一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法

1

作者 张涛 魏彪 +2 位作者 李永健 马赫 何勇 《现代电子技术》 北大核心 2025年第12期54-60,共7页

针对滚动轴承故障诊断中种群分布不均匀及算法早熟收敛问题,提出一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法。首先,利用折射反向学习方法初始化种群,并生成反向解,有效扩大搜索范围;然后,将正余弦算法(SCA)策略引入北方苍鹰优化算法(NGO... 针对滚动轴承故障诊断中种群分布不均匀及算法早熟收敛问题,提出一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法。首先,利用折射反向学习方法初始化种群,并生成反向解,有效扩大搜索范围;然后,将正余弦算法(SCA)策略引入北方苍鹰优化算法(NGO)勘察阶段,通过非线性加权系数ω动态调节步长搜索因子,降低个体位置更新对局部信息的依赖,显著提高算法收敛速度与精度;最后,构建多尺度均值排列熵(MMPE)与峭度的融合指标作为适应度函数,增强故障特征敏感性。通过对不同的实测信号进行测试,结果表明,在强噪声干扰下,相较传统方法,所提方法可提前300 min(初期故障)和700 min(微弱故障)识别故障特征,验证了其工程实用性。 展开更多

关键词 正余弦算法 滚动轴承 故障诊断 改进北方苍鹰优化算法 多尺度均值排列熵 变分模态分解

在线阅读 下载PDF 职称材料

基于INGO-CSA-LSTMN的变转速齿轮故障智能识别方法

2

作者 陈向民 李博 +3 位作者 张亢 姚鹏 李泳辉 雷瀚霖 《动力工程学报》 北大核心 2025年第6期913-923,共11页

为提高齿轮在变转速工况下的故障识别效率和准确率,提出了一种基于改进北方苍鹰优化(improved northern goshawk optimization,INGO)算法优化卷积自注意力长短期记忆网络(convolutional self-attention long short-term memory network,... 为提高齿轮在变转速工况下的故障识别效率和准确率,提出了一种基于改进北方苍鹰优化(improved northern goshawk optimization,INGO)算法优化卷积自注意力长短期记忆网络(convolutional self-attention long short-term memory network,CSA-LSTMN)的变转速齿轮故障智能识别方法,即INGO-CSA-LSTMN。针对传统北方苍鹰优化算法训练时间过长和容易陷入局部最优的问题,引入正弦脉冲调制混沌映射和随机莱维飞行策略,提出一种INGO算法,并将其应用于所构建的CSA-LSTMN模型的关键参数寻优,以提高该模型的稳定性及训练效率。通过测试函数的检验表明:INGO算法具有更快的收敛速度,可更准确地找到最优解。通过2种不同试验台齿轮数据集的分析表明:相较于其他常用网络模型,INGO-CSA-LSTMN模型对于不同工况下的齿轮故障具有更高的识别精度,准确率均在99.9%以上。 展开更多

关键词 变转速工况 齿轮 北方苍鹰优化算法 卷积自注意力长短期记忆网 智能诊断

在线阅读 下载PDF 职称材料

基于INGO-RF的边坡稳定性预测模型

3

作者 石峻峰 周琳 +1 位作者 任宇联 王志鹏 《安全与环境学报》 北大核心 2025年第4期1380-1390,共11页

为提高边坡稳定性的预测精度以预防边坡失稳事故发生,提出了一种基于改进北方苍鹰算法优化随机森林(Improved Northern Goshawk Optimization algorithm optimized Random Forest, INGO-RF)的边坡稳定性预测模型。首先,根据413个边坡案... 为提高边坡稳定性的预测精度以预防边坡失稳事故发生,提出了一种基于改进北方苍鹰算法优化随机森林(Improved Northern Goshawk Optimization algorithm optimized Random Forest, INGO-RF)的边坡稳定性预测模型。首先,根据413个边坡案例,选取重度γ、黏聚力c、内摩擦角φ、边坡角α、边坡高度H和孔隙压力比ru作为主要预测特征指标。其次,由于传统随机森林模型存在超参数问题,采用最佳值引导、减法优化器、柯西变异和动态调整搜索策略的INGO算法优化随机森林(Random Forest, RF)模型超参数。最后,与5种不同算法相比,所设计的INGO算法在8个测试函数中展现出更优的参数寻优能力和收敛速度;与5种不同预测模型相比,所设计的INGO-RF模型的各项评估指标均优于其他模型,该模型在训练集和测试集中的准确率分别为99.1%和91.2%,且发现γ是影响边坡稳定性的最敏感特征。研究表明,INGO-RF预测模型为边坡稳定性预测提供了一种新思路。 展开更多

