基于改进蜣螂优化算法深度混合核极限学习机的高压断路器故障诊断

1

作者 范兴明 许洪华 +3 位作者 张思舜 李涛 蒋延军 张鑫 《电工技术学报》 北大核心 2025年第12期3994-4003,共10页

针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的... 针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的固有模态分量(IMF);其次,提取各IMF分量的功率谱熵构建特征向量矩阵,并利用t分布-随机邻域嵌入算法(t-SNE)对特征向量进行数据降维;然后,引入融合Tent混沌映射、黄金正弦策略、自适应t分布扰动策略对传统蜣螂优化算法(DBO)进行改进,并使用IDBO对DHKELM进行参数优化,完成IDBO-DHKELM高压断路器故障诊断模型的构建;最后,通过搭建模拟故障的实物断路器实验平台进行验证,结果表明,该文提出的方法在故障诊断上的准确率达到了98.33%,相较于其他故障诊断模型在多项分类评价指标上均有显著提升,为准确、可靠地诊断高压断路器机械故障提供了新方案。 展开更多

关键词 高压断路器 改进蜣螂优化算法 深度混合核极限学习机 故障诊断 逐次变分模 态分解

在线阅读 下载PDF 职称材料

基于小波变换样本熵和深度核极限学习机的电压暂降源辨识 被引量：7

2

作者 汪颖 敬志凤 《西安理工大学学报》 CAS 北大核心 2022年第1期142-150,共9页

电压暂降源的准确辨识是电压暂降治理决策和责任划分的基础。本文针对电压暂降源辨识困难问题,以信号处理和机器学习为基础,提出了一种基于小波变换样本熵和深度核极限学习机的电压暂降源辨识方法。利用小波变换对电压暂降信号进行分解... 电压暂降源的准确辨识是电压暂降治理决策和责任划分的基础。本文针对电压暂降源辨识困难问题,以信号处理和机器学习为基础,提出了一种基于小波变换样本熵和深度核极限学习机的电压暂降源辨识方法。利用小波变换对电压暂降信号进行分解,并计算分解后的小波系数的样本熵,以构成特征向量。基于极限学习机和自编码器理论并引入核函数构建深度核极限学习机模型,并将特征向量作为模型输入,通过多次训练和参数调试,获得最优参数。利用训练好的模型对输入数据进行辨识,以实现电压暂降源的辨识。结果表明,所提方法的准确率高、抗噪声性能好。 展开更多

关键词 电压暂降源 小波变换 样本熵 深度核极限学习机 性能评价指标

在线阅读 下载PDF 职称材料

融合特征基于深度多核学习的动态表情识别 被引量：4

3

作者 何秀玲 蒋朗 +1 位作者 吴珂 高倩 《计算机应用与软件》 北大核心 2018年第5期218-223,共6页

针对传统动态表情识别方法由于需要处理多帧表情图片而导致提取的特征维数过高、特征类别较为单一、分类器较难适用异构特征数据等问题,提出在帧数不统一的表情图片序列中,利用慢特征分析自动检测表情序列的峰值帧,继而在峰值帧上分别... 针对传统动态表情识别方法由于需要处理多帧表情图片而导致提取的特征维数过高、特征类别较为单一、分类器较难适用异构特征数据等问题,提出在帧数不统一的表情图片序列中,利用慢特征分析自动检测表情序列的峰值帧,继而在峰值帧上分别提取表情的几何特征和Gabor特征后降维,并利用深度多核学习对几何特征和Gabor特征融合后的异构特征信息进行学习并分类,从而提高识别率。在The Extended Cohn-Kanade Dataset(CK+)表情库进行的实验结果表明,识别率可达到94.4%。 展开更多

