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
共找到12,149篇文章
< 1 2 … 250 >
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：
基于血液中微量元素LM-BP神经网络模式识别冠心病患者方法 被引量：9
1
作者 开小明 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2004年第11期1412-1414,共3页
选择微量元素Sr,Cu,Mg和Zn在血液中的含量作为判别冠心病患者的指标,建立了LevenbergMarquardtBackpropagation神经网络识别模式。网络的第一层传输函数为Tansig函数,第二层传输函数为线性的Purelin函数,输入有4个向量,隐含层有8个神经... 选择微量元素Sr,Cu,Mg和Zn在血液中的含量作为判别冠心病患者的指标,建立了LevenbergMarquardtBackpropagation神经网络识别模式。网络的第一层传输函数为Tansig函数,第二层传输函数为线性的Purelin函数,输入有4个向量,隐含层有8个神经元,输出层有1个神经元。选择4个样本(测试元素含量在训练元素范围内)作为测试集,余下22个样本为训练集。给出了神经网络的权重(Weight)和偏置(Bias)值,对给定的数据能完全识别,预示着可通过血液中的微量元素,可能作为冠心病患者诊断的一种辅助手段。 展开更多
关键词 冠心病患者 血液 诊断 神经元 微量元素 LM 含量 模式识别 神经网络 输出层
在线阅读 下载PDF
基于天气状态模式识别的SSA-BP神经网络光伏电厂功率及碳减排量预测 被引量：2
2
作者 胡浔惠 丁伟 +3 位作者 曹敬 陈时熠 李梦阳 姚钦才 《可再生能源》 CAS CSCD 北大核心 2024年第7期877-885,共9页
文章提出了一种基于天气状态模式识别并结合SSA-BP(Sparrow Search Algorithm-Back Propagation)预测光伏出力的方法。首先,在分析辐照度、温度、风速等参数变化规律基础上,基于高斯混合模型,针对专业天气类型开展分类,获得类晴、类雨... 文章提出了一种基于天气状态模式识别并结合SSA-BP(Sparrow Search Algorithm-Back Propagation)预测光伏出力的方法。首先,在分析辐照度、温度、风速等参数变化规律基础上,基于高斯混合模型,针对专业天气类型开展分类,获得类晴、类雨和类阴3种典型的广义天气;然后,将数据作为SSA-BP神经网络输入,对光伏电厂出力分类进行预测;最后,结合碳核算方法学对光伏发电项目碳减排量进行核算。结果表明:利用分类识别和改进的SSA-BP神经网络,在3种天气类型预测中平均相对误差分别为0.195,0.243,0.310;SSA-BP与其他模型相比,平均相对误差降低了17.8%~66.7%。此外,预测CO_(2)减排量与实际核算值相对误差为3.37%,亦表现出良好预测效果。 展开更多
关键词 光伏发电 模式识别 SSA-bp神经网络 功率预测 天气状态
在线阅读 下载PDF
基于卷积神经网络与可视图像的类滑动放电模式识别 被引量：2
3
作者 潘如政 李怀宇 +3 位作者 崔巍 曾鑫 张帅 邵涛 《高电压技术》 EI CAS CSCD 北大核心 2024年第1期423-431,共9页