关键词 安全工程 边坡稳定性 可视化分析 改进北方苍鹰优化算法 随机森林 预测模型

在线阅读 下载PDF 职称材料

基于NGO-VMD和改进GoogLeNet的齿轮箱故障诊断方法 被引量：2

4

作者 李俊卿 刘若尧 何玉灵 《机床与液压》 北大核心 2024年第12期193-201,共9页

目前的齿轮箱故障诊断方法,在多转速工况及噪声干扰下,存在过拟合及诊断效果不佳的问题。针对此问题,提出一种北方苍鹰(NGO)算法优化变分模态分解(VMD)结合改进GoogLeNet的齿轮箱故障诊断方法。使用NGO对VMD进行参数寻优,利用优化后的VM... 目前的齿轮箱故障诊断方法,在多转速工况及噪声干扰下,存在过拟合及诊断效果不佳的问题。针对此问题,提出一种北方苍鹰(NGO)算法优化变分模态分解(VMD)结合改进GoogLeNet的齿轮箱故障诊断方法。使用NGO对VMD进行参数寻优,利用优化后的VMD去除故障信号中的噪声;对原始GoogLeNet的结构进行合理删减,并利用延迟丢弃法、可训练的ReLU函数(TReLU)对其改进;最后,将去噪后的故障信号转换为二维图作为改进GoogLeNet的输入数据进行网络的训练及分类,得到故障诊断结果。实验结果表明:与其他降噪方法相比,NGO-VMD方法的降噪效果明显,能显著提高故障诊断的准确率;与常见的卷积神经网络相比,提出的改进GoogLeNet能进一步提高故障诊断的准确率,达到了97.2%。 展开更多

关键词 变分模态分解(VMD) 北方苍鹰优化(ngo)算法 改进GoogLeNet 齿轮箱故障诊断

在线阅读 下载PDF 职称材料

基于改进NGO算法优化SVM的变压器故障诊断研究 被引量：2

5

作者 陈忠华 王森 《控制工程》 CSCD 北大核心 2024年第11期2010-2018,共9页

为解决通过油中溶解气体诊断变压器故障精确度不高的问题,提出了一种改进北方苍鹰优化(INGO)算法优化支持向量机(SVM)的故障分类模型。首先,采用主成分分析(PCA)法对油中溶解气体体积数据降维,去除冗余信息;然后,通过引入Singer混沌映... 为解决通过油中溶解气体诊断变压器故障精确度不高的问题,提出了一种改进北方苍鹰优化(INGO)算法优化支持向量机(SVM)的故障分类模型。首先,采用主成分分析(PCA)法对油中溶解气体体积数据降维,去除冗余信息;然后,通过引入Singer混沌映射、改进的野马算法搜索机制、Lévy飞行策略多种方法改进北方苍鹰优化算法,再利用INGO算法对SVM核心参数进行优化;最后,将处理后的数据输入到INGO-SVM故障诊断模型中。结果表明,其诊断平均准确率为93.5%,与NGO、GWO、AO优化SVM相比,诊断平均准确率分别提升了3.34%、7.04%、10.12%。同时,该模型也优于极限学习机(ELM)、概率神经网络(PNN)、随机森林(RF)典型分类模型,验证了所建立的变压器故障诊断模型具有更高的精度和泛化能力。 展开更多

