基于联合注意力机制和一维卷积神经网络-双向长短期记忆网络模型的流量异常检测方法 被引量：31

1

作者 尹梓诺 马海龙 胡涛 《电子与信息学报》 EI CSCD 北大核心 2023年第10期3719-3728,共10页

针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSM... 针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSMOTE方法对流量数据不平衡训练样本预处理,使得各类流量数据均衡,有助于后续模型对各类数据的充分训练。然后设计联合注意力机制和1DCNN-BiLSTM的模型对流量数据进行训练,提取流量数据的局部和长距离序列特征并进行分类,通过注意力机制将对分类有用的特征按其重要性赋予权值,提高对少数攻击类的检出率。实验结果表明,同几种现有方法相比,该文方法对NSL-KDD和CICIDS2017数据集的检测准确率最高(可达93.17%和98.65%),对NSL-KDD数据集中的提权攻击(U2R)攻击流量的检出率至少提升13.70%,证明了该文方法提升少数类攻击流量检出率的有效性。 展开更多

关键词 流量异常检测 类别不平衡 一维卷积神经网络-双向长短期记忆网络 注意力机制

在线阅读 下载PDF 职称材料

基于ALIF-VMD二次分解的NGO-CNN-LSTM电力负荷短期组合预测模型 被引量：1

2

作者 张琳 高胜强 +2 位作者 宋煜 卜帅羽 余伟 《科学技术与工程》 北大核心 2025年第11期4583-4597,共15页

针对电力负荷预测过程中普遍存在的负荷波动变化趋势明显、随机性强,以及预测模型的参数取值不合理导致的精度偏低问题,提出了一种基于ALIF-VMD(adaptive local iterative filtering-variational mode decomposition)二次分解和北方苍... 针对电力负荷预测过程中普遍存在的负荷波动变化趋势明显、随机性强,以及预测模型的参数取值不合理导致的精度偏低问题,提出了一种基于ALIF-VMD(adaptive local iterative filtering-variational mode decomposition)二次分解和北方苍鹰优化算法(northern goshawk optimization, NGO)优化CNN-LSTM(convolutional neural networks-long short-term memory)的电力负荷组合预测模型,在使用交叉映射收敛方法(convergent cross-mapping, CCM)准确识别电力负荷的关键影响因素的基础上,创新性地联合使用ALIF、基于NGO的VMD和模糊熵(fuzzy entropy, FE)对原始负荷序列进行组合分解和必要的重组;针对分解和重组后生成的模态分量,结合NGO确定的CNN-LSTM模型最优超参数组合,建立预测精度高、训练时间短、收敛速度快的NGO-CNN-LSTM日前电力负荷组合预测模型。与其他基准模型的对比结果表明,该模型具有更好的适应性和预测精度,可为电力系统的安全、可靠、经济运行提供重要的技术支撑。 展开更多

关键词 负荷预测 序列分解与重组 北方苍鹰算法 卷积神经网络-长短期记忆神经网络模型

在线阅读 下载PDF 职称材料

基于时-空特征的全卷积网络用于视频人眼关注预测的研究 被引量：1

3

作者 史久琛 孙美君 +1 位作者 王征 张冬 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2019年第10期1062-1068,共7页

视频人眼关注预测是在视频中标注能够吸引人眼关注的感兴趣显著区域,对于自动提取大量视频的语义信息有着重要的应用.该研究从目前显著性处理主流算法全卷积网络的局限性出发,提出了一种基于时间-空间特征的深度学习模型用于预测视频中... 视频人眼关注预测是在视频中标注能够吸引人眼关注的感兴趣显著区域,对于自动提取大量视频的语义信息有着重要的应用.该研究从目前显著性处理主流算法全卷积网络的局限性出发,提出了一种基于时间-空间特征的深度学习模型用于预测视频中的人眼关注区域.首先,采用全卷积网络提取视频帧图像的空间特征,光流方法用于提取相邻帧之间的时间运动特征,通过长短期记忆网络处理当前帧与其前 6 帧的空间特征与时间特征,得到最终的人眼关注区域预测图.使用INB 和IVB 两个人眼关注视频数据库进行计算.实验结果表明,在地球移动距离、受试者工作特征曲线下面积、标准化扫描路径显著性、线性相关性等 4 个性能评估标准分别取得了 0.375 1、0.818 6、2.024 1、0.745 7 和 0.413 7、0.785 6、1.964 5、0.734 9 的结果,预测性能优于 5 种对比算法,表明本文方法在视频人眼关注预测上能够取得较准确的结果. 展开更多

