合经验模态分解 布谷鸟算法 相空间重构 极限学习机
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 … 7 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