为了提高机器学习算法对类滑动放电模式识别的准确率,提出了一种基于卷积神经网络(convolutional neuralnetworks,CNN)与可视图像识别电晕放电、弥散放电和类滑动放电等模式的方法。通过选取气体体积流量0~16 L/min、电极间隙2~10 mm、... 为了提高机器学习算法对类滑动放电模式识别的准确率,提出了一种基于卷积神经网络(convolutional neuralnetworks,CNN)与可视图像识别电晕放电、弥散放电和类滑动放电等模式的方法。通过选取气体体积流量0~16 L/min、电极间隙2~10 mm、脉冲频率0.5~3 kHz等不同条件下的类滑动放电图像构建图像库,搭建CNN模型并优化影响CNN识别性能的超参数,包括网络层数、全连接层(full connected layer,FC)神经元数、卷积核尺寸以及激活函数类型,最后比较了CNN与决策树(decision tree,DT)算法和随机森林(random decision forests,RF)算法的识别效果。结果表明,CNN识别准确率为100%,高于传统机器学习方法。此外,本文还给出了放电模式及条件参数,通过基于反向传播神经网络(back propagation neural networks,BPNN)的聚类分析算法识别弥散放电和类滑动放电,并且准确率为100%。 展开更多
关键词 类滑动放电 可视图像 卷积神经网络 机器学习 模式识别 参数调控
在线阅读 下载PDF
改进SSA优化BP神经网络的变压器故障诊断 被引量：2
4
作者 汪繁荣 汪筠涵 江俊杰 《现代电子技术》 北大核心 2025年第4期145-150,共6页
变压器故障类型的准确诊断对保障电网的安全与稳定至关重要。针对BP神经网络与麻雀搜索算法(SSA)存在收敛缓慢和易陷入局部极值导致无法准确诊断的问题,提出将改进的麻雀搜索算法(ISSA)优化BP神经网络应用于变压器故障诊断。首先,引入... 变压器故障类型的准确诊断对保障电网的安全与稳定至关重要。针对BP神经网络与麻雀搜索算法(SSA)存在收敛缓慢和易陷入局部极值导致无法准确诊断的问题,提出将改进的麻雀搜索算法(ISSA)优化BP神经网络应用于变压器故障诊断。首先,引入非线性惯性权重和纵横交叉策略,从而提高算法的收敛速度和全局寻优能力;其次,将ISSA与传统SSA在收敛函数上进行对比分析,得到ISSA算法在迭代12次后以52%的准确率收敛,而SSA算法迭代23次后才达到25%的准确率,证明了ISSA在收敛速度和精度方面有明显提高;最后,将ISSA-BP、SSA-BP和BP诊断模型进行对比。实验结果表明,ISSA-BP模型准确率达到了97%,比SSA-BP、BP神经网络模型分别提高了4%和11%,可以认为提出的算法模型在变压器故障诊断领域具有更高的精度与良好的发展前景。 展开更多
关键词 麻雀搜索算法 bp神经网络 变压器 故障诊断 非线性惯性权重 纵横交叉策略
在线阅读 下载PDF
特征融合与BP神经网络结合的刀具磨损预测 被引量：1
5
作者 郭宏 徐延 +1 位作者 伊亚聪 胡孔耀 《机械设计与制造》 北大核心 2025年第1期108-111,116,共5页
通过监测刀具磨损情况,能够有效应对生产加工中的意外状况。为了精确监测刀具的磨损状态,提出了一种多传感器特征融合及BP神经网络结合的刀具磨损预测方法。首先对工业加工中采集到的切削力、振动、声发射信号进行小波阈值去噪,然后在... 通过监测刀具磨损情况,能够有效应对生产加工中的意外状况。为了精确监测刀具的磨损状态,提出了一种多传感器特征融合及BP神经网络结合的刀具磨损预测方法。首先对工业加工中采集到的切削力、振动、声发射信号进行小波阈值去噪,然后在时域、频域和时频域内分析并提取特征,再将融合后的各类传感器特征使用Pearson相关系数和主成分分析(PCA)实现数据降维,最后将降维后的融合特征输入搭建好的BP神经网络,通过非线性仿真分析,从而实现刀具磨损量的预测。案例验证表明:与单一传感器预测相比,提出的多传感器特征融合的刀具磨损预测方法误差最小,且决定系数R2达到0.993。 展开更多
关键词 传感器 特征提取 小波去噪 PCA bp神经网络 磨损预测
在线阅读 下载PDF
基于BP神经网络结合ERA5数据的风电功率预测 被引量：1
6
作者 王婷婷 李斯胜 +4 位作者 于伟 能锋田 李星南 杨佳琳 熊亮 《储能科学与技术》 北大核心 2025年第1期183-189,共7页
