检索结果-维普期刊中文期刊服务平台

基于CNN-GRU深度学习的模块化多电平矩阵变换器故障诊断被引量：1: 1; 作者朱晋程启明程尹曼《南方电网技术》 CSCD 北大核心 2024年第11期13-22,共10页; 模块化多电平矩阵变换器(modular multilevel matrix converter,M3C)是一种用于海上风力发电的低频电力传输AC-AC变换器。为了提高M3C工作的可靠性和稳定性,对其子模块中IGBT(insulated gate bipolar transistor)的开路故障需要有高效... 展开更多; 关键词模块化多电平矩阵变换器小波包分析卷积神经网络门控循环单元故障诊断; 在线阅读下载PDF 职称材料

面向中文新闻文本分类的融合网络模型被引量：12: 2; 作者胡玉兰赵青杉 +1 位作者陈莉牛永洁《中文信息学报》 CSCD 北大核心 2021年第3期107-114,共8页; 针对神经网络文本分类模型随着层数的加深,在训练过程中发生梯度爆炸或消失以及学习到的词在文本中的语义信息不够全面的问题,该文提出了一种面向中文新闻文本分类的融合网络模型。该模型首先采用密集连接的双向门控循环神经网络学习文... 展开更多; 关键词文本分类密集连接双向门控循环神经网络最大池化自注意力机制; 在线阅读下载PDF 职称材料

基于混沌CSO优化时序注意力GRU模型的超短期风电功率预测被引量：29: 3; 作者孟安波陈顺 +4 位作者王陈恩丁伟锋蔡涌烽符嘉晋周华敏《电网技术》 EI CSCD 北大核心 2021年第12期4692-4700,共9页; 高精度的风电功率预测对风电的并网运营至关重要。为提取风电功率输入序列隐含的时间信息,建立以门控循环单元为基础的预测模型;并在模型输入侧引入时序注意力机制,通过与输入进行加权的方式提高模型对关键历史时间节点的敏感性。为加... 展开更多; 关键词风电功率预测门控循环单元时序注意力机制动态混沌纵横交叉算法正则化; 在线阅读下载PDF 职称材料

基于MRSDAE-SOM结合HGRU的滚动轴承RUL预测被引量：1: 4; 作者陈家芳刘钰凡吴朗《现代制造工程》 CSCD 北大核心 2024年第3期148-155,53,共9页; 基于传统方法预测轴承剩余使用寿命(Residual Useful Life,RUL),步骤繁多,成本昂贵,且模型不具泛化性。现有的基于深度学习(Deep Learning,DL)的预测方法,由于数据量过大,经常导致模型出现过拟合现象,从而使模型精度不高。为了克服以上... 展开更多; 关键词深度学习剩余使用寿命流形正则化堆栈去噪自编码器分层门控循环单元; 在线阅读下载PDF 职称材料

基于农村发展模式分析的中长期负荷预测方法被引量：8: 5; 作者熊宁肖异瑶 +2 位作者姚志刚钟士元舒娇《电力系统及其自动化学报》 CSCD 北大核心 2021年第3期94-101,共8页; 针对农村用电方式和用电需求变化问题,本文在考虑国家政策、农村经济等影响农村发展模式及负荷变化因素的基础上,提出了一种基于农村发展模式分析的中长期负荷预测方法。首先,对电力系统大数据进行了分析,提出了K-means-Robust聚类算法... 展开更多; 关键词农村用电负荷中长期负荷预测 K-means-Robust聚类加权自适应K近邻正则化门控循环神经网络; 在线阅读下载PDF 职称材料

基于AMCNN-BiGRU的滚动轴承故障诊断方法研究被引量：6: 6; 作者徐鹏皋军邵星《振动与冲击》 EI CSCD 北大核心 2023年第18期71-80,共10页; 为克服传统滚动轴承故障诊断方法需要人工提取特征的缺点,提出一种基于注意力模块的卷积神经网络-双向门控循环单元的滚动轴承故障诊断方法。该方法利用下采样后的原始振动信号作为输入,通过具有两种不同核大小的并行卷积块从采样后的... 展开更多; 关键词卷积神经网络门控循环单元注意力机制轴承故障诊断可视化; 在线阅读下载PDF 职称材料

