检索结果-维普期刊中文期刊服务平台

基于优化变分模态分解的混凝土浅层空洞病害识别被引量：2: 1; 作者赵维刚石壮 +3 位作者杨勇田秀淑鞠景会李一凡《振动与冲击》 EI CSCD 北大核心 2024年第14期91-102,共12页; 针对开放环境下混凝土空洞病害检测的病害特征识别中噪声干扰、成分识别问题进行了研究,提出了基于优化变分模态分解(improved variational mode decomposition,IVMD)与自由振动衰减速度的混凝土浅层病害声振信号识别方法。该研究建立... 展开更多; 关键词病害检测优化麻雀搜索算法优化变分模态分解(IVMD) 时域衰减速度声振法; 在线阅读下载PDF 职称材料

基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型被引量：1: 2; 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... 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 职称材料

ISSA优化Attention双向LSTM的短期电力负荷预测被引量：30: 3; 作者王金玉金宏哲 +1 位作者王海生张忠伟《电力系统及其自动化学报》 CSCD 北大核心 2022年第5期111-117,共7页; 针对短期电力负荷数据的复杂性和多样性,提出一种含Attention的双向LSTM预测方法,简称Bi-LSTM-AT。该方法将电力负荷历史数据作为输入且考虑温度、湿度和日期类型因素的影响。通过建模学习构建网络模型,挖掘网络特征内部变化规律,通过... 展开更多; 关键词电力负荷预测长短期记忆注意力机制改进麻雀搜索算法优化; 在线阅读下载PDF 职称材料

基于SPA和IRCMMPE的旋转机械损伤识别方法: 4; 作者李恒亮张思婉郭衡《机电工程》北大核心 2025年第6期1045-1054,共10页; 基于单通道信号的旋转机械故障诊断方法的故障诊断效果通常比较依赖信号的质量,针对这一问题,提出了一种基于平滑先验分析(SPA)、改进精细复合多变量多尺度排列熵(IRCMMPE)和麻雀搜索算法优化支持向量机(SSA-SVM)的旋转机械损伤识别策... 展开更多; 关键词旋转机械单通道信号故障诊断麻雀搜索算法优化支持向量机改进精细复合多变量多尺度排列熵平滑先验分析离心泵滚动轴承; 在线阅读下载PDF 职称材料

基于EEMD能量矩与ISSA-SVM算法的GIS局部放电类型识别方法被引量：18: 5; 作者王利福刘屹江泽王燚增《电子测量与仪器学报》 CSCD 北大核心 2022年第5期204-212,共9页; 为有效识别气体绝缘开关组合电器(gas insulated switchgear,GIS)局部放电(partial discharge,PD)类型,进而保障设备安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition,EEMD)联合能量矩与改进麻雀群搜索... 展开更多; 关键词气体绝缘开关组合电器局部放电集合模态分解改进麻雀群搜索算法优化支持向量机(ISSA-SVM); 在线阅读下载PDF 职称材料

基于CHMM和SSA-SVM模型的高速铁路道岔设备健康状态评估方法被引量：6: 6; 作者王彦快米根锁 +2 位作者张玉王宇峰王朋雨《铁道学报》 EI CAS CSCD 北大核心 2023年第11期107-116,共10页; 为更加精准地评估道岔设备健康状态,加强对设备的维护与管理,以ZDJ9型转辙机驱动的高速铁路道岔设备为研究对象,提取道岔功率曲线的时域、频域特征指标及经验模态分解奇异值熵,组成道岔特征指标向量,并采用核主成分分析法消除原始多维... 展开更多; 关键词高铁道岔设备健康状态评估连续隐马尔可夫模型麻雀搜索算法优化支持向量机核主成分分析; 在线阅读下载PDF 职称材料