随着我国风力发电技术的不断发展和完善,风电在电力系统运行和调度的作用越来越突出。为了高效准确地预测风电功率,减少大量风电入网带来的负面影响,本文基于BP神经网络结合ERA5数据对我国北方某风电场进行风电功率预测,并采用粒子群优... 随着我国风力发电技术的不断发展和完善,风电在电力系统运行和调度的作用越来越突出。为了高效准确地预测风电功率,减少大量风电入网带来的负面影响,本文基于BP神经网络结合ERA5数据对我国北方某风电场进行风电功率预测,并采用粒子群优化(particle swarm algorithm,PSO)算法优化模型,结合平均绝对误差、均方根误差和Pearson相关系数分析风电功率预测效果。结果表明,模型训练集中预测与实测风电功率变化趋势基本一致,呈现同增同减的趋势,BP模型的平均绝对误差为702.12 W,均方根误差为1000.18 W,相关系数为0.91,PSO-BP模型的平均绝对误差为700.75 W,均方根误差为995.16 W,相关系数为0.94;测试集中ERA5数据在一定程度上高估了风电功率,但整体趋势基本一致,BP模型的平均绝对误差为861.09 W,均方根误差为1150.86 W,相关系数为0.81;PSO-BP模型的平均绝对误差为829.55 W,均方根误差为1117.39 W,相关系数为0.83,模型的预测效果相对较好,PSO-BP模型相较于BP模型的预测效果均有一定程度的提高,在该区域的风电功率预测方面有较好的适用性。研究结果可为缺乏观测数据或观测数据质量不高的地区预测风电功率提供参考。 展开更多
关键词 风力发电 bp神经网络 ERA5再分析资料 粒子群优化算法 风电功率预测
在线阅读 下载PDF
基于GA-BP神经网络的烟叶打叶风分工艺参数优化
7
作者 田斌强 付龙 +5 位作者 唐剑宁 刘辉 夏凡 黄沙 刘莉艳 郭筠 《河南农业大学学报》 北大核心 2025年第3期508-515,共8页
【目的】获得烤烟烟叶在打叶风分中的最佳工艺参数,进一步优化叶片结构。【方法】选取打叶复烤工艺中的前5级打叶转速和第7、第8风机频率共7个因素,每个因素设3个水平开展正交试验,以正交试验结果确定较优的工艺参数组合为数据样本集构... 【目的】获得烤烟烟叶在打叶风分中的最佳工艺参数,进一步优化叶片结构。【方法】选取打叶复烤工艺中的前5级打叶转速和第7、第8风机频率共7个因素,每个因素设3个水平开展正交试验,以正交试验结果确定较优的工艺参数组合为数据样本集构建GA-BP神经网络模型,并结合NSGA-Ⅱ的方法对工艺参数进一步优化。【结果】正交试验确定较高的大中片率最佳工艺参数为:第1至5级打叶转速分别为493、471、620、798、794 r·min^(-1),第7、第8级风机频率分别为49、45 Hz,较低的碎片率和叶中含梗率的最优工艺参数为:第1至5级打叶转速分别为503、489、621、792、792 r·min^(-1),第7、第8级风机频率分别为50、46 Hz。经GA-BP神经网络模型优化后为第1至5级打叶转速分别为485、474、620、796、794 r·min^(-1),第7、第8级风机频率分别为49、46 Hz,在此条件下,大中片率提升了1.52个百分点,叶中含梗率、碎片率分别降低了0.09和0.08个百分点。【结论】在正交试验的基础上,通过GA-BP神经网络模型优化多工艺参数,叶片结构更为合理,可为提升烟叶叶片加工质量提供参考。 展开更多
关键词 叶片结构 bp神经网络 遗传算法 打叶风分 参数优化
在线阅读 下载PDF
基于BP神经网络的家具供应链脆弱性评价
8
作者 屈俊林 庞燕 王忠伟 《中南林业科技大学学报》 北大核心 2025年第3期158-166,共9页
