检索结果-维普期刊中文期刊服务平台

趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法被引量：2: 1; 作者黄鑫宇马宁 +2 位作者付伟季伟东亓文凤《计算机应用研究》 CSCD 北大核心 2024年第3期721-728,763,共9页; 针对蝴蝶优化算法(butterfly optimization algorithm,BOA)易陷入局部最优,且收敛速度慢和寻优精度低等问题,提出了一种趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法(hybrid optimization algorithm for salp swarm and butterfly wit... 展开更多; 关键词蝴蝶优化算法樽海鞘群优化算法柯西变异趋优变异反向学习领导者策略; 在线阅读下载PDF 职称材料

基于樽海鞘群极限学习机的进/发一体化性能寻优控制模型研究: 2; 作者于子洋王晨 +2 位作者杜宪聂聆聪孙希明《推进技术》 EI CAS CSCD 北大核心 2024年第5期236-249,共14页; 为充分发挥航空推进系统的性能,提高性能寻优控制的实时性,将樽海鞘群算法(SSA)与极限学习机(ELM)相结合,基于进/发一体化部件级模型建立数据集,提出一种基于SSA-ELM的数据驱动模型。将该建模方法与广义回归神经网络(GRNN)、BP神经网络(... 展开更多; 关键词航空发动机进/发一体化樽海鞘群优化算法极限学习机数据驱动模型性能寻优控制; 在线阅读下载PDF 职称材料

基于熵-流特征和樽海鞘群优化支持向量机的故障诊断方法被引量：25: 3; 作者王振亚姚立纲 +1 位作者蔡永武张俊《振动与冲击》 EI CSCD 北大核心 2021年第6期107-114,共8页; 针对旋转机械设备故障特征提取困难的问题,提出一种熵-流特征和樽海鞘群优化支持向量机(salp swarm optimization support vector machine,SSO-SVM)的故障诊断方法。利用改进多尺度加权排列熵(improved multiscale weighted permutation... 展开更多; 关键词故障诊断行星齿轮箱熵-流特征改进多尺度加权排列熵(IMWPE) 等度规映射(Isomap) 樽海鞘群优化算法(SSO) 支持向量机(SVM); 在线阅读下载PDF 职称材料

基于SSA算法的飞行动作规则自动提取被引量：6: 4; 作者王乐黄长强魏政磊《计算机工程与应用》 CSCD 北大核心 2019年第14期203-208,共6页; 针对空战知识获取问题展开研究,提出了一条从海量飞行参数中获取知识的途径。构建空战专家系统知识库;对于飞行动作规则知识的提取,提出了一种基于樽海鞘群优化算法的飞行动作规则知识提取方法,为了使提取的规则知识简洁有效,对算法的... 展开更多; 关键词自主空战专家系统知识库知识获取樽海鞘群优化算法; 在线阅读下载PDF 职称材料

锂离子电池全生命周期剩余使用寿命预测被引量：3: 5; 作者赵沁峰蔡艳平王新军《电源学报》 CSCD 北大核心 2024年第2期197-204,共8页; 为确保新能源汽车在整个使用期间的安全性,需要对锂离子电池进行全生命周期的健康监测。针对基于神经网络构建的剩余寿命预测模型训练数据集容量较小导致学习率较低,以及极限学习机方法具有复共性的问题,提出一种扩增训练数据集的方法,... 展开更多; 关键词锂离子电池剩余使用寿命 Akima插补法樽海鞘群优化算法极限学习机; 在线阅读下载PDF 职称材料