题名基于优化变分模态分解的混凝土浅层空洞病害识别被引量：2: 1; 作者赵维刚石壮杨勇田秀淑鞠景会李一凡; 机构石家庄铁道大学安全工程与应急管理学院石家庄铁道大学机械工程学院石家庄铁道大学材料科学与工程学院石家庄铁道大学电气与电子工程学院; 出处《振动与冲击》 EI CSCD 北大核心 2024年第14期91-102,共12页; 基金国家自然科学基金(U2034207) 中国国家铁路集团有限公司实验室基础研究项目(L2021G013) +2 种基金河北省高等学校科学研究项目(CXY2023003)。; 文摘针对开放环境下混凝土空洞病害检测的病害特征识别中噪声干扰、成分识别问题进行了研究,提出了基于优化变分模态分解(improved variational mode decomposition,IVMD)与自由振动衰减速度的混凝土浅层病害声振信号识别方法。该研究建立了混凝土浅层空洞病害的理论模型,仿真了不同工况下的病害特征频率及其变化规律;提出了基于IVMD的信号分解方法,设计了基于Tent混沌与柯西变异优化的麻雀搜索算法联合搜索变分模态分解的关键参数k和α,在最佳分解的基础上提出了基于自相关函数图形、相关系数、衰减系数与频域分布情况的浅层空洞病害本征模态函数(intrinsic mode function,IMF)识别方法;选取幅值衰减评估了特征IMF的衰减速度,得出了基于振动衰减特征的空洞病害识别方法;通过预埋病害模型试验对比分析,验证了所提方法的有效性。研究结果表明,基于IVMD的分解方法能够有效降低噪声及其他成分的干扰,提高空洞病害识别精度和准确度。; 关键词病害检测优化麻雀搜索算法优化变分模态分解(IVMD) 时域衰减速度声振法; Keywords disease detection optimized sparrow search algorithm improved variational mode decomposition(IVMD) time domain attenuation velocity vibro-acoustic method; 分类号 TH212 [机械工程—机械制造及自动化] TH213.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型被引量：1: 2; 作者王显彬孙阳; 机构福建船政交通职业学院通用航空产业学院浙江工业大学机械工程学院; 出处《机电工程》北大核心 2025年第3期510-519,共10页; 基金福建省引导性科技计划项目(2023H0027)。; 文摘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。; 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; Keywords nonlinear vibration signal feature extraction time fault identification accuracy(diagnosis accuracy) refined composite multiscale fractional fluctuation dispersion entropy(RCMFFDE) t-distributed stochastic neighbor embedding(t-SNE) sparrow search algorithm optimized relevance vector machine(SSA-RVM); 分类号 TH133 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名ISSA优化Attention双向LSTM的短期电力负荷预测被引量：30: 3; 作者王金玉金宏哲王海生张忠伟; 机构东北石油大学电气信息工程学院庆新油田开发有限责任公司; 出处《电力系统及其自动化学报》 CSCD 北大核心 2022年第5期111-117,共7页; 基金国家自然科学基金资助项目(61873058)。; 文摘针对短期电力负荷数据的复杂性和多样性,提出一种含Attention的双向LSTM预测方法,简称Bi-LSTM-AT。该方法将电力负荷历史数据作为输入且考虑温度、湿度和日期类型因素的影响。通过建模学习构建网络模型,挖掘网络特征内部变化规律,通过映射加权和学习参数矩阵赋予Bi-LSTM-AT网络隐含状态相应的权重。同时,针对该模型超参数选择困难的问题,提出利用改进麻雀算法实现该模型超参数的优化选择,使得全年最后两天预测值的MAPE为0.42%、RMSE为0.29%和MAE为0.21%,验证了模型线性回归拟合能力的准确性和稳定性。; 关键词电力负荷预测长短期记忆注意力机制改进麻雀搜索算法优化; Keywords power load prediction long short-term memory(LSTM) Attention mechanism optimization based on im⁃proved sparrow search algorithm(ISSA); 分类号 TM714 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于SPA和IRCMMPE的旋转机械损伤识别方法: 4; 作者李恒亮张思婉郭衡; 机构河南轻工职业学院机电系郑州铁路职业技术学院机电工程学院武汉科技大学机械自动化学院; 出处《机电工程》北大核心 2025年第6期1045-1054,共10页; 基金国家自然科学基金资助项目(52075395)。; 文摘基于单通道信号的旋转机械故障诊断方法的故障诊断效果通常比较依赖信号的质量,针对这一问题,提出了一种基于平滑先验分析(SPA)、改进精细复合多变量多尺度排列熵(IRCMMPE)和麻雀搜索算法优化支持向量机(SSA-SVM)的旋转机械损伤识别策略。首先,使用SPA将单通道信号分解为趋势项和去趋势项两种完全不同的分量,减少了分量的冗余,并将其组装为多通道信号以实现对样本的扩充;然后,采用IRCMMPE对多通道信号进行了特征提取以对比验证两个分量之间的相关性,获取了更能反映故障特性的特征;最后,将故障特征输入至SSA-SVM分类器中进行了故障识别,完成了对旋转机械的故障辨识和故障程度的判断,利用三个旋转机械数据集对SPA-IRCMMPE故障诊断方法的有效性进行了实验分析,并与其他故障诊断方法进行了对比研究。研究结果表明:SPA-IRCMMPE模型在诊断旋转机械不同故障类型时分别取得了100%和99.2%的识别准确率,平均识别准确率分别为99.76%和99.92%;而自制数据集的诊断精度达到了100%。