【目的】对家具供应链脆弱性进行评价研究,以期从供应链脆弱性的角度为家具供应链风险管理决策提供参考依据。【方法】结合新时代背景下家具供应链发展新特征,对家具供应链各环节脆弱性进行分解,运用德尔菲法筛选家具供应链脆弱性因素,... 【目的】对家具供应链脆弱性进行评价研究,以期从供应链脆弱性的角度为家具供应链风险管理决策提供参考依据。【方法】结合新时代背景下家具供应链发展新特征,对家具供应链各环节脆弱性进行分解,运用德尔菲法筛选家具供应链脆弱性因素,利用SPSS软件进行信度和效度分析,构建包括数字化供应链成熟度在内的家具供应链脆弱性评价指标体系。利用BP神经网络在风险评价方面的优势,结合置换特征重要性算法,运用Python进行仿真训练,构建基于BP神经网络的家具供应链脆弱性评价模型。【结果】1)构建了由3个一级指标、9个二级指标和24个三级指标构成的家具供应链脆弱性评价指标体系;2)采用置换特征重要性算法计算家具供应链脆弱性评价指标权重,根据权重对评价指标进行了排序发现,市场需求预测、供应链信息协同、供应链决策水平、产业结构调整和产品竞争力这5项指标对家具企业供应链脆弱性预测值具有较大的正向显著性;3)通过迭代和训练发现,基于BP神经网络的家具供应链脆弱性评价模型对61组训练集数据的分类预测准确率为100%,最大相对误差为0.002 256%;对20组测试样本数据的分类预测准确率为95%,最大相对误差为0.5%。【结论】基于BP神经网络的家具供应链脆弱性评价模型有良好的非线性映射和学习能力,拥有较强的分类预测功能,能全面有效地对家具供应链脆弱性进行评价。 展开更多
关键词 家具 供应链 脆弱性 bp神经网络 评价
在线阅读 下载PDF
应用人工智能方法计算致密气藏可采储量——以BP神经网络为例
9
作者 米乃哲 乔向阳 +3 位作者 李旭芬 吕远 许伟 谢小飞 《大庆石油地质与开发》 北大核心 2025年第3期70-76,共7页
针对传统可采储量计算条件苛刻,尤其致密气藏可采储量计算存在工作量大、计算误差大,测试资料不完整的气井不能有效计算的问题。采用人工智能方法计算可采储量,其过程可以看作在气田大数据基础上利用模型、算法与算力为可采储量计算提... 针对传统可采储量计算条件苛刻,尤其致密气藏可采储量计算存在工作量大、计算误差大,测试资料不完整的气井不能有效计算的问题。采用人工智能方法计算可采储量,其过程可以看作在气田大数据基础上利用模型、算法与算力为可采储量计算提供产品、服务、应用,将人工智能具有的解决数据模糊问题、高效协调能力、强学习能力和非线性能力的优势用于可采储量计算。将资料完整准确气井计算可采储量作为学习样本;利用气藏地质和动态研究成果初选计算参数,灰色关联遴选最终计算参数;通过人工智能训练学习建立最终参数与可采储量间关系,应用建立的关系完成其他气井可采储量的计算。应用于延安气田Y50井区,单井验证误差范围-1.88%~4.80%,多井累计误差为1.13%。实践表明,应用人工智能方法计算可采储量可以满足工程计算需要,可大幅度提高计算效率,节约人工成本,降低测试费用,无测试资料和资料不完整气井也可完成可采储量的计算。 展开更多
关键词 致密气藏 可采储量 人工智能 bp神经网络
在线阅读 下载PDF
基于动量算法优化的BP神经网络HRG漂移补偿方法
10
作者 罗巍 魏博深 +2 位作者 陈刚 唐明浩 戴劼峰 《中国惯性技术学报》 北大核心 2025年第5期502-509,共8页
针对半球谐振陀螺(HRG)漂移传统分步标定补偿方法存在的补偿精度低与耗时长问题,提出一种基于动量算法优化的反向传播(BP)神经网络HRG漂移补偿方法。根据HRG误差模型分析了分步标定补偿方法的局限性,构建了基于BP神经网络的HRG漂移补偿... 针对半球谐振陀螺(HRG)漂移传统分步标定补偿方法存在的补偿精度低与耗时长问题,提出一种基于动量算法优化的反向传播(BP)神经网络HRG漂移补偿方法。根据HRG误差模型分析了分步标定补偿方法的局限性,构建了基于BP神经网络的HRG漂移补偿模型,并引入动量算法,提升BP神经网络训练效率,利用三只自研的HRG进行了实验验证。实验结果表明:所提方法能够有效提升陀螺精度,同时简化标定和补偿流程,提高陀螺漂移补偿工作效率,相比现有分步标定补偿法,陀螺精度提升36.1%,标定补偿效率提升32.1%。 展开更多