题名趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法被引量：2: 1; 作者黄鑫宇马宁付伟季伟东亓文凤; 机构哈尔滨师范大学计算机科学与信息工程学院; 出处《计算机应用研究》 CSCD 北大核心 2024年第3期721-728,763,共9页; 基金黑龙江省自然科学基金资助项目(LH2021F037) 黑龙江省高等教育教学改革资助项目(SJGY20180259) +3 种基金哈尔滨师范大学研究生培养质量提升工程资助项目(HSDYJSJG2019006)。; 文摘针对蝴蝶优化算法(butterfly optimization algorithm,BOA)易陷入局部最优,且收敛速度慢和寻优精度低等问题,提出了一种趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法(hybrid optimization algorithm for salp swarm and butterfly with reverse mutation towards optimization learning,OMSSBOA)。引入柯西变异对最优蝴蝶个体进行扰动,避免算法陷入局部最优;将改进的樽海鞘群优化算法(salp swarm algorithm,SSA)嵌入到BOA,平衡算法全局勘探和局部开采的比重,进而提高算法收敛速度;利用趋优变异反向学习策略扩大算法搜索范围并提升解的质量,进而提高算法的寻优精度。将改进算法在10种基准测试函数上进行仿真实验,结果表明,改进算法具有较好的寻优性能和鲁棒性。; 关键词蝴蝶优化算法樽海鞘群优化算法柯西变异趋优变异反向学习领导者策略; Keywords butterfly optimization algorithm salp swarm algorithm Cauchy mutation reverse mutation towards optimization learning leadership strategy; 分类号 TP301 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于樽海鞘群极限学习机的进/发一体化性能寻优控制模型研究: 2; 作者于子洋王晨杜宪聂聆聪孙希明; 机构大连理工大学控制科学与工程学院北京动力机械研究所; 出处《推进技术》 EI CAS CSCD 北大核心 2024年第5期236-249,共14页; 基金国家自然科学基金(61890921,61890924) 国家科技重大专项(J2019-I-0019-0018) 中央高校基本科研业务费(DUT22QN204)。; 文摘为充分发挥航空推进系统的性能,提高性能寻优控制的实时性,将樽海鞘群算法(SSA)与极限学习机(ELM)相结合,基于进/发一体化部件级模型建立数据集,提出一种基于SSA-ELM的数据驱动模型。将该建模方法与广义回归神经网络(GRNN)、BP神经网络(BPNN)和极限学习机(ELM)比较,结果表明,相比于BPNN,ELM,GRNN,SSA-ELM用于预测可以使安装推力的均方根误差(RMSE)分别降低7.41%,17.01%,72.57%,安装油耗的RMSE分别降低4.32%,19.41%,66.77%,具有更高的预测精度。将基于SSA-ELM的数据驱动模型作为机载模型应用到性能寻优控制,结果表明,该机载模型能够维持理想的寻优效果。针对最大安装推力模式开展实时性分析,该机载模型相比于进/发一体化部件级模型,平均计算时间由184.05 ms缩短至1.357 ms,实时性得到显著改善,大大提高了寻优效率。; 关键词航空发动机进/发一体化樽海鞘群优化算法极限学习机数据驱动模型性能寻优控制; Keywords Aero-engine Integrated inlet/engine Salp swarm optimization algorithm Extreme learning machine Data-driven model Performance seeking control; 分类号 V233.7 [航空宇航科学与技术—航空宇航推进理论与工程]; 在线阅读下载PDF 职称材料

