检索结果-维普期刊中文期刊服务平台

基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断方法被引量：16: 1; 作者刘嘉蔚李奇 +2 位作者陈维荣余嘉熹燕雨《电工技术学报》 EI CSCD 北大核心 2019年第18期3949-3960,共12页; 为解决蒸汽冷却型燃料电池系统的故障诊断问题,该文提出基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断新方法。新方法采用主成分分析过滤冗余信息,得到能反映蒸汽冷却型燃料电池系统状态的故障特征向量;使... 展开更多; 关键词在线序列超限学习机蒸汽冷却型燃料电池系统故障诊断主成分分析数据驱动; 在线阅读下载PDF 职称材料

基于M-estimator与可变遗忘因子的在线贯序超限学习机被引量：5: 2; 作者郭威徐涛 +1 位作者于建江汤克明《电子与信息学报》 EI CSCD 北大核心 2018年第6期1360-1367,共8页; 该文针对时变离群值环境下的在线学习问题,提出一种基于M-estimator与可变遗忘因子的在线贯序超限学习机算法(VFF-M-OSELM)。VFF-M-OSELM以在线贯序超限学习机模型为基础,通过引入一种更加鲁棒的M-estimator代价函数来替代传统的最小二... 展开更多; 关键词在线贯序超限学习机 M-估计可变遗忘因子鲁棒性自适应性; 在线阅读下载PDF 职称材料

动态数据流分析的在线超限学习算法综述被引量：7: 3; 作者郭威于建江 +1 位作者汤克明徐涛《计算机科学》 CSCD 北大核心 2019年第4期1-7,共7页; 动态数据流分析是一个具有广泛应用价值的研究课题,在线学习方法是其中的一种关键技术。在众多在线学习方法中,在线贯序超限学习机(Online Sequential Extreme Learning Machine,OSELM)是一种新颖且实用的在线学习算法,目前已在动态数... 展开更多; 关键词在线贯序超限学习机动态数据流分析滑动窗口遗忘因子样本加权; 在线阅读下载PDF 职称材料

抗离群值的鲁棒正则化贯序超限学习机被引量：2: 4; 作者郭威汤克明于建江《南京航空航天大学学报》 EI CAS CSCD 北大核心 2019年第5期704-710,共7页; 针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行... 展开更多; 关键词在线贯序超限学习机离群值鲁棒性 TIKHONOV正则化在线学习; 在线阅读下载PDF 职称材料

基于LLE-OS-ELM的锂离子电池热过程在线建模被引量：1: 5; 作者吕洲何波李志德《电池》 CAS 北大核心 2022年第6期637-641,共5页; 锂离子电池的热过程具有机理复杂、时变及强非线性的特征,难以建立准确的预测模型。提出一种基于局部线性嵌入(LLE)方法和在线顺序超限学习机(OS-ELM)的在线时空建模方法。利用LLE,从电池时空温度数据分离出空间基函数和时间系数;然后,... 展开更多; 关键词锂离子电池热过程在线时空建模局部线性嵌入(LLE)方法在线顺序超限学习机(os-elm); 在线阅读下载PDF 职称材料

一种用于GIS本体机械缺陷诊断和定位的在线异声监测装置被引量：1: 6; 作者王喆高伟 +1 位作者杨帆雷渊《电子测量技术》 2018年第21期103-108,共6页; 设计了一种用于在线诊断和定位地理资讯系统(GIS)设备缺陷的装置,旨在解决缺乏GIS全息声音数据库的问题,同时可实现对GIS设备机械故障的在线监测。该装置由前端异声在线采集设备、多模通信模块和主站服务器平台软件构成。前端异声在线... 展开更多; 关键词 GIS机械故障异声采集在线序列超限学习机特征向量; 在线阅读下载PDF 职称材料

基于时空建模的锂离子电池温度预测被引量：1: 7; 作者吕洲何波宋连《电池》 CAS 北大核心 2024年第4期497-502,共6页; 锂离子电池温度具有时空耦合、强非线性和时变特性,建立准确的预测模型有困难。提出一种基于时空建模的锂离子电池温度分布预测方法。利用正交局部保持投影(OLPP)将电池温度分离为正交空间基函数和时间系数。以电流、电压为输入,时间系... 展开更多; 关键词锂离子电池温度在线时空建模正交局部保持投影(OLPP) 带遗忘因子的在线顺序超限学习机(FFos-elm); 在线阅读下载PDF 职称材料

