检索结果-维普期刊中文期刊服务平台

基于改进长短时记忆神经网络-自适应增强算法的多天气车辆分类方法被引量：4: 1; 作者李达张照生 +2 位作者刘鹏王震坡董昊天《汽车工程》 EI CSCD 北大核心 2020年第9期1248-1255,共8页; 针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种“多层网格法”以准确地确定LSTM的超参数。首先建立地磁车辆检测... 展开更多; 关键词车辆分类地磁信号长短时记忆神经网络-自适应增强算法多天气; 在线阅读下载PDF 职称材料

基于改进灰狼算法优化双向长短时记忆神经网络的水冷壁壁温预测被引量：1: 2; 作者詹毅冯磊华 +1 位作者杨锋钟信《热力发电》 CAS CSCD 北大核心 2024年第1期188-196,共9页; 提出一种基于改进灰狼(MGWO)算法优化双向长短时记忆(BiLSTM)神经网络的水冷壁壁温预测模型,灰狼算法采用非线性因子调整策略、自适应位置更新策略和动态权重修改策略进行改进以提升算法的全局寻优能力,利用改进灰狼算法优化BiLSTM模型... 展开更多; 关键词水冷壁壁温预测双向长短时记忆神经网络改进灰狼算法自适应位置更新; 在线阅读下载PDF 职称材料

基于SSA-CNN-BiLSTM的提升机制动系统故障诊断模型: 3; 作者陈竞张宏伟王凯旋《机电工程》北大核心 2025年第8期1615-1624,共10页; 作为连接地面与井下的重要枢纽,矿井提升机的运行对煤矿的生产效率和安全有着直接影响,而制动系统则在提升机运行中发挥着不可或缺的作用。为了充分挖掘监测数据间的故障关系,提出了一种基于麻雀搜索算法(SSA)优化的卷积-双向长短时记... 展开更多; 关键词起重机械矿井提升机制动系统麻雀搜索算法卷积-双向长短时记忆神经网络故障识别与分类; 在线阅读下载PDF 职称材料

基于改进天鹰优化算法优化LSTM的滚动轴承故障诊断方法被引量：3: 4; 作者王妍王新发 +2 位作者王延峰顾晓光孙军伟《振动与冲击》 EI CSCD 北大核心 2024年第23期144-154,共11页; 针对天鹰优化(Aquila optimizer,AO)算法容易陷入局部最优,长短时记忆(long short-term memory,LSTM)神经网络容易受参数影响的问题,提出了一种基于改进天鹰优化(improved Aquila optimizer,IAO)算法优化LSTM神经网络的模型,并将其应用... 展开更多; 关键词故障诊断天鹰优化(AO)算法自适应螺旋搜索超立方体策略长短时记忆(LSTM)神经网络; 在线阅读下载PDF 职称材料

基于CEEMDAN的矿山微震信号特征提取和分类方法: 5; 作者赵云锋陈林林 +3 位作者罗忠浩蒲源源尚雪义黄文祥《矿业安全与环保》北大核心 2025年第2期105-112,120,共9页; 为获得有效的灾害前兆信息,微震事件分类是必要前提。针对岩体破裂信号与爆破振动信号自动识别准确率低的问题,提出了基于自适应噪声集合经验模态分解(CEEMDAN)的矿山微震信号特征提取及分类方法:采用CEEMDAN求取微震信号的多阶本征模态... 展开更多; 关键词微震信号分类自适应噪声集合经验模态分解鲸鱼算法卷积长短时记忆神经网络; 在线阅读下载PDF 职称材料

题名基于改进长短时记忆神经网络-自适应增强算法的多天气车辆分类方法被引量：4: 1; 作者李达张照生刘鹏王震坡董昊天; 机构北京理工大学机械与车辆学院北京理工大学北京市电动车辆协同创新中心; 出处《汽车工程》 EI CSCD 北大核心 2020年第9期1248-1255,共8页; 基金国家自然科学基金(61703042) 国家重点研发计划(2018YFB0105700)资助。; 文摘针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种“多层网格法”以准确地确定LSTM的超参数。首先建立地磁车辆检测系统平台和车辆分类方法,然后分析基于改进LSTM-AdaBoost的车辆分类结果,并对不同车辆分类方法和不同天气下的分类准确率进行了对比。结果表明,与最邻近结点算法和反向传播神经网络算法相比,本文所提出的方法具有较高的准确率,最高分类准确率为92.2%。暴雨、雾霾和晴天3种天气中,暴雨时的分类准确率最低,但差别不大,最大相差3.9个百分点。; 关键词车辆分类地磁信号长短时记忆神经网络-自适应增强算法多天气; Keywords vehicle classification geomagnetic signal LSTM-AdaBoost algorithm multi-climate; 分类号 TP3 [自动化与计算机技术—计算机科学与技术]; 在线阅读下载PDF 职称材料

