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681篇文章
< 1 2 … 35 >
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：
Decentralized Fault Diagnosis of Large-scale Processes Using Multiblock Kernel Principal Component Analysis 被引量：23
1
作者 ZHANG Ying-Wei ZHOU Hong QIN S. Joe 《自动化学报》 EI CSCD 北大核心 2010年第4期593-597,共5页
关键词 分散系统 MBKPCA SPF PCA
在线阅读 下载PDF
基于核主成分分析的半监督日志异常检测模型 被引量：2
2
作者 顾兆军 叶经纬 +2 位作者 刘春波 张智凯 王志 《江苏大学学报（自然科学版）》 CAS 北大核心 2025年第1期64-72,97,共10页
对于具有“组异常”和“局部异常”分布特点的系统日志数据,传统的ADOA(anomaly detection with partially observed anomalies)半监督日志异常检测方法存在为无标签数据生成的伪标签准确性不佳的问题.针对此问题,提出一种改进的半监督... 对于具有“组异常”和“局部异常”分布特点的系统日志数据,传统的ADOA(anomaly detection with partially observed anomalies)半监督日志异常检测方法存在为无标签数据生成的伪标签准确性不佳的问题.针对此问题,提出一种改进的半监督日志异常检测模型.对已知异常样本采用k均值聚类,采用核主成分分析计算无标签样本的重构误差;运用重构误差和异常样本相似分计算出样本的综合异常分,作为其伪标签;依据伪标签计算LightGBM分类器的样本权重,训练异常检测模型.通过参数试验探究了训练集样本比例变化对模型性能的影响.在HDFS和BGL这2个公开数据集上进行试验,结果表明该模型能够提高伪标签的准确性,相较于DeepLog、LogAnomaly、LogCluster、PCA和PLELog等已有模型,精确率和F 1分数均有提升.与传统的ADOA异常检测方法相比,该模型F 1分数在2类数据集上分别提高了0.084和0.085. 展开更多
关键词 系统日志 日志异常检测 组异常 局部异常 半监督 重构误差 核主成分分析 伪标签
在线阅读 下载PDF
多策略改进COA算法优化LSSVM的变压器故障诊断研究 被引量：1
3
作者 李斌 白翔旭 《电工电能新技术》 北大核心 2025年第4期112-119,共8页
为解决变压器故障诊断准确率低的问题,本文提出一种多策略改进浣熊优化算法(ICOA)与最小二乘支持向量机(LSSVM)相结合的变压器故障诊断方法。首先,通过核主成分分析(KPCA)将变压器故障数据集进行特征提取,降低故障数据维度;其次,应用混... 为解决变压器故障诊断准确率低的问题,本文提出一种多策略改进浣熊优化算法(ICOA)与最小二乘支持向量机(LSSVM)相结合的变压器故障诊断方法。首先,通过核主成分分析(KPCA)将变压器故障数据集进行特征提取,降低故障数据维度;其次,应用混沌映射、透镜反向学习、Levy飞行等策略对浣熊优化算法(COA)进行优化,提高全局寻优能力;然后,应用ICOA算法进行LSSVM参数寻优,构建ICOA-LSSVM故障诊断模型;最后,将特征提取后的数据导入ICOA-LSSVM中并与其他模型对比。实验结果表明所提方法准确率为96.19%,相比其他诊断模型具有更高的故障诊断精度。 展开更多
关键词 变压器故障诊断 浣熊优化算法 核主成分分析 最小二乘支持向量机
在线阅读 下载PDF
基于主成分分析和核密度分析的烟丝加香均匀性评价
4
