检索结果-维普期刊中文期刊服务平台

基于NRBO-XGBoost和ABKDE融合可解释模型的TBM掘进速度预测: 1; 作者杨腾杰高新强 +4 位作者杨志国孔超董北毅李铁峰朱正国《河南科技大学学报(自然科学版)》北大核心 2025年第4期73-87,M0006,M0007,共17页; 精准可靠的隧道掘进机(TBM)掘进速度预测对于提升施工效率、保障施工安全具有重要工程价值。针对现有TBM掘进速度预测模型精度较差和对施工时不确定性考虑不足的局限,提出了一种基于机器学习的可解释性TBM掘进速度区间预测方法。首先,... 展开更多; 关键词隧道掘进机掘进速度区间预测融合模型机器学习 nrbo算法可解释性; 在线阅读下载PDF 职称材料

基于NRBO算法优化的模糊PID轴承预紧力控制: 2; 作者李学军黎耀强 +2 位作者蒋玲莉李家皇张茜《电子测量与仪器学报》北大核心 2025年第7期227-235,共9页; 合适的预紧力可以使轴承系统达到减少系统振动和噪音、提高轴承刚度的目的,为满足轴承预紧力控制的需要,提出了基于牛顿-拉夫森优化算法(NRBO)优化模糊PID的预紧力控制策略。首先,确定轴承预紧力液压加载的方式以及建立传递函数;其次,结... 展开更多; 关键词轴承预紧力 nrbo算法模糊PID 预紧力控制; 在线阅读下载PDF 职称材料

基于NRBO-XGboost的机器人磨削材料去除率预测与模型优化研究: 3; 作者吕少华蔡春波《制造技术与机床》北大核心 2025年第4期159-165,共7页; 针对磨削加工过程中材料去除率(material removal rate,MRR)难以准确预测的问题,构建了基于极致梯度提升树(etreme gradient boosting,XGBoost)算法的MRR预测模型。通过分析不同工艺参数下机器人磨削产生的振动信号,提取能够反映MRR的... 展开更多; 关键词 XGboost算法牛顿-拉夫逊优化算法机器人磨削材料去除率振动信号; 在线阅读下载PDF 职称材料

基于NRBO-Transformer-BiLSTM的柔性薄壁轴承细粒度故障诊断: 4; 作者郭明军陈昕昀 +2 位作者石淇李鑫赵学智《现代制造工程》 2025年第11期136-145,34,共11页; 针对现有柔性薄壁轴承的细粒度故障识别及其现有诊断方法特征提取不足等问题,提出一种基于牛顿-拉夫逊优化(Newton-Raphson-Based Optimizer,NRBO)算法优化的Transformer编码层与双向长短期记忆(Bi-directional Long Short-Term Memory,... 展开更多; 关键词柔性薄壁轴承故障诊断牛顿-拉夫逊优化算法双向长短期记忆网络 Transformer模型时变滤波经验模态分解; 在线阅读下载PDF 职称材料