题名基于改进灰狼算法优化双向长短时记忆神经网络的水冷壁壁温预测被引量：1: 2; 作者詹毅冯磊华杨锋钟信; 机构长沙理工大学能源与动力工程学院华自科技股份有限公司; 出处《热力发电》 CAS CSCD 北大核心 2024年第1期188-196,共9页; 基金湖南省自然科学基金项目(2018JJ3552)。; 文摘提出一种基于改进灰狼(MGWO)算法优化双向长短时记忆(BiLSTM)神经网络的水冷壁壁温预测模型,灰狼算法采用非线性因子调整策略、自适应位置更新策略和动态权重修改策略进行改进以提升算法的全局寻优能力,利用改进灰狼算法优化BiLSTM模型的隐藏层数量、学习率和正则化参数以提高模型的预测精度,采用新疆某电厂的数据进行预测仿真,结果表明:改进后的算法预测精度更高,在机组升、降负荷时,均可以预测到壁温的变化趋势,模型的平均均方根误差相比于长短时记忆(LSTM)神经网络、BiLSTM模型分别降低了9.86%和3.69%,且可以提前预测到水冷壁壁温的超温情况,对于预防水冷壁超温有重要意义。; 关键词水冷壁壁温预测双向长短时记忆神经网络改进灰狼算法自适应位置更新; Keywords water wall prediction of wall temperature bidirectional long and short term memory neural network improved grey wolf optimizer adaptive location updates; 分类号 TM621 [电气工程—电力系统及自动化] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于SSA-CNN-BiLSTM的提升机制动系统故障诊断模型: 3; 作者陈竞张宏伟王凯旋; 机构河南工业和信息化职业学院电气工程学院河南理工大学电气工程与自动化学院; 出处《机电工程》北大核心 2025年第8期1615-1624,共10页; 基金河南省高校科技创新团队项目(20IRTSTHN019)。; 文摘作为连接地面与井下的重要枢纽,矿井提升机的运行对煤矿的生产效率和安全有着直接影响,而制动系统则在提升机运行中发挥着不可或缺的作用。为了充分挖掘监测数据间的故障关系,提出了一种基于麻雀搜索算法(SSA)优化的卷积-双向长短时记忆神经网络(CNN-BiLSTM)的提升机制动系统故障诊断方法。首先,对矿井提升机制动系统的工作原理和故障原因进行了分析,确定了需要采集的监测数据;其次,搭建了基于SSA-CNN-BiLSTM的神经网络模型,其中CNN能够有效地捕捉数据的局部特征,同时提供关于全局的空间信息;LSTM网络主要用于获取数据在时间序列上的特征,BiLSTM则能够实现数据的双向传递目的,将这两者结合起来,可以在空间和时间两个维度上对数据进行复杂的特征提取和识别,从而提升模型的整体表现;SSA用于优化CNN-BiLSTM网络结构,寻找最优参数;最后,采集了提升机的运行数据,并对搭建的故障诊断模型进行了训练与测试,以某矿井提升机实际运行的数据开展了实验研究,并对SSA优化的CNN-BiLSTM和其他算法进行了性能对比。研究结果表明:SSA优化的CNN-BiLSTM神经网络模型准确率为95.7%,相比于CNN-BiLSTM、BiLSTM和CNN准确率分别提高了6.3%、11.2%和14.1%。该模型具有较高的预测性,可用于提升机制动系统的故障诊断。; 关键词起重机械矿井提升机制动系统麻雀搜索算法卷积-双向长短时记忆神经网络故障识别与分类; Keywords lifting machinery mine hoist brake system sparrow search algorithm(SSA) convolution neural network-bidirectional long-short-term memory neural network(CNN-BiLSTM) fault identification and classification; 分类号 TH21 [机械工程—机械制造及自动化] TD534 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于改进天鹰优化算法优化LSTM的滚动轴承故障诊断方法被引量：3: 4; 作者王妍王新发王延峰顾晓光孙军伟; 机构郑州轻工业大学电气信息工程学院河南政务大数据中心; 出处《振动与冲击》 EI CSCD 北大核心 2024年第23期144-154,共11页; 基金国家自然科学基金项目(62272424,62276239) 河南省自然科学基金杰出青年基金项目(222300420095) +1 种基金河南省科技攻关项目(232102220053,242102210004,222102210277,232102210012)。