关键词 视频 人眼关注 时空特征 全卷积网络 光流 长短期记忆网络

在线阅读 下载PDF 职称材料

改进灰狼优化算法优化CNN-LSTM的PEMFC性能衰退预测

4

作者 高锋阳 刘庆寅 +2 位作者 赵丽丽 齐丰旭 刘嘉 《电力系统保护与控制》 北大核心 2025年第13期175-187,共13页

为进一步提高车用质子交换膜燃料电池(proton exchange membrane fuel cell, PEMFC)电堆性能衰退预测与剩余使用寿命预测精度,提出一种改进灰狼优化算法优化卷积神经网络-长短期记忆(convolutional neural network-long short-term memo... 为进一步提高车用质子交换膜燃料电池(proton exchange membrane fuel cell, PEMFC)电堆性能衰退预测与剩余使用寿命预测精度,提出一种改进灰狼优化算法优化卷积神经网络-长短期记忆(convolutional neural network-long short-term memory, CNN-LSTM)的车用PEMFC性能衰退预测方法。首先,通过稳定小波变换对数据集去噪重构,使用改进灰狼算法对实测PEMFC电堆衰退数据进行分析,获得CNN-LSTM最优超参数。其次,利用最优超参数训练CNN-LSTM网络模型进行PEMFC性能衰退预测,并计算PEMFC电堆剩余使用寿命。最后,在电堆静态和动态工况下,将所提方法与传统长短期记忆循环网络、门控循环单元循环网络和未经优化的CNN-LSTM等模型预测进行比较。结果表明:在静态工况中,当训练集占比为60%时,所提方法相比传统CNN-LSTM预测结果均方根误差缩小59.02%,当训练集占比为70%时,PEMFC剩余使用寿命预测与实际相差1.16 h;在动态工况中,当训练集占比为40%时,平均绝对误差缩小18.78%。 展开更多

关键词 质子交换膜燃料电池 改进灰狼优化算法 卷积神经网络-长短期记忆 衰退预测 剩余使用寿命

在线阅读 下载PDF 职称材料

基于TCNN-MADLSTM的全并联AT牵引网多元信号融合故障定位 被引量：2

5

作者 周欢 陈剑云 +2 位作者 万若安 傅钦翠 李泽文 《中国铁道科学》 EI CAS CSCD 北大核心 2023年第4期206-218,共13页

全并联AT牵引供电系统上下行线路并入自耦变压器,致使故障信号多路径传播,且牵引网导线阻抗不连续,传统方法很难实现牵引网故障准确定位。基于AT牵引网结构,推导牵引网上下行导线故障电流幅值与故障距离的非线性关系;基于改进的卷积神... 全并联AT牵引供电系统上下行线路并入自耦变压器,致使故障信号多路径传播,且牵引网导线阻抗不连续,传统方法很难实现牵引网故障准确定位。基于AT牵引网结构,推导牵引网上下行导线故障电流幅值与故障距离的非线性关系;基于改进的卷积神经网络(Transformer-based CNN,TCNN)和记忆注意力解耦长短期记忆神经网络(Memory Attended Decoupled LSTM,MADLSTM),通过增加注意力机制和残差连接,增强多导线电流幅值与故障距离的非线性函数关系,从而提高牵引网故障定位的精度;将前述方法与传统的卷积神经网络(CNN)和长短期记忆神经网络(LSTM)进行不同噪声条件下的对比验证。结果表明:基于TCNN+MADLSTM算法进行故障定位时,可自适应构建故障距离与多导线电流幅值的非线性函数关系,以及自适应计算故障距离,无须考虑波速影响;相较于传统的CNN+LSTM算法,TCNN+MADLSTM算法故障定位精度更高,故障区段识别精度可达100%,故障定位精度达72.100 m,均方误差为0.016 km^(2)。 展开更多