题名基于NRBO-XGBoost和ABKDE融合可解释模型的TBM掘进速度预测: 1; 作者杨腾杰高新强杨志国孔超董北毅李铁峰朱正国; 机构石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室石家庄铁道大学土木工程学院中铁十八局集团有限公司西南科技大学土木工程与建筑学院; 出处《河南科技大学学报(自然科学版)》北大核心 2025年第4期73-87,M0006,M0007,共17页; 基金国家自然科学基金项目(52478406) 河北省自然科学基金项目(E202310057) +1 种基金中国铁建股份有限公司2019年度科技重大专项(2019-A05)。; 文摘精准可靠的隧道掘进机(TBM)掘进速度预测对于提升施工效率、保障施工安全具有重要工程价值。针对现有TBM掘进速度预测模型精度较差和对施工时不确定性考虑不足的局限,提出了一种基于机器学习的可解释性TBM掘进速度区间预测方法。首先,收集国内多组TBM隧道工程数据,选取岩石单轴抗压强度(UCS)、岩体完整性系数(Kv)、推力(TF)与刀盘转速(RPM)作为输入特征,构建基于牛顿拉弗森优化(NRBO)算法与交叉验证策略协同优化的极端梯度提升(XGBoost)点预测模型,并引入可解释性(SHAP)框架解析特征参数对预测结果的贡献度。进而,采用自适应带宽核密度估计(ABKDE)方法对点预测结果进行不确定性量化,实现掘进速度的区间预测。最后,通过伊朗克尔曼输水隧洞工程案例验证模型有效性。研究结果表明:与未采用NRBO算法的XGBoost模型相比,NRBO-XGBoost模型的预测误差均方误差(MSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别降低了13.9%、19.1%和0.7%,决定系数R2提高了0.0151;特征重要性排序为UCS(0.4156)>TF(0.1554)>RPM(0.1045)>Kv(0.0047),揭示岩石强度为掘进速度的主导影响因素;所提模型在区间预测性能上超越了自适应提升(AdaBoost)和随机森林(RF)模型,NRBO-XGBoost、AdaBoost和RF模型的预测区间覆盖概率(PICP)分别达到92.1%、88.4%和90.2%,具备更优的不确定性量化能力;工程实例验证中,点预测R2达0.9676且预测区间完全覆盖实测值,证实模型具有良好工程适用性。; 关键词隧道掘进机掘进速度区间预测融合模型机器学习 nrbo算法可解释性; Keywords tunnel boring machine penetration rate interval prediction fusion model machine learning nrbo algorithm interpretability; 分类号 U455 [建筑科学—桥梁与隧道工程]; 在线阅读下载PDF 职称材料