题名基于CNN-GRU深度学习的模块化多电平矩阵变换器故障诊断被引量：1: 1; 作者朱晋程启明程尹曼; 机构上海电力大学自动化工程学院上海电力公司市北供电分公司; 出处《南方电网技术》 CSCD 北大核心 2024年第11期13-22,共10页; 基金国家自然科学基金资助项目(62303301) 上海市电站自动化技术重点实验室资助项目(13DZ2273800)~~。; 文摘模块化多电平矩阵变换器(modular multilevel matrix converter,M3C)是一种用于海上风力发电的低频电力传输AC-AC变换器。为了提高M3C工作的可靠性和稳定性,对其子模块中IGBT(insulated gate bipolar transistor)的开路故障需要有高效准确的诊断方法,为此提出了基于卷积神经网络(convolutional neural network,CNN)和门控循环单元(gated loop unit,GRU)相结合的深度学习故障诊断方法。在对M3C子模块运行工况分析基础上对原始故障数据进行小波包分析,并通过时序图像转换将其中高频分量转化为二维故障图片作为深度学习的训练及验证数据集,经过CNN对高维数据的特征提取,再通过GRU对数据进行优化训练,实现了对M3C故障类别的诊断识别。所提方法相比传统方法具有更加准确、快速的故障诊断能力。; 关键词模块化多电平矩阵变换器小波包分析卷积神经网络门控循环单元故障诊断; Keywords modular multilevel matrix converter wavelet packet analysis convolutional neural network gate recurrent unit fault diagnosis; 分类号 TM46 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名面向中文新闻文本分类的融合网络模型被引量：12: 2; 作者胡玉兰赵青杉陈莉牛永洁; 机构忻州师范学院计算机系西北大学信息科学与技术学院延安大学数学与计算机科学学院; 出处《中文信息学报》 CSCD 北大核心 2021年第3期107-114,共8页; 基金国家重点研发项目(2017YFB402103-1)。; 文摘针对神经网络文本分类模型随着层数的加深,在训练过程中发生梯度爆炸或消失以及学习到的词在文本中的语义信息不够全面的问题,该文提出了一种面向中文新闻文本分类的融合网络模型。该模型首先采用密集连接的双向门控循环神经网络学习文本的深层语义表示,然后将前一层学到的文本表示通过最大池化层降低特征词向量维度,同时保留其主要特征,并采用自注意力机制获取文本中更关键的特征信息,最后将所学习到的文本表示拼接后通过分类器对文本进行分类。实验结果表明:所提出的融合模型在中文新闻长文本分类数据集NLPCC2014上进行实验,其精度、召回率、F1-score指标均优于最新模型AC-BiLSTM。; 关键词文本分类密集连接双向门控循环神经网络最大池化自注意力机制; Keywords text classification dense connection bi-direction gated recurrent unit max pooling self-attention mechanism; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于混沌CSO优化时序注意力GRU模型的超短期风电功率预测被引量：29: 3; 作者孟安波陈顺王陈恩丁伟锋蔡涌烽符嘉晋周华敏; 机构广东工业大学自动化学院广东电网责任有限公司机巡管理中心; 出处《电网技术》 EI CSCD 北大核心 2021年第12期4692-4700,共9页; 基金国家自然科学基金项目(61876040)。; 文摘高精度的风电功率预测对风电的并网运营至关重要。为提取风电功率输入序列隐含的时间信息,建立以门控循环单元为基础的预测模型;并在模型输入侧引入时序注意力机制,通过与输入进行加权的方式提高模型对关键历史时间节点的敏感性。为加速模型收敛,在训练的早期利用动态混沌纵横交叉算法优化预测模型的权值和阈值;同时,通过构造多指标共同作用并联合待优化参数的正则项作为目标适应度函数,以避免优化过程中模型泛化性问题的出现。以某风电场采集间隔为1h和10min的实测数据进行实验,结果表明所提组合预测方法性能优于其他对比模型,并对其有效性进行了验证。; 关键词风电功率预测门控循环单元时序注意力机制动态混沌纵横交叉算法正则化; Keywords wind power forecasting gated recurrent unit temporal attention mechanism dynamic chaotic crisscross optimization algorithm regularization; 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

题名基于MRSDAE-SOM结合HGRU的滚动轴承RUL预测被引量：1: 4; 作者陈家芳刘钰凡吴朗; 机构广西中烟工业有限责任公司; 出处《现代制造工程》 CSCD 北大核心 2024年第3期148-155,53,共9页; 文摘基于传统方法预测轴承剩余使用寿命(Residual Useful Life,RUL),步骤繁多,成本昂贵,且模型不具泛化性。现有的基于深度学习(Deep Learning,DL)的预测方法,由于数据量过大,经常导致模型出现过拟合现象,从而使模型精度不高。为了克服以上缺点,提出一种基于MRSDAE-SOM结合HGRU的滚动轴承RUL预测方法。首先,使用无监督式网络流形正则化堆栈去噪自编码器(Manifold Regularization Stack Denoising Auto Encoder,MRSDAE)结合自组织映射(Self-Or-ganizing Mapping,SOM)构建轴承健康因子(Health Indicator,HI)。然后,通过分层门控循环单元(Hierarchical Gated Re-current Unit,HGRU)网络建立预测模型,HGRU网络通过加入多尺度层和密集层,使其具有捕获时序特征且集成不同时间尺度注意力信息的能力。最后,通过实验验证表明,相比于其他基于数据驱动的方法,所提方法构建健康因子使用无监督方式,高效快捷且便于应用;预测模型泛化能力好,并有效防止了过拟合现象,实现了更高的预测精度。; 关键词深度学习剩余使用寿命流形正则化堆栈去噪自编码器分层门控循环单元; Keywords Deep Learning(DL) Residual Useful Life(RUL) Manifold Regularized Stack Denoising Auto Encoder(MRSDAE) Hierarchical Gated Recurrent Unit(HGRU); 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

