基于改进灰狼算法和多核极限学习机的铁水硅含量预测建模 被引量：17

1

作者 方一鸣 赵晓东 +2 位作者 张攀 刘乐 王硕玉 《控制理论与应用》 EI CAS CSCD 北大核心 2020年第7期1644-1654,共11页

针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模方法.首先,针对灰狼算法(GWO)寻优能力的不足,将最优-最差正交反向学习(OWOOBL)策略应用于灰狼算法的位... 针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模方法.首先,针对灰狼算法(GWO)寻优能力的不足,将最优-最差正交反向学习(OWOOBL)策略应用于灰狼算法的位置更新,得到一种改进灰狼优化算法.通过10种标准函数对所提算法进行仿真测试,结果表明此算法具有更好的寻优能力.其次,针对单核极限学习机(KELM)回归能力不足,将不同种类的核函数加权组合,并采用改进灰狼算法对多核极限学习机中的加权系数等参数进行优化.最后,基于某钢厂的实测数据对高炉铁水硅含量进行预测建模,仿真结果表明,本文所提方法的预测效果优于反向传播神经网络(BP-NN)、极限学习机(ELM)、KELM和GWO-MKELM,对高炉炼铁具有较好的指导意义. 展开更多

关键词 改进灰狼优化算法 最优-最差正交反向学习 多核极限学习机 铁水硅含量 预测建模

在线阅读 下载PDF 职称材料

基于多核极限学习机的遥感影像林地信息提取 被引量：7

2

作者 王传立 张晓芳 +3 位作者 唐鼐 袁梦 文益君 郭瑞 《中南林业科技大学学报》 CAS CSCD 北大核心 2018年第9期20-25,共6页

高光谱遥感影像包含了大量的波段信息,能够很好地应用于地物的识别。基于单核的高光谱遥感影像极限学习机分类模型,因其实施简单、分类精度高、训练时间短,已被广泛地应用于高光谱遥感影像识别。但是核特征的选取,以及单核特征表达的单... 高光谱遥感影像包含了大量的波段信息,能够很好地应用于地物的识别。基于单核的高光谱遥感影像极限学习机分类模型,因其实施简单、分类精度高、训练时间短,已被广泛地应用于高光谱遥感影像识别。但是核特征的选取,以及单核特征表达的单一性,限制了模型分类精度的进一步提高。为了解决此问题,受多核极限学习机(MK-ELM)思想的启发,首先使用核方法,提取了遥感影像的多核特征表达;然后利用多核极限学习机理论,同时优化极限学习机结构参数以及多核特征融合系数,获得最优的分类模型。为了说明MK-ELM的有效性,在Indian pines数据集上做了对比实验,该实验证明基于多核极限学习机遥感影像分类模型的分类精度较单核极限学习机有明显地提高,MK-ELM的分类整体精度为80.2%,Kappa系数高达78%;同时将多核极限学习机应用到芷江林场的林地信息提取,其分类精度高达89.1%,Kappa系数达86%。 展开更多

