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
2
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PCA-GO-BP-AdaBoost的大坝变形监控模型
1
作者
代硕
苏怀智
+1 位作者
谷宇
郭莹莹
《人民黄河》
北大核心
2025年第S1期100-102,104,共4页
构建高精度的大坝变形监控模型可帮助掌握大坝的运行状况、及时发现大坝变形的异常情况。但传统BP神经网络初始参数具有随机性、训练时间长等问题。为提高BP神经网络的预测精度,利用主成分分析法(PCA)对BP神经网络的输入向量进行降维,...
构建高精度的大坝变形监控模型可帮助掌握大坝的运行状况、及时发现大坝变形的异常情况。但传统BP神经网络初始参数具有随机性、训练时间长等问题。为提高BP神经网络的预测精度,利用主成分分析法(PCA)对BP神经网络的输入向量进行降维,在降低模型复杂度的同时可提取输入向量的关键特征;引入鹅优化算法(GO)对BP神经网络初始参数进行寻优,以避免因参数随机性,导致的模型预测精度较低,构建GO-BP弱预测器,进一步提高BP神经网络良好的泛化能力;最后,利用自适应增强算法(AdaBoost)将弱预测器加权组合为强预测器。以某混凝土坝为例,通过对比多种模型预测结果,证明了该模型泛化能力更好,预测精度更高。
展开更多
关键词
大坝变形监测
主成分分析
BP神经网络
自适应增强
算法
鹅优化算法
在线阅读
下载PDF
职称材料
基于GOOSE-VMD的GaN HEMT器件应力波检测与分析
被引量：
2
2
作者
王洪金
常珊
+3 位作者
何赟泽
耿学锋
邓堡元
刘松源
《电子测量与仪器学报》
CSCD
北大核心
2024年第10期78-87,共10页
第三代功率半导体器件—氮化镓高电子迁移率晶体管器件(GaN HEMT)以其耐压耐温的优异特性在电力电子与通讯电子领域广泛应用。GaN HEMT器件通常工作在高温大功率等严苛的外部条件下,为了避免其突然失效对电力电子设备的正常运行产生影响...
第三代功率半导体器件—氮化镓高电子迁移率晶体管器件(GaN HEMT)以其耐压耐温的优异特性在电力电子与通讯电子领域广泛应用。GaN HEMT器件通常工作在高温大功率等严苛的外部条件下,为了避免其突然失效对电力电子设备的正常运行产生影响,对其进行主动实时的状态检测有着极其重要的意义。通过在不同温度和漏源电压条件下设计并进行重复性实验,提取分析GaN HEMT器件开通和关断瞬间产生应力波能量的变化来探讨温度和漏源电压对GaN HEMT器件的影响。针对器件应力波采集过程中易受噪声干扰的问题,提出一种基于GOOSE鹅优化算法的变分模态分解(VMD)的应力波去噪算法。实验结果表明,所提出的GOOSE-VMD信号处理方法能够在最大程度保留应力波信号特征的同时取得良好的降噪效果;器件应力波能量与漏源电压具有良好的正相关关系;器件应力波能量随着温度升高而减小,但当温度升高至82.05℃之后,应力波能量随着温度升高而增大。
展开更多
关键词
GaN
HEMT
应力波
变分模态分解
鹅优化算法
温度
漏源电压
在线阅读
下载PDF
职称材料
题名
基于PCA-GO-BP-AdaBoost的大坝变形监控模型
1
作者
代硕
苏怀智
谷宇
郭莹莹
机构
河海大学水灾害防御全国重点实验室
河海大学水利水电学院
河海大学水安全与水科学协同创新中心
出处
《人民黄河》
北大核心
2025年第S1期100-102,104,共4页
基金
国家自然科学基金重点项目(52239009)
水资源高效利用与工程安全国家工程研究中心开放研究基金(GJGCZX-JJ-202428)
文摘
构建高精度的大坝变形监控模型可帮助掌握大坝的运行状况、及时发现大坝变形的异常情况。但传统BP神经网络初始参数具有随机性、训练时间长等问题。为提高BP神经网络的预测精度,利用主成分分析法(PCA)对BP神经网络的输入向量进行降维,在降低模型复杂度的同时可提取输入向量的关键特征;引入鹅优化算法(GO)对BP神经网络初始参数进行寻优,以避免因参数随机性,导致的模型预测精度较低,构建GO-BP弱预测器,进一步提高BP神经网络良好的泛化能力;最后,利用自适应增强算法(AdaBoost)将弱预测器加权组合为强预测器。以某混凝土坝为例,通过对比多种模型预测结果,证明了该模型泛化能力更好,预测精度更高。
关键词
大坝变形监测
主成分分析
BP神经网络
自适应增强
算法
鹅优化算法
分类号
TV698.11 [水利工程—水利水电工程]
在线阅读
下载PDF
职称材料
题名
基于GOOSE-VMD的GaN HEMT器件应力波检测与分析
被引量：
2
2
作者
王洪金
常珊
何赟泽
耿学锋
邓堡元
刘松源
机构
湖南大学电气与信息工程学院
湖南大学深圳研究院
中国电力科学研究院有限公司
出处
《电子测量与仪器学报》
CSCD
北大核心
2024年第10期78-87,共10页
基金
国家自然科学基金面上项目(52077063)
深圳市自然科学基金面上项目(JCYJ20220530160409022)资助。
文摘
第三代功率半导体器件—氮化镓高电子迁移率晶体管器件(GaN HEMT)以其耐压耐温的优异特性在电力电子与通讯电子领域广泛应用。GaN HEMT器件通常工作在高温大功率等严苛的外部条件下,为了避免其突然失效对电力电子设备的正常运行产生影响,对其进行主动实时的状态检测有着极其重要的意义。通过在不同温度和漏源电压条件下设计并进行重复性实验,提取分析GaN HEMT器件开通和关断瞬间产生应力波能量的变化来探讨温度和漏源电压对GaN HEMT器件的影响。针对器件应力波采集过程中易受噪声干扰的问题,提出一种基于GOOSE鹅优化算法的变分模态分解(VMD)的应力波去噪算法。实验结果表明,所提出的GOOSE-VMD信号处理方法能够在最大程度保留应力波信号特征的同时取得良好的降噪效果;器件应力波能量与漏源电压具有良好的正相关关系;器件应力波能量随着温度升高而减小,但当温度升高至82.05℃之后,应力波能量随着温度升高而增大。
关键词
GaN
HEMT
应力波
变分模态分解
鹅优化算法
温度
漏源电压
Keywords
GaN HEMT
stress wave
variational mode decomposition
goose optimization algorithm
temperature
drain-source voltage
分类号
TM935 [电气工程—电力电子与电力传动]
TN64 [电子电信—电路与系统]
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PCA-GO-BP-AdaBoost的大坝变形监控模型
代硕
苏怀智
谷宇
郭莹莹
《人民黄河》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于GOOSE-VMD的GaN HEMT器件应力波检测与分析
王洪金
常珊
何赟泽
耿学锋
邓堡元
刘松源
《电子测量与仪器学报》
CSCD
北大核心
2024
2
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