关键词 全并联AT牵引供电系统 故障定位 改进的卷积神经网络 记忆注意力解耦长短期记忆神经网络

在线阅读 下载PDF 职称材料

一种基于ICA-T特征和CNN-LA-BiLSTM的锂离子电池健康状态估计方法 被引量：1

6

作者 张朝龙 陈阳 +3 位作者 刘梦玲 张俣峰 华国庆 阴盼昐 《储能科学与技术》 北大核心 2025年第3期1258-1269,共12页

为了解决锂离子电池健康状态(SOH)估计精度不足以及退化过程描述不准确的问题,本文提出了一种基于卷积神经网络-局部注意力-双向长短期记忆神经网络(CNN-LA-BiLSTM)的锂离子电池SOH估计方法。首先,测量锂离子电池在充电阶段的充电时间... 为了解决锂离子电池健康状态(SOH)估计精度不足以及退化过程描述不准确的问题,本文提出了一种基于卷积神经网络-局部注意力-双向长短期记忆神经网络(CNN-LA-BiLSTM)的锂离子电池SOH估计方法。首先,测量锂离子电池在充电阶段的充电时间、电流、电压、容量以及温度等数据。然后,对锂离子电池进行增量容量分析,提取增量容量(IC)曲线的面积作为锂离子电池的电特征;计算锂离子电池充电阶段的温度积分,作为温度特征;将曲线面积与温度相结合,用作锂离子电池SOH估计的联合特征增量容量面积-温度(ICA-T)。随后,利用CNN-LA-BiLSTM方法建立SOH估计模型,在模型中,引入局部注意力(LA)优化卷积神经网络(CNN)的权重和偏差,使用Huber损失函数优化模型参数从而获得良好的SOH估计效果。利用本实验室的2组锂离子电池数据开展测试,结果表明,提出的方法能有效地估计电池的SOH,平均绝对百分比误差(MAPE)为0.5794%,均方根误差(RMSE)为0.0099,决定系数(R2)为0.9961。与传统方法相比,本文提出的方法在电池SOH估计中表现出了更优的性能。 展开更多

关键词 锂离子电池 健康状态估计 卷积神经网络-局部注意力-双向长短期记忆神经网络 增量容量 Huber损失函数

在线阅读 下载PDF 职称材料

基于语义理解注意力神经网络的多元特征融合中文文本分类 被引量：29

7

作者 谢金宝 侯永进 +2 位作者 康守强 李佰蔚 张霄 《电子与信息学报》 EI CSCD 北大核心 2018年第5期1258-1265,共8页

在中文文本分类任务中,针对重要特征在中文文本中位置分布分散、稀疏的问题,以及不同文本特征对文本类别识别贡献不同的问题,该文提出一种基于语义理解的注意力神经网络、长短期记忆网络(LSTM)与卷积神经网络(CNN)的多元特征融合中文文... 在中文文本分类任务中,针对重要特征在中文文本中位置分布分散、稀疏的问题,以及不同文本特征对文本类别识别贡献不同的问题,该文提出一种基于语义理解的注意力神经网络、长短期记忆网络(LSTM)与卷积神经网络(CNN)的多元特征融合中文文本分类模型(3CLA)。模型首先通过文本预处理将中文文本分词、向量化。然后,通过嵌入层分别经过CNN通路、LSTM通路和注意力算法模型通路以提取不同层次、具有不同特点的文本特征。最终,文本特征经融合层融合后,由softmax分类器进行分类。基于中文语料进行了文本分类实验。实验结果表明,相较于CNN结构模型与LSTM结构模型,提出的算法模型对中文文本类别的识别能力最多提升约8%。 展开更多