关键词 慢特征分析 峰值帧 特征融合 深度多核学习

在线阅读 下载PDF 职称材料

融合深度置信网络与与核极限学习机算法的核磁共振测井储层渗透率预测方法 被引量：16

4

作者 朱林奇 张冲 +3 位作者 周雪晴 魏旸 黄雨阳 高齐明 《计算机应用》 CSCD 北大核心 2017年第10期3034-3038,共5页

由于低孔低渗储层孔隙结构较为复杂,现有核磁共振(NMR)测井渗透率模型对于低孔低渗储层预测精度不高。为此,提出一种融合深度置信网络(DBN)算法与核极限学习机(KELM)算法的渗透率预测方法。该方法首先对DBN模型进行预训练,然后将KELM模... 由于低孔低渗储层孔隙结构较为复杂,现有核磁共振(NMR)测井渗透率模型对于低孔低渗储层预测精度不高。为此,提出一种融合深度置信网络(DBN)算法与核极限学习机(KELM)算法的渗透率预测方法。该方法首先对DBN模型进行预训练,然后将KELM模型作为预测器放置在训练好DBN模型后,利用训练数据进行有监督的训练,最终形成深度置信-核极限学习机(DBKELMN)模型。考虑到该模型需充分利用反映孔隙结构的横向弛豫时间谱信息,将离散化后的核磁共振测井横向弛豫时间谱作为输入,渗透率作为输出,确定NMR测井横向弛豫时间谱与渗透率的函数关系,并基于该函数关系对储层渗透率进行预测。实例应用表明,融合DBN算法与KELM算法的渗透率预测方法是有效的,预测样本的平均绝对误差(MAE)较斯伦贝谢道尔研究中心(SDR)模型降低了0.34。融合DBN算法与KELM算法的渗透率预测方法可提高低孔渗储层渗透率预测精度,可应用于油气田勘探开发。 展开更多

关键词 深度学习 核磁共振测井 渗透率 深度置信网络 深度置信-核极限学习机

在线阅读 下载PDF 职称材料

基于深度高斯过程回归的视频异常事件检测方法 被引量：6

5

作者 王栋 张晓俊 戴丽华 《电子测量与仪器学报》 CSCD 北大核心 2021年第3期158-164,共7页

针对现有异常检测方法忽视异常事件发生概率小而造成虚警这个问题,基于高斯过程回归(GPR)的框架,将GPR核函数非参数化所具有的灵活性与深度神经网络的结构特性相结合,并将卷积神经网络封装在GPR的核函数中,以同时实现异常检测任务中特... 针对现有异常检测方法忽视异常事件发生概率小而造成虚警这个问题,基于高斯过程回归(GPR)的框架,将GPR核函数非参数化所具有的灵活性与深度神经网络的结构特性相结合,并将卷积神经网络封装在GPR的核函数中,以同时实现异常检测任务中特征提取和检测两个步骤。在测试阶段,相对于训练样本集的后验概率的对数似然较小的被判定为异常。方法在一个模拟数据集和一个完全真实的数据集上进行了实验验证,实验结果证明所提出的方法在两个数据集上分别达到了83.9%的帧级AUC和34.4%的帧级AUC,在性能上达到了现有技术发展水平。 展开更多

关键词 视频监控 异常事件 高斯过程回归 深度核学习 卷积神经网络

在线阅读 下载PDF 职称材料

极薄煤层破碎顶板条件下液压支架带压移架残余支撑力决策方法

6

作者 张传伟 张刚强 +4 位作者 路正雄 李林岳 何正伟 龚凌霄 黄骏峰 《工矿自动化》 北大核心 2025年第3期22-31,38,共11页

在破碎顶板条件下,液压支架带压移架过程中残余支撑力的精准决策对于提高极薄煤层智能化开采效率和保障作业安全至关重要。为实现极薄煤层破碎顶板条件下液压支架带压移架残余支撑力的准确决策,提出了一种基于改进蜣螂算法(IDBO)优化深... 在破碎顶板条件下,液压支架带压移架过程中残余支撑力的精准决策对于提高极薄煤层智能化开采效率和保障作业安全至关重要。为实现极薄煤层破碎顶板条件下液压支架带压移架残余支撑力的准确决策,提出了一种基于改进蜣螂算法(IDBO)优化深度混合核极限学习机(DHKELM)的液压支架带压移架残余支撑力决策方法。在混合核极限学习机(HKELM)基础上引入极限学习机自动编码器(ELM-AE)结构来构建DHKELM模型,以增强对复杂输入的特征提取和非线性映射能力;引入ICMIC混沌映射、Lévy飞行和贪婪策略对蜣螂算法(DBO)进行改进,形成具备更高寻优精度和更快收敛速度的IDBO算法;利用IDBO算法优化DHKELM模型的超参数,建立IDBO-DHKELM模型。结合极薄煤层综采工作面液压支架带压移架实测数据,通过可视化和相关性分析,确定支架号、带压移架前支架支撑力、推移油缸进液压力和推移油缸行程变化速度作为影响残余支撑力的关键特征,并构建残余支撑力决策样本数据集,最终完成IDBO-DHKELM模型的训练与评估。实验结果表明:基于IDBO-DHKELM模型的液压支架带压移架残余支撑力决策结果的均方根误差(RMSE)、平均绝对误差(MAE)及决定系数(R^(2))分别为0.143,0.119,0.971,具有较高的决策精确度。 展开更多

