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10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：
基于HHO-ELM的光伏阵列故障诊断方法研究 被引量：6
1
作者 钱亮 黄伟 杨建卫 《电源技术》 CAS 北大核心 2024年第2期345-350,共6页
光伏阵列长期暴露在恶劣的环境中,导致光伏组件易发生故障,从而影响光伏阵列的发电效率。在实际运行过程中,光伏阵列除发生单一故障之外,还会出现多类型的复合故障,给故障诊断加大了难度。提出了一种基于哈里斯鹰(HHO)算法优化极限学习... 光伏阵列长期暴露在恶劣的环境中,导致光伏组件易发生故障,从而影响光伏阵列的发电效率。在实际运行过程中,光伏阵列除发生单一故障之外,还会出现多类型的复合故障,给故障诊断加大了难度。提出了一种基于哈里斯鹰(HHO)算法优化极限学习机(ELM)的光伏阵列多类型复合故障诊断方法。用HHO算法优化ELM的权值和阈值,建立HHO-ELM故障诊断模型,并与ELM、粒子群优化算法(PSO)-ELM、正余弦优化算法(SCA)-ELM以及鲸鱼优化算法(WOA)-ELM算法进行对比。实验结果表明,对于复合故障类型,HHO-ELM模型具有更高的诊断准确率,提高了光伏阵列复合故障的识别精度。 展开更多
关键词 光伏阵列 故障诊断 哈里斯鹰算法 极限学习机 多类型复合故障
在线阅读 下载PDF
面向非平衡数据集的深度极限学习机模型
2
作者 张喻喻 李凤莲 +3 位作者 王伟丽 贾文辉 黄丽霞 陈桂军 《重庆理工大学学报(自然科学)》 北大核心 2025年第6期108-116,共9页
针对非平衡数据集对分类器性能造成的不利影响,提出一种基于Universum和改进哈里斯鹰算法优化的自适应深度极限学习机模型。在数据预处理阶段引入Universum样本,帮助更好地学习不同类别的样本;提出改进的哈里斯鹰算法,通过定义位置更新... 针对非平衡数据集对分类器性能造成的不利影响,提出一种基于Universum和改进哈里斯鹰算法优化的自适应深度极限学习机模型。在数据预处理阶段引入Universum样本,帮助更好地学习不同类别的样本;提出改进的哈里斯鹰算法,通过定义位置更新公式提升搜索能力,优化最小化问题公式以增强算法稳定性,生成更准确的特定类别成本调节极限学习机权重参数。基于多层感知机理论,构建自适应深度模型确定最佳隐藏层参数,进一步提高分类性能。基于公共数据集的实验结果表明,提出的自适应深度极限学习机模型可显著提高少数类样本的分类准确率。对脑卒中筛查数据进行的分类预测结果表明,该模型应用于临床数据可提供辅助诊断建议。 展开更多
关键词 非平衡数据集 极限学习机 哈里斯鹰算法 Universum
在线阅读 下载PDF
基于IHHO-KELM的锂离子电池SOC估计
3
作者 于仲安 陈可怡 邵昊辉 《电气工程学报》 北大核心 2025年第1期352-360,共9页
精确预测锂电池荷电状态(State of charge,SOC)是实现电池管理系统智能化管理的一个关键条件。提出改进哈里斯鹰算法(Improved Harris hawks optimization,IHHO)优化核极限学习机(Kernel extreme learning machine,KELM)的SOC估计模型... 精确预测锂电池荷电状态(State of charge,SOC)是实现电池管理系统智能化管理的一个关键条件。提出改进哈里斯鹰算法(Improved Harris hawks optimization,IHHO)优化核极限学习机(Kernel extreme learning machine,KELM)的SOC估计模型。在标准哈里斯鹰算法(Harris hawks optimization,HHO)的基础上,引入Logistic混沌映射获取最优种群个体,提高算法寻优能力。优化跳跃距离J,同时构建调节算子非线性控制机制平衡勘探和开发行为,使算法在前后期搜索更加合理化。通过5个标准测试函数试验仿真,证明了改进后的算法寻优能力更佳,利用IHHO算法对核极限学习机的参数进行寻优,建立IHHO-KELM估计模型。采用恒流放电试验数据进行仿真研究,对比分析无迹卡尔曼滤波(Unscented Kalman filter,UKF)、灰狼算法优化的BP神经网络(Grey wolf optimizer-back propagation,GWO-BP)与IHHO-KELM模型的预测结果,并选用动态压力测试(Dynamic stress test,DST)工况对模型进行鲁棒性验证。结果表明,所提模型SOC预测均方误差和平均绝对误差分别减小至0.13%和0.7%,精度提高,且具有较好的鲁棒性。 展开更多