关键词 中文文本分类 多元特征融合 注意力算法 长短期记忆网络 卷积神经网络

在线阅读 下载PDF 职称材料

基于EMD-CNN-LSTM混合模型的短期电力负荷预测 被引量：48

8

作者 徐岩 向益锋 马天祥 《华北电力大学学报（自然科学版）》 CAS 北大核心 2022年第2期81-89,共9页

为了更有效地提取电力负荷数据中的潜藏特征与隐藏信息,提高电力负荷预测精度,针对负荷具有较强非线性、非平稳性和时序性特点,提出一种基于经验模态分解(empirical mode decomposition,EMD)、卷积神经网络(convolutional neural networ... 为了更有效地提取电力负荷数据中的潜藏特征与隐藏信息,提高电力负荷预测精度,针对负荷具有较强非线性、非平稳性和时序性特点,提出一种基于经验模态分解(empirical mode decomposition,EMD)、卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long-term and short-term memory network,LSTM)的混合模型短期电力负荷预测方法,将海量过往负荷数据、温度和历史电价信息以滑动窗口方式构造串联特征向量作为输入,先利用EMD将数据重构成多个分量,将高、中和低频分量各自叠加组合,再运用CNN提取高、中分量的潜藏特征,减少权值数量,并以特征向量的方式输入LSTM网络进行负荷预测,最后叠加各分量预测结果得到最终负荷预测值。实验结果表明,相对于BP神经网络(Back Propagation Neural Network)、支持向量机(support vector machine,SVM)、LSTM模型和EMD-LSTM模型,此模型具有更高的负荷预测精度。 展开更多

关键词 短期负荷预测 经验模态分解 卷积神经网络 长短期记忆网络 经验模态分解-卷积网络-长短期记忆网络混合模型

在线阅读 下载PDF 职称材料

基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度智能预测 被引量：6

9

作者 郭力 郑良瑞 冯浪 《南京航空航天大学学报》 CAS CSCD 北大核心 2023年第3期401-409,共9页

部分稳定氧化锆(Partially stabilized zirconia,PSZ)陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标,为了降低磨削表面粗糙度的预测误差,提出了一种基于相关性分析与卷积-双向... 部分稳定氧化锆(Partially stabilized zirconia,PSZ)陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标,为了降低磨削表面粗糙度的预测误差,提出了一种基于相关性分析与卷积-双向长短期记忆神经网络(Convolution-bidirectional long short term memory neural network,CNN-BiLSTM)的PSZ陶瓷磨削表面粗糙度声发射预测模型。通过分析磨削声发射信号特征值与磨削表面粗糙度值之间相关性,筛选出磨削声发射信号与磨削表面粗糙度之间的最相关频段和特征矩阵,作为CNN-BiLSTM神经网络的输入参数以降低磨削表面粗糙度声发射预测的误差。研究结果表明,基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度的平均预测误差低于3.92%。 展开更多

关键词 部分稳定氧化锆 磨削声发射 相关性分析 卷积-双向长短期记忆神经网络 表面粗糙度预测

在线阅读 下载PDF 职称材料

SBAS-InSAR技术融合CNN-LSTM模型的矿区开采沉陷监测与预测 被引量：7

10

作者 师芸 折夏雨 +3 位作者 张雨欣 王凯 张琨 吴睿 《安全与环境学报》 CAS CSCD 北大核心 2024年第9期3429-3438,共10页

针对传统矿区开采沉陷监测方法耗费人力财力和预测预警模型较少的问题,研究提出一种基于短基线集合成孔径雷达干涉测量(Small Baseline Subset-Interferometry Synthetic Aperture Radar,SBAS-InSAR)技术和卷积神经网络(Convolutional N... 针对传统矿区开采沉陷监测方法耗费人力财力和预测预警模型较少的问题,研究提出一种基于短基线集合成孔径雷达干涉测量(Small Baseline Subset-Interferometry Synthetic Aperture Radar,SBAS-InSAR)技术和卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)相结合的矿区开采沉陷监测预测方法。首先,利用SBAS-InSAR技术对建新煤矿进行矿区开采沉陷监测,获取了该矿区的年平均沉降速率和累计沉降值。用GNSS监测数据与SBAS-InSAR结果进行对比验证,其拟合效果较好。其次,在此基础上利用CNN-LSTM模型预测后6期沉降数据,其结果与CNN和LSTM预测结果进行对比。研究显示,CNN-LSTM模型的平均绝对误差(S_(MAE))和均方根误差(S_(RMSE))比单一的CNN和LSTM分别至少降低了44.8%和40.6%,其决定系数均高于98%。最后,进一步预测前6期和中6期沉降数据,验证了CNN-LSTM预测模型在时间上的一致性。因此,SBAS-InSAR融合CNN-LSTM模型在类似矿山开采沉陷监测和预测中有较好的应用前景。 展开更多