关键词 变压器 故障诊断 数据处理 北方苍鹰优化算法 支持向量机

在线阅读 下载PDF 职称材料

基于SSA-VMD-INGO-RF的短期风电功率预测 被引量：2

6

作者 汪繁荣 梅涛 +2 位作者 张旭东 汪筠涵 肖悦 《现代电子技术》 北大核心 2024年第24期88-96,共9页

为解决风电功率输出的不确定性、弱化电网波动以及电网的提质增效等问题,提出一种基于变分模态分解(VMD)、Piecewise混沌映射、北方苍鹰优化(NGO)算法和随机森林(RF)的组合模型。该模型采用麻雀搜索算法(SSA)对VMD核心参数(K值和惩罚系... 为解决风电功率输出的不确定性、弱化电网波动以及电网的提质增效等问题,提出一种基于变分模态分解(VMD)、Piecewise混沌映射、北方苍鹰优化(NGO)算法和随机森林(RF)的组合模型。该模型采用麻雀搜索算法(SSA)对VMD核心参数(K值和惩罚系数α)进行寻优,通过SSA-VMD将原始功率序列分解为多个有限带宽的特征模态分量,以降低原始数据的复杂度和非平稳性对预测精度的影响;然后,构建模态分量并在改进的北方苍鹰算法优化随机森林中进行预测;最后,将各分量预测结果叠加,得到最终预测值。以内蒙古某风电场的实测数据为研究对象,将所提组合模型与另外6种模型进行比较。结果表明,所设计模型预测结果平均绝对百分比误差(MAPE)为1.734%,均方根误差为0.068 MW,R^(2)为0.992,证明了该模型的有效性。 展开更多

关键词 短期风电功率预测 北方苍鹰算法 Piecewise混沌映射 随机森林 变分模态分解 麻雀搜索算法

在线阅读 下载PDF 职称材料

基于INGO-SWGMN混合模型的超短期风速预测研究 被引量：6

7

作者 付文龙 章轩瑞 +2 位作者 张海荣 傅雨晨 刘兴韬 《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期133-143,共11页

为提高超短期风速预测的精度,提出一种融合变分模态分解(VMD)、相空间重构、改进的北方苍鹰优化算法(INGO)和共享权重门控记忆网络(SWGMN)的超短期风速混合预测模型。首先,考虑到风速的强波动性会对预测带来不利影响,采用VMD对风速时间... 为提高超短期风速预测的精度,提出一种融合变分模态分解(VMD)、相空间重构、改进的北方苍鹰优化算法(INGO)和共享权重门控记忆网络(SWGMN)的超短期风速混合预测模型。首先,考虑到风速的强波动性会对预测带来不利影响,采用VMD对风速时间序列进行分解,得到一系列相对平稳的子序列。然后对各子序列分量进行相空间重构,得到相应的相空间矩阵。接着针对长短期记忆网络(LSTM)训练时间较长和权重参数较多的问题,提出一种SWGMN对各子序列分量建立预测模型。同时,为提高模型预测性能,提出一种INGO对SWGMN模型的两个超参数进行寻优,得到最优参数组合。最后累加各子序列预测值,得到最终风速预测结果。实验结果表明,在单步预测和多步预测中,所提方法的平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)、决定系数R2分别为0.1828 m/s、0.2263 m/s、4.5481%、0.987和0.2429 m/s、0.3107 m/s、6.1113%、0.976,相较于传统方法具有更高的预测精度和预测效率。 展开更多

关键词 风速 预测 深度学习 变分模态分解 共享权重门控记忆网络 改进的北方苍鹰优化算法

在线阅读 下载PDF 职称材料

基于KPCA-NGO-LSSVM的混凝土坝变形预测模型 被引量：3

8

作者 詹明强 陈波 袁志颖 《水电能源科学》 北大核心 2024年第8期127-131,共5页

变形作为最直观的监测指标,常用来反映大坝的服役性态变化。为建立更加符合混凝土坝变形的预测模型,实现更高精度的混凝土坝变形预测,针对混凝土坝变形序列呈现不确定性和非线性的特征,将核主成分分析(KPCA)引入最小二乘支持向量机(LSS... 变形作为最直观的监测指标,常用来反映大坝的服役性态变化。为建立更加符合混凝土坝变形的预测模型,实现更高精度的混凝土坝变形预测,针对混凝土坝变形序列呈现不确定性和非线性的特征,将核主成分分析(KPCA)引入最小二乘支持向量机(LSSVM)来约简因子关系,降低预测模型的输入维数和复杂度,同时使用北方苍鹰优化算法(NGO)对最小二乘支持向量机进行参数寻优,构建了基于KPCA-NGO-LSSVM的混凝土坝变形预测模型。工程实例表明,KPCA-NGO-LSSVM模型相比传统多元线性回归(MLR)、LSSVM、KPCA-LSSVM的预测值与实际值的拟合效果更好,预测精度更高,能更有效地预测混凝土坝变形。 展开更多