关键词 极薄煤层 液压支架 带压移架 残余支撑力 改进蜣螂算法 深度混合核极限学习机

在线阅读 下载PDF 职称材料

基于TVFEMDⅡ-十种鱼群算法-DHKELM模型的日含沙量预测 被引量：1

7

作者 邓智予 谢静 崔东文 《中国农村水利水电》 北大核心 2025年第3期61-70,共10页

为提高日含沙量时间序列预测精度,改进深度混合核极限学习机(DHKELM)预测性能,对比验证十种鱼群算法——电鳗觅食优化算法(EEFO)/成吉思汗鲨鱼优化(GKSO)算法/白鲸优化(BWO)算法/白鲨优化(WSO)算法/鲸鱼优化算法(WOA)/金枪鱼优化(TSO)算... 为提高日含沙量时间序列预测精度,改进深度混合核极限学习机(DHKELM)预测性能,对比验证十种鱼群算法——电鳗觅食优化算法(EEFO)/成吉思汗鲨鱼优化(GKSO)算法/白鲸优化(BWO)算法/白鲨优化(WSO)算法/鲸鱼优化算法(WOA)/金枪鱼优化(TSO)算法/旗鱼优化(SFO)算法/海洋捕食者算法(MPA)/?鱼优化算法(ROA)/蝠鲼觅食优化(MRFO)算法在基准测试函数和实例目标函数上的优化效果,提出时变滤波器经验模态二次分解(TVFEMDⅡ)-十种鱼群算法-DHKELM日含沙量时间序列预测模型。首先,利用TVFEMDⅡ对日含沙量时间序列进行分解处理,得到若干分解分量,合理划分训练集和预测集;其次,基于各分量训练集构建DHKELM超参数优化实例目标函数,同时选取8个基准测试函数作为对比验证函数,利用十种鱼群算法分别对基准测试函数和实例目标函数进行极值寻优与对比分析。最后,建立TVFEMDⅡ-十种鱼群算法-DHKELM模型,通过云南省龙潭站汛期日含沙量预测实例对各模型进行验证。结果表明:(1)十种鱼群算法对基准测试函数寻优总排名与对实例目标函数寻优总排名仅有10%相同,总体上EEFO、GKSO寻优效果较好,ROA、WSO较差。(2)十种鱼群算法对实例目标函数寻优总排名与十种鱼群算法优化的各模型预测精度总排名基本一致,表明鱼群算法极值寻优能力越强,其优化获得的DHKELM超参数越优,由此构建的预测模型性能越好,日含沙量预测精度越高。(3)TVFEMDⅡ-十种鱼群算法-DHKELM模型对实例日含沙量预测的平均绝对百分比误差(MAPE)在0.927%~1.583%之间,模型计算规模小、预测精度高、稳健性能好,具有较好的实用价值和意义。(4)在分解分量十分有限的情形下,TVFEMDⅡ能将复杂的日含沙量时间序列分解为更具规律、更易建模预测的模态分量,大大改进时间序列分解效果,显著提升日含沙量预测精度。 展开更多