作者 游金清 李茂松 +10 位作者 柴武君 戚奇杰 戎萍 蒋志才 倪建彬 夏琛 刘博 樊虎 王淼 蔡兴华 陆成飞 《分析科学学报》 北大核心 2025年第4期429-435,共7页
为了解决卷烟制丝加香采用多种标记物变异系数评价不一致以及不同生产批次均匀性差别无法量化的问题,提出将主成分分析(PCA)与核密度分析相结合进行综合评价的方法。采用超声萃取-气质联用对卷烟制丝加香工序中添加的苯甲酸乙酯、甲酸... 为了解决卷烟制丝加香采用多种标记物变异系数评价不一致以及不同生产批次均匀性差别无法量化的问题,提出将主成分分析(PCA)与核密度分析相结合进行综合评价的方法。采用超声萃取-气质联用对卷烟制丝加香工序中添加的苯甲酸乙酯、甲酸苯乙酯、乙酸苯乙酯、丁酸苯乙酯和苯乙酸苯乙酯进行分离分析。实验对萃取溶剂、萃取方式、萃取温度、萃取时间、样品量、气相色谱-质谱条件进行了优化,选定条件为烟丝样品量为3 g,30℃下正己烷超声萃取30 min,HP-5MS色谱柱分离,质谱EI电离,内标法定量。结果表明,所测成分在一定浓度范围内线性拟合良好(相关系数r^(2)>0.99),检出限范围为0.04~0.07μg/mL,定量限范围为0.13~0.23μg/mL,平均回收率为89.5%~95.7%,相对标准偏差(RSD)小于5.1%。对同一生产批次和不同生产批次烟丝中的5种标记物的含量进行基于主成分分析和空间核密度分析的综合评价,可以简单、快速、准确的量化烟丝加香均匀性,对制丝工艺中加香准确性和均匀性的提高具有实际应用价值。 展开更多
关键词 超声萃取 加香均匀性 主成分分析 核密度分析
在线阅读 下载PDF
基于多复合测井参数的复杂岩性核主元识别方法——以开鲁盆地陆西凹陷九佛堂组储层为例
5
作者 裴家学 郭晗 +5 位作者 周立国 张甲明 田涯 李皓 李雪英 隋强 《大庆石油地质与开发》 北大核心 2025年第2期136-146,共11页
开鲁盆地陆西凹陷九佛堂组储层复杂岩性与测井曲线之间存在非线性响应关系,致使常规岩性识别方法存在多解性和不确定性。为此引入4个与储层岩性相关的复合测井参数,增强测井曲线描述复杂岩性非线性响应特征能力;结合高斯核函数和多项式... 开鲁盆地陆西凹陷九佛堂组储层复杂岩性与测井曲线之间存在非线性响应关系,致使常规岩性识别方法存在多解性和不确定性。为此引入4个与储层岩性相关的复合测井参数,增强测井曲线描述复杂岩性非线性响应特征能力;结合高斯核函数和多项式核函数各自的优良特性,构建组合核函数,改善核主元分析方法的全局识别能力;采用K-折交叉验证法确定合理的核半径参数,从而建立一套基于多复合测井参数表征的复杂岩性核主元识别方法。实际岩性数据测试分析结果表明,引入多复合测井参数后,复杂岩性数据在核主元空间具有显著的线性可分性,岩性相对位置集中、固定且区带划分标准明确,表明该岩性划分方法具有良好的稳定性,后验识别符合率92.7%以上,证明该方法在复杂岩性识别中的有效性。研究成果为开鲁盆地复杂岩性区的岩性精确识别提供了一种新的技术思路。 展开更多
关键词 核主元分析 岩性识别 复合测井参数 组合核函数 K-折交叉验证法
在线阅读 下载PDF
基于EMD-KPCA-LSTM与SVG控制的双馈风电系统次同步振荡抑制方法
6
作者 张旭 徐鑫 +1 位作者 董成武 张继龙 《电气工程学报》 北大核心 2025年第2期54-67,共14页
静止无功发生器(Static var generator, SVG)凭借其快速动态响应特性,在抑制双馈风电系统并网的次同步振荡方面发挥了重要作用。然而,传统控制策略在应对系统复杂的非线性和时变特性时,仍存在一定的局限性。为此,提出一种基于经验模态分... 静止无功发生器(Static var generator, SVG)凭借其快速动态响应特性,在抑制双馈风电系统并网的次同步振荡方面发挥了重要作用。然而,传统控制策略在应对系统复杂的非线性和时变特性时,仍存在一定的局限性。