关键词 半球谐振陀螺 bp神经网络 陀螺漂移补偿
在线阅读 下载PDF
基于改进BP神经网络的激光选区熔化表面粗糙度预测
11
作者 丁燕 王磊 王远 《电加工与模具》 北大核心 2025年第1期62-68,共7页
为提升激光选区熔化表面粗糙度预测的精确度,提出改进BP神经网络模型。首先依据参数建立指数模型,利用灰色关联度分析各因素,求解获得各因素的指数值;然后建立BP神经网络模型,改进粒子群算法优化包括自适应惯性权重更新和动态调节学习因... 为提升激光选区熔化表面粗糙度预测的精确度,提出改进BP神经网络模型。首先依据参数建立指数模型,利用灰色关联度分析各因素,求解获得各因素的指数值;然后建立BP神经网络模型,改进粒子群算法优化包括自适应惯性权重更新和动态调节学习因子,同时指数模型预测结果作为特征输入到BP神经网络模型;最后给出算法流程。实验显示,改进BP神经网络在较少的隐含层节点下达到了更低的平均相对误差,激光选区熔化表面粗糙度预测更接近真实值,改进BP神经网络决定系数相比EM、BPNN、GABPNN分别提升了6.40%、1.14%、0.07%,均方根误差相比EM、BPNN、GABPNN分别降低了0.0363、0.0627、0.0668,评价指标较优。 展开更多
关键词 bp神经网络 激光选区熔化 粗糙度 粒子群 精确度
在线阅读 下载PDF
基于EWMA—优化BP神经网络的农业巡检机器人定位
12
作者 蒋祥龙 丁珠玉 《中国农机化学报》 北大核心 2025年第5期86-91,共6页
为解决农业巡检机器人行间定位过程中产生非视距(NLOS)误差干扰,提出一种EWMA—优化BP神经网络模型定位方法。在BP神经网络基础上,融合指数加权移动平均算法(EWMA)弥补其定位远距离处精度较低的不足,同时EWMA采用三次函数形式设计加权系... 为解决农业巡检机器人行间定位过程中产生非视距(NLOS)误差干扰,提出一种EWMA—优化BP神经网络模型定位方法。在BP神经网络基础上,融合指数加权移动平均算法(EWMA)弥补其定位远距离处精度较低的不足,同时EWMA采用三次函数形式设计加权系数;为避免BP神经网络收敛速度慢、局部最优,引入动量因子和自适应学习速率进行改进BP神经网络,并通过归一化处理数量级差距很大的输入、输出向量,考虑到计算方便,降低神经元饱和度,最终融合TDOA定位模型的Chan算法获得最优值。农业大棚巡检机器人行间动静态定位试验分析表明,所提模型静态定位误差90%的情况下不超过0.2 cm,动态定位X轴方向估计误差均值为3 cm,Y轴方向估计误差均值为5 cm,NLOS因素干扰下平均定位误差降低90%,基本滤除NLOS因素干扰下的定位误差。 展开更多
关键词 农业巡检机器人 精准定位 bp神经网络 非视距
在线阅读 下载PDF
基于BP神经网络的咸水黏度预测及其对渗流的影响
13
作者 李涛 美合日阿依·穆太力普 +2 位作者 薛福生 李延静 敬嘉珩 《油气地质与采收率》 北大核心 2025年第1期152-161,共10页
在碳中和背景下,采用CO_(2)咸水层封存技术来实现碳减排目标时,咸水黏度对储层中的CO_(2)-咸水两相渗流过程有着直接的影响。目前,基于压力影响的黏度预测方法仍有待完善。使用最小二乘法、BP神经网络和基于遗传算法的BP神经网络,将咸... 在碳中和背景下,采用CO_(2)咸水层封存技术来实现碳减排目标时,咸水黏度对储层中的CO_(2)-咸水两相渗流过程有着直接的影响。目前,基于压力影响的黏度预测方法仍有待完善。使用最小二乘法、BP神经网络和基于遗传算法的BP神经网络,将咸水黏度分别当作温度、质量摩尔浓度的二元函数以及温度、质量摩尔浓度、压力的三元函数优化了现有的计算方法,建立了考虑压力影响的黏度预测优化模型。在获得最佳的预测方式后,基于COMSOL软件的水平集方法系统分析了黏度对渗流的影响。