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

基于改进北方苍鹰算法与混合核极限学习机的齿轮箱故障诊断 被引量：1

2

作者 杜董生 王梦姣 +1 位作者 冒泽慧 赵环宇 《控制理论与应用》 北大核心 2025年第4期796-804,共9页

针对行星齿轮箱故障诊断问题,本文提出了一种基于改进北方苍鹰优化(INGO)算法与混合核极限学习机(HKELM)的行星齿轮箱故障诊断方法.首先,引入Savitzky-Golay(SG)滤波对齿轮箱原始信号进行去噪.利用时变滤波经验模态分解(TVF-EMD)将去噪... 针对行星齿轮箱故障诊断问题,本文提出了一种基于改进北方苍鹰优化(INGO)算法与混合核极限学习机(HKELM)的行星齿轮箱故障诊断方法.首先,引入Savitzky-Golay(SG)滤波对齿轮箱原始信号进行去噪.利用时变滤波经验模态分解(TVF-EMD)将去噪后的信号分解成多个本征模态函数(IMF),使用方差贡献率、相关系数和信息熵筛选出最优的IMF.将最优IMF重构后,对重构信号进行时间同步平均(TSA)去噪以减少故障诊断模型的数据计算量.将Tent混沌映射、混合正弦余弦算法和Levy飞行策略用于改进北方苍鹰优化(NGO)算法,得到一种新的INGO算法.同时,引入余弦因子以平衡正弦余弦算法的全局和局部开发能力.最后,利用INGO算法对HKELM进行优化,用以提高HKELM模型的故障诊断准确率.将所提方法应用于两个案例对模型进行检验,实验结果表明,本文所提方法具有可行性和优越性. 展开更多

关键词 混合核极限学习机 改进北方苍鹰优化算法 时变滤波经验模态分解 故障诊断

在线阅读 下载PDF 职称材料

基于数据分解与斑马算法优化的混合核极限学习机月径流预测 被引量：5

3

作者 李菊 崔东文 《长江科学院院报》 CSCD 北大核心 2024年第6期42-50,共9页

为提高月径流预测精度,改进混合核极限学习机(HKELM)预测性能,提出小波包分解(WPT)-斑马优化算法(ZOA)-HKELM组合模型。利用WPT处理月径流时序数据,构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;通过ZOA优化HKELM超参数(... 为提高月径流预测精度,改进混合核极限学习机(HKELM)预测性能,提出小波包分解(WPT)-斑马优化算法(ZOA)-HKELM组合模型。利用WPT处理月径流时序数据,构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;通过ZOA优化HKELM超参数(正则化参数、核参数、权重系数),建立WPT-ZOA-HKELM组合模型,并构建WPT-遗传算法(GA)-HKELM、WPT-灰狼优化(GWO)算法-HKELM、WPT-鲸鱼优化算法(WOA)-HKELM、WPT-ZOA-极限学习机(ELM)、WPT-ZOA-最小二乘支持向量机(LSSVM)、ZOA-HKELM作对比模型,通过黑河流域莺落峡、讨赖河水文站月径流时间序列预测实例对各模型进行检验。结果表明:(1)莺落峡、讨赖河水文站月径流时间序列WPT-ZOA-HKELM模型预测的平均绝对百分比误差分别为1.054%、0.761%,决定系数均达0.999 9,优于其他对比模型,具有更高的预测精度,预测效果更好。(2)利用ZOA优化HKELM超参数,可提高HKELM预测性能,优化效果优于GWO、WOA、GA。(3)预测模型能充分发挥WPT、ZOA和HKELM优势,提高月径流预测精度;在相同分解和优化情形下,HKELM的预测性能优于ELM、LSSVM。 展开更多