为此,提出一种基于经验模态分解(Empirical mode decomposition, EMD)、核主成分分析(Kernel principal component analysis, KPCA)、长短期记忆网络(Long short-term memory, LSTM)与SVG附加阻尼控制的次同步振荡抑制方法。首先,通过EMD提取系统的振荡特征,利用KPCA进行降维优化,进一步通过LSTM对系统的动态特性进行建模与预测,从而显著提高了预测精度。在此基础上,结合SVG的附加阻尼控制功能,实时调节SVG的控制信号,有效抑制次同步振荡,提升系统的稳定性。该方法的创新在于将信号处理技术与深度学习算法相结合,构建了一个高效的预测与控制框架,为传统控制策略提供了全新思路。最后,利用PSCAD进行仿真分析,验证了该方法的有效性,为高渗透率新能源电网的稳定运行提供了技术支持。 展开更多
关键词 次同步振荡 经验模态分解 长短期记忆网络 双馈风电系统 静止无功发生器 核主成分分析
在线阅读 下载PDF
基于ICEEMDAN-KPCA-ICPA-LSTM的光伏发电功率预测 被引量：2
7
作者 姚钦才 向文国 +2 位作者 陈时熠 曹敬 郑涛 《动力工程学报》 北大核心 2025年第3期374-382,共9页
光伏发电预测对于新型电力系统的平稳运行至关重要。针对光伏发电短期预测,提出了一种融合改进的完全自适应噪声集合经验模态分解(ICEEMDAN)、核主成分分析(KPCA)和改进的食肉植物算法(ICPA)与长短期记忆网络(LSTM)的光伏发电预测方法... 光伏发电预测对于新型电力系统的平稳运行至关重要。针对光伏发电短期预测,提出了一种融合改进的完全自适应噪声集合经验模态分解(ICEEMDAN)、核主成分分析(KPCA)和改进的食肉植物算法(ICPA)与长短期记忆网络(LSTM)的光伏发电预测方法。首先,该方法通过ICEEMDAN提取气象数据中非线性信号的隐含特征;其次,采用核主成分分析降低分解后产生的冗余信息,并根据主成分贡献率大小选取模型输入参数;最后,对食肉植物算法(CPA)进行改进,构建ICPA-LSTM模型,并开展了晴天、雨天、多云和多变天气4种典型天气类型下光伏发电功率预测校验。结果表明:在不同天气情况下,所提模型的决定系数R 2均大于99%,相较于对照模型具有更好的预测性能。 展开更多
关键词 光伏发电预测 ICEEMDAN 长短期记忆网络 食肉植物算法 核主成分分析
在线阅读 下载PDF
基于KPCA-IPOA-LSSVM的变压器电热故障诊断 被引量：1
8
作者 陈尧 周连杰 《南方电网技术》 北大核心 2025年第1期20-29,共10页
为解决油浸式变压器故障诊断准确率低的问题,提出了一种核主成分分析(kernel principal component analysis,KPCA)与改进鹈鹕优化算法(improved pelican optimization algorithm,IPOA)优化最小二乘支持向量机(least squares support vec... 为解决油浸式变压器故障诊断准确率低的问题,提出了一种核主成分分析(kernel principal component analysis,KPCA)与改进鹈鹕优化算法(improved pelican optimization algorithm,IPOA)优化最小二乘支持向量机(least squares support vector machine,LSSVM)的变压器故障诊断方法。首先用KPCA对多维变压器故障数据进行特征提取,降低计算复杂度。其次引入Logistic混沌映射、自适应权重策略和透镜成像反向学习策略对鹈鹕优化算法(pelican optimization algorithm,POA)进行改进。最后建立了KPCA-IPOA-LSSVM故障诊断模型,诊断精度为94.24%,与PCA-IPOA-SVM、KPCA-IPOA-SVM、KPCA-WOA-LSSVM和KPCA-POA-LSSVM故障诊断模型进行对比,准确率分别提升了18.31%、11.53%、11.87%、7.46%。结果表明,所提出的变压器故障诊断模型有效提高了故障诊断的准确率,证明了该诊断模型具有一定的理论研究和实际工程应用意义。 展开更多