关键词 日含沙量预测 时变滤波器经验模态分解 二次分解 十种鱼群算法 深度混合核极限学习机 函数优化

在线阅读 下载PDF 职称材料

基于高适用性特征和MIPOA-DHKELM的锂电池SOH估计 被引量：1

8

作者 张宇 胡朝朝 吴铁洲 《电源技术》 CAS 北大核心 2024年第12期2419-2425,共7页

现有研究注重于提高锂电池健康状态(state of health,SOH)的估算精度,而缺乏实际应用性。针对这一问题,从恒流阶段电压在4.0~4.2 V之间的数据和恒压阶段电流在1.5~0.3 A之间的数据中各提取了两个具有高适用性的健康特征,通过这两个充电... 现有研究注重于提高锂电池健康状态(state of health,SOH)的估算精度,而缺乏实际应用性。针对这一问题,从恒流阶段电压在4.0~4.2 V之间的数据和恒压阶段电流在1.5~0.3 A之间的数据中各提取了两个具有高适用性的健康特征,通过这两个充电数据片段均可准确估计锂电池的SOH。此外,通过多种策略改进鹈鹕优化算法(pelican optimization algorithm,POA),使其收敛速度更快,种群分布更均匀。最后,采用改进的POA来优化多层极限学习机和混合核极限学习机融合成的深度混合核极限学习机模型。经实验验证,该方法无需大量充电数据即可提取健康特征,并且能够很好地追踪容量再生现象。在所有对比模型中,该模型预测精度最高,误差分布最稳定。 展开更多

关键词 SOH 高适用性特征 多策略改进POA 深度混合核极限学习机

在线阅读 下载PDF 职称材料

基于IGJO-DHKELM的光伏阵列故障诊断 被引量：1

9

作者 张彼德 陈广 +4 位作者 廖其龙 邱杰 马俊梅 何恒志 阎铁生 《电子测量与仪器学报》 CSCD 北大核心 2024年第11期79-89,共11页

为提高光伏阵列故障诊断精度,提出一种基于改进金豺算法(improved golden jackal optimization,IGJO)优化深度混合核极限学习机(deep hybrid kernel limit learning machine,DHKELM)的光伏阵列故障诊断方法。首先,在MATLAB/Simulink仿... 为提高光伏阵列故障诊断精度,提出一种基于改进金豺算法(improved golden jackal optimization,IGJO)优化深度混合核极限学习机(deep hybrid kernel limit learning machine,DHKELM)的光伏阵列故障诊断方法。首先,在MATLAB/Simulink仿真平台模拟各种光伏阵列故障,在对故障特征进行了深入分析的基础上,提出了一个12维特征作为光伏阵列故障诊断的特征量;其次,通过引入透镜成像反向学习策略、正余弦算法策略和自适应T分布扰动策略对金豺算法进行改进,以提高其收敛速度和全局寻优能力,并将IGJO与其他优化算法通过测试函数进行对比;再次,将径向基核函数和多项式核函数引入极限学习机,并结合自编码器构成DHKELM模型。最后,通过IGJO对DHKELM模型的初始参数进行优化,建立了IGJO-DHKELM光伏阵列故障诊断模型。结果分析表明,与传统4维和5维故障特征量相比,利用所提12维故障特征量进行诊断时准确率更高;相较于其他故障诊断模型,基于IGJO-DHKELM的光伏阵列故障诊断方法具有更高的诊断精度。 展开更多