关键词 月径流预测 时间序列 斑马优化算法 混合核极限学习机 小波包变换 超参数优化

在线阅读 下载PDF 职称材料

多极小波包变换与改进浣熊算法优化的混合核极限学习机径流预测 被引量：4

4

作者 刀海娅 程刚 崔东文 《中国农村水利水电》 北大核心 2024年第6期1-9,20,共10页

为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和... 为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和2个高频分量,并构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;其次,简要介绍COA算法原理,基于Circle映射等策略对COA进行改进,提出ICOA算法,通过8个典型函数对ICOA算法进行仿真验证,并与基本COA算法、鲸鱼优化算法(WOA)、灰狼优化算法(GWO)作对比,旨在验证ICOA算法的优化性能;最后,利用ICOA优化HKELM超参数(正则化参数、核参数、权重系数),建立MWPT-ICOA-HKELM模型,并构建MWPT-COA-HKELM、MWPT-WOA-HKELM、MWPT-GWO-HKELM、小波包变换(WPT)-ICOA-HKELM、小波变换(WT)-ICOA-HKELM、MWPT-ICOA-BP模型作对比分析,通过云南省景东、把边水文站2016-2020年日径流时间序列多步预测实例对各模型进行验证。结果表明:(1)ICOA具有较好的改进效果,仿真精度优于COA、WOA、GWO算法。(2)MWPT-ICOA-HKELM模型预测效果优于其他对比模型,其对实例单步预测效果“最好”,超前3步和超前5步“较好”,超前7步“较差”,预测精度随预测步长的增加而降低。(3)利用ICOA优化HKELM超参数,可显著提高HKELM预测性能,超参数优化效果优于COA、WOA、GWO算法。 展开更多

关键词 日径流预测 多极小波包变换 改进浣熊优化算法 混合核极限学习机 超参数优化

在线阅读 下载PDF 职称材料

改进蜣螂算法优化混合核极限学习机的系统谐波阻抗估计 被引量：2

5

作者 夏焰坤 黄鹏 +2 位作者 任俊杰 朱赵晴 王宛婷 《电力系统及其自动化学报》 CSCD 北大核心 2024年第11期69-78,共10页

为准确估计系统谐波阻抗,提出一种改进蜣螂算法IDBO(improved dung beetle optimizer)优化混合核极限学习机HKELM(hybrid kernel extreme learning machine)的系统谐波阻抗估计方法。首先,在传统蜣螂算法基础上引入Cubic混沌映射、t分... 为准确估计系统谐波阻抗,提出一种改进蜣螂算法IDBO(improved dung beetle optimizer)优化混合核极限学习机HKELM(hybrid kernel extreme learning machine)的系统谐波阻抗估计方法。首先,在传统蜣螂算法基础上引入Cubic混沌映射、t分布扰动和高斯柯西变异扰动等方法,通过使用IDBO算法对HKELM进行多参数寻优;其次,将公共连接点处谐波电压和电流数据代入IDBO-HKELM,实现对系统谐波阻抗的精确估计;最后通过仿真和实例分析并对比多种方法,结果表明,所提方法在不同背景谐波波动条件和两侧阻抗差异场景下具有更好的估计精度。 展开更多

关键词 谐波阻抗估计 蜣螂算法 混合核极限学习机 谐波责任划分

在线阅读 下载PDF 职称材料

基于改进混合核极限学习机的坝基注浆量预测代理模型研究 被引量：12

6

作者 石祖智 常峻 +3 位作者 吴斌平 佟大威 郭辉 乔天诚 《水利水电技术（中英文）》 北大核心 2021年第9期57-66,共10页

注浆量是反映灌浆施工质量的重要指标之一。目前基于机器学习的注浆量预测方法缺乏对裂隙倾向、倾角等参数的全面考虑。裂隙灌浆模拟具有能够综合考虑地质、设计、施工等因素影响的优势,然而面临裂隙参数小样本、计算效率低下的不足。... 注浆量是反映灌浆施工质量的重要指标之一。目前基于机器学习的注浆量预测方法缺乏对裂隙倾向、倾角等参数的全面考虑。裂隙灌浆模拟具有能够综合考虑地质、设计、施工等因素影响的优势,然而面临裂隙参数小样本、计算效率低下的不足。针对上述问题,提出基于改进混合核极限学习机(ICSO-MKELM)的注浆量预测代理模型。主要包括:(1)提出基于改进bootstrap方法的三维随机裂隙网络模型建模方法,解决裂隙数据小样本问题,并结合离散元方法开展灌浆数值模拟研究;(2)建立基于改进混合核极限学习机的注浆量预测代理模型,采用改进的鸡群算法优化混合核极限学习机的参数选择,克服混合核极限学习机参数选择效率不高、且难以有效选择全局最优参数的不足。通过将建立的代理模型应用于某工程坝基帷幕灌浆的注浆量预测,并与基于RBF-KELM单核极限学习机模型、Poly-KELM单核极限学习机模型、BP神经网络模型的注浆量预测结果对比,验证了本文所提方法的优越性。 展开更多

