检索结果-维普期刊中文期刊服务平台

采用自适应基因粒子群算法优化隐马尔科夫模型的方法及应用被引量：9: 1; 作者张西宁雷威 +1 位作者杨雨薇张雯雯《西安交通大学学报》 EI CAS CSCD 北大核心 2018年第8期1-8,共8页; 针对隐马尔科夫模型参数学习算法易收敛于局部极值的问题,提出了一种自适应基因粒子群算法,并将该方法应用于隐马尔科夫模型的训练,实现对隐马尔科夫模型初始参数的优化。在基因粒子群算法的原理以及操作流程的基础上,采用了自适应的参... 展开更多; 关键词基因粒子群算法自适应方法参数优化隐马尔科夫模型轴承故障诊断; 在线阅读下载PDF 职称材料

混合型粒子群优化算法研究被引量：9: 2; 作者章慧云黄晓伟 +1 位作者张红华徐杰《计算机应用研究》 CSCD 北大核心 2011年第5期1631-1633,1681,共4页; 为了改进粒子群算法的性能,提出了融合其他算法优点的混合型粒子群算法。对三种主流的混合粒子群优化算法(基因粒子群、免疫粒子群、混沌粒子群)分别从混合目的、混合方式、实现步骤、算法优化性能等多个方面进行了研究,给出了这三种混... 展开更多; 关键词混合型粒子群算法算法分析基因粒子群算法免疫粒子群算法混沌粒子群算法; 在线阅读下载PDF 职称材料

基于GAPSO-SVM的多级齿轮箱故障诊断新方法被引量：5: 3; 作者杨秀芳何亚鹏 +1 位作者徐雨达邵伟《西安理工大学学报》 CAS 北大核心 2022年第4期519-525,共7页; 多级齿轮箱是机械传动的重要部件,针对运行过程中的状态识别问题,研究并提出一种基于振动信号的小波包分解能量谱特征提取和支持向量机(support vector machine,SVM)的智能评估新方法。用小波包分解算法对振动信号进行分解,提取时频信... 展开更多; 关键词故障诊断小波包分解能量谱基因粒子群算法支持向量机; 在线阅读下载PDF 职称材料

基于轨迹灵敏度分析的永磁直驱风电场等值模型参数辨识被引量：24: 4; 作者张剑何怡刚《电工技术学报》 EI CSCD 北大核心 2020年第15期3303-3313,共11页; 大规模风电场接入电网对电力系统稳定性具有重大影响。为提高仿真速度,研究风电场等值模型具有十分重要的意义。针对传统聚合方法无法解决风电场长期运行过程中产生的参数变化问题以及厂家将控制系统参数作为商业机密问题,该文基于风电... 展开更多; 关键词风电场等值模型轨迹灵敏度参数辨识基因学习粒子群混合算法; 在线阅读下载PDF 职称材料