关键词 变压器 鹈鹕优化算法 最小二乘支持向量机 核主成分分析 故障诊断
在线阅读 下载PDF
基于时间卷积网络的电池寿命评估方法
9
作者 孙玉树 安娟 +4 位作者 黄存强 张舜祯 党艳阳 裴玮 唐西胜 《工程科学与技术》 北大核心 2025年第4期259-268,共10页
为了提高电池系统应用的技术经济性,本文基于时间卷积网络从健康状态和剩余使用寿命两个角度对电池寿命进行评估。首先,介绍时间卷积网络的电池寿命评估原理,阐述其相较于经典递归神经网络的优势;然后,基于电池易测量的时间、电压、电... 为了提高电池系统应用的技术经济性,本文基于时间卷积网络从健康状态和剩余使用寿命两个角度对电池寿命进行评估。首先,介绍时间卷积网络的电池寿命评估原理,阐述其相较于经典递归神经网络的优势;然后,基于电池易测量的时间、电压、电流和温度等数据提取14个相关间接健康特征因素,利用KL散度、皮尔逊相关系数和灰色关联度3种算法分别分析不同因素与健康状态的相关程度,并与时间卷积网络相关性方法进行对比和分析,筛选出对电池健康状态影响较大的5个特征因素,即循环时间、电压平均值、电压样本熵、温度样本熵和电流值;接着,利用核主成分分析法对选取的主导特征因素进行降维处理,筛选出贡献率较大的主成分,以减小后续计算复杂度。使用时间卷积网络、长短时记忆神经网络和反向传播神经网络进行仿真对比分析,结果表明本文的时间卷积网络具有较高的健康状态预测精度;另外,由于电池存在容量再生现象,利用健康状态对电池寿命表征存在较大误差,而通过对电池剩余循环次数进行寿命预测,可以克服健康状态预测的缺点。仿真结果验证了本文所提的时间卷积网络的电池寿命评估策略对电池寿命精确评估具有有效性。 展开更多
关键词 电池 时间卷积网络 核主成分分析法 健康状态 剩余使用寿命
在线阅读 下载PDF
基于Kernel K-means的负荷曲线聚类 被引量：33
10
作者 赵文清 龚亚强 《电力自动化设备》 EI CSCD 北大核心 2016年第6期203-207,共5页
电力负荷曲线聚类是配用电系统的基础,对负荷管理具有重大意义。采用基于核方法的聚类算法提高负荷曲线聚类的准确性,通过点积的方式构造核矩阵,再将数据映射到高维空间中进行聚类,进而加大数据的可分性。同时,针对核矩阵的规模大、计... 电力负荷曲线聚类是配用电系统的基础,对负荷管理具有重大意义。采用基于核方法的聚类算法提高负荷曲线聚类的准确性,通过点积的方式构造核矩阵,再将数据映射到高维空间中进行聚类,进而加大数据的可分性。同时,针对核矩阵的规模大、计算复杂的问题,提出使用核主成分与缩减矩阵规模对该方法进行优化。实验过程中采用美国能源部开发能源信息网站提供的负荷数据进行聚类,并以Davies-Bouldin聚类有效性指标评估效果。结果表明该方法具有较好的划分能力,可以提高负荷曲线聚类的准确性。 展开更多
关键词 负荷曲线 聚类算法 核矩阵 核主成分分析 削减矩阵
在线阅读 下载PDF
基于IDBO-HKELM-Adaboost的煤与瓦斯突出危险性预测方法
11
作者 李曼 徐耀松 +1 位作者 王雨虹 王丹丹 《传感技术学报》 北大核心 2025年第3期477-486,共10页