关键词 注浆量预测 代理模型 改进bootstrap方法 三维随机裂隙网络 离散元数值模拟 混合核极限学习机 改进的鸡群算法

在线阅读 下载PDF 职称材料

采用特征优选和优化深层核极限学习机的短期风电功率预测 被引量：7

7

作者 商立群 黄辰浩 +3 位作者 侯亚东 李洪波 惠泽 张建涛 《西安交通大学学报》 EI CAS CSCD 北大核心 2023年第1期66-77,共12页

针对风电出力非线性、不稳定且用传统方法难以准确预测的问题,提出了一种基于对深层混合核极限学习机(DHKELM)参数进行优化的短期风电功率预测。利用核主成分分析(KPCA)方法进行特征优选得到的最优特征集,既能表达风电功率的有效信息,... 针对风电出力非线性、不稳定且用传统方法难以准确预测的问题,提出了一种基于对深层混合核极限学习机(DHKELM)参数进行优化的短期风电功率预测。利用核主成分分析(KPCA)方法进行特征优选得到的最优特征集,既能表达风电功率的有效信息,也能避免冗余信息的出现,有利于DHKELM模型的学习与训练,同时也降低了模型的复杂度。针对DHKELM超参数难确定的问题,利用改进的野犬优化算法(IDOA)对DHKELM的8个超参数进行寻优,可以发掘原始序列特征信息,从而使模型能够充分掌握数值天气预报(NWP)与风电功率之间的非线性关系。以国外某风电场真实数据为算例,结果表明:提出的预测模型相较于野犬算法、差分进化算法和粒子群优化算法的平均绝对百分比误差(MAPE)分别降低了0.979 3%、2.342 1%、3.383 2%,有效提高了风电功率的预测精度。 展开更多

关键词 短期风电功率预测 深层混合核极限学习机 改进的野犬优化算法 特征优选 核主成分分析

在线阅读 下载PDF 职称材料

基于GSA与DE优化混合核ELM的网络异常检测模型 被引量：14

8

作者 生龙 袁丽娜 +1 位作者 武南南 姬少培 《计算机工程》 CAS CSCD 北大核心 2022年第6期146-153,共8页

为了增强网络入侵检测模型的准确率与泛化性,提出一种基于引力搜索算法(GSA)与差分进化(DE)算法优化混合核极限学习机(ELM)的网络入侵检测模型。该模型针对采用单个核函数的ELM模型存在的泛化能力弱、学习能力差的问题,结合多项式核函... 为了增强网络入侵检测模型的准确率与泛化性,提出一种基于引力搜索算法(GSA)与差分进化(DE)算法优化混合核极限学习机(ELM)的网络入侵检测模型。该模型针对采用单个核函数的ELM模型存在的泛化能力弱、学习能力差的问题,结合多项式核函数和径向基函数的优点,构建混合核ELM模型(HKELM),将GSA和DE相结合优化HKELM模型参数,从而提高其在异常检测过程中的全局和局部优化能力,在此基础上利用核主成分分析算法进行入侵检测数据的数据降维和特征抽取,构建网络入侵检测模型KPCA-GSADE-HKELM。在KDD99数据集上的实验结果表明,与KDDwinner、CSVAC、CPSO-SVM、Dendron等模型进行对比,KPCA-GSADE-HKELM模型具有更高的检测精度和更快的检测速度。 展开更多