关键词 高光谱遥感影像 单核极限学习机 多核极限学习机

在线阅读 下载PDF 职称材料

基于优化多核极限学习机的车轮多边形磨耗识别 被引量：10

3

作者 谢博 陈是扦 +2 位作者 徐明坤 杨云帆 王开云 《力学学报》 EI CAS CSCD 北大核心 2022年第7期1797-1806,共10页

多边形车轮是铁路机车车辆中普遍存在的一种磨损现象,随着列车运营里程的增加,车轮磨耗程度显著提升,严重影响着列车乘坐舒适性和运营安全性,借助于列车运营监测大数据开展多边形车轮动态检测方法研究具有重要意义.本研究基于列车轴箱... 多边形车轮是铁路机车车辆中普遍存在的一种磨损现象,随着列车运营里程的增加,车轮磨耗程度显著提升,严重影响着列车乘坐舒适性和运营安全性,借助于列车运营监测大数据开展多边形车轮动态检测方法研究具有重要意义.本研究基于列车轴箱垂向加速度建立了多边形车轮定量识别模型,首先通过阶次分析识别出轴箱加速度中包含的多边形车轮主要阶次,同时获取各阶次对应的加速度幅值信息,在此基础上引入加速度信号熵特征共同构建多边形车轮磨耗幅值识别特征矩阵,然后建立遗传变异粒子群优化多核极限学习机(GMPSO-MELM)识别模型,通过特征矩阵与磨耗幅值的映射关系,进一步实现了车轮多边形磨耗幅值识别.通过仿真与现场实测数据研究结果表明,所提出的识别模型能有效地从轴箱加速度中提取多边形车轮主要阶次,磨耗幅值的识别精度均优于对比模型且具有较高的检测效率,可实现均方根误差为0.001 0 (仿真结果)与0.013 4(试验结果)的精确识别,本文提出的多边形车轮磨耗识别模型可为列车车轮检测与智能维护提供理论基础. 展开更多

关键词 多边形车轮 轴箱加速度 遗传变异粒子群优化 多核极限学习机 动态检测

在线阅读 下载PDF 职称材料

基于VMD-PSO-多核极限学习机的短期负荷预测 被引量：21

4

作者 吴松梅 蒋建东 +1 位作者 燕跃豪 鲍薇 《电力系统及其自动化学报》 CSCD 北大核心 2022年第5期18-25,共8页

为提高短期负荷预测精度,解决核极限学习机单一核函数难以适应负荷多数据特征的问题,提出了一种基于变分模态分解与粒子群优化的多核极限学习机模型。该模型采用变分模态分解技术将原始负荷序列分解为具有不同特征频率的子序列,并对每... 为提高短期负荷预测精度,解决核极限学习机单一核函数难以适应负荷多数据特征的问题,提出了一种基于变分模态分解与粒子群优化的多核极限学习机模型。该模型采用变分模态分解技术将原始负荷序列分解为具有不同特征频率的子序列,并对每个子序列建立预测模型。负荷预测模型采用粒子群优化的多核极限学习机,其使用混合核函数代替单一的核函数,使其在不同的参数下不仅有良好的局部搜索能力,同时也加强了全局搜索能力。实验表明,该模型拥有更好的回归精度和泛化能力,能够得到更精确的预测结果。 展开更多

关键词 变分模态分解 粒子群优化算法 核函数 多核极限学习机 短期负荷预测

在线阅读 下载PDF 职称材料

基于GMPE和GWO-MKELM算法的往复压缩机轴承故障诊断 被引量：2

5

作者 李彦阳 王金东 曲孝海 《科学技术与工程》 北大核心 2024年第23期9842-9847,共6页

针对往复压缩机内部结构复杂,轴承间隙故障特征提取困难和识别准确率不高等问题,提出了多尺度排列熵和多核极限学习机混合算法的智能诊断新方法。首先,针对多尺度排列熵在多尺度过程中,利用均值粗粒化的方式在一定程度上“中和”了原始... 针对往复压缩机内部结构复杂,轴承间隙故障特征提取困难和识别准确率不高等问题,提出了多尺度排列熵和多核极限学习机混合算法的智能诊断新方法。首先,针对多尺度排列熵在多尺度过程中,利用均值粗粒化的方式在一定程度上“中和”了原始信号的动力学突变行为,降低了熵值分析的准确性,提出了一种广义多尺度排列熵算法;然后,为解决核极限学习机处理复杂数据样本分类存在的局限性,将高斯核函数、多项式核函数和感知器核函数进行线性叠加,构建混合核函数,提出了多核极限学习机模型。仿真实验结果表明,该故障诊断方法识别准确率高达98%,高效地实现了轴承不同种类故障的智能诊断。 展开更多