关键词 光伏阵列 故障诊断 故障特征量 改进金豺算法 深度混合核极限学习机

在线阅读 下载PDF 职称材料

基于混合特征选择和INGO-DHKELM的变压器故障诊断方法 被引量：1

10

作者 李多 张莲 +3 位作者 赵娜 谢文龙 黄伟 季鸿宇 《南方电网技术》 CSCD 北大核心 2024年第8期19-28,共10页

针对变压器故障特征选择困难和诊断模型准确率较低的问题,提出一种混合式故障特征选择方法,并利用改进北方苍鹰优化算法(improved northern goshawk optimization algorithm,INGO)优化深度混合核极限学习机(deep hybrid kernel limit le... 针对变压器故障特征选择困难和诊断模型准确率较低的问题,提出一种混合式故障特征选择方法,并利用改进北方苍鹰优化算法(improved northern goshawk optimization algorithm,INGO)优化深度混合核极限学习机(deep hybrid kernel limit learning machine,DHKELM)实现变压器故障诊断。首先,基于相关比值法构建24维变压器故障特征集,从线性相关和非线性相关的角度出发,采用Pearson相关系数和互信息法,筛除相关性较低的特征。其次,引入Logistic混沌映射、随机反向学习和自适应t分布变异改进NGO算法,提升其寻优性能。然后,利用INGO算法对保留特征进行二次筛选,获得最优输入特征。最后,将极限学习机自动编码器引入混合核极限学习机中,建立DHKELM诊断模型,利用INGO对DHKELM模型初始参数进行优化,完成INGO-DHKELM变压器故障诊断模型的构建。实验表明,与常规特征选择方法相比,利用混合式故障特征选择方法所选择的输入特征进行故障诊断能够有效提升诊断准确率;相较于其他优化型诊断模型,INGO-DHKELM具有更高的准确率和更好的稳定性。 展开更多

关键词 变压器 故障诊断 特征选择 北方苍鹰优化算法 深度混合核极限学习机

在线阅读 下载PDF 职称材料

基于HPO-VMD和MISMA-DHKELM的短期光伏功率组合预测 被引量：10

11

作者 王超 蔺红 庞晓虹 《太阳能学报》 EI CSCD 北大核心 2023年第12期65-73,共9页

为提高光伏发电功率的预测精度,提出一种优化变分态分解(VMD)、多策略改进黏菌优化算法(MISMA)和深度混合核极限学习机(DHKELM)的短期光伏功率组合预测方法。首先,利用VMD分解技术将不同天气类型的功率数据分解成多个模态分量,为避免模... 为提高光伏发电功率的预测精度,提出一种优化变分态分解(VMD)、多策略改进黏菌优化算法(MISMA)和深度混合核极限学习机(DHKELM)的短期光伏功率组合预测方法。首先,利用VMD分解技术将不同天气类型的功率数据分解成多个模态分量,为避免模态分量间的频率混淆,使用狩猎者(HPO)算法优化VMD的关键参数-分解层数和惩罚因子;然后,针对不同天气类型分解的各分量建立DHKELM预测模型,并采用MISMA优化DHKELM模型的超参数;最后,将各模态分量预测结果求和重构作为最终预测结果。利用新疆某光伏电站的实际数据进行实验分析,实验结果表明:该方法在不同天气类型下均能实现较好的预测效果,预测精度明显优于单一预测模型,与其他方法对比,验证了该方法的有效性。 展开更多

关键词 光伏功率 变分模态分解 组合预测 多策略改进黏菌算法 深度混合核极限学习机

在线阅读 下载PDF 职称材料

基于数据增强和优化DHKELM的短期光伏功率预测

12

作者 郭利进 马粽阳 胡晓岩 《太阳能学报》 2025年第8期463-471,共9页

针对不同气象条件数据质量差异较大且光伏功率呈高波动性难以预测等问题,提出添加随机噪声的数据增强方法(DA)和改进的神经网络组合模型。首先利用谱聚类算法将光伏数据按不同气象条件进行分类,随后通过添加与输入同形状的随机噪声方法... 针对不同气象条件数据质量差异较大且光伏功率呈高波动性难以预测等问题,提出添加随机噪声的数据增强方法(DA)和改进的神经网络组合模型。首先利用谱聚类算法将光伏数据按不同气象条件进行分类,随后通过添加与输入同形状的随机噪声方法提升数据集的规模与质量。针对深度混合核极限学习机(DHKELM)超参数多等问题,提出融合佳点集初始化、黄金正弦更新策略、非线性扰动和最优个体自适应扰动的改进鹈鹕优化算法(IPOA)对其超参数寻优。最后以青海共和县光伏园内某电站数据为例,结果表明基于数据增强的改进鹈鹕算法优化深度混合核极限学习机(DA-IPOA-DHKELM)模型在不同天气、季节条件下预测误差最小,拟合度均能达到90%以上,改进模型预测精度高、算法适用性强。 展开更多

关键词 光伏功率 预测 聚类分析 数据增强 深度混合核极限学习机 改进算法

在线阅读 下载PDF 职称材料