题名基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断方法被引量：16: 1; 作者刘嘉蔚李奇陈维荣余嘉熹燕雨; 机构西南交通大学电气工程学院; 出处《电工技术学报》 EI CSCD 北大核心 2019年第18期3949-3960,共12页; 基金国家自然科学基金(61473238) 四川省科技计划(应用基础面上项目)(19YYJC0698)资助项目; 文摘为解决蒸汽冷却型燃料电池系统的故障诊断问题,该文提出基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断新方法。新方法采用主成分分析过滤冗余信息,得到能反映蒸汽冷却型燃料电池系统状态的故障特征向量;使用在线序列超限学习机对故障特征向量进行分类,能有效提高模型诊断正确率并降低运算时间。实例分析表明:新方法可快速识别膜干故障、氢气泄漏故障和正常状态共三种健康状态。算法的诊断正确率为99.67%,运算时间为0.296 9s。新方法的诊断正确率比SVM和BPNN分别高出14.34%和9.34%,在线序列超限学习机的运算时间仅为SVM和BPNN的1/1 011和1/132。因此,该文所提方法适用于大数据量样本和多数据维度下的蒸汽冷却型燃料电池系统在线故障诊断。; 关键词在线序列超限学习机蒸汽冷却型燃料电池系统故障诊断主成分分析数据驱动; Keywords Online sequential extreme learning machine evaporatively cooled fuel cell system fault diagnosis principal component analysis data-driven; 分类号 TM911.48 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于M-estimator与可变遗忘因子的在线贯序超限学习机被引量：5: 2; 作者郭威徐涛于建江汤克明; 机构盐城师范学院信息工程学院南京航空航天大学计算机科学与技术学院; 出处《电子与信息学报》 EI CSCD 北大核心 2018年第6期1360-1367,共8页; 基金国家自然科学基金(61603326 61379064 61273106)~~; 文摘该文针对时变离群值环境下的在线学习问题,提出一种基于M-estimator与可变遗忘因子的在线贯序超限学习机算法(VFF-M-OSELM)。VFF-M-OSELM以在线贯序超限学习机模型为基础,通过引入一种更加鲁棒的M-estimator代价函数来替代传统的最小二乘代价函数,以提高模型对于离群值的在线处理能力和鲁棒性。同时VFF-M-OSELM通过融合使用一种新的可变遗忘因子方法进一步增强了其在时变环境下的动态跟踪能力和自适应性。仿真实例验证了所提算法的有效性。; 关键词在线贯序超限学习机 M-估计可变遗忘因子鲁棒性自适应性; Keywords Online Sequential Extreme Learning Machine （OSELM） M-estimator Variable Forgetting Factor （VFF） Robustness Adaptivity; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名动态数据流分析的在线超限学习算法综述被引量：7: 3; 作者郭威于建江汤克明徐涛; 机构盐城师范学院信息工程学院南京航空航天大学计算机科学与技术学院; 出处《计算机科学》 CSCD 北大核心 2019年第4期1-7,共7页; 基金国家自然科学基金(61603326 61379064 61273106)资助; 文摘动态数据流分析是一个具有广泛应用价值的研究课题,在线学习方法是其中的一种关键技术。在众多在线学习方法中,在线贯序超限学习机(Online Sequential Extreme Learning Machine,OSELM)是一种新颖且实用的在线学习算法,目前已在动态数据流分析中得到了成功应用。首先,介绍了OSELM的理论基础和算法执行过程;然后,以动态数据流分析为应用背景,对各种改进OSELM算法进行了分类综述,包括基于滑动窗口的OSELM、基于遗忘因子的OSELM、基于样本加权的OSELM以及其他方法,重点论述了各类算法的设计思路和实现策略,并对其优缺点进行了比较和分析;最后,探讨了值得进一步研究的问题。; 关键词在线贯序超限学习机动态数据流分析滑动窗口遗忘因子样本加权; Keywords Online sequential extreme learning machine Dynamic data stream analysis Sliding window Forgetting factor Sample weighting; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名抗离群值的鲁棒正则化贯序超限学习机被引量：2: 4; 作者郭威汤克明于建江; 机构盐城师范学院信息工程学院; 出处《南京航空航天大学学报》 EI CAS CSCD 北大核心 2019年第5期704-710,共7页; 基金国家自然科学基金（61603326,61379064,61273106）资助项目; 文摘针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。; 关键词在线贯序超限学习机离群值鲁棒性 TIKHONOV正则化在线学习; Keywords online sequential extreme learning machine outlier robustness Tikhonov regularization online learning; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于LLE-OS-ELM的锂离子电池热过程在线建模被引量：1: 5; 作者吕洲何波李志德; 机构广州港科大技术有限公司清华大学深圳国际研究生院; 出处《电池》 CAS 北大核心 2022年第6期637-641,共5页; 基金国家自然科学基金(61975089)。; 文摘锂离子电池的热过程具有机理复杂、时变及强非线性的特征,难以建立准确的预测模型。