期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于BO-LightGBM算法的XLPE配电电缆绝缘状态评估
1
作者 罗正均 叶刚 +3 位作者 周箩鱼 李涛 陈楠 张志熙 《绝缘材料》 北大核心 2025年第3期131-140,共10页
为提升电缆绝缘状态评估的精度,本文提出了一种基于贝叶斯优化(BO)算法与轻量级梯度提升机(LightGBM)算法的电缆绝缘状态评估方法。首先将数据集中所有特征进行组合,形成不同的特征子集,通过遍历所有的特征子集,找到五折交叉验证的准确... 为提升电缆绝缘状态评估的精度,本文提出了一种基于贝叶斯优化(BO)算法与轻量级梯度提升机(LightGBM)算法的电缆绝缘状态评估方法。首先将数据集中所有特征进行组合,形成不同的特征子集,通过遍历所有的特征子集,找到五折交叉验证的准确率最高所对应的特征组合,完成对输入特征的筛选。然后使用BO算法对LightGBM中的7个超参数进行寻优。最后利用本文所提出的BO-LightGBM算法完成对电缆绝缘状态的评估。结果表明:本文提出的特征子集法与主成分分析法和互信息筛选法相比能更好地提升模型表现;经过BO算法优化后,LightGBM模型的精度能得到进一步的提升,与粒子群优化算法(PSO)和遗传算法优化(GA)相比,BO算法的计算效率能在几乎相同的精度下分别提升约80%和86.9%;与其他常用机器学习算法进行对比,本文模型的相关性能指标均为最优。 展开更多
关键词 XLPE电缆 状态评估 机器学习 贝叶斯优化算法 轻量级梯度提升机算法
在线阅读 下载PDF
基于FCM聚类与BO算法的PEMFC故障分类 被引量:4
2
作者 卢忠昌 刘芙蓉 +1 位作者 杨扬 谢长君 《电池》 CAS 北大核心 2022年第6期606-609,共4页
针对质子交换膜燃料电池(PEMFC)故障分类问题,提出基于模糊C均值(FCM)聚类和贝叶斯优化(BO)算法的故障分类方法。用Randles等效电路模型拟合210组阻抗谱实验数据,并用最小二乘法辨识模型各元件参数,选取特征向量构成数据样本。用FCM聚... 针对质子交换膜燃料电池(PEMFC)故障分类问题,提出基于模糊C均值(FCM)聚类和贝叶斯优化(BO)算法的故障分类方法。用Randles等效电路模型拟合210组阻抗谱实验数据,并用最小二乘法辨识模型各元件参数,选取特征向量构成数据样本。用FCM聚类算法求得数据样本的聚类中心,划分故障类别,剔除10组隶属度不足的数据。采用BO算法对60组训练数据建模,并验证分析140组测试数据。该方法可快速识别正常、膜干和水淹状态,分类准确率达97.86%。 展开更多
关键词 燃料电池 故障诊断 阻抗模型 模糊C均值(FCM)聚类 贝叶斯优化(bo)算法
在线阅读 下载PDF
基于BO-GRU的混凝土坝变形预测模型 被引量:13
3
作者 李其峰 杨杰 +1 位作者 程琳 仝飞 《水资源与水工程学报》 CSCD 北大核心 2021年第4期180-184,193,共6页
针对混凝土坝变形具有较强的非线性特点、目前大坝变形预测模型出现参数过多及易陷入局部最优等问题,提出了一种深度学习中的门控制循环单元(GRU)模型,并结合贝叶斯优化算法(BO)对门控制循环单元的超参数进行优化,建立BO-GRU模型应用于... 针对混凝土坝变形具有较强的非线性特点、目前大坝变形预测模型出现参数过多及易陷入局部最优等问题,提出了一种深度学习中的门控制循环单元(GRU)模型,并结合贝叶斯优化算法(BO)对门控制循环单元的超参数进行优化,建立BO-GRU模型应用于混凝土坝变形预测。为检验模型的可行性,以实测变形监测数据为基础,并与极限学习机、相关向量机和基于遗传算法优化的支持向量机等模型预测结果进行对比。结果表明:该模型的泛化能力强、运行效率高,能有效运用于混凝土坝的变形预测。 展开更多