为实现更加高效准确地完成煤与瓦斯突出危险性预测,提出了一种采用Adaboost算法增强的改进蜣螂算法(IDBO)优化混合核极限学习机(HKELM)的预测模型。首先,在数据降维时采用核主成分分析(KPCA)对影响因素进行处理并提取有效的特征量,得到... 为实现更加高效准确地完成煤与瓦斯突出危险性预测,提出了一种采用Adaboost算法增强的改进蜣螂算法(IDBO)优化混合核极限学习机(HKELM)的预测模型。首先,在数据降维时采用核主成分分析(KPCA)对影响因素进行处理并提取有效的特征量,得到预处理样本数据。将PWLCM混沌映射、非线性递减策略以及邻域学习机制融入到蜣螂算法中,之后,利用IDBO对HKELM的关键参数进行寻优,构建IDBO-HKELM煤与瓦斯突出危险性分类预测模型。最后,使用Adaboost算法对IDBO-HKELM模型进行增强。结合工程实际数据进行验证,验证结果表明:相较于其他模型,基于IDBO-HKELM-Adaboost的预测方法具有更高的预测精度,在提高运算效率的同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到97.44%。 展开更多
关键词 煤与瓦斯突出 突出预测 改进蜣螂算法 混合核极限学习机 核主成分分析 预测模型
在线阅读 下载PDF
基于KPCA-SO-KELM的抗蛇行减振器故障诊断
12
作者 岑潮宇 代亮成 +1 位作者 池茂儒 赵明花 《科学技术与工程》 北大核心 2025年第11期4551-4558,共8页
针对列车运行过程中的振动信号是复杂非线性的,并且单一通道的信号存在着信息不完全的问题,提出了一种车体和转向架上多个通道信号融合的抗蛇行减振器故障诊断的方法。首先,对列车多个通道的信号进行自适应噪声完备集合经验模态分解(com... 针对列车运行过程中的振动信号是复杂非线性的,并且单一通道的信号存在着信息不完全的问题,提出了一种车体和转向架上多个通道信号融合的抗蛇行减振器故障诊断的方法。首先,对列车多个通道的信号进行自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),提取分解后的本征模态函数(intrinsic mode function, IMF)精细复合多尺度散布熵(refined composite multiscale dispersion entropy, RCMDE)组成特征集;其次,用核主成分分析法(kernel principal component analysis, KPCA)对提取出的特征集进行降维;最后,将最优特征子集输入到蛇优化的核极限学习机(snake optimized kernel extreme learning machine, SO-KELM)中来诊断抗蛇行减振器故障类型。试验结果表明,经过核主成分分析法优选过后的多通道融合特征集能够准确反映抗蛇行减振器不同故障类型信号特征,实现了抗蛇行减振器的故障诊断,并将蛇优化核极限学习机与其他模型对比验证了该方法的优越性。 展开更多
关键词 抗蛇行减振器 精细复合多尺度散布熵 故障诊断 蛇优化 核主成分分析
在线阅读 下载PDF
改进粒子群优化算法结合BP神经网络模型的水体透射光谱总磷浓度预测研究
13
作者 张国浩 王彩玲 +1 位作者 王洪伟 于涛 《光谱学与光谱分析》 北大核心 2025年第2期394-402,共9页
使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总... 使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总磷浓度含量的预测。具体而言,首先对测得的长江水质光谱数据进行最大最小归一化和均值中心化两种预处理操作,在消除不同数据量级差异的同时去除了噪声,确保了数据的一致性和可靠性。其次,为了解决光谱数据的高维度问题,采用了核主成分分析(KPCA)方法来降低数据维度并提取特征。KPCA方法通过在高维度的空间中找到一个分类平面,选出能代表原始数据99.42%信息量的前6个主成分,用于后续预测模型的训练。接着在原始粒子群算法的基础上引入了粒子初始化规则、多种群竞争策略、参数自适应更新策略、种群多样性引导策略和粒子变异机制,提高了粒子群的寻优能力,降低粒子陷入局部最优解的概率。并使用改进后的粒子群算法对BP神经网络(BPNN)中的初始化权重和参数大小进行寻优,从而加快网络的收敛效果,提高预测能力。最后,使用本研究所提出的预测模型对测试集中的样本进行总磷浓度的预测,实验结果得到R^(2)为0.975786,RMSE为0.002242,MAE为0.001612。将本模型与当前预测性能较好的其他基准模型进行预测效果的对比,本研究所提出的模型对长江水体总磷浓度预测拟合效果更好,精确度更高。在水资源保护和环境管理领域中使用光谱数据结合融合算法进行预测模型的研究和实践提供了新的思路和观点。 展开更多