题名基于农村发展模式分析的中长期负荷预测方法被引量：8: 5; 作者熊宁肖异瑶姚志刚钟士元舒娇; 机构国网江西省电力有限公司经济技术研究院华南理工大学电力学院; 出处《电力系统及其自动化学报》 CSCD 北大核心 2021年第3期94-101,共8页; 文摘针对农村用电方式和用电需求变化问题,本文在考虑国家政策、农村经济等影响农村发展模式及负荷变化因素的基础上,提出了一种基于农村发展模式分析的中长期负荷预测方法。首先,对电力系统大数据进行了分析,提出了K-means-Robust聚类算法与加权自适应K近邻算法,搭建了农村发展模式预测模型。然后,针对不同农村发展模式,使用基于灰色关联度分析的正则化门控循环神经网络模型预测农村中长期负荷变化曲线。最后,以某农村为例,验证了所提方法的可行性。; 关键词农村用电负荷中长期负荷预测 K-means-Robust聚类加权自适应K近邻正则化门控循环神经网络; Keywords rural electricity load medium-long-term load forecasting K-means-Robust clustering weighted adaptive K-nearest neighbor regularized depth-gated recurrent neural network; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于AMCNN-BiGRU的滚动轴承故障诊断方法研究被引量：6: 6; 作者徐鹏皋军邵星; 机构盐城工学院机械工程学院盐城工学院信息工程学院; 出处《振动与冲击》 EI CSCD 北大核心 2023年第18期71-80,共10页; 基金国家自然科学基金(62076215) 教育部新一代信息技术创新项目(2020ITA02057)。; 文摘为克服传统滚动轴承故障诊断方法需要人工提取特征的缺点,提出一种基于注意力模块的卷积神经网络-双向门控循环单元的滚动轴承故障诊断方法。该方法利用下采样后的原始振动信号作为输入,通过具有两种不同核大小的并行卷积块从采样后的数据中提取特征,并使用注意力模块对提取的特征进行加权融合处理,最后将具有不同权重的特征输入到双向门控循环单元进行故障分类,从而实现端到端的诊断。为了理解所提出模型的诊断过程,对所学习的特征进行可视化,分析发现模型可以有效映射不同类型的故障。经试验表明,该模型使用下采样后的原始数据有效缩短了网络的训练时间,同时还可以保持100%的诊断准确率。; 关键词卷积神经网络门控循环单元注意力机制轴承故障诊断可视化; Keywords convolutional neural network gate recurrent unit attention mechanism bearing fault diagnosis visualization; 分类号 TH212 [机械工程—机械制造及自动化] TH213.3 [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	作者	出处	发文年	被引量	操作
1	基于CNN-GRU深度学习的模块化多电平矩阵变换器故障诊断	朱晋程启明程尹曼	《南方电网技术》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	面向中文新闻文本分类的融合网络模型	胡玉兰赵青杉陈莉牛永洁	《中文信息学报》 CSCD 北大核心	2021	12	在线阅读下载PDF 职称材料
3	基于混沌CSO优化时序注意力GRU模型的超短期风电功率预测	孟安波陈顺王陈恩丁伟锋蔡涌烽符嘉晋周华敏	《电网技术》 EI CSCD 北大核心	2021	29	在线阅读下载PDF 职称材料
4	基于MRSDAE-SOM结合HGRU的滚动轴承RUL预测	陈家芳刘钰凡吴朗	《现代制造工程》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
5	基于农村发展模式分析的中长期负荷预测方法	熊宁肖异瑶姚志刚钟士元舒娇	《电力系统及其自动化学报》 CSCD 北大核心	2021	8	在线阅读下载PDF 职称材料
6	基于AMCNN-BiGRU的滚动轴承故障诊断方法研究	徐鹏皋军邵星	《振动与冲击》 EI CSCD 北大核心	2023	6	在线阅读下载PDF 职称材料