; 文摘针对天鹰优化(Aquila optimizer,AO)算法容易陷入局部最优,长短时记忆(long short-term memory,LSTM)神经网络容易受参数影响的问题,提出了一种基于改进天鹰优化(improved Aquila optimizer,IAO)算法优化LSTM神经网络的模型,并将其应用于滚动轴承的故障诊断中。首先,引入超立方策略优化了种群初始质量,设计自适应螺旋策略平衡了AO算法的全局搜索和局部搜索能力,并通过利用高斯变异策略增强了AO算法跳出局部最优的能力。然后,将所提IAO算法对LSTM的权值和阈值进行优化,构建了基于IAO-LSTM网络的滚动轴承故障诊断模型。最后,凯斯西储大学(Case Western Reserve University,CWRU)轴承数据集和帕德伯恩大学(Paderborn University,PU)轴承数据集的试验结果表明:与其他故障诊断模型相比,IAO优化后的LSTM模型的分类准确率更高,能有效识别滚动轴承的各种故障类型。; 关键词故障诊断天鹰优化(AO)算法自适应螺旋搜索超立方体策略长短时记忆(LSTM)神经网络; Keywords fault diagnosis Aquila optimization(AO)algorithm adaptive spiral search hypercube strategy long short-term memory(LSTM)neural network; 分类号 TH313.3 [机械工程—机械制造及自动化] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于CEEMDAN的矿山微震信号特征提取和分类方法: 5; 作者赵云锋陈林林罗忠浩蒲源源尚雪义黄文祥; 机构河南大有能源股份有限公司耿村煤矿重庆大学资源与安全学院重庆工程职业技术学院; 出处《矿业安全与环保》北大核心 2025年第2期105-112,120,共9页; 基金国家自然科学基金项目(52004041,U21A2030,52104077) 国家自然科学基金面上项目(52474093) +1 种基金重庆市教育委员会科学技术研究项目(KJQN202203416)。; 文摘为获得有效的灾害前兆信息,微震事件分类是必要前提。针对岩体破裂信号与爆破振动信号自动识别准确率低的问题,提出了基于自适应噪声集合经验模态分解(CEEMDAN)的矿山微震信号特征提取及分类方法:采用CEEMDAN求取微震信号的多阶本征模态(IMF)分量,借助相关性系数筛选主分量,计算各主分量的方差贡献率和能量谱系数,以此作为分类学习的特征向量;利用鲸鱼算法(WOA)优化的卷积长短时记忆神经网络(WOA-CNN-LSTM)对岩体破裂和爆破振动信号进行分类。结果表明:CEEMDAN的主分量为PC1~PC8,随着分解层数的增加,岩体破裂信号的方差贡献率和能量谱系数平均值先增后减,而爆破振动信号呈下降趋势;与相关系数、方差贡献率相比,将特征向量能量谱系数作为WOA-CNN-LSTM、支持向量机(SVM)、BP神经网络3种方法的输入,分类准确率最高;WOA-CNN-LSTM的识别效果明显优于Bayes判别法、SVM和BP神经网络,且基于主分量能量谱系数的分类准确率达到了91.50%。; 关键词微震信号分类自适应噪声集合经验模态分解鲸鱼算法卷积长短时记忆神经网络; Keywords microseismic signal classification complete ensemble empirical mode decomposition with adaptive noise whale optimization algorithm convolutional long short-term memory neural network; 分类号 TD326 [矿业工程—矿井建设]; 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	基于改进长短时记忆神经网络-自适应增强算法的多天气车辆分类方法	李达张照生刘鹏王震坡董昊天	《汽车工程》 EI CSCD 北大核心	2020	4	在线阅读下载PDF 职称材料
2	基于改进灰狼算法优化双向长短时记忆神经网络的水冷壁壁温预测	詹毅冯磊华杨锋钟信	《热力发电》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于SSA-CNN-BiLSTM的提升机制动系统故障诊断模型	陈竞张宏伟王凯旋	《机电工程》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于改进天鹰优化算法优化LSTM的滚动轴承故障诊断方法	王妍王新发王延峰顾晓光孙军伟	《振动与冲击》 EI CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
5	基于CEEMDAN的矿山微震信号特征提取和分类方法	赵云锋陈林林罗忠浩蒲源源尚雪义黄文祥	《矿业安全与环保》北大核心	2025	0	在线阅读下载PDF 职称材料