期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进长期循环卷积神经网络的海上风电功率预测 被引量:34
1
作者 周勇良 余光正 +2 位作者 刘建锋 宋子恒 孔培 《电力系统自动化》 EI CSCD 北大核心 2021年第3期183-191,共9页
准确的风电功率预测对海上风电安全并网具有重要意义。不同于陆地,海上具有气象因素复杂、风电出力波动显著等特点,使得海上风电功率预测精度难以满足工程实际要求。针对以上问题,文中提出一种基于改进长期循环卷积神经网络(LRCN)的预... 准确的风电功率预测对海上风电安全并网具有重要意义。不同于陆地,海上具有气象因素复杂、风电出力波动显著等特点,使得海上风电功率预测精度难以满足工程实际要求。针对以上问题,文中提出一种基于改进长期循环卷积神经网络(LRCN)的预测模型,用于超短期海上风电功率预测。首先,采用改进LRCN进行初步功率预测,即构建多卷积通道分别提取不同层次变量的时序特征,并通过具有前瞻性的改进Adam优化器提升网络收敛效果。其次,利用摇摆窗算法与波动特征聚类识别预测时段的出力波动类型。再次,针对不同的波动类型建立对应的误差修正模型,并输入经Xgboost算法筛选出的强相关特征因子,实现误差修正。最后,采用实际海上风电场数据进行实验,其结果表明所提方法能够有效预测超短期海上风电功率,且预测精度高于多种传统预测模型。 展开更多
关键词 海上风电 改进长期循环卷积神经网络 时序特征挖掘 波动 误差修正
在线阅读 下载PDF
激光熔化沉积过程缺陷识别方法
2
作者 刘伟嵬 刘炳君 +1 位作者 刘焕强 刘泽远 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第8期1150-1158,共9页
激光熔化沉积加工过程中的缺陷萌生是制约激光熔化沉积技术发展的关键性问题.实现对缺陷的精确自动识别是提高激光熔化沉积技术应用水平的重要途径.提出了熔池瞬态特征提取算法,分析了熔池瞬态特征对沉积层熔合不良缺陷的影响关系,建立... 激光熔化沉积加工过程中的缺陷萌生是制约激光熔化沉积技术发展的关键性问题.实现对缺陷的精确自动识别是提高激光熔化沉积技术应用水平的重要途径.提出了熔池瞬态特征提取算法,分析了熔池瞬态特征对沉积层熔合不良缺陷的影响关系,建立了熔池瞬态特征数据集.对主流识别算法进行了模型训练测试,获取了相对最优模型ResNet 34.为解决ResNet 34训练损失拟合效果差、计算速度慢的问题,结合传统卷积网络和LSTM(long short-term memory)网络,建立了训练和测试精度高且计算速度快的LRCN 64模型,测试准确率达95.8%,实现了对熔合不良缺陷的识别,为实现沉积件在线无损检测提供了技术支撑. 展开更多
关键词 激光熔化沉积 熔池瞬态特征 熔合不良 长期循环卷积神经网络(LRCN) 残差神经网络(ResNet)
在线阅读 下载PDF
基于改进LRCN的鱼群摄食强度分类模型 被引量:12
3
作者 徐立鸿 黄薪 刘世晶 《农业机械学报》 EI CAS CSCD 北大核心 2022年第10期236-241,共6页
实现饵料的自动投喂是自动化水产养殖的重点,对鱼群的摄食强度进行识别能够为精准投饵提供参考。目前大多数关于鱼群摄食强度的研究都是基于循环养殖池或者自制鱼缸中,并不适用于开放式养殖池塘。基于实际环境,采用水上观测方式建立了... 实现饵料的自动投喂是自动化水产养殖的重点,对鱼群的摄食强度进行识别能够为精准投饵提供参考。目前大多数关于鱼群摄食强度的研究都是基于循环养殖池或者自制鱼缸中,并不适用于开放式养殖池塘。基于实际环境,采用水上观测方式建立了鱼群摄食强度视频数据集,并提出了一种基于改进长期卷积循环网络(LRCN)的鱼群摄食强度分类模型,将注意力机制SE模块嵌入卷积神经网络中,通过SE-CNN网络提取视频帧的特征,输入至双层GRU网络中,最后通过全连接分类层得出视频类别。提出的SE-LRCN模型实现了对鱼群摄食视频的强度三分类。试验结果表明,本文提出的模型分类准确率达到97%,F1值达到94.8%,与改进前的LRCN模型相比,准确率提高12个百分点,F1值提高12.4个百分点。研究模型可以更精细地识别鱼群的摄食强度,为自动化精准投饵提供参考。 展开更多
关键词 水产养殖 鱼群摄食强度 长期卷积循环网络 视频分类 挤压和激励模块
在线阅读 下载PDF
基于改进LRCN的人体运动识别方法
4
作者 李嘉智 刘宁 《电子测量技术》 北大核心 2023年第18期186-192,共7页
针对人体运动识别中数据特征提取不充分和识别准确率不高的问题,提出了一种改进长期循环卷积网络的人体运动识别模型。首先构建出一种由多层卷积神经网络和门控循环单元组成的LRCN模型。在此基础上构建内部和外部循环层,内部循环层作用... 针对人体运动识别中数据特征提取不充分和识别准确率不高的问题,提出了一种改进长期循环卷积网络的人体运动识别模型。首先构建出一种由多层卷积神经网络和门控循环单元组成的LRCN模型。在此基础上构建内部和外部循环层,内部循环层作用是得到所选取时间窗内部时间特征和空间特征,外部循环层作用是从子序列数据中获取其所表征状态信息之间的特征相关性和时间相关性。提出的模型在3种公开数据集上验证,准确率均高于传统的LRCN模型,然后在自建数据集上进行测试验证,识别准确率为99.7%。实验结果表明该模型在识别准确率上高于原始模型,验证了该模型的可行性。 展开更多
关键词 人体运动识别 传感器 门控循环单元 长期循环卷积网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部