关键词 网络入侵检测 异常检测 引力搜索算法 差分进化算法 混合核极限学习机 检测精度

在线阅读 下载PDF 职称材料

机构动作可靠性估计的自适应极值响应面法

9

作者 文浩 侯保林 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第3期581-589,共9页

针对存在随机-区间混合不确定性的机构动作可靠性估计问题,本文提出了一种基于自适应极值响应面的高效计算方法,将其转化为随机不确定性下的动作可靠度上下界求解问题。使用麻雀搜索算法优化的混合核极限学习机构建从混合不确定性变量... 针对存在随机-区间混合不确定性的机构动作可靠性估计问题,本文提出了一种基于自适应极值响应面的高效计算方法,将其转化为随机不确定性下的动作可靠度上下界求解问题。使用麻雀搜索算法优化的混合核极限学习机构建从混合不确定性变量到极限状态函数响应值的初始响应面和从随机变量到极限状态函数响应极值的极值响应面;利用结合主动学习与反向学习的自适应加点策略选取极限状态曲面附近的样本点更新极值响应面以提高其精度与效率;最后结合极值响应面和蒙特卡罗仿真算得到动作可靠度上下界的近似解。通过数值案例和回转链式输送机的工程案例对所提自适应极值响应面方法的高效性与准确性进行了验证,为随机-区间混合不确定性下的机构动作可靠性估计提供了一种参考。 展开更多

关键词 动作可靠性 混合不确定性 极值响应面 自适应加点策略 混合核极限学习机 麻雀搜索算法 主动学习 反向学习

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

改进SSA-HKELM模型在海洋弯管剩余寿命预测中的应用 被引量：1

11

作者 骆正山 王良雨 +1 位作者 高懿琼 骆济豪 《安全与环境学报》 北大核心 2025年第5期1770-1779,共10页

针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布... 针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布,采用黄金正弦、Tent混沌扰动和柯西变异提高麻雀搜索算法(Sparrow Search Algorithm,SSA)的收敛速度和搜索能力,运用ISSA算法优化HKELM的网络参数,构建海洋弯管腐蚀深度预测模型。依据改进的ASME B31G剩余强度评价准则,计算最大允许腐蚀深度,结合管道腐蚀发展趋势模型,对薄弱弯管进行腐蚀剩余寿命预测。以某海洋管道弯管试验数据为基础对模型进行验证,模型预测精度高达0.989 7,能较好地预测海洋弯管的最大腐蚀深度及未来腐蚀发展趋势。寿命预测结果表明,部分弯管剩余寿命未超过其预期服役时间,为海洋弯管的安全运维及维修更换提供了决策支持。 展开更多

关键词 安全工程 海洋弯管 剩余寿命 改进麻雀搜索算法 混合核极限学习机 腐蚀深度预测模型

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

12

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IDBO-HKELM-Adaboost的煤与瓦斯突出危险性预测方法

13

作者 李曼 徐耀松 +1 位作者 王雨虹 王丹丹 《传感技术学报》 北大核心 2025年第3期477-486,共10页

为实现更加高效准确地完成煤与瓦斯突出危险性预测,提出了一种采用Adaboost算法增强的改进蜣螂算法(IDBO)优化混合核极限学习机(HKELM)的预测模型。首先,在数据降维时采用核主成分分析(KPCA)对影响因素进行处理并提取有效的特征量,得到... 为实现更加高效准确地完成煤与瓦斯突出危险性预测,提出了一种采用Adaboost算法增强的改进蜣螂算法(IDBO)优化混合核极限学习机(HKELM)的预测模型。首先,在数据降维时采用核主成分分析(KPCA)对影响因素进行处理并提取有效的特征量,得到预处理样本数据。将PWLCM混沌映射、非线性递减策略以及邻域学习机制融入到蜣螂算法中,之后,利用IDBO对HKELM的关键参数进行寻优,构建IDBO-HKELM煤与瓦斯突出危险性分类预测模型。最后,使用Adaboost算法对IDBO-HKELM模型进行增强。结合工程实际数据进行验证,验证结果表明:相较于其他模型,基于IDBO-HKELM-Adaboost的预测方法具有更高的预测精度,在提高运算效率的同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到97.44%。 展开更多