相较于其他故障诊断方法,SPA-IRCMMPE模型仅需使用单个通道的振动信号且无需进行分量重要性评估,避免了分量取舍的问题,对振动信号的利用效率较高。; 关键词旋转机械单通道信号故障诊断麻雀搜索算法优化支持向量机改进精细复合多变量多尺度排列熵平滑先验分析离心泵滚动轴承; Keywords single channel signal of rotating machinery fault diagnosis sparrow search algorithm optimized support vector machine(SSA-SVM) improved refined composite multivariate multiscale permutation entropy(IRCMMPE) smooth prior analysis(SPA) centrifugal pump rolling bearing; 分类号 TH133 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于EEMD能量矩与ISSA-SVM算法的GIS局部放电类型识别方法被引量：18: 5; 作者王利福刘屹江泽王燚增; 机构辽宁工程技术大学电气与控制工程学院国网冀北电力有限公司北京超高压公司; 出处《电子测量与仪器学报》 CSCD 北大核心 2022年第5期204-212,共9页; 基金 2019年省自然科学基金指导项目(2019-ZD-0039) 2019年辽宁省重点研发计划指导计划项目(2019JH8/10100050)资助。; 文摘为有效识别气体绝缘开关组合电器(gas insulated switchgear,GIS)局部放电(partial discharge,PD)类型,进而保障设备安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition,EEMD)联合能量矩与改进麻雀群搜索算法优化支持向量机(improved sparrow search algorithm-support vector machines,ISSA-SVM)算法的GIS局部放电类型识别方法。首先搭建能产生4种局部放电类型效果的GIS局部放电实验平台,以获取4种局部放电信号,然后利用EEMD联合能量矩算法分别对4种局部放电信号进行模态分解与特征向量提取,最后利用经ISSA算法优化后的SVM算法对GIS局部放电类型进行识别。实验结果表明,所提方法可有效识别GIS不同局部放电类型,且较PSO-SVM与SSA-SVM算法识别精度分别提高了16.7%与8.5%,验证了所提GIS局部放电类型识别方法的有效性以及优越性。; 关键词气体绝缘开关组合电器局部放电集合模态分解改进麻雀群搜索算法优化支持向量机(ISSA-SVM); Keywords gas insulated switchgear(GIS) partial discharge ensemble empirical mode decomposition(EEMD) improved sparrow search algorithm-support vector machines(ISSA-SVM); 分类号 TM595 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名基于CHMM和SSA-SVM模型的高速铁路道岔设备健康状态评估方法被引量：6: 6; 作者王彦快米根锁张玉王宇峰王朋雨; 机构兰州交通大学铁道技术学院兰州交通大学自动化与电气工程学院国网甘肃省电力公司电力科学研究院国网甘肃省电力公司定西供电局; 出处《铁道学报》 EI CAS CSCD 北大核心 2023年第11期107-116,共10页; 基金甘肃省科技计划项目(21JR7RA305) 兰州交通大学青年科学基金(2021027)。; 文摘为更加精准地评估道岔设备健康状态,加强对设备的维护与管理,以ZDJ9型转辙机驱动的高速铁路道岔设备为研究对象,提取道岔功率曲线的时域、频域特征指标及经验模态分解奇异值熵,组成道岔特征指标向量,并采用核主成分分析法消除原始多维特征信息的冗余,构建道岔特征指标样本数据库;利用连续隐马尔可夫模型划分道岔退化状态,在此基础上,建立麻雀搜索算法优化支持向量机的健康状态综合评估模型。研究结果表明:所构建的健康状态评估模型的评估正确率高达98.75%,不仅能够实现高铁道岔设备健康状态综合评估效能,而且明显优于GridSearch-SVM、GA-SVM、PSO-SVM等组合算法,为实现道岔设备由“故障修”到“状态修”的综合智能维护提供可行途径。; 关键词高铁道岔设备健康状态评估连续隐马尔可夫模型麻雀搜索算法优化支持向量机核主成分分析; Keywords high-speed railway turnout equipment health status evaluation continuous hidden markov model sparrow search algorithm-support vector machine kernel principal component analysis; 分类号 U284.92 [交通运输工程—交通信息工程及控制]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于优化变分模态分解的混凝土浅层空洞病害识别	赵维刚石壮杨勇田秀淑鞠景会李一凡	《振动与冲击》 EI CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
2	基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型	王显彬孙阳	《机电工程》北大核心	2025	1	在线阅读下载PDF 职称材料
3	ISSA优化Attention双向LSTM的短期电力负荷预测	王金玉金宏哲王海生张忠伟	《电力系统及其自动化学报》 CSCD 北大核心	2022	30	在线阅读下载PDF 职称材料
4	基于SPA和IRCMMPE的旋转机械损伤识别方法	李恒亮张思婉郭衡	《机电工程》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于EEMD能量矩与ISSA-SVM算法的GIS局部放电类型识别方法	王利福刘屹江泽王燚增	《电子测量与仪器学报》 CSCD 北大核心	2022	18	在线阅读下载PDF 职称材料
6	基于CHMM和SSA-SVM模型的高速铁路道岔设备健康状态评估方法	王彦快米根锁张玉王宇峰王朋雨	《铁道学报》 EI CAS CSCD 北大核心	2023	6	在线阅读下载PDF 职称材料