关键词 哈里斯鹰算法 混沌映射 调节算子 核极限学习机 荷电状态估计
在线阅读 下载PDF
基于IHHO-HKELM输电线路覆冰预测模型 被引量：5
4
作者 黄力 宋爽 +4 位作者 刘闯 王骏骏 胡丹 何其新 鲁偎依 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第4期33-41,共9页
为了进一步提高输电线路覆冰预测精度,提出一种基于改进哈里斯鹰算法(improved harris hawk optimiza-tion,IHHO)优化混合核极限学习机(hybrid kernel extreme learning machine,HKELM)的输电线路覆冰预测模型。在核极限学习机(KELM)中... 为了进一步提高输电线路覆冰预测精度,提出一种基于改进哈里斯鹰算法(improved harris hawk optimiza-tion,IHHO)优化混合核极限学习机(hybrid kernel extreme learning machine,HKELM)的输电线路覆冰预测模型。在核极限学习机(KELM)中引入混合核函数,形成HKELM,利用黄金正弦、非线性递减能量指数和高斯随机游走等策略对IHHO算法进行改进;以IHHO算法的优化性能采用其对HKELM的权值向量和核参数进行优化,建立基于IHHO-HKELM的输电线路覆冰预测模型,并通过计算气象因素与覆冰厚度之间的灰色关联度确定覆冰预测模型的输入量。算例分析结果表明,IHHO-HKELM模型预测结果的均方误差、最大误差和平均相对误差分别为0.285、0.860 mm和2.83%,预测效果好于其他模型,将本文覆冰预测模型应用于其他覆冰线路,可获得良好的应用效果并验证模型的优越性和实用性。 展开更多
关键词 输电线路 覆冰预测 核极限学习机 混合核函数 改进哈里斯鹰算法
在线阅读 下载PDF
基于CMMFDE与多传感器信息融合的旋转机械故障诊断研究 被引量：3
5
作者 程志平 王潞红 +1 位作者 欧斌 吴军良 《机电工程》 CAS 北大核心 2024年第5期807-816,共10页
采用单一传感器采集的振动信号难以准确描述旋转机械动态特性,导致提取的故障特征无法准确辨识旋转机械故障。针对这一缺陷,提出了一种基于复合多元多尺度波动散布熵(CMMFDE)、多传感器信息融合和哈里斯鹰算法优化极限学习机(HHO-ELM)... 采用单一传感器采集的振动信号难以准确描述旋转机械动态特性,导致提取的故障特征无法准确辨识旋转机械故障。针对这一缺陷,提出了一种基于复合多元多尺度波动散布熵(CMMFDE)、多传感器信息融合和哈里斯鹰算法优化极限学习机(HHO-ELM)的旋转机械故障诊断方法。首先,引入复合多元粗粒化处理,提出了CMMFDE方法,避免了传统单变量分析方法只能处理单一通道振动信号而导致特征的表征性能不足的缺陷,增强了故障特征的表征性能;随后,利用布置在旋转机械不同部位的传感器收集了多种类型的信号,组成混合多通道信号,并进行了CMMFDE分析,构建了故障特征;最后,采用HHO对极限学习机的参数进行了自适应优化,并对特征样本进行了训练和测试,完成了旋转机械的故障识别工作;利用齿轮箱、离心泵两种典型的旋转机械数据集进行了实验分析。研究结果表明:该方法对多个通道的信号进行分析时,所获得的准确率达到了100%和98%,优于对单个通道信号进行分析时获得的准确率,同时CMMFDE方法的准确率和特征提取时间均优于精细复合多元多尺度熵(RCMMSE)、精细复合多元多尺度模糊熵(RCMMFE)、精细复合多元多尺度排列熵(RCMMPE)、多元多尺度波动散布熵(MMFDE)。 展开更多
关键词 旋转机械 故障诊断 齿轮箱 离心泵 复合多元多尺度波动散布熵 哈里斯鹰优化极限学习机
在线阅读 下载PDF
基于HHO-KELM的FBG流量温度复合传感解耦 被引量：6
6
作者 孙世政 刘照伟 +2 位作者 张辉 于竞童 何泽银 《光学精密工程》 EI CAS CSCD 北大核心 2022年第11期1290-1300,共11页