题名基于NRBO算法优化的模糊PID轴承预紧力控制: 2; 作者李学军黎耀强蒋玲莉李家皇张茜; 机构佛山大学机电工程与自动化学院瓦房店轴承集团有限责任公司; 出处《电子测量与仪器学报》北大核心 2025年第7期227-235,共9页; 基金国家自然科学基金项目(52275094) 广东省基础与应用基础研究基金区域联合基金重点项目(2024B1515120033) 广东省普通高校创新团队项目(2023KCXTD031)资助。; 文摘合适的预紧力可以使轴承系统达到减少系统振动和噪音、提高轴承刚度的目的,为满足轴承预紧力控制的需要,提出了基于牛顿-拉夫森优化算法(NRBO)优化模糊PID的预紧力控制策略。首先,确定轴承预紧力液压加载的方式以及建立传递函数;其次,结合AMESim/Smilink的联合仿真模型,并与常规PID,模糊PID、粒子群算法(PSO)优化模糊PID进行了仿真对比;最后,开展了试验验证。仿真结果表明,NRBO算法优化模糊PID对比常规PID、模糊PID和PSO算法优化模糊PID超调量分别减少42.93%、27.78%、13.91%,调节时间分别减少了3、2.3、1.6 s。试验结果表明,轻载、中载、重载的径向力作用下,NRBO优化模糊PID控制器相比于常规PID控制器,调节时间分别减少5.3、10.4、4.5 s,超调量分别减少43.78%、52.52%、72.36%;相比于模糊PID控制器调节时间分别减少2.7、5.2、2.6 s,超调量分别减少29.62%、46.24%、59.52%;相比PSO算法优化模糊PID控制器调节时间分别减少1.7、3.2、2.3 s,超调量分别减少17.38%、30.02%、55.42%。表明了NRBO优化模糊PID控制器拥有更快、更精确的控制效果,能够很好的实现预紧力的精确施加。; 关键词轴承预紧力 nrbo算法模糊PID 预紧力控制; Keywords bearing preload nrbo algorithm fuzzy PID pre-tightening force control; 分类号 TN06 [电子电信—物理电子学] TP273 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于NRBO-XGboost的机器人磨削材料去除率预测与模型优化研究: 3; 作者吕少华蔡春波; 机构上海海事大学物流工程学院; 出处《制造技术与机床》北大核心 2025年第4期159-165,共7页; 文摘针对磨削加工过程中材料去除率(material removal rate,MRR)难以准确预测的问题,构建了基于极致梯度提升树(etreme gradient boosting,XGBoost)算法的MRR预测模型。通过分析不同工艺参数下机器人磨削产生的振动信号,提取能够反映MRR的特征参数,利用牛顿-拉夫逊优化算法(Newton-Raphson-based optimizer,NRBO)确定XGBoost的初始参数最优解,解决参数调整与局部最优解问题,并构建NRBO-XGBoost模型。将该模型与传统XGBoost、粒子群优化(particle swarm optimization,PSO)-XGBoost及长短期记忆算法(long short-term memory,LSTM)进行对比,结果显示,NRBO-XGBoost模型的预测结果优于其他模型,预测评价指标显著提高,初始解优化速度较PSO优化算法更快,适应度值更小。研究成果可为机器人磨削MRR预测及工艺优化提供参考。; 关键词 XGboost算法牛顿-拉夫逊优化算法机器人磨削材料去除率振动信号; Keywords XGboost algorithm nrbo robotic grinding material removal rate vibration signal; 分类号 TH161.21 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于NRBO-Transformer-BiLSTM的柔性薄壁轴承细粒度故障诊断: 4; 作者郭明军陈昕昀石淇李鑫赵学智; 机构广西科技大学机械与汽车工程学院; 出处《现代制造工程》 2025年第11期136-145,34,共11页; 基金国家自然科学基金项目(52375538) 广西自然科学基金资助项目(2025GXNSFHA069192) +2 种基金广西科技大学博士基金项目(校科博21z59)。; 文摘针对现有柔性薄壁轴承的细粒度故障识别及其现有诊断方法特征提取不足等问题,提出一种基于牛顿-拉夫逊优化(Newton-Raphson-Based Optimizer,NRBO)算法优化的Transformer编码层与双向长短期记忆(Bi-directional Long Short-Term Memory,BiLSTM)神经网络解码层相结合的故障诊断方法。该方法首先使用时变滤波经验模态分解(Time-Varying Filter Empirical Mode Decomposition,TVFEMD)柔性薄壁轴承振动加速度信号,同时采用NRBO算法对其时变滤波带宽和B样条阶数等参数进行优化,依据互相关系数准则筛选主要本征模态分量(Intrinsic Mode Function,IMF),计算其时频域特征,结合振动加速度信号的时域、频域特征构建多域特征数据集,并按比例划分为训练集和测试集;其次将训练集输入模型,通过NRBO算法对模型初始学习率、BiLSTM神经网络的隐藏层节点数以及Transformer模型的正则化系数进行优化;通过测试集对优化模型进行测试,并与其他细粒度故障诊断模型对比。结果表明,所提方法准确率达99.60%,高于其他模型。该方法可为柔性薄壁轴承细粒度的智能诊断提供一种新的研究思路,对其他相关领域的智能化健康管理亦可提供有益借鉴。; 关键词柔性薄壁轴承故障诊断牛顿-拉夫逊优化算法双向长短期记忆网络 Transformer模型时变滤波经验模态分解; Keywords flexible thin-walled bearing fault diagnosis Newton-Raphson-Based Optimizer(nrbo)algorithm Bi-directional Long Short-Term Memory(BiLSTM)network Transformer models Time-Varying Filter Empirical Mode Decomposition(TVFEMD); 分类号 TH133.33 [机械工程] TH165.3 [机械工程—机械制造及自动化]; 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NRBO-XGBoost和ABKDE融合可解释模型的TBM掘进速度预测	杨腾杰高新强杨志国孔超董北毅李铁峰朱正国	《河南科技大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于NRBO算法优化的模糊PID轴承预紧力控制	李学军黎耀强蒋玲莉李家皇张茜	《电子测量与仪器学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于NRBO-XGboost的机器人磨削材料去除率预测与模型优化研究	吕少华蔡春波	《制造技术与机床》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于NRBO-Transformer-BiLSTM的柔性薄壁轴承细粒度故障诊断	郭明军陈昕昀石淇李鑫赵学智	《现代制造工程》	2025		在线阅读下载PDF 职称材料