研究结果表明,采用最小二乘法可以对现有的经验公式进行一定优化,但是效果不明显;采用二元BP神经网络可以将预测精度提高45.20%,考虑压力后采用三元BP神经网络可以将预测精度提高57.32%。因此,在实验数据充足的情况下,基于BP神经网络模型可以得到较大压力范围内可靠的咸水黏度值;由于经验公式法能够预测黏度变化趋势,在缺乏相应实验数据的情况下,可通过经验公式法获得咸水黏度值。此外,通过仿真结果可以发现,黏度会影响流体在流道的分布,进而影响流动速度,黏度比越大,出口平均速度波动越小且更快地趋于平稳;而且黏度比越大,残余水饱和度越小,越有利于驱替过程的进行,二者呈对数函数的关系。 展开更多
关键词 咸水黏度 bp神经网络 压力 渗流模拟 CO_(2)咸水层封存
在线阅读 下载PDF
基于BP神经网络的路堑下穿致高铁桥墩位移的预测
14
作者 宋旭明 陈松 +2 位作者 唐冕 孙凯 程丽娟 《中南大学学报(自然科学版)》 北大核心 2025年第6期2539-2549,共11页
依托某新建路堑工程,建立土体-桥梁三维数值模型,采用正交试验法分析高铁桥梁附加位移的参数敏感性,利用拉丁超立方抽样方法,通过神经网络(backpropagation neural network)拟合墩顶附加位移与主要影响因素的隐式函数关系,结合蒙特卡洛... 依托某新建路堑工程,建立土体-桥梁三维数值模型,采用正交试验法分析高铁桥梁附加位移的参数敏感性,利用拉丁超立方抽样方法,通过神经网络(backpropagation neural network)拟合墩顶附加位移与主要影响因素的隐式函数关系,结合蒙特卡洛法,对参数进行1×10^(6)次抽样计算,得到墩顶附加位移的超限概率。研究结果表明:浅层土体力学参数对墩顶纵向位移的影响较大,开挖深度对墩顶纵向位移的影响最显著;最优BP神经网络模型预测的墩顶附加位移与有限元计算值的均方误差为4.345×10^(-4),最大相对误差为5.1%,表明最优BP神经网络模型可代替有限元进行快速估算;当开挖深度在2 m以内时,背景工程墩顶纵向附加位移基本不会超限,当开挖深度为3 m时,超限概率达40%,建议开挖前采用适当的支护措施以确保结构安全。 展开更多
关键词 路堑开挖 敏感性分析 随机响应面 bp神经网络 位移预测 可靠度
在线阅读 下载PDF
基于WOA-BP神经网络的热式流量测量技术研究
15
作者 刘升虎 刘太逸 +3 位作者 冉建立 郭会强 邢亚敏 梁钊睿 《仪表技术与传感器》 北大核心 2025年第4期50-54,共5页
针对热式流量测量方法易受环境因素影响的问题,构建了一种WOA-BP神经网络流量预测模型,以热式传感器采样电压值及含水率测量信号作为模型输入量,以预测流量值作为输出值,进行温度补偿,利用鲸鱼群算法进行网络初值参数优化,得到优化后的... 针对热式流量测量方法易受环境因素影响的问题,构建了一种WOA-BP神经网络流量预测模型,以热式传感器采样电压值及含水率测量信号作为模型输入量,以预测流量值作为输出值,进行温度补偿,利用鲸鱼群算法进行网络初值参数优化,得到优化后的补偿模型,提高了算法的收敛速度。实验结果表明:优化后的神经网络模型在热式流量测量方法中具有较好的流量预测效果,WOA-BP网络模型R~2达到0.989,比传统BP模型的预测精确性和鲁棒性更高,在对油井产液量预测方面具有实用价值。 展开更多
关键词 鲸鱼优化算法(WOA) bp神经网络 热式流量测量方法 温度补偿
在线阅读 下载PDF
基于NSGA-Ⅱ与BP神经网络的复合材料身管结构参数优化
16
作者 孙磊 韩书永 +2 位作者 马梦蹊 王坚 刘宁 《火炮发射与控制学报》 北大核心 2025年第3期115-122,共8页