提出一种基于局部线性嵌入(LLE)方法和在线顺序超限学习机(OS-ELM)的在线时空建模方法。利用LLE,从电池时空温度数据分离出空间基函数和时间系数;然后,基于OS-ELM建立输入信号与时间系数的在线时序模型;最后,通过时空综合,重构电池温度分布。以三元正极材料软包装锂离子电池为例,验证所提出方法的有效性。与基于卡洛南-洛伊(KL)的在线时空建模方法(KL-OS-ELM)及二维电-热建模方法(Th2Sim)相比,该方法具有较高的预测能力,时间标准绝对误差在区间[0.0524,0.0764]内,均方根误差达到0.0752。; 关键词锂离子电池热过程在线时空建模局部线性嵌入(LLE)方法在线顺序超限学习机(os-elm); Keywords Li-ion battery thermal process online spatiotemporal modeling local linear embedding(LLE)method online sequential extreme learning machine(os-elm); 分类号 TM912.9 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名一种用于GIS本体机械缺陷诊断和定位的在线异声监测装置被引量：1: 6; 作者王喆高伟杨帆雷渊; 机构国网陕西省电力公司榆林供电公司; 出处《电子测量技术》 2018年第21期103-108,共6页; 文摘设计了一种用于在线诊断和定位地理资讯系统(GIS)设备缺陷的装置,旨在解决缺乏GIS全息声音数据库的问题,同时可实现对GIS设备机械故障的在线监测。该装置由前端异声在线采集设备、多模通信模块和主站服务器平台软件构成。前端异声在线采集设备在工作时首先使用双通道异声采集传感器获取GIS设备运行时的声音数据,其次基于快速核独立分量分析技术对采集的声波信号进行滤噪,再次利用双谱分析提取滤噪后声波信号的高阶概率结构,并以此作为声波信号的特征向量,最后计算该特征向量与正常状态下特征空间的偏离程度。当偏离超过设定阈值时认定当前信号为疑似故障信号,保存并压缩疑似故障信号的所有数据,同时通过多模通信模块将压缩的数据回传至主站服务器。主站服务器平台基于在线序列超限学习机构建了一种故障诊断模型,当接收到疑似故障信号后,计算其固有模态函数能量熵,并输入故障诊断模型以获取对疑似故障信号的进一步分析和诊断。实验结果表明,采用了前端异声在线采集设备的故障诊断算法,其准确率随数据量的增加而提高,不采用前端设备的准确率则随之降低。这种方法可利用逐步完善的GIS全息声音数据库不断提升故障诊断模型的性能,可实时监测GIS设备的运行状态。; 关键词 GIS机械故障异声采集在线序列超限学习机特征向量; Keywords GIS mechanical failure anomalous sonic acquisition online sequence over-limit learning machine(os-elm) eigenvector; 分类号 TN919.82 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于时空建模的锂离子电池温度预测被引量：1: 7; 作者吕洲何波宋连; 机构广州国科电技术有限公司武汉理工大学重庆研究院; 出处《电池》 CAS 北大核心 2024年第4期497-502,共6页; 基金国家自然科学基金面上项目(52373306) 重庆市自然科学基金(2023NSCQ-MSX2249)。; 文摘锂离子电池温度具有时空耦合、强非线性和时变特性,建立准确的预测模型有困难。提出一种基于时空建模的锂离子电池温度分布预测方法。利用正交局部保持投影(OLPP)将电池温度分离为正交空间基函数和时间系数。以电流、电压为输入,时间系数为输出,建立基于带遗忘因子的在线顺序超限学习机(FFOS-ELM)的低阶时序模型。通过时空合成,重构出原始的温度分布。三元软包装锂离子电池温度预测结果表明,与基于拉普拉斯特征映射和在线顺序极限学习机的在线时空建模方法(LE-OS-ELM)相比,所提方法的预测精度更高,在恒流放电和城市动力测驾循环(UDDS)工况下,时间标准绝对误差分别在(0.030,0.155)和(0.095,0.110)区间内,均方根误差分别为0.097 2及0.108 4。; 关键词锂离子电池温度在线时空建模正交局部保持投影(OLPP) 带遗忘因子的在线顺序超限学习机(FFos-elm); Keywords Li-ion battery temperature online spatiotemporal modeling orthogonal locality preserving projection(OLPP) online sequential extreme learning machine with forgetting factor(FFos-elm); 分类号 TM912.9 [电气工程—电力电子与电力传动]; 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	基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断方法	刘嘉蔚李奇陈维荣余嘉熹燕雨	《电工技术学报》 EI CSCD 北大核心	2019	16	在线阅读下载PDF 职称材料
2	基于M-estimator与可变遗忘因子的在线贯序超限学习机	郭威徐涛于建江汤克明	《电子与信息学报》 EI CSCD 北大核心	2018	5	在线阅读下载PDF 职称材料
3	动态数据流分析的在线超限学习算法综述	郭威于建江汤克明徐涛	《计算机科学》 CSCD 北大核心	2019	7	在线阅读下载PDF 职称材料
4	抗离群值的鲁棒正则化贯序超限学习机	郭威汤克明于建江	《南京航空航天大学学报》 EI CAS CSCD 北大核心	2019	2	在线阅读下载PDF 职称材料
5	基于LLE-OS-ELM的锂离子电池热过程在线建模	吕洲何波李志德	《电池》 CAS 北大核心	2022	1	在线阅读下载PDF 职称材料
6	一种用于GIS本体机械缺陷诊断和定位的在线异声监测装置	王喆高伟杨帆雷渊	《电子测量技术》	2018	1	在线阅读下载PDF 职称材料
7	基于时空建模的锂离子电池温度预测	吕洲何波宋连	《电池》 CAS 北大核心	2024	1	在线阅读下载PDF 职称材料