关键词 安全工程 短基线集合成孔径雷达干涉测量(SBAS-InSAR) 开采沉陷 卷积神经网络-长短期记忆(CNN-LSTM)模型 沉降预测

在线阅读 下载PDF 职称材料

基于LSTM-SAFCN模型的生物质锅炉NO_(x)排放浓度预测 被引量：1

11

作者 何德峰 刘明裕 +2 位作者 孙芷菲 王秀丽 李廉明 《高技术通讯》 CAS 北大核心 2024年第1期92-100,共9页

针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓... 针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓度预测的影响;其次融合自注意力机制与长短时记忆-全卷积神经网络(LSTM-FCN)进行特征提取与预测建模,该拓展方法能够同时兼顾时间序列数据的局部细节与长期趋势特征;最后,利用生物质热电联产系统的实际运行数据验证了所提算法的有效性。 展开更多

关键词 生物质锅炉 NO_(x)排放浓度预测 经验模态分解 长短时记忆-全卷积神经网络(LSTM-FCN) 自注意力机制

在线阅读 下载PDF 职称材料

CEEMDAN-CNN-BiLSTM混合模型矿区地表沉降预测 被引量：1

12

作者 王凯 肖星星 +2 位作者 余永明 贾庆磊 赵思仲 《导航定位学报》 CSCD 北大核心 2024年第5期156-163,共8页

为了进一步发挥全球卫星导航系统(GNSS)实时监测优势,对时序数据中的潜藏特征与隐藏信息进行深度挖掘,提高地表沉降预测精度,提出基于自适应噪声完备集合经验模态分解(CEEMDAN)、卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的CEEMDA... 为了进一步发挥全球卫星导航系统(GNSS)实时监测优势,对时序数据中的潜藏特征与隐藏信息进行深度挖掘,提高地表沉降预测精度,提出基于自适应噪声完备集合经验模态分解(CEEMDAN)、卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的CEEMDAN-CNN-BiLSTM混合地表沉降预测方法:以皖北某大型煤矿开采工作面与工业广场区域为验证对象,对比分析稳定区域和重点监测区域数据形态;然后基于CEEMDAN重构监测站高程数据分量,输入CNN模型提取分量隐含信息;最后构建BiLSTM模型,实现对沉降监测点位数据的短期预测。实验结果表明,相较于传统的CNN和长短期记忆模型,CEEMDAN-CNN-BiLSTM混合模型可有效降低预测误差,其中平均绝对百分比误差(MAPE)的降低范围为40%~90%,而均方根(RMS)误差的降低范围为52%~87%;该模型在时空特征捕捉和泛化能力方面表现性能较好,可为GNSS时间序列短期预测提供更为精准和可靠的解决方案。 展开更多

关键词 沉降预测 自动化监测 时序数据 混合模型 自适应噪声完备集合经验模态分解(CEEMDAN)-卷积神经网络(CNN)-双向长短期记忆网络(BiLSTM)

在线阅读 下载PDF 职称材料

基于拉曼光谱结合CNN-LSTM深度学习方法的铁皮石斛总黄酮含量快速检测研究 被引量：3

13

作者 刘宗溢 张彩虹 +4 位作者 蒋健康 沈斌国 丁艳菲 张雷蕾 朱诚 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第4期1018-1024,共7页

铁皮石斛具有很高的商业价值和营养价值,将云南文山、广西金秀、安徽霍山、浙江台州四个产地共130个样品作为研究样本,在785 nm激光下利用便携式拉曼光谱仪获得了铁皮石斛拉曼光谱,采用NaNO_(2)-Al(NO_(3))_(3)-NaOH比色法测定铁皮石斛... 铁皮石斛具有很高的商业价值和营养价值,将云南文山、广西金秀、安徽霍山、浙江台州四个产地共130个样品作为研究样本,在785 nm激光下利用便携式拉曼光谱仪获得了铁皮石斛拉曼光谱,采用NaNO_(2)-Al(NO_(3))_(3)-NaOH比色法测定铁皮石斛总黄酮含量。以每条经过归一化后的拉曼光谱数据作为输入,利用Savitzky-Golay卷积平滑(SG平滑)、标准正态变量变换(SNV)、多元散射校正(MSC)等不同预处理方法对光谱数据进行处理,以偏最小二乘(PLS)、支持向量机(SVM)和卷积神经网络-长短期记忆神经网络(CNN-LSTM)模型作为比较,竞争自适应重加权采样(CARS)作为波长选择方法,对不同的机器学习模型进行比较研究。采用以下预测质量指标:校正集、测试集相关系数(R_(c)、R_(p)),校正集、测试集均方根误差(RMSEC、RMSEP),评价铁皮石斛总黄酮含量预测模型的性能。结果表明:光谱在经过SNV预处理之后,CNN-LSTM方法预测铁皮石斛总黄酮含量准确率最高,R_(c)、R_(p)分别为0.983和0.964,RMSEC、RMSEP分别为0.032和0.047 mg·g^(-1)。结合拉曼光谱建立的SNV-CNN-LSTM深度学习模型准确可靠,具有很强的鲁棒性,优于传统的机器学习模型(PLS、SVM)。利用拉曼光谱结合CNN-LSTM模型对铁皮石斛总黄酮含量进行预测,克服了传统的理化鉴别法的缺陷,具有快速无损的特点。该方法能对铁皮石斛的品质进行区分,并加快药食同源植物市场铁皮石斛产业化,构建自主品牌并增加其影响力,同时此项技术也可应用于消费者和市场监管部门。 展开更多