题名采用自适应基因粒子群算法优化隐马尔科夫模型的方法及应用被引量：9: 1; 作者张西宁雷威杨雨薇张雯雯; 机构西安交通大学机械制造系统工程国家重点实验室; 出处《西安交通大学学报》 EI CAS CSCD 北大核心 2018年第8期1-8,共8页; 基金国家自然科学基金资助项目(51275379) 国家自然科学基金创新研究群体资助项目(51421004); 文摘针对隐马尔科夫模型参数学习算法易收敛于局部极值的问题,提出了一种自适应基因粒子群算法,并将该方法应用于隐马尔科夫模型的训练,实现对隐马尔科夫模型初始参数的优化。在基因粒子群算法的原理以及操作流程的基础上,采用了自适应的参数调整方法,提高了基因粒子群算法的优化性能。分析了所提方法的全局、局部搜索能力以及收敛速度,开展了不同状态滚动轴承的故障诊断实验和测试,并与基于粒子群算法优化隐马尔科夫模型初始参数的方法进行对比。实验结果表明,所提方法对正常、内圈故障、外圈故障以及滚动体故障轴承的诊断准确率均能达到100%,相比于基于粒子群算法优化隐马尔科夫模型初始参数的方法,最高将分类正确率提高了28.57%、分类离散度提高了268.58%,证明了方法的有效性和准确性。; 关键词基因粒子群算法自适应方法参数优化隐马尔科夫模型轴承故障诊断; Keywords genetic particle swarm algorithm adaptive method parameter optimization hidden Markov model bearing fault diagnosis; 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名混合型粒子群优化算法研究被引量：9: 2; 作者章慧云黄晓伟张红华徐杰; 机构江西省水利水电学校华东交通大学江西省水利工程技师学院江西交通职业技术学院; 出处《计算机应用研究》 CSCD 北大核心 2011年第5期1631-1633,1681,共4页; 文摘为了改进粒子群算法的性能,提出了融合其他算法优点的混合型粒子群算法。对三种主流的混合粒子群优化算法(基因粒子群、免疫粒子群、混沌粒子群)分别从混合目的、混合方式、实现步骤、算法优化性能等多个方面进行了研究,给出了这三种混合粒子群算法的优缺点及适用范围。; 关键词混合型粒子群算法算法分析基因粒子群算法免疫粒子群算法混沌粒子群算法; Keywords hybrid particle swarm algorithm（HPSO） algorithm analysis GPSO IPSO CPSO; 分类号 TP18 [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GAPSO-SVM的多级齿轮箱故障诊断新方法被引量：5: 3; 作者杨秀芳何亚鹏徐雨达邵伟; 机构西安理工大学机械与精密仪器工程学院; 出处《西安理工大学学报》 CAS 北大核心 2022年第4期519-525,共7页; 基金国家自然科学基金资助项目(51775433) 陕西省重点研发计划资助项目(2021GY-260)。; 文摘多级齿轮箱是机械传动的重要部件,针对运行过程中的状态识别问题,研究并提出一种基于振动信号的小波包分解能量谱特征提取和支持向量机(support vector machine,SVM)的智能评估新方法。用小波包分解算法对振动信号进行分解,提取时频信号的能量谱构建多级齿轮箱状态特征集,训练SVM模型。针对SVM的惩罚因子C和高斯核参数g选择困难的问题,结合遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,PSO)的基因粒子群算法(genetic algorithm-particle swarm optimization,GAPSO)优化SVM参数。GAPSO同时具有GA全局搜索的性能和PSO快速收敛特点。将优化后的SVM算法应用于多级齿轮箱故障诊断,结果表明,GAPSO-SVM模型故障识别精度为98.55%,高于基本的SVM、PSO-SVM和BP神经网络,而且泛化能力强,该方法更适合多级齿轮箱故障诊断。; 关键词故障诊断小波包分解能量谱基因粒子群算法支持向量机; Keywords fault diagnosis time-frequency energy spectrum genetic algorithm-particle swarm optimization support vector machine; 分类号 TH165.3 [机械工程—机械制造及自动化] TP18 [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

题名基于轨迹灵敏度分析的永磁直驱风电场等值模型参数辨识被引量：24: 4; 作者张剑何怡刚; 机构合肥工业大学电气与自动化工程学院武汉大学电气与自动化学院; 出处《电工技术学报》 EI CSCD 北大核心 2020年第15期3303-3313,共11页; 文摘大规模风电场接入电网对电力系统稳定性具有重大影响。为提高仿真速度,研究风电场等值模型具有十分重要的意义。针对传统聚合方法无法解决风电场长期运行过程中产生的参数变化问题以及厂家将控制系统参数作为商业机密问题,该文基于风电场公共并网点相量测量单元数据建立了永磁直驱风电场详细动态等值模型与初始化方法,分析参数的轨迹灵敏度,提出了对高灵敏度且时变参数以及高灵敏度控制系统参数采用改进的基因学习粒子群(GLPSO)混合算法进行参数辨识,其他参数固定为聚合值或典型值的策略。分析了不同风速、尾流效应、部分风机离线、风速未知情形下,等值模型的鲁棒性与适应性。仿真算例表明,所提出的参数辨识方法能够提高全局寻优能力。; 关键词风电场等值模型轨迹灵敏度参数辨识基因学习粒子群混合算法; Keywords Permanent magnet synchronous generators(PMSG) equivalent model of wind farm trajectory sensitivity parameter identification genetic learning particle swarm optimization hybrid algorithm; 分类号 TM614 [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	作者	出处	发文年	被引量	操作
1	采用自适应基因粒子群算法优化隐马尔科夫模型的方法及应用	张西宁雷威杨雨薇张雯雯	《西安交通大学学报》 EI CAS CSCD 北大核心	2018	9	在线阅读下载PDF 职称材料
2	混合型粒子群优化算法研究	章慧云黄晓伟张红华徐杰	《计算机应用研究》 CSCD 北大核心	2011	9	在线阅读下载PDF 职称材料
3	基于GAPSO-SVM的多级齿轮箱故障诊断新方法	杨秀芳何亚鹏徐雨达邵伟	《西安理工大学学报》 CAS 北大核心	2022	5	在线阅读下载PDF 职称材料
4	基于轨迹灵敏度分析的永磁直驱风电场等值模型参数辨识	张剑何怡刚	《电工技术学报》 EI CSCD 北大核心	2020	24	在线阅读下载PDF 职称材料