期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于物理模型驱动的神经网络的OAM复值谱重建:数值模拟
1
作者
卢国栋
张武虹
陈理想
《厦门大学学报(自然科学版)》
北大核心
2025年第4期675-681,共7页
[目的]轨道角动量(orbital angular momentum,OAM)高维叠加态的远场衍射图像不仅包含OAM信息,还包含远场传输信息,且图样复杂,其复值谱重建的非神经网络方法效率低,传统神经网络又需要大量训练资源.针对这一问题,对物理模型驱动训练的...
[目的]轨道角动量(orbital angular momentum,OAM)高维叠加态的远场衍射图像不仅包含OAM信息,还包含远场传输信息,且图样复杂,其复值谱重建的非神经网络方法效率低,传统神经网络又需要大量训练资源.针对这一问题,对物理模型驱动训练的神经网络方法进行研究.[方法]一方面利用OAM高维叠加态的远场衍射模型生成一系列的远场衍射图像,另一方面利用该物理模型验证OAM复值谱重建结果,从而将物理模型嵌入图像的生成与重建过程,以达到降低对训练数据规模的依赖,提高训练效率的目的.[结果]仅需单次测量,通过2000次迭代即可实现OAM复值谱重建神经网络的训练.在强度为模拟图像强度最大值的1/20的均匀噪声下,多种模拟条件下该方案重建结果均有良好效果,且在较理想模拟条件下保真度可达0.99.[结论]这为高维OAM复值谱的重建提供了一种新的思路.
展开更多
关键词
OAM谱重建
深度学习
神经网络
物理模型驱动
在线阅读
下载PDF
职称材料
基于数据-物理混合模型的菇房空调节能控制方法
被引量：
1
2
作者
孔祥书
郑文刚
+3 位作者
张馨
王明飞
单飞飞
赵倩
《农业工程学报》
北大核心
2025年第4期309-317,共9页
针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network...
针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network, GRU)与注意力机制(attention)作为预测模型,将菇房内部热平衡方程纳入损失函数中,实现基于数据-物理混合模型的菇房温度预测方法。然后,基于模型输出与参考轨迹的偏离程度和设备控制量建立目标函数。最后,利用改进型Adam算法快速地求解出空调在控制时域内的最优控制序列,实现菇房空调能耗最优控制。试验结果表明:与纯数据驱动的GRU模型相比,本文所提出的菇房温度预测模型,预测精度提高18%,均方根误差可控制在0.10℃内。与自适应矩估计(adaptive moment estimation,Adam)优化算法相比,改进型Adam算法适应度值降低6%,与带精英策略的快速非支配排序遗传算法相比(non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ)运算时长减少81%。与传统的阈值控制方法相比,本文所提出的模型预测控制方法跟踪精度提高63%,控制精度的均方根误差平均降低了73%,空调能耗平均降低了12%。该研究为菇房空调的节能控制提供了有效的控制方法。
展开更多
关键词
节能
模型
预测控制
深度学习
数据-
物理
混合
驱动
模型
菇房
在线阅读
下载PDF
职称材料
不依赖零序电压的配电站所接地故障识别方法
被引量：
14
3
作者
王文轩
程力涵
+3 位作者
樊轶
孙建东
刘明祥
蔡月明
《电力系统自动化》
EI
CSCD
北大核心
2021年第9期122-129,共8页
缺少零序电压采集的配电站所终端通常用融合识别方法识别接地故障,要求融合识别方法能够适应配电站所的不同拓扑,而且对较小接地电流的故障有较高的识别准确率。文中提出的方法结合了物理模型驱动和神经网络方法。首先,基于接地故障的...
缺少零序电压采集的配电站所终端通常用融合识别方法识别接地故障,要求融合识别方法能够适应配电站所的不同拓扑,而且对较小接地电流的故障有较高的识别准确率。文中提出的方法结合了物理模型驱动和神经网络方法。首先,基于接地故障的物理模型,通过比对优化基于零序电流的特征量,预处理数据并选取参考间隔,解决拓扑或间隔数变化的问题,并设计单间隔相电流特征量,以提高故障识别准确率。然后,利用神经网络融合多个特征量,增强不同特征的协同判决能力,降低定值设定对灵敏度的影响。现场接地故障实验表明,文中提出的方法对不同拓扑有很强的适应能力,并具备很高的识别准确率。
展开更多
关键词
配电终端
接地故障
巴氏系数
不依赖零序电压
神经网络
物理模型驱动
环网柜
在线阅读
下载PDF
职称材料
题名
基于物理模型驱动的神经网络的OAM复值谱重建:数值模拟
1
作者
卢国栋
张武虹
陈理想
机构
厦门大学物理科学与技术学院
出处
《厦门大学学报(自然科学版)》
北大核心
2025年第4期675-681,共7页
文摘
[目的]轨道角动量(orbital angular momentum,OAM)高维叠加态的远场衍射图像不仅包含OAM信息,还包含远场传输信息,且图样复杂,其复值谱重建的非神经网络方法效率低,传统神经网络又需要大量训练资源.针对这一问题,对物理模型驱动训练的神经网络方法进行研究.[方法]一方面利用OAM高维叠加态的远场衍射模型生成一系列的远场衍射图像,另一方面利用该物理模型验证OAM复值谱重建结果,从而将物理模型嵌入图像的生成与重建过程,以达到降低对训练数据规模的依赖,提高训练效率的目的.[结果]仅需单次测量,通过2000次迭代即可实现OAM复值谱重建神经网络的训练.在强度为模拟图像强度最大值的1/20的均匀噪声下,多种模拟条件下该方案重建结果均有良好效果,且在较理想模拟条件下保真度可达0.99.[结论]这为高维OAM复值谱的重建提供了一种新的思路.