关键词 光谱数据 改进粒子群优化算法 BP神经网络模型 核主成分分析(KPCA) 总磷浓度
在线阅读 下载PDF
改进KPCA结合多目标蜻蜓算法优化BP神经网络的联合收割机故障诊断
14
作者 孟桐 雷鸣 +2 位作者 宋文广 王丹丹 黄梦可 《机电工程》 北大核心 2025年第7期1258-1267,共10页
针对联合收割机数据维度高、诊断效果不理想的问题,提出了一种改进核主成分分析(KPCA)结合多目标蜻蜓算法(MTDA)优化反向传播(BP)神经网络的联合收割机故障诊断方法。首先,采用Morlet小波作为KPCA的核函数,其融合了高斯包络与正弦波特性... 针对联合收割机数据维度高、诊断效果不理想的问题,提出了一种改进核主成分分析(KPCA)结合多目标蜻蜓算法(MTDA)优化反向传播(BP)神经网络的联合收割机故障诊断方法。首先,采用Morlet小波作为KPCA的核函数,其融合了高斯包络与正弦波特性,能够有效捕捉收割机的瞬态变化与局部异常,从而提取出了不同工况下的主要成分,降低了数据维度,减少了冗余信息;其次,针对传统蜻蜓算法的局限性,引入了自适应变异策略、非线性惯性权重及动态收敛因子,构建了多目标蜻蜓算法,对Schaffer、Michalewicz和Rastrigin函数进行了求解,验证了MTDA能显著提升全局与局部搜索平衡能力;最后,利用MTDA对BP神经网络的权值和阈值进行了优化,构建了MTDA-BP综合故障诊断模型,将模型应用于联合收割机的故障诊断中,通过实验验证了其有效性。研究结果表明:故障诊断平均精度达到96.7%,通过与当前主流方法的实验对比分析,采用Micro-average ROC进行了模型评价,结果显示该模型的曲线下面积(AUC)为0.967。实验结果充分证明了该模型在检测精确度与泛化性方面均具有显著优势,该研究也为解决智能农业机械中的诊断提供了一种有效的方法。 展开更多
关键词 核主成分分析 MORLET小波 多目标蜻蜓算法 反向传播神经网络 联合收割机 故障诊断
在线阅读 下载PDF
基于核主成分分析法的船舶中央冷却器状态评估
15
作者 吴小豪 邹永久 刘军朴 《舰船科学技术》 北大核心 2025年第9期65-71,共7页
为实现船舶系统及设备的实时状态评估,基于船舶实际运行故障数据不易获得、数据结构非线性、数据量巨大以及噪声多等特征,本文采用核主成分分析法,以船舶中央冷却器为例,选择高斯核函数及不同核参数,仅利用高维的正常运行数据,在特征空... 为实现船舶系统及设备的实时状态评估,基于船舶实际运行故障数据不易获得、数据结构非线性、数据量巨大以及噪声多等特征,本文采用核主成分分析法,以船舶中央冷却器为例,选择高斯核函数及不同核参数,仅利用高维的正常运行数据,在特征空间中建立相应的核主成分评估模型,并对异常运行数据进行评估分析。评估结果表明,在合适的核参数下,核主成分分析法无需深入分析中央冷却器的结构与原理,即可快速有效地区分其非线性结构的正常运行数据和异常运行数据,其准确率优于常规主成分分析法,且其倒V字型的评估输出特性辨识度高,对微小故障较为敏感,非常适合用于突发性故障的早期识别。对于船舶机械设备而言,具有重要的工程实际应用意义。 展开更多
关键词 状态评估 核主成分分析法 核函数 非线性结构 突发性故障
在线阅读 下载PDF
多策略改进DBO算法与KELM的变压器故障辨识
16