针对光纤布拉格光栅(Fiber Bragg Grating,FBG)流量温度复合传感耦合干扰严重的问题,以小型探针式FBG流量温度复合传感器为研究对象,提出了基于哈里斯鹰算法优化核极限学习机(Harris Hawks Optimizer algorithm Optimized Kernel Extrem... 针对光纤布拉格光栅(Fiber Bragg Grating,FBG)流量温度复合传感耦合干扰严重的问题,以小型探针式FBG流量温度复合传感器为研究对象,提出了基于哈里斯鹰算法优化核极限学习机(Harris Hawks Optimizer algorithm Optimized Kernel Extreme Learning Machine,HHO-KELM)的解耦算法。首先,设计了以空心圆柱悬臂梁为受力载体的小型探针式FBG流量温度复合传感器,揭示了该传感器波长漂移量与流量温度的映射关系;然后,构建实验系统进行了流量温度复合传感实验,分析了流量温度耦合特征;最后,利用哈里斯鹰算法优化核极限学习机,获取核极限学习机的最优正则化系数和核函数参数组合,建立了HHO-KELM算法流量温度解耦模型,解耦后流量在2~30 m^(3)/h内,流量平均误差为0.038 m^(3)/h,均方误差为1.91×10^(-3)m^(3)/h,温度平均误差为0.027℃,均方误差为1.03×10^(-3)℃。为验证解耦效果,将HHO-KELM算法与BP算法、ELM算法的解耦结果进行对比。实验结果表明:HHO-KELM算法具有较好的解耦精度和解耦效率,能够有效降低流量温度耦合干扰,提高了传感器的测量精度和稳定性,可实现流量温度的实时动态解耦。 展开更多
关键词 光纤布拉格光栅 流量温度复合传感 耦合干扰 核极限学习机 哈里斯鹰算法
在线阅读 下载PDF
基于改进极限学习机模型的盾构掘进引发地表最大沉降预测 被引量：4
7
作者 阮永芬 邱龙 +2 位作者 乔文件 闫明 郭宇航 《水文地质工程地质》 CAS CSCD 北大核心 2023年第5期124-133,共10页
城市地铁盾构施工引发的地面过大变形会严重影响周边构筑物的正常使用,甚至引发工程事故。针对传统预测方法中的数据维度过大容易导致精度降低、计算复杂等问题,提出了一种基于主成分分析(principal component analysis,PCA)算法和哈里... 城市地铁盾构施工引发的地面过大变形会严重影响周边构筑物的正常使用,甚至引发工程事故。针对传统预测方法中的数据维度过大容易导致精度降低、计算复杂等问题,提出了一种基于主成分分析(principal component analysis,PCA)算法和哈里斯鹰优化(Harris Hawks optimization,HHO)算法的极限学习机(extreme learning machine,ELM)预测模型。在地质、几何及盾构参数中初选14个影响因子,利用PCA算法在14维数组中分离和提取5个主成分变量作为模型的输入,利用HHO优化ELM模型的输入层权值和隐含层阈值参数,得到预测模型的最优解。以昆明轨道交通五号线怡心桥站—广福路站隧道区间监测数据进行仿真验证,并将该模型与BP神经网络、RBF、未优化的ELM模型进行对比分析。结果表明:PCA-HHO-ELM预测模型的均方根误差为0.1435、平均绝对误差为0.0262、决定系数为0.9596,相较于其他模型,该模型具有更优的预测性能;与未优化的ELM模型相比,HHO算法能够提高ELM模型的预测精度和泛化能力。PCA-HHO-ELM模型能可靠预测盾构诱发的地表最大沉降,可为类似变形预测提供一种更为可行的新思路。 展开更多
关键词 地表最大沉降 主成分分析 哈里斯鹰算法 极限学习机 沉降预测
在线阅读 下载PDF
基于改进HHO算法的碳交易价格组合预测研究 被引量：2
8
作者 赵峰 徐丹华 《西安理工大学学报》 CAS 北大核心 2023年第3期330-338,共9页
为提高碳交易价格预测精度,建立了多策略改进哈里斯鹰算法的碳交易价格组合预测模型。一方面对碳交易价格序列的高频和低频序列分别建立ARIMA模型和指数平滑模型,通过加和对碳交易价格进行预测。另一方面综合考虑碳交易价格的经济指标... 为提高碳交易价格预测精度,建立了多策略改进哈里斯鹰算法的碳交易价格组合预测模型。一方面对碳交易价格序列的高频和低频序列分别建立ARIMA模型和指数平滑模型,通过加和对碳交易价格进行预测。另一方面综合考虑碳交易价格的经济指标和技术指标,通过Pearson相关系数筛选出6个与下一日碳交易价格高度相关的变量作为解释变量,建立多策略改进哈里斯鹰优化极限学习机模型(THHO_ELM)。最后,对模型I和模型II建立基于l_(p)范数的组合预测模型。结果表明,组合预测模型优于单一的分类模型。 展开更多