关键词 铁皮石斛 拉曼光谱 卷积神经网络-长短期记忆神经网络 总黄酮含量 快速检测

在线阅读 下载PDF 职称材料

基于VMD-CNN-BiLSTM的轴承故障多级分类识别 被引量：4

14

作者 王祎颜 王衍学 姚家驰 《机电工程》 CAS 北大核心 2024年第9期1554-1564,共11页

双馈风力发电机(DFIG)作为风能发电领域的关键设备之一,保障其稳定运行显得尤为重要。针对DFIG轴承故障的多级分类问题,提出了一种基于参数优化的变分模式分解-卷积神经网络-双向长短期记忆(VMD-CNN-BiLSTM)故障诊断模型。首先,采用改... 双馈风力发电机(DFIG)作为风能发电领域的关键设备之一,保障其稳定运行显得尤为重要。针对DFIG轴承故障的多级分类问题,提出了一种基于参数优化的变分模式分解-卷积神经网络-双向长短期记忆(VMD-CNN-BiLSTM)故障诊断模型。首先,采用改进的麻雀优化算法——鱼鹰-柯西-麻雀搜索算法(OCSSA)对变分模态分解(VMD)的惩罚因子、模态分量进行了优化,OCSSA算法是将鱼鹰算法和柯西变异策略与麻雀算法进行了融合,形成了一种新的优化算法,该算法利用强大的参数搜索能力获取了更精确的频率特征;然后,利用卷积神经网络(CNN)提取了信号的时域和频域特征,并对特征进行了融合;最后,利用双向长短期记忆网络(BiLSTM)学习了故障的序列模式,完成了故障的多级分类任务。研究结果表明:基于OCSSA算法优化的VMD-CNN-BiLSTM模型在多级轴承故障识别方面表现出明显的优势,平均识别准确率可达98.36%,与CNN-LSTM、CNN-BiLSTM和VMD-BiLSTM模型进行对比,该模型具有更卓越的故障诊断性能、出色的泛化能力和快速的计算速度。这一结果充分验证了该模型在双馈风力发电机轴承故障的多级分类识别任务上的有效性,且适用于在线监测和智能诊断,为实现高效、可靠的风能发电提供了重要的实际应用价值。 展开更多