作者 谭贵生 赵波 +2 位作者 张桂莲 刘丹丹 石宜金 《电力系统保护与控制》 北大核心 2025年第14期111-122,共12页
针对油浸式变压器故障诊断中因样本存在冗余特征,导致故障诊断精度低的问题,提出一种新的多策略改进蜣螂算法(multi-strategy improved dung beetle optimizer,MSIDBO)优化核极限学习机(kernel extreme learning machine,KELM)的变压器... 针对油浸式变压器故障诊断中因样本存在冗余特征,导致故障诊断精度低的问题,提出一种新的多策略改进蜣螂算法(multi-strategy improved dung beetle optimizer,MSIDBO)优化核极限学习机(kernel extreme learning machine,KELM)的变压器故障辨别模型。首先,利用随机森林(random forest,RF)与核主成分析法(kernel principal component analysis,KPCA)对变压器原始数据进行特征提取,合理降低特征量的维度。其次,引入改进的Circle混沌映射、变螺旋搜索机制、非线性控制因子、融合正余弦算法和融合多种群差分进化算法的变异策略对蜣螂算法(dung beetle optimizer,DBO)进行改进,提高全局搜索能力和收敛精度。最后,利用MSIDBO对KELM中的核参数和正则化参数进行优化,构建KPCA-MSIDBO-KELM的变压器故障诊断模型。实验表明,其诊断准确率为94.07%。与DBO-KELM、WOA-KELM、HHO-KELM、GWO-KELM和PSO-KELM故障模型进行对比分析,准确率分别提高了2.54%、3.39%、5.93%、7.63%和13.56%。相比其他模型,所提方法能够有效提高变压器故障诊断的准确率。 展开更多
关键词 变压器 故障诊断 多策略改进蜣螂算法 核极限学习机 核主成分分析
在线阅读 下载PDF
基于改进BP神经网络的船舶油耗预测方法研究
17
作者 吴泽颖 赵强 +1 位作者 胡智辉 王敬钰 《舰船科学技术》 北大核心 2025年第11期149-154,共6页
为精确预估船舶油耗,推动航运业向绿色低碳转型,提出一种基于改进BP神经网络的船舶油耗预测方法。通过对原始航行数据进行预处理,去除噪声、偏差和异常值;利用核主成分分析法将数据中的10个原始变量降维为5个主成分,减少数据维度;采用... 为精确预估船舶油耗,推动航运业向绿色低碳转型,提出一种基于改进BP神经网络的船舶油耗预测方法。通过对原始航行数据进行预处理,去除噪声、偏差和异常值;利用核主成分分析法将数据中的10个原始变量降维为5个主成分,减少数据维度;采用遗传算法优化BP神经网络,建立高精度的船舶油耗模型。以1艘液化石油天然气运输船为研究对象,实验结果表明,优化后的BP神经网络油耗模型在预测性能方面获得较大提升,训练集和验证集的均方根误差分别降低了0.1122和0.1068,决定系数提高1.58%。该研究成果能够为船舶节能减排提供可靠的决策支持。 展开更多
关键词 BP神经网络 核主成分分析 遗传算法 船舶油耗 预测模型
在线阅读 下载PDF
基于PKFF-Transformer的风力发电机故障预测 被引量：1
18
作者 杨伟新 赵洪山 +2 位作者 张扬帆 张一波 林诗雨 《机床与液压》 北大核心 2025年第4期221-229,共9页