关键词 混凝土坝 变形预测 深度学习 门控制循环单元 贝叶斯优化算法
在线阅读 下载PDF
基于BO-RF的烧结矿化学成分预测模型研究 被引量:3
4
作者 李一帆 李锦祥 +3 位作者 杨锦堂 杨爱民 刘卫星 李杰 《烧结球团》 北大核心 2023年第6期109-115,138,共8页
烧结矿的化学成分是决定烧结矿质量和高炉冶炼顺行的关键因素之一。为了稳定烧结矿化学成分,通过对烧结矿与混合矿化学成分进行相关性分析,选取两者相关性高的化学成分作为输入参数,并采用贝叶斯算法优化随机森林算法里的超参数,对烧结... 烧结矿的化学成分是决定烧结矿质量和高炉冶炼顺行的关键因素之一。为了稳定烧结矿化学成分,通过对烧结矿与混合矿化学成分进行相关性分析,选取两者相关性高的化学成分作为输入参数,并采用贝叶斯算法优化随机森林算法里的超参数,对烧结矿中化学成分[w(TFe)、w(FeO)、w(SiO_(2))、w(CaO)、w(MgO)、w(Al_(2)O_(3))、碱度(R)]进行预测,建立了基于BO-RF的烧结矿化学成分预测模型。预测结果表明:烧结矿化学成分的预测准确率均达到90.0%以上,其中烧结矿w(CaO)的预测准确率达到96.9%,烧结矿R的预测准确率为96.5%。烧结矿化学成分预测相对误差均在5.0%以内,其中烧结矿R的预测相对误差在3.5%以内,烧结矿w(TFe)的预测相对误差在1.4%以内,整体预测精度较高。 展开更多
关键词 混合矿 烧结矿 化学成分 bo-RF算法 预测模型
在线阅读 下载PDF
异步牵引电机匝间短路故障评估方法研究
5
作者 马杰 马晓明 +1 位作者 都业林 刘晓东 《铁道机车车辆》 北大核心 2025年第5期60-69,共10页
异步牵引电机定子匝间短路故障是一种具有渐进性的故障,准确评估匝间短路故障的严重程度可为检修工作提供依据。根据匝间短路环流所产生磁场强度模值的大小构造匝间短路故障程度评估系数,在提出匝间短路故障特征的基础上,采用BO-GPR模... 异步牵引电机定子匝间短路故障是一种具有渐进性的故障,准确评估匝间短路故障的严重程度可为检修工作提供依据。根据匝间短路环流所产生磁场强度模值的大小构造匝间短路故障程度评估系数,在提出匝间短路故障特征的基础上,采用BO-GPR模型对匝间短路故障的严重程度进行预测。设计异步牵引电机匝间短路故障试验平台并完成试验,试验表明,基于BO-GPR模型的异步牵引电机匝间短路故障程度评估方法可以为实际牵引电机的运用和检修工作提供一定的参考和依据。 展开更多
关键词 牵引电机 匝间短路 故障程度评估 GPR算法 bo算法
在线阅读 下载PDF
基于视觉显著性的场景目标识别 被引量:9
6
作者 薛梦霞 彭晖 +1 位作者 刘士荣 张波涛 《控制工程》 CSCD 北大核心 2016年第5期687-692,共6页
场景目标识别是场景理解的重要内容之一,提出一种新颖的基于视觉显著性的场景目标识别方法。该方法受生物视觉认知机理的启发,利用视觉显著机制来凸显场景中的感兴趣区域。首先利用GBVS模型对图像数据进行高效筛选,获得特定感兴趣的显... 场景目标识别是场景理解的重要内容之一,提出一种新颖的基于视觉显著性的场景目标识别方法。该方法受生物视觉认知机理的启发,利用视觉显著机制来凸显场景中的感兴趣区域。首先利用GBVS模型对图像数据进行高效筛选,获得特定感兴趣的显著性区域。然后基于图分割理论(Graph Cuts Theory)的Grab Cut算法被用于提取图像中的显著性目标。最后运用SURF特征描述目标对象,通过SURF特征的学习产生目标物体的Bo VW视觉词包,运用视觉词包的SVM分类匹配实现目标对象的图像特征与语义描述之间的知识映射。麻省理工学院LabelMe图像库的实验测试结果表明所述方法具有较高的识别率。 展开更多