关键词 双馈风力发电机 变分模式分解-卷积神经网络-双向长短期记忆 鱼鹰-柯西-麻雀搜索算法 轴承故障诊断 多级分类 识别准确率 泛化能力

在线阅读 下载PDF 职称材料

类不平衡通信辐射源个体识别

15

作者 牛雅萌 崔良中 孙佳杰 《无线电通信技术》 北大核心 2025年第4期844-851,共8页

某些通信辐射源个体存在使用时长较短、隐蔽性高的特性,导致采集到的可用于训练的数据量少,产生训练样本不平衡问题,致使通信辐射源个体识别(Specific Emitter Identification,SEI)的精度下降。针对上述问题,提出一种基于多元长短期记忆... 某些通信辐射源个体存在使用时长较短、隐蔽性高的特性,导致采集到的可用于训练的数据量少,产生训练样本不平衡问题,致使通信辐射源个体识别(Specific Emitter Identification,SEI)的精度下降。针对上述问题,提出一种基于多元长短期记忆-全卷积网络(Multivariate Long Short-Term Memory Fully Convolutional Network,MLSTM-FCN)的增量随机特征训练的通信SEI方法,提高类不平衡条件下SEI的准确率。以MLSTM-FCN模型作为信号特征提取的主干网络,在训练过程中随机生成高斯向量,与网络提取的特征拼接在一起同时训练,加强模型的泛化能力,减轻样本类不平衡造成的影响,提升整体识别率。实验结果表明,该方法可较好地解决通信辐射源类间不平衡问题,在不同程度的类不平衡条件下,该方法的准确率高于常规方法,提高了SEI精度。 展开更多

关键词 多元长短期记忆-全卷积网络 类不平衡 辐射源个体识别 分类识别

在线阅读 下载PDF 职称材料

基于Vague软集的海上风电功率区间预测 被引量：1

16

作者 田书欣 朱峰 +2 位作者 杨喜军 符杨 苏向敬 《中国电机工程学报》 北大核心 2025年第4期1465-1476,I0019,共13页

海上风电输出功率的精准预测是保障海上风电并网系统调度运行的基础。针对海上风电海洋环境高度复杂、随机时空强烈耦合的特征,提出一种基于Vague软集的海上风电输出功率的新型区间预测方法。首先,引入Vague软集概念,提出融合Vague集真... 海上风电输出功率的精准预测是保障海上风电并网系统调度运行的基础。针对海上风电海洋环境高度复杂、随机时空强烈耦合的特征,提出一种基于Vague软集的海上风电输出功率的新型区间预测方法。首先,引入Vague软集概念,提出融合Vague集真隶属度和伪隶属度函数的交错式海上风电功率区间划分方法,实现风电功率数据Vague软区间化。其次,建立基于Vague-卷积神经网络(convolutional neural network,CNN)-长短期记忆神经网络(long short-term memory neural network,LSTM)的海上风电功率组合预测模型。通过类Vague软区间转换方法将双隶属度区间概率向量转化为海上风电功率复杂不确定信息下的区间预测结果。然后,从预测准确性、清晰性和兼顾性角度建立预测区间覆盖精度、预测区间宽度和预测综合水平等Vague软区间预测评估指标。最后,以我国东部某海上风电机组实际数据为算例进行验证。结果表明,所提预测模型预测结果可以兼顾预测区间的覆盖精度和清晰度,能够为海上风电不同工况下运行需求提供支撑。 展开更多

关键词 海上风电 Vague-卷积神经网络(CNN)-长短期记忆神经网络(LSTM)模型 Vague软集 软区间转换 区间预测

在线阅读 下载PDF 职称材料

基于融合FCN-TCN-LSTM的工业大用户可调节潜力分析模型 被引量：9

17

作者 李彬 明雨 +2 位作者 郝一浩 陈宋宋 王隗东 《电力自动化设备》 EI CSCD 北大核心 2023年第7期151-157,166,共8页

综合考虑调控成本和价格激励的影响,开展工业大用户双向可调节潜力的分时段分析是提升新型电力系统负荷管理能力的关键。建立一种基于融合全卷积网络、时域卷积网络、长短期记忆网络的模型,以分析工业大用户可调节潜力。建立全卷积网络... 综合考虑调控成本和价格激励的影响,开展工业大用户双向可调节潜力的分时段分析是提升新型电力系统负荷管理能力的关键。建立一种基于融合全卷积网络、时域卷积网络、长短期记忆网络的模型,以分析工业大用户可调节潜力。建立全卷积网络数据集重构模型,并基于典型负荷特性指标实现对具有高可调节潜力负荷数据的工业大用户的遴选;以高可调节潜力数据集为基础,建立改进时域卷积网络模型,对工业大用户进行调控成本影响下的可调节潜力分析测算。基于实际数据对所提模型进行验证,算例结果表明,所提模型可分析出工业大用户典型设备的可调节潜力,且模型的稳定性与精确度较高。 展开更多