题名基于熵-流特征和樽海鞘群优化支持向量机的故障诊断方法被引量：25: 3; 作者王振亚姚立纲蔡永武张俊; 机构福州大学机械工程及自动化学院; 出处《振动与冲击》 EI CSCD 北大核心 2021年第6期107-114,共8页; 基金国家自然科学基金(51775114,51275092) 福建省工业机器人基础部件技术重大研发平台(2014H21010011)。; 文摘针对旋转机械设备故障特征提取困难的问题,提出一种熵-流特征和樽海鞘群优化支持向量机(salp swarm optimization support vector machine,SSO-SVM)的故障诊断方法。利用改进多尺度加权排列熵(improved multiscale weighted permutation entropy,IMWPE)提取机械设备不同工况下的故障特征;采用监督等度规映射(S-Isomap)流形学习进行降维处理,获取低维的熵-流特征集;将熵-流特征输入至SSO-SVM多故障分类器进行识别与诊断。行星齿轮箱故障诊断实验分析结果表明:IMWPE+S-Isomap熵-流特征提取方法优于现有的多尺度排列熵(multiscale permutation entropy,MPE)、多尺度加权排列熵(multiscale weighted permutation entropy,MWPE)和IMWPE等熵值特征提取方法以及IMWPE+等度规映射(Isomap)和IMWPE+线性局部切空间排列(linear local tangent space alignment,LLTSA)等熵-流特征提取方法;樽海鞘群算法对支持向量机参数寻优效果优于粒子群、灰狼群、人工蜂群和蝙蝠群等算法;所提故障诊断方法识别精度达到100%,能够有效诊断出行星齿轮箱各工况类型。; 关键词故障诊断行星齿轮箱熵-流特征改进多尺度加权排列熵(IMWPE) 等度规映射(Isomap) 樽海鞘群优化算法(SSO) 支持向量机(SVM); Keywords fault diagnosis planetary gearbox entropy-manifold feature improved multiscale weighted permutation entropy(IMWPE) isometric mapping(Isomap) salp swarm optimization(SSO)algorithm support vector machine(SVM); 分类号 TH165.3 [机械工程—机械制造及自动化] TN911.7 [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SSA算法的飞行动作规则自动提取被引量：6: 4; 作者王乐黄长强魏政磊; 机构空军工程大学航空工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2019年第14期203-208,共6页; 基金国家自然科学基金(No.61601505) 航空科学基金(No.20155196022); 文摘针对空战知识获取问题展开研究,提出了一条从海量飞行参数中获取知识的途径。构建空战专家系统知识库;对于飞行动作规则知识的提取,提出了一种基于樽海鞘群优化算法的飞行动作规则知识提取方法,为了使提取的规则知识简洁有效,对算法的评价函数进行了设计。通过对水平右转弯机动动作和斤斗动作进行规则提取仿真与分析,验证了该方法的有效性和可行性。; 关键词自主空战专家系统知识库知识获取樽海鞘群优化算法; Keywords autonomous air combat expert system knowledge acquisition salp swarm algorithm; 分类号 V279 [航空宇航科学与技术—飞行器设计]; 在线阅读下载PDF 职称材料

题名锂离子电池全生命周期剩余使用寿命预测被引量：3: 5; 作者赵沁峰蔡艳平王新军; 机构火箭军工程大学; 出处《电源学报》 CSCD 北大核心 2024年第2期197-204,共8页; 文摘为确保新能源汽车在整个使用期间的安全性,需要对锂离子电池进行全生命周期的健康监测。针对基于神经网络构建的剩余寿命预测模型训练数据集容量较小导致学习率较低,以及极限学习机方法具有复共性的问题,提出一种扩增训练数据集的方法,并基于改进极限学习机构建锂离子电池全生命周期剩余寿命预测模型。首先,提取电池早期运行数据构建健康因子,利用Akima插补法进行训练数据量的扩增;然后,使用樽海鞘群优化算法对极限学习机网络进行改进,建立锂电池全生命周期剩余寿命预测模型;最后,利用NASA电池数据集对模型进行验证。实验结果表明:所提出的训练数据容量扩增的方法有效,全生命周期剩余寿命预测模型容量跟踪能力强,预测误差小。; 关键词锂离子电池剩余使用寿命 Akima插补法樽海鞘群优化算法极限学习机; Keywords Lithium-ion battery remaining useful life(RUL) Akima interpolation method salp swarm algorithm extreme learning machine(ELM); 分类号 TM912 [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	趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法	黄鑫宇马宁付伟季伟东亓文凤	《计算机应用研究》 CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
2	基于樽海鞘群极限学习机的进/发一体化性能寻优控制模型研究	于子洋王晨杜宪聂聆聪孙希明	《推进技术》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于熵-流特征和樽海鞘群优化支持向量机的故障诊断方法	王振亚姚立纲蔡永武张俊	《振动与冲击》 EI CSCD 北大核心	2021	25	在线阅读下载PDF 职称材料
4	基于SSA算法的飞行动作规则自动提取	王乐黄长强魏政磊	《计算机工程与应用》 CSCD 北大核心	2019	6	在线阅读下载PDF 职称材料
5	锂离子电池全生命周期剩余使用寿命预测	赵沁峰蔡艳平王新军	《电源学报》 CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料