关键词 往复压缩机 灰狼优化算法 广义多尺度排列熵 多核极限学习机 故障诊断

在线阅读 下载PDF 职称材料

基于IEO-MKELM模型的重整产品辛烷值软测量方法

6

作者 陈晓彦 赵超 +2 位作者 付斌 李卫东 范克威 《石油与天然气化工》 北大核心 2025年第4期131-139,共9页

目的针对催化重整产品辛烷值测量实时性较差的问题,提出基于改进平衡优化器算法的多核极限学习机(IEOMKELM)辛烷值软测量模型。方法采用混沌映射、反向学习策略、优化非线性因子、莱维飞行和贪心选择策略优化基础平衡算法,获得具有更高... 目的针对催化重整产品辛烷值测量实时性较差的问题,提出基于改进平衡优化器算法的多核极限学习机(IEOMKELM)辛烷值软测量模型。方法采用混沌映射、反向学习策略、优化非线性因子、莱维飞行和贪心选择策略优化基础平衡算法,获得具有更高全局和局部搜索能力的改进平衡算法(IEO)。随后将这一改进后的平衡优化算法应用于多核极限学习机(MKELM)多项参数的优化,进而建立了催化重整产品辛烷值软测量模型。结果利用某炼化企业的实测数据对模型精度进行验证,结果表明,由IEO-MKELM模型得到的预测值与实测值间的误差在10^(−3)数量级以下,与其他同类模型相比,IEO-MKELM模型具有更高的预测精度。结论基于IEO-MKELM的辛烷值软测量方法研究对于提高催化重整生产过程的自动化水平具有重要意义。 展开更多

关键词 IEO-MKELM 平衡优化算法 多核极限学习机 辛烷值 软测量 预测模型

在线阅读 下载PDF 职称材料

基于GASF-BMKELM的滚动轴承故障诊断方法

7

作者 杨锡发 王林军 +3 位作者 邹腾枭 吴振雄 李响 陈保家 《三峡大学学报(自然科学版)》 北大核心 2025年第4期96-103,共8页

针对传统故障诊断方法难以充分提取故障信息以及神经网络依赖初始参数选择的问题,提出一种基于格拉姆角和场(Gramian angular summation field,GASF)与贝叶斯优化多核极限学习机(Bayesian optimization multi-kernel extreme learning m... 针对传统故障诊断方法难以充分提取故障信息以及神经网络依赖初始参数选择的问题,提出一种基于格拉姆角和场(Gramian angular summation field,GASF)与贝叶斯优化多核极限学习机(Bayesian optimization multi-kernel extreme learning machine,BMKELM)的故障诊断方法.首先,应用小波包节点对数能量与格拉姆角和场(GASF)将原始振动信号变换为小波包对数能量图特征;其次,使用多项式核函数与径向基核函数加权组合构建多核极限学习机(multi-kernel extreme learning machine,MKELM),同时,利用贝叶斯优化算法优化多核极限学习机的参数来提升诊断模型的故障识别能力;最后,以小波包对数能量图特征作为输入,再使用BMKELM模型完成故障特征识别与分类.通过两个数据集进行验证分析,实验结果表明,所提方法的准确率分别为99.39%和98.89%,具有较高的故障识别率和稳定性. 展开更多