为了准确预测风电机组故障,提出一种基于PKFF-Transformer风力发电机故障预测模型。针对风电数据高维复杂特性,提出基于皮尔逊核特征融合(PKFF)的特征工程法;通过皮尔逊相关系数(PCC)筛选与机组状态强相关的特征,再采用核主成分分析(KP... 为了准确预测风电机组故障,提出一种基于PKFF-Transformer风力发电机故障预测模型。针对风电数据高维复杂特性,提出基于皮尔逊核特征融合(PKFF)的特征工程法;通过皮尔逊相关系数(PCC)筛选与机组状态强相关的特征,再采用核主成分分析(KPCA)对筛选数据进行非线性特征融合;将健康状态下的融合特征输入到Transformer模型中构建风电机组温度预测模型;采用滑动窗口法统计预测残差动态特性并确定故障预警阈值;最后,将风电机组实时运行数据输入训练好的PKFF-Transformer模型进行故障预测。采用我国北方某风电场风力发电机数据进行验证。结果表明:PKFF-Transformer模型能够提前5.6 h预测到故障,且在机组健康状态下没有误报现象;此外PKFF-Transformer温度预测模型的均方误差也比Transformer模型提高了97.39%。 展开更多
关键词 风力发电机 Transformer模型 核主成分分析(KPCA) 故障预测 皮尔逊相关系数
在线阅读 下载PDF
面向短时心电信号的驾驶疲劳检测方法
19
作者 刘成昊 罗义凯 +3 位作者 陈邦举 徐金华 李昱燃 李岩 《中国安全生产科学技术》 北大核心 2025年第8期29-37,共9页
基于心电信号的驾驶疲劳检测具有准确、非侵入和低成本的优点,但传统方法需要采集较长时间数据,导致检测延迟,难以进行实时检测,提出1种面向短时心电数据的驾驶疲劳检测方法。该方法包括特征提取与疲劳识别2个模块,使用滤波方法预处理... 基于心电信号的驾驶疲劳检测具有准确、非侵入和低成本的优点,但传统方法需要采集较长时间数据,导致检测延迟,难以进行实时检测,提出1种面向短时心电数据的驾驶疲劳检测方法。该方法包括特征提取与疲劳识别2个模块,使用滤波方法预处理心电数据,以提取心率变异性(heart rate variability,HRV)与心电信号(electrocardiogram,ECG)指标作为识别特征;结合改进粒子群优化算法、核主成分分析与LightGBM模型进行疲劳检测,并将所提方法应用于DROZY数据集,以卡罗琳斯卡嗜睡量表评价作为标签。研究结果表明:所提方法可利用短时心电数据实现准确的疲劳检测,针对5,10,15 s的心电信号,所提方法的5折交叉验证平均检测准确率分别为95.54%,97.90%和99.05%,均优于对比方法,验证了所选特征指标的有效性。研究结果可为驾驶安全检测系统提供技术支持。 展开更多
关键词 疲劳检测 心电信号 轻量梯度提升机 核主成分分析 粒子群优化
在线阅读 下载PDF
基于KPCA-CNN-GRU的陶瓷辊道窑温度预测
20
作者 朱俊文 杨海东 +2 位作者 徐康康 宋才荣 包昊 《传感器与微系统》 北大核心 2025年第5期12-15,19,共5页
辊道窑作为陶瓷生产的重要设备,辊道窑烧成带的温度直接决定陶瓷质量。辊道窑燃烧过程机理复杂,具有时变、非线性、易干扰、多变量的特点,通过引入核主成分分析(KPCA)降维算法,解决多变量和PCA非线性降维的局限,把辊道窑非线性参数映射... 辊道窑作为陶瓷生产的重要设备,辊道窑烧成带的温度直接决定陶瓷质量。辊道窑燃烧过程机理复杂,具有时变、非线性、易干扰、多变量的特点,通过引入核主成分分析(KPCA)降维算法,解决多变量和PCA非线性降维的局限,把辊道窑非线性参数映射到高维空间,再在高维空间中使用线性降维。最后,利用深度学习组合模型卷积神经网络-门控循环单元(CNN-GRU)进行预测,CNN擅长提取空间特征,GRU擅长建模序列信息。实验结果表明:KPCA使降维后参数贡献率达到91%,最终KPCA-CNN-GRU模型预测结果与其他模型相比,拟合系数R2平均提高了10%,而平均百分比误差(MAPE)最小达到了0.063%,具有较高的预测精度和泛化性。 展开更多
关键词 辊道窑温度预测 核主成分分析 卷积神经网络 门控循环单元
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 … 35 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