关键词 目标识别 视觉显著性 GrabCut算法 boVW模型 支持向量机
在线阅读 下载PDF
基于机器学习和非支配排序遗传算法的盾构姿态预测与优化 被引量:8
7
作者 曹化锦 《铁道建筑》 北大核心 2023年第7期93-97,共5页
提出了一种将贝叶斯优化(BO)算法、随机森林(RF)算法和第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态优化方法。依托杭州—临安城际铁路工程,选取盾构参数、土性参数和隧道埋深作为输入参数,使用BO算法优选RF算法的超参数,构建盾... 提出了一种将贝叶斯优化(BO)算法、随机森林(RF)算法和第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态优化方法。依托杭州—临安城际铁路工程,选取盾构参数、土性参数和隧道埋深作为输入参数,使用BO算法优选RF算法的超参数,构建盾构姿态预测模型,并对输入参数进行重要性分析。将盾构姿态预测模型函数作为适应度函数,引入NSGA-Ⅲ算法优化盾构姿态,并得到盾构参数控制范围。结果表明:采用BO-RF算法和工程实测数据训练模型,所得预测模型精度较高;千斤顶推力对盾构姿态影响最大,膨润土掺加量对盾构姿态的影响最小;采用BO-RF-NSGA-Ⅲ优化方法,盾构切口水平位移和垂直位移平均值分别减小了37.20%、36.87%,盾构尾部水平位移和垂直位移平均值分别减小了26.52%和18.10%,对盾构姿态的优化效果显著。该优化方法可靠适用,值得推广。 展开更多
关键词 地铁隧道 盾构姿态预测 多目标优化 贝叶斯优化算法 随机森林算法 非支配排序遗传算法
在线阅读 下载PDF
基于贝叶斯优化的SWDAE-LSTM滚动轴承早期故障预测方法研究 被引量:51
8
作者 石怀涛 尚亚俊 +2 位作者 白晓天 郭磊 马辉 《振动与冲击》 EI CSCD 北大核心 2021年第18期286-297,共12页
针对滚动轴承的早期故障特征较弱,在强噪声背景下难以有效提取以致生命周期很难准确预测的问题,提出了一种基于贝叶斯优化(BO)的滑动窗堆叠去噪自编码器(SWDAE)和长短期记忆(LSTM)网络的早期故障预测模型。使用滑动窗算法保留具有非线... 针对滚动轴承的早期故障特征较弱,在强噪声背景下难以有效提取以致生命周期很难准确预测的问题,提出了一种基于贝叶斯优化(BO)的滑动窗堆叠去噪自编码器(SWDAE)和长短期记忆(LSTM)网络的早期故障预测模型。使用滑动窗算法保留具有非线性特征和时序特征的历史正常数据,输入到模型中进行训练,使模型学习滚动轴承的正常运行状态趋势。将滚动轴承运行的数据输入到训练好的SWDAE-LSTM模型中进行实时在线监控,利用模型的预测值与真实值的残差检测滚动轴承早期故障。针对模型超参数组合选择困难的问题,使用贝叶斯优化算法对模型的超参数进行调优。最后,使用美国辛辛那提大学智能维护中心(IMSCenter)的轴承全生命周期数据以及机械故障综合模拟实验装置获取的数据进行仿真实验验证。结果表明,使用贝叶斯优化算法进行智能调参的模型和基于时域指标的方法对比,可以更早的有效检测出滚动轴承的早期故障并具有很强的鲁棒性。与其余深度学习方法比较,其模型的诊断准确率高于其他方法,进一步证明了其有效性和可靠性。 展开更多
关键词 滚动轴承 早期故障预测 贝叶斯优化(bo) 滑动窗算法 堆叠去噪自编码(SWDAE) 长短时记忆(LSTM)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