关键词 滚动轴承 格拉姆角和场 小波包对数能量图 多核极限学习机 贝叶斯优化算法 故障诊断

在线阅读 下载PDF 职称材料

基于模糊C均值聚类-变分模态分解和群智能优化的多核神经网络短期负荷预测模型 被引量：29

8

作者 王煜尘 窦银科 孟润泉 《高电压技术》 EI CAS CSCD 北大核心 2022年第4期1308-1319,共12页

电力系统的运行和控制中,短期负荷预测(short-term load forecasting,STLF)起着至关重要的作用。由于负荷的随机性和复杂性,准确预测负荷成为一项挑战。该文将结合了模糊C均值聚类(fuzzy C-means clustering,FCM)理论、变分模态分解(var... 电力系统的运行和控制中,短期负荷预测(short-term load forecasting,STLF)起着至关重要的作用。由于负荷的随机性和复杂性,准确预测负荷成为一项挑战。该文将结合了模糊C均值聚类(fuzzy C-means clustering,FCM)理论、变分模态分解(variational modal decomposition,VMD)和混沌粒子群优化(chaotic particle swarm optimization,CPSO)算法的多核极限学习机(multi-kernel extreme learning machine,MKELM)引入到预测模型中,构建聚类、分解、优化、训练、预测的负荷预测模型。然后基于已用于中国南极内陆泰山站能源系统的短期负荷预测应用案例,在原有模型基础上改进后获得适用于中国国内用电负荷预测模型。模型训练结果对比表明,该新模型在负荷短期预测中具有较高精度,能够反映区域用电负荷的变化趋势,研究成果为各种场景的用电负荷预测提供了新方法和新思路。 展开更多

关键词 模糊C均值聚类 变分模态分解 混沌粒子群优化 多核极限学习机 短期负荷预测

在线阅读 下载PDF 职称材料

基于BA-MKELM的微电网故障识别与定位 被引量：2

9

作者 吴忠强 卢雪琴 《计量学报》 CSCD 北大核心 2024年第2期253-260,共8页

提出一种基于贝叶斯算法优化多核极限学习机的微电网故障识别和定位方法。针对极限学习机输入参数和隐含层节点数随机选取导致回归能力不足的问题,引入核函数,将多项式与高斯径向基核函数加权组合构成多核极限学习机建立故障识别与定位... 提出一种基于贝叶斯算法优化多核极限学习机的微电网故障识别和定位方法。针对极限学习机输入参数和隐含层节点数随机选取导致回归能力不足的问题,引入核函数,将多项式与高斯径向基核函数加权组合构成多核极限学习机建立故障识别与定位模型,并采用贝叶斯算法对多核极限学习机相关参数进行优化,进一步提高模型的逼近能力。为了验证所提模型的故障识别与定位性能,选用极限学习机和多核极限学习机分别建立故障诊断模型进行比较分析。实验结果表明,所提方法能够高性能地识别和定位微电网中任何类型的故障,识别和定位精度更高。 展开更多

关键词 电学计量 微电网线路 故障识别和定位 贝叶斯算法 多核极限学习机 小波包分解

在线阅读 下载PDF 职称材料

基于ARO-MKELM的微电网攻击检测 被引量：1

10

作者 吴忠强 张伟一 《计量学报》 CSCD 北大核心 2024年第10期1444-1452,共9页

智能电网的复杂性和开放性使其在信息交换时更易受到网络攻击的威胁。目前大多数检测方法只关注检测攻击的存在性,不能确定受到攻击的分布式电源的具体位置,导致无法快速将被攻击的分布式电源隔离,继而造成严重的损失。提出一种基于人... 智能电网的复杂性和开放性使其在信息交换时更易受到网络攻击的威胁。目前大多数检测方法只关注检测攻击的存在性,不能确定受到攻击的分布式电源的具体位置,导致无法快速将被攻击的分布式电源隔离,继而造成严重的损失。提出一种基于人工兔群优化算法优化多核极限学习机的交流微电网虚假数据注入攻击检测方法。在传统极限学习机中引入组合核函数以提升检测模型的学习能力和泛化能力,并采用具有强全局搜索能力的人工兔群优化算法优化多核极限学习机的核函数参数及正则化系数,进一步提升检测模型的检测精度。利用非训练样本内幅值为55和95的阶跃攻击信号进行仿真验证,检测准确率范围分别达到了(93.44~94.64)%和(98.11~99.23)%,与其他检测模型进行对比分析,验证了所提方法的优越性。 展开更多