关键词 煤与瓦斯突出 突出预测 改进蜣螂算法 混合核极限学习机 核主成分分析 预测模型

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

14

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

变循环发动机外涵道气流掺混特性建模研究 被引量：3

15

作者 吴宋伟 田杰 +2 位作者 张天宏 李凌蔚 李佳翱 《推进技术》 EI CAS CSCD 北大核心 2022年第12期143-151,共9页

模式选择活门和前涵道引射器作为变循环发动机的关键几何部件,用于改善发动机在稳态以及模式切换过程的部件匹配性能,针对两者开度对外涵道气流掺混总压损失的影响开展研究。采用二维数值模拟方法,对内部压缩系统流场进行了仿真分析,得... 模式选择活门和前涵道引射器作为变循环发动机的关键几何部件,用于改善发动机在稳态以及模式切换过程的部件匹配性能,针对两者开度对外涵道气流掺混总压损失的影响开展研究。采用二维数值模拟方法,对内部压缩系统流场进行了仿真分析,得到了气流掺混的总压恢复系数在模式选择活门和前涵道引射器不同开度下的变化规律。以数值仿真结果作为建模研究的数据集,提出一种基于贝叶斯优化的混合核极限学习机算法,建立了总压恢复系数映射模型,采用留一交叉验证方法对模型进行了评估。结果表明,本文所提出的核极限学习机算法的均方根误差为0.0094,泛化效果相比多元线性回归模型提升约70.6%以上,所建拟合模型预测的相对误差最大不超过1.57%。 展开更多

关键词 变循环发动机 前涵道引射器 模式选择活门 气流掺混 总压恢复系数 贝叶斯优化 混合核极限学习机

在线阅读 下载PDF 职称材料

基于Adaboost-INGO-HKELM的变压器故障辨识 被引量：8

16

作者 谢国民 江海洋 《电力系统保护与控制》 EI CSCD 北大核心 2024年第5期94-104,共11页

针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning ... 针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning machine, HKELM)进行训练学习,考虑到HKELM模型易受参数影响,所以利用北方苍鹰优化算法(northern goshawk optimization, NGO)对其参数进行寻优。但由于NGO收敛速度较慢,易陷入局部最优,引入切比雪夫混沌映射、择优学习、自适应t分布联合策略对其进行改进。同时为了提高模型整体的准确率,通过结合Adaboost集成算法,构建Adaboost-INGO-HKELM变压器故障辨识模型。最后,将提出的Adaboost-INGO-HKELM模型与未进行降维处理的INGO-HKELM模型、Isomap-INGO-KELM模型、Adaboost-Isomap-GWO-SVM等7种模型的测试准确率进行对比。提出的Adaboost-INGO-HKELM模型的准确率可达96%,均高于其他模型,验证了该模型对变压器故障辨识具有很好的效果。 展开更多

关键词 故障诊断 油浸式变压器 Adaboost集成算法 切比雪夫混沌映射 混合核极限学习机 等度量映射

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

17

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GRO优化的VMD-HKELM月蒸发量预测方法研究 被引量：2

18

作者 李菊 崔东文 《水文》 CSCD 北大核心 2024年第5期25-31,共7页

水面蒸发预测对于水库水量预测、区域水量平衡分析和水资源量核算等具有重要意义。水面蒸发量预测影响因素众多,并最终体现在随时间变化的蒸发量监测数据中。为此,基于淘金热(GRO)算法优化变分模态分解(VMD)-混合核极限学习机(HKELM)提... 水面蒸发预测对于水库水量预测、区域水量平衡分析和水资源量核算等具有重要意义。水面蒸发量预测影响因素众多,并最终体现在随时间变化的蒸发量监测数据中。为此,基于淘金热(GRO)算法优化变分模态分解(VMD)-混合核极限学习机(HKELM)提出两种方案。方案Ⅰ先对月蒸发量时间序列分解,后划分训练集、测试集;方案Ⅱ先对月蒸发量划分训练集、测试集,再进行时间序列分解。通过一种新型元启发式算法对分解技术VMD、预测器HKELM超参数进行目标寻优并建立多种模型,采用云南省龙潭寨、西洋街水文站月蒸发量预测实例对方案Ⅰ、方案Ⅱ各模型进行检验。结果表明:方案Ⅰ各模型性能优于方案Ⅱ,各模型的拟合精度和预测精度总体上随分解分量数的增加而提高,但方案Ⅰ使用了测试集信息,导致预测精度虚高;方案Ⅱ各模型具有较好的预测精度和稳健性能,其用于月蒸发量时间序列预测是可行的,反映出客观真实的预测效果,具有较好的实用价值和意义。 展开更多