关键词 碳价格预测 完全自适应噪声集合经验模态分解 哈里斯鹰优化算法 极限学习机 l_(p)范数
在线阅读 下载PDF
基于仿生优化算法的水稻叶绿素含量反演模型 被引量：2
9
作者 李晓凯 于海业 +4 位作者 于跃 王洪健 张蕾 张昕 隋媛媛 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第1期93-99,共7页
用光谱信息精准、高效地检测水稻叶片叶绿素含量,对诊断和优化水稻叶片氮素营养、开发和优化稻田氮素追肥系统、监测和评价水稻病虫害具有重要的实际意义。针对单纯采用机器学习模型反演水稻叶片叶绿素含量模型精确性和稳定性差的问题,... 用光谱信息精准、高效地检测水稻叶片叶绿素含量,对诊断和优化水稻叶片氮素营养、开发和优化稻田氮素追肥系统、监测和评价水稻病虫害具有重要的实际意义。针对单纯采用机器学习模型反演水稻叶片叶绿素含量模型精确性和稳定性差的问题,以粳稻吉粳88为研究对象,通过网格试验获得分蘖期等关键生育期的叶片表型高光谱数据和相对叶绿素含量。选取核极限学习机(KELM)为基础建模模型,提出了一种先依据基础KELM建模效果选择预处理方法后,再利用仿生优化算法对所选预处理组合所对应的KELM模型的训练过程进行优化的新思路,以提高模型预测精度。首先,对光谱数据的各类预处理方法展开研究,通过对4类预处理方法进行全排列组合共得到72种预处理组合。利用连续投影算法(SPA)选择特征波段输入KELM模型以筛选较优预处理组合。依据建模效果,预处理组合CWT+MMS,CWT+MSC+SG+SS和CWT+SS所对应KELM的测试集决定系数(R^(2)_(p))较高,分别为0.850,0.835和0.828。其次,为使KELM模型在保证稳定性和泛化性的前提下性能达到最优,引入哈里斯鹰优化算法(HHO),通过模拟鹰群在捕食时的合作行为和追逐策略,自动最优调节上述三种KELM模型参数,使得HHO-KELM模型R^(2)_(p)分别为0.957,0.867和0.858,模型精度得到有效提升,最高提升10.7%。通过研究,证明了HHO算法优化机器学习模型反演水稻叶片叶绿素含量的可行性,为东北粳稻叶绿素含量的测定和评估提供了有力的参考和借鉴。 展开更多
关键词 哈里斯鹰优化算法 核极限学习机 高光谱 叶绿素含量
在线阅读 下载PDF
基于优化极限学习机的人造板厚度在线检测 被引量：3
10
作者 张晴 朱良宽 +1 位作者 Alaa M.E.Mohamed 史晗 《森林工程》 北大核心 2021年第4期58-65,共8页
为提高人造板厚度检测精度,提出一种基于改进哈里斯鹰优化(Harris Hawk Optimization,HHO)算法提升极限学习机(Extreme Learning Machine,ELM)的人造板厚度检测方法。通过对HHO算法进行改进,并利用优化后的算法对ELM的权值和偏置值等参... 为提高人造板厚度检测精度,提出一种基于改进哈里斯鹰优化(Harris Hawk Optimization,HHO)算法提升极限学习机(Extreme Learning Machine,ELM)的人造板厚度检测方法。通过对HHO算法进行改进,并利用优化后的算法对ELM的权值和偏置值等参数进行选择,在提升算法性能的基础上保留其寻优机制。同时,在初始种群位置中引入Tent映射反向学习,减少了不必要的全局搜索,在不影响种群多样性的条件下提高算法的收敛速度。最后以中密度纤维板(Medium Density Fiberboard,MDF)为例进行在线检测实验,得到实验数据并进行对比分析。实验结果显示,所提方法能够有效地减少测量误差,提高测量精度,具有一定的实际应用价值。 展开更多
关键词 中密度纤维板 极限学习机 哈里斯鹰优化算法 TENT映射 反向学习策略 在线测厚系统
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 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