针对复合材料身管结构设计时多个性能指标设计要求,在Isight中集成BP神经网络、Solidworks参数化几何模型及Abaqus有限元仿真模型通过NSGA-Ⅱ遗传算法对多个目标进行优化。优化目标值为身管的一阶固有频率、质量以及复合材料缠绕部位处... 针对复合材料身管结构设计时多个性能指标设计要求,在Isight中集成BP神经网络、Solidworks参数化几何模型及Abaqus有限元仿真模型通过NSGA-Ⅱ遗传算法对多个目标进行优化。优化目标值为身管的一阶固有频率、质量以及复合材料缠绕部位处的身管内壁最大等效应力,复合材料身管三段复合缠绕位置处的金属内衬直径以及复合材料缠绕角度为设计变量。通过BP神经网络建立代理模型,再通过NSGA-Ⅱ遗传算法对多个目标进行优化求解,解得复合材料身管结构参数的Pareto最优解集。通过优化结果可知,采用遗传算法多目标优化生成的Pareto前沿面最优解集分散地较为均匀,优化解集的复合材料身管结构参数方案在刚度、强度和质量方面均有改善,为复合材料身管结构设计和优化提供了参考。 展开更多
关键词 复合材料 多目标结构优化 bp神经网络代理模型 NSGA-Ⅱ算法
在线阅读 下载PDF
基于SSA-GA-BP神经网络的城轨地下线振动源强预测模型
17
作者 刘庆杰 刘博亮 +3 位作者 冯青松 徐璐 罗信伟 刘文武 《铁道科学与工程学报》 北大核心 2025年第5期2355-2366,共12页
为寻求一种预测速度快、准确率高的城市轨道交通地下线振动源强预测模型,基于55个非减振轨道测试断面数据,经过数据清洗、分析和标签化后,建立了涵盖典型车型和主要线路参数取值范围的8 000多条实测数据库。分析地铁环境振动的影响因素... 为寻求一种预测速度快、准确率高的城市轨道交通地下线振动源强预测模型,基于55个非减振轨道测试断面数据,经过数据清洗、分析和标签化后,建立了涵盖典型车型和主要线路参数取值范围的8 000多条实测数据库。分析地铁环境振动的影响因素,利用斯皮尔曼相关系数得到各类影响因素与振动源强的关系强度。分别建立基于卷积神经网络(CNN)、随机森林(RF)、支持向量机(SVM)等5个机器学习模型,对比分析了不同模型对振动源强的预测效果。使用麻雀搜索算法(SSA)和遗传算法(GA)优化BP神经网络模型的结构、超参数、权重及阈值,对比SSA-GA-BP、SSA-BP、GA-BP神经网络对振动源强的预测精度。最终使用4个差异明显且未经模型学习的新断面验证SSA-GA-BP模型的泛化能力。结果表明:5种机器学习模型中BP神经网络的非线性回归拟合能力最强,验证集MAE损失为1.55 dB,决定系数为0.948;SSA-GA-BP模型对振动源强的预测精度高于SSA-BP和GA-BP,验证集MAE、MAPE和决定系数分别为1.289 dB、1.856%和0.967,有80.11%数据的平均绝对误差在2 dB以内;SSA-GA-BP模型对4个经典的新断面数据预测效果良好,4个断面汇总数据的MAE、MSE和MAPE误差值分别为1.21 dB、2.18 dB和1.67%,决定系数为0.977,有70%数据的预测误差在2 dB以内,证明了SSA-GA-BP模型有较强的泛化能力。SSA-GA-BP振源预测模型具有较好的预测精度和快速预测能力,研究可为轨道交通地下线路设计阶段的减振降噪设计提供参考。 展开更多
关键词 城市轨道交通地下线 振动源强 预测 bp神经网络 麻雀搜索算法 遗传算法
在线阅读 下载PDF
PCA-BP神经网络模型在拖拉机发动机故障诊断中的应用
18
作者 杨健 《农机化研究》 北大核心 2025年第3期254-258,共5页
拖拉机发动机故障诊断是指通过对拖拉机发动机的运行状态、传感器数据等信息进行分析和处理,识别出发动机故障的类型和位置,及时准确地诊断拖拉机发动机故障,对于提高农机装备的使用效率和经济效益具有重要的意义。为此,基于主成分分析(... 拖拉机发动机故障诊断是指通过对拖拉机发动机的运行状态、传感器数据等信息进行分析和处理,识别出发动机故障的类型和位置,及时准确地诊断拖拉机发动机故障,对于提高农机装备的使用效率和经济效益具有重要的意义。为此,基于主成分分析(PCA)算法对拖拉机发动机的传感器数据进行降维处理,并使用BP神经网络对降维后的数据进行分类识别,以实现拖拉机发动机故障的诊断。试验结果表明:PCA-BP神经网络模型可以准确地诊断拖拉机发动机的多种故障,相比于传统的BP神经网络模型,具有更高的准确率和更好的泛化能力,表明PCA-BP神经网络模型在拖拉机发动机故障诊断中具有较大的应用前景。 展开更多