关键词 变分模态分解 淘金热优化算法 混合核极限学习机 超参数优化 月蒸发量预测

在线阅读 下载PDF 职称材料

基于ICEEMDAN多尺度熵与NGO-HKELM的转子故障诊断 被引量：4

19

作者 陆水 李振鹏 +2 位作者 李军 颜东梅 黄福川 《组合机床与自动化加工技术》 北大核心 2024年第4期175-180,共6页

针对电机转子故障信号非平稳、敏感的故障特征不能有效提取,传统分类器参数智能优化算法存在优化速度慢、调整参数多、易陷入局部最优等问题提出基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断方法。首先,采用改进的自适应噪声完... 针对电机转子故障信号非平稳、敏感的故障特征不能有效提取,传统分类器参数智能优化算法存在优化速度慢、调整参数多、易陷入局部最优等问题提出基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断方法。首先,采用改进的自适应噪声完全集合经验模态分解(improved complete empirical mode decomposition with adaptive noise,ICEEMDAN)方法对转子振动信号进行分解和重构;计算重构信号的多尺度样本熵(multiscale sample entropy,MSE),形成特征向量,通过核主成分分析(kernel principal component analysis,KPCA)方法对高维的特征向量进行降维;最后,将降维后的特征向量输入北方苍鹰算法(northern goshawk optimization,NGO)优化的混合核极限学习机(hybrid extreme learning machine,HKELM)进行转子故障分类。研究结果表明,基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断模型,平均识别准确率可达97.7273%,平均寻优时间为1.0681 s,收敛速度快、准确率高以及分类效果好。 展开更多

关键词 改进的ICEEMDAN 多尺度样本熵 北方苍鹰算法 混合核极限学习机 转子故障诊断

在线阅读 下载PDF 职称材料

基于VMD-SSA-HKELM的短期光伏功率预测 被引量：2

20

作者 杨荔强 崔双喜 《电源技术》 CAS 北大核心 2024年第6期1154-1159,共6页

为提高光伏功率的短期预测精度,提出一种变分模态分解(VMD)与麻雀搜索算法(SSA)优化混合核极限学习机(HKELM)相结合的短期光伏发电功率预测模型。运用皮尔逊相关系数(PCC)选取与光伏发电功率相关性较强的气象因素作为预测模型的输入变量... 为提高光伏功率的短期预测精度,提出一种变分模态分解(VMD)与麻雀搜索算法(SSA)优化混合核极限学习机(HKELM)相结合的短期光伏发电功率预测模型。运用皮尔逊相关系数(PCC)选取与光伏发电功率相关性较强的气象因素作为预测模型的输入变量;以平方欧氏距离作为衡量样本相似性的依据,筛选出不同天气类型下的最优训练样本。为降低数据的非平稳性,利用VMD将原始光伏功率数据分解为一系列不同带宽的模态分量,对各模态分量分别建立HKELM模型,通过引入SSA算法对HKELM模型进行参数寻优。将各模态分量的预测结果进行求和重构,得到光伏功率预测结果。仿真结果表明,相比于反向传播神经网络(BPNN)、极限学习机(ELM)、核极限学习机(VMDKELM)和混合核极限学习机(VMD-HKELM)模型,VMD-SSA-HKELM模型具有更高的预测精度,验证了本文模型的精确性和有效性。 展开更多

关键词 光伏功率预测 混合核极限学习机 变分模态分解 麻雀搜索算法

在线阅读 下载PDF 职称材料