关键词 电学计量 交流微电网 虚假数据注入 人工兔群优化算法 多核极限学习机

在线阅读 下载PDF 职称材料

链式回转弹仓区间不确定性动力学模型 被引量：3

11

作者 赵伟 侯保林 +2 位作者 闫少军 鲍丹 林瑜斌 《兵工学报》 EI CAS CSCD 北大核心 2024年第6期1991-2002,共12页

针对具有区间不确定性参数的辨识问题,提出一种基于区间可能度转换模型的区间不确定性参数的双层嵌套辨识(Double-layer Nested Identification,DNI)方法。通过将待辨识参数分为两类,利用DNI方法辨识出第1类确定性参数,再通过基于DNI思... 针对具有区间不确定性参数的辨识问题,提出一种基于区间可能度转换模型的区间不确定性参数的双层嵌套辨识(Double-layer Nested Identification,DNI)方法。通过将待辨识参数分为两类,利用DNI方法辨识出第1类确定性参数,再通过基于DNI思想的区间优化方法优化第2类区间不确定性参数的区间范围;面向嵌套策略类型方法计算量庞大且效率低的问题,选用贝叶斯优化-粒子群优化(Bayesian Optimization-Particle Swarm Optimization,BO-PSO)方法作为内层算法以提高求解效率。DNI方法的内层利用BO-PSO方法计算区间上下界,外层利用改进型布谷鸟搜索(Improved Cuckoo Search,ICS)方法辨识特定参数。为进一步缩短求解时间,提出一种ICS多核极限学习机(ICS-Multiple Kernel-Extreme Learning Machine,ICS-MK-ELM)代理模型,ICS-MK-ELM代理模型克服了人工调节每个核函数超参数的困难,并且模型预测精度明显高于核ELM(Kernel ELM,KELM)和MK-ELM;将DNI方法应用于链式回转弹仓的参数辨识,解决了链式弹仓具有区间不确定性参数的辨识困难的问题,参数辨识结果表明所提DNI方法以及基于DNI思想的区间优化方法具有更高的精度和稳定性。 展开更多

关键词 不确定性 区间可能度 弹仓 参数辨识 多核极限学习机 贝叶斯优化 布谷鸟搜索方法

在线阅读 下载PDF 职称材料

无监督健康指标在轴承早期故障检测中的应用

12

作者 肖飞 马萍 +1 位作者 张宏立 王聪 《组合机床与自动化加工技术》 北大核心 2024年第6期151-155,160,共6页

针对滚动轴承早期故障时间点难以检测问题,提出一种基于卷积深度置信网络(convolutional deep belief network, CDBN)与多核极限学习机自编码器(multi-kernel extreme learning machine based autoencoder, MKELM-AE)的无监督健康指标... 针对滚动轴承早期故障时间点难以检测问题,提出一种基于卷积深度置信网络(convolutional deep belief network, CDBN)与多核极限学习机自编码器(multi-kernel extreme learning machine based autoencoder, MKELM-AE)的无监督健康指标故障检测方法。首先,引入CDBN自适应提取滚动轴承健康状态振动信号频谱的深层高维特征信息,去除高维数据冗余信息后得到表征滚动轴承健康状态的低维特征;然后,采用粒子群优化(particle swarm optimization, PSO)的MKELM-AE对提取的低维特征进行重构训练;最后,将待测信号输入训练好的CDBN-MKELM-AE模型中计算重构误差作为反映滚动轴承退化的健康指标,并采用Bootstrap Pettitt异常检测方法检测待测健康指标发生突变的时间。实验结果表明,所提方法建立的健康指标能反映轴承退化的不同阶段,可有效检测出早期故障中健康指标发生突变的时间,定位早期故障点。 展开更多