关键词 拖拉机发动机 故障诊断 主成分分析 bp神经网络
在线阅读 下载PDF
基于BP神经网络的RC框架结构主余震易损性分析
19
作者 邓夕胜 周紫娟 +2 位作者 赖馨粤 林嘉聪 朱一林 《地震研究》 北大核心 2025年第3期496-506,共11页
为研究RC框架结构在主余震序列地震动作用下的易损性,设计了一个6层RC框架结构,挑选不同余震持时的主余震地震动合成得到主震-长持时余震和主震-短持时余震序列地震动各20组,选用地震动强度指标作为预测变量,将全部地震序列输入到结构... 为研究RC框架结构在主余震序列地震动作用下的易损性,设计了一个6层RC框架结构,挑选不同余震持时的主余震地震动合成得到主震-长持时余震和主震-短持时余震序列地震动各20组,选用地震动强度指标作为预测变量,将全部地震序列输入到结构中进行IDA分析,以IDA分析结果作为神经网络数据库,训练出最佳BP神经网络模型,得到BP神经网络的结构易损性曲面,从而综合考虑余震持时和主震强度的向量型IM与结构最大层间位移角之间的关系。结果表明:在主震-长持时余震和主震-短持时余震两种地震作用下,前者对结构的影响较大,造成结构的失效概率更大;基于BP神经网络的易损性函数能更好地反映结构损伤。 展开更多
关键词 主余震 持时 bp神经网络 RC框架结构 易损性曲面
在线阅读 下载PDF
基于嵌套优化的GA-PSO-BP神经网络短期风功率预测方法研究 被引量：1
20
作者 刘翘楚 王杰 +3 位作者 秦文萍 张文博 陈玉梅 刘佳昕 《电网与清洁能源》 北大核心 2025年第2期138-146,共9页
短期风电功率预测对于保障电力系统稳定运行具有重要意义。针对单一BP(back propagation)神经网络预测模型难以满足风电功率的强随机波动特性,结合遗传算法(geneticalgorithm,GA)和粒子群智能算法(particleswarm optimization,PSO),提... 短期风电功率预测对于保障电力系统稳定运行具有重要意义。针对单一BP(back propagation)神经网络预测模型难以满足风电功率的强随机波动特性,结合遗传算法(geneticalgorithm,GA)和粒子群智能算法(particleswarm optimization,PSO),提出嵌套优化的GA-PSO-BP神经网络短期风电功率预测模型。建立内外双层嵌套的优化机制,内层机制中引入GA算法优化PSO算法学习因子,优化后PSO算法作为外层机制实现BP神经网络阈值和权值的优化。模拟风电数据预测结果表明,比起GA-BP、PSO-BP、长短期记忆网络(long short-term memory,LSTM)预测模型,所提嵌套优化模型在平均绝对误差(mean absolute error,MAE)、均方根误差(root mean squared error,RMSE)、决定系数R2 3个评价维度上均取得了最优值;利用山西某风电场不同月份、不同时段、不同波动特征的实际运行数据进行验证,预测结果表明MAE均小于0.02,R2均大于0.99,所提嵌套优化模型具有较高的预测精度和拟合程度。 展开更多
关键词 风电功率预测 bp神经网络 遗传算法 粒子群算法 嵌套优化
在线阅读 下载PDF
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 2 … 250 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部