关键词 需求响应 可调节潜力 工业设备调控 全卷积网络 时间卷积网络 长短期记忆网络

在线阅读 下载PDF 职称材料

考虑不确定性量化的质子交换膜燃料电池剩余使用寿命混合预测

18

作者 余晓然 谢长君 +2 位作者 杨扬 朱文超 郭冰新 《中国电机工程学报》 北大核心 2025年第17期6804-6816,I0016,共14页

老化模型是评估质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)健康状态(state of health,SoH)和剩余使用寿命(remaining useful life,RUL)的关键,然而,其因诸多原因导致的不确定性降低了模型精度和可信度。因此,提出... 老化模型是评估质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)健康状态(state of health,SoH)和剩余使用寿命(remaining useful life,RUL)的关键,然而,其因诸多原因导致的不确定性降低了模型精度和可信度。因此,提出一种模型不确定度和SoH同时量化(model uncertainty and SoH simultaneous quantification,MUSQ)算法,用于指导和修正卷积神经网络-长短期记忆(convolutional neural networks-long short-term memory,CNN-LSTM)神经网络混合模型的长期预测,构建全新的RUL混合预测框架。采用动态负载循环耐久性实验数据,将该混合预测方法与扩展卡尔曼滤波算法、自适应扩展卡尔曼滤波算法、MUSQ算法、LSTM神经网络、CNN-LSTM混合模型等进行对比,该方法具有最优的长期预测性能和RUL估计精度。在负载电流为14.85 A的工况下,该方法累计误差分别降低49.64%、61.33%、30.65%、57.00%和52.90%。 展开更多

关键词 质子交换膜燃料电池(PEMFC) 模型不确定性 卷积神经网络-长短期记忆(CNN-LSTM)神经网络混合模型 剩余使用寿命 混合预测

在线阅读 下载PDF 职称材料

基于电池健康状态预测的储能系统功率分配

19

作者 徐珂 佘小平 +3 位作者 李凯 曹玉杰 冯艳虹 方琰 《电力系统及其自动化学报》 北大核心 2025年第5期113-120,共8页

电池储能系统在电力系统中的应用日益广泛,为缓解电池组容量衰减问题,提出一种基于电池组健康状态预测的储能功率分配方法。首先,构建结合卷积神经网络与长短期记忆网络的混合神经网络模型,并利用贝叶斯算法优化网络参数,提高模型对电... 电池储能系统在电力系统中的应用日益广泛,为缓解电池组容量衰减问题,提出一种基于电池组健康状态预测的储能功率分配方法。首先,构建结合卷积神经网络与长短期记忆网络的混合神经网络模型,并利用贝叶斯算法优化网络参数,提高模型对电池组健康状态预测精度;其次,结合所提预测模型,提出基于熵权法的电池组充/放电优先级排序规则;然后,以电池组荷电状态一致性为目标函数,建立电池组功率优化分配模型;最后,通过某风电场电池储能系统的历史运行数据进行仿真验证。结果表明,该方法能显著延长旧电池使用寿命,避免单个电池过充过放,实现电池组荷电状态的均衡。 展开更多

关键词 健康状态 卷积-长短期记忆网络 雨流计数法 熵权法

在线阅读 下载PDF 职称材料

基于注意力与神经网络的视频流行度预测模型

20

作者 马学森 杨智捷 +1 位作者 储昭坤 周天保 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2023年第11期1472-1478,共7页

针对传统预测算法预测精度低及难以处理多变量的时序数据等缺点,文章提出一种采用双向长短期记忆(bi-directional long short-term memory,BiLSTM)网络和时间模式注意力(temporal pattern attention,TPA)机制相结合的视频流行度预测模... 针对传统预测算法预测精度低及难以处理多变量的时序数据等缺点,文章提出一种采用双向长短期记忆(bi-directional long short-term memory,BiLSTM)网络和时间模式注意力(temporal pattern attention,TPA)机制相结合的视频流行度预测模型。双向长短期记忆网络从视频流行度时间序列的正向和反向提取时间特征,时间模式注意力机制从双向长短期记忆网络输出状态的深层特征提取时间模式,有利于视频流行度预测。真实视频数据的实验结果表明,与经典时序预测方法相比,TPA-BiLSTM模型能够有效地降低预测的误差,提高预测的准确性。 展开更多

关键词 流行度预测 多元时间序列 双向长短期记忆(BiLSTM)网络 注意力机制 卷积神经网络(CNN)

在线阅读 下载PDF 职称材料