关键词
OAM谱重建
深度学习
神经网络
物理模型驱动
Keywords
OAM spectrum reconstruction
deep learning
neural network
physical model-driven
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TN929.1 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于数据-物理混合模型的菇房空调节能控制方法
被引量：
1
2
作者
孔祥书
郑文刚
张馨
王明飞
单飞飞
赵倩
机构
北京市农林科学院智能装备技术研究中心
北京市农林科学院信息技术研究中心
出处
《农业工程学报》
北大核心
2025年第4期309-317,共9页
基金
国家现代农业产业技术体系项目(CARS-20)
北京市食用菌创新团队项目(BAIC03-2024)。
文摘
针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network, GRU)与注意力机制(attention)作为预测模型,将菇房内部热平衡方程纳入损失函数中,实现基于数据-物理混合模型的菇房温度预测方法。然后,基于模型输出与参考轨迹的偏离程度和设备控制量建立目标函数。最后,利用改进型Adam算法快速地求解出空调在控制时域内的最优控制序列,实现菇房空调能耗最优控制。试验结果表明:与纯数据驱动的GRU模型相比,本文所提出的菇房温度预测模型,预测精度提高18%,均方根误差可控制在0.10℃内。与自适应矩估计(adaptive moment estimation,Adam)优化算法相比,改进型Adam算法适应度值降低6%,与带精英策略的快速非支配排序遗传算法相比(non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ)运算时长减少81%。与传统的阈值控制方法相比,本文所提出的模型预测控制方法跟踪精度提高63%,控制精度的均方根误差平均降低了73%,空调能耗平均降低了12%。该研究为菇房空调的节能控制提供了有效的控制方法。
关键词
节能
模型
预测控制
深度学习
数据-
物理
混合
驱动
模型
菇房
Keywords
energy conservation
model predictive control
deep learning
data-physics hybrid driving model
mushroom room
分类号
S24 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
不依赖零序电压的配电站所接地故障识别方法
被引量：
14
3
作者
王文轩
程力涵
樊轶
孙建东
刘明祥
蔡月明
机构
南瑞集团有限公司(国网电力科学研究院有限公司)
国网江苏省电力有限公司
出处
《电力系统自动化》
EI
CSCD
北大核心
2021年第9期122-129,共8页
基金
国家电网公司科技项目(5400-202018108A)。
文摘
缺少零序电压采集的配电站所终端通常用融合识别方法识别接地故障,要求融合识别方法能够适应配电站所的不同拓扑,而且对较小接地电流的故障有较高的识别准确率。文中提出的方法结合了物理模型驱动和神经网络方法。首先,基于接地故障的物理模型,通过比对优化基于零序电流的特征量,预处理数据并选取参考间隔,解决拓扑或间隔数变化的问题,并设计单间隔相电流特征量,以提高故障识别准确率。然后,利用神经网络融合多个特征量,增强不同特征的协同判决能力,降低定值设定对灵敏度的影响。现场接地故障实验表明,文中提出的方法对不同拓扑有很强的适应能力,并具备很高的识别准确率。
关键词
配电终端
接地故障
巴氏系数
不依赖零序电压
神经网络
物理模型驱动
环网柜
Keywords
distribution terminal
grounding fault
Bhattacharyya coefficient
independent of zero-sequence voltage
neural network
physical model driven
main unit of ring network
分类号
TM862 [电气工程—高电压与绝缘技术]
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
基于物理模型驱动的神经网络的OAM复值谱重建:数值模拟
卢国栋
张武虹
陈理想
《厦门大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于数据-物理混合模型的菇房空调节能控制方法
孔祥书
郑文刚
张馨
王明飞
单飞飞
赵倩
《农业工程学报》
北大核心
2025
1
在线阅读
下载PDF
职称材料
3
不依赖零序电压的配电站所接地故障识别方法
王文轩
程力涵
樊轶
孙建东
刘明祥
蔡月明
《电力系统自动化》
EI
CSCD
北大核心
2021
14
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