关键词 滚动轴承 早期故障预测 卷积深度置信网络 多核极限学习机 健康指标

在线阅读 下载PDF 职称材料

基于改进MKELM的红外空间锥体目标识别

13

作者 王彩云 常韵 +3 位作者 李晓飞 王佳宁 吴钇达 张慧雯 《系统工程与电子技术》 EI CSCD 北大核心 2024年第10期3257-3264,共8页

针对远距离探测时仅能获取目标的红外辐射强度序列、样本量有限、信噪比低而导致目标识别困难的问题,提出一种基于改进多核极限学习机(multiple kernel extreme learning machine,MKELM)的红外空间锥体目标识别方法。首先对红外辐射强... 针对远距离探测时仅能获取目标的红外辐射强度序列、样本量有限、信噪比低而导致目标识别困难的问题,提出一种基于改进多核极限学习机(multiple kernel extreme learning machine,MKELM)的红外空间锥体目标识别方法。首先对红外辐射强度序列进行变分模态分解(variational mode decomposition,VMD)并重构,然后对重构序列进行时域特征提取,最后采用鲸鱼优化算法(whale optimization algorithm,WOA)优化MKELM的参数组合,在仿真生成的空间锥体目标红外辐射强度序列数据集上进行目标分类识别实验。实验结果验证了所提算法的有效性,同时表明所提方法具有较好的识别准确性和鲁棒性。 展开更多

关键词 红外辐射强度序列 空间目标识别 变分模态分解 鲸鱼优化算法 多核极限学习机

在线阅读 下载PDF 职称材料

基于IGWO-MKELM的锂离子电池剩余使用寿命预测 被引量：2

14

作者 宋健正 刘洋 +1 位作者 崔来熙 张梦迪 《电源学报》 CSCD 北大核心 2023年第1期168-176,共9页

随着锂离子电池在储能系统中比例迅速增大,为避免因电池性能退化导致的事故,如何准确预测锂离子电池剩余使用寿命就成为保障储能系统可靠运行的关键。针对锂离子电池剩余使用寿命预测的问题,提出一种改进灰狼优化多核极限学习机(IGWO-MK... 随着锂离子电池在储能系统中比例迅速增大,为避免因电池性能退化导致的事故,如何准确预测锂离子电池剩余使用寿命就成为保障储能系统可靠运行的关键。针对锂离子电池剩余使用寿命预测的问题,提出一种改进灰狼优化多核极限学习机(IGWO-MKELM)预测方法。首先从电池充放电过程中提取能够表征电池寿命退化的间接健康因子作为输入量,然后采用改进灰狼算法对多核极限学习机参数进行寻优,建立改进灰狼优化多核极限学习机预测方法,最后使用NASA电池数据集进行仿真实验。结果表明,IGWO-MKELM方法可以更加精确地预测锂离子电池剩余寿命。 展开更多

关键词 锂离子电池 剩余使用寿命 间接健康因子 改进灰狼优化算法 多核极限学习机

在线阅读 下载PDF 职称材料

基于LLSO-MKELM算法的观瞄故障诊断

15

作者 王文傲 李英顺 +2 位作者 张杨 匡博琪 隋欢欢 《兵工自动化》 2023年第3期39-43,共5页

针对装甲车辆的观瞄系统,提出一种基于多核极限学习机(multi kernel extreme learning machine,MKELM)的故障诊断模型。利用分级粒子群优化算法(level-based learning swarm optimizer,LLSO)优化模型参数,利用采集历史数据进行仿真实验... 针对装甲车辆的观瞄系统,提出一种基于多核极限学习机(multi kernel extreme learning machine,MKELM)的故障诊断模型。利用分级粒子群优化算法(level-based learning swarm optimizer,LLSO)优化模型参数,利用采集历史数据进行仿真实验。结果表明:MKELM有更好的诊断准确度,并且LLSO可解决MKELM相对较多的参数带来的训练速度较慢的问题;与经典的粒子群算法(particle swarm optimization,PSO)相比,LLSO有着更快的优化速度,证明了LLSO-MKELM可用于观瞄系统故障诊断,并且有着良好的训练速度和准确度。 展开更多

关键词 故障诊断 观瞄系统 多核极限学习机 分级粒子群优化算法 装甲车辆

在线阅读 下载PDF 职称材料