关键词 混凝土坝 核主成分分析 北方苍鹰算法 最小二乘支持向量机 变形预测

在线阅读 下载PDF 职称材料

基于INGO算法的移动机器人自主避障方法 被引量：3

9

作者 杨红森 周文涛 《传感器与微系统》 CSCD 北大核心 2024年第11期139-142,共4页

针对移动机器人在避障过程中存在的避障效率差、寻优速度慢、易陷入局部极值等问题,提出一种基于改进北方苍鹰优化(INGO)算法的避障方法。首先,采用Tent混沌映射策略生成初始种群,从而提高初始解集的质量;其次,引入一种基于Levy飞行的... 针对移动机器人在避障过程中存在的避障效率差、寻优速度慢、易陷入局部极值等问题,提出一种基于改进北方苍鹰优化(INGO)算法的避障方法。首先,采用Tent混沌映射策略生成初始种群,从而提高初始解集的质量;其次,引入一种基于Levy飞行的搜索策略,以提升搜索效率;同时,为了平衡勘探和开发过程,设计了非线性收敛因子和心形搜索策略,从而降低算法陷入局部极值的概率,提高算法的寻优速度。通过仿真实例,验证算法性能。结果表明:相较对比算法,INGO算法在简单任务场景下路径长度减少3.19%~3.80%、运行时间缩短5.59%~17.68%;在复杂任务场景下,路径长度减少3.91%~4.84%、运行时间缩短14.71%~17.88%。实验验证了INGO算法的可行性,能够有效提升移动机器人的避障能力。 展开更多

关键词 北方苍鹰算法 移动机器人 避障 启发式算法

在线阅读 下载PDF 职称材料

基于混合特征选择和INGO-DHKELM的变压器故障诊断方法 被引量：1

10

作者 李多 张莲 +3 位作者 赵娜 谢文龙 黄伟 季鸿宇 《南方电网技术》 CSCD 北大核心 2024年第8期19-28,共10页

针对变压器故障特征选择困难和诊断模型准确率较低的问题,提出一种混合式故障特征选择方法,并利用改进北方苍鹰优化算法(improved northern goshawk optimization algorithm,INGO)优化深度混合核极限学习机(deep hybrid kernel limit le... 针对变压器故障特征选择困难和诊断模型准确率较低的问题,提出一种混合式故障特征选择方法,并利用改进北方苍鹰优化算法(improved northern goshawk optimization algorithm,INGO)优化深度混合核极限学习机(deep hybrid kernel limit learning machine,DHKELM)实现变压器故障诊断。首先,基于相关比值法构建24维变压器故障特征集,从线性相关和非线性相关的角度出发,采用Pearson相关系数和互信息法,筛除相关性较低的特征。其次,引入Logistic混沌映射、随机反向学习和自适应t分布变异改进NGO算法,提升其寻优性能。然后,利用INGO算法对保留特征进行二次筛选,获得最优输入特征。最后,将极限学习机自动编码器引入混合核极限学习机中,建立DHKELM诊断模型,利用INGO对DHKELM模型初始参数进行优化,完成INGO-DHKELM变压器故障诊断模型的构建。实验表明,与常规特征选择方法相比,利用混合式故障特征选择方法所选择的输入特征进行故障诊断能够有效提升诊断准确率;相较于其他优化型诊断模型,INGO-DHKELM具有更高的准确率和更好的稳定性。 展开更多

关键词 变压器 故障诊断 特征选择 北方苍鹰优化算法 深度混合核极限学习机

在线阅读 下载PDF 职称材料

基于特征工程和NGO-LSTM的水质预测模型研究 被引量：2

11

作者 虞佳颖 肖姚 《人民长江》 北大核心 2024年第10期86-93,共8页

由于水质数据特征复杂、关联度参差不齐而导致溶解氧浓度预测难度较大,为提高水质溶解氧浓度预测的准确性,提出了一种基于特征工程和北方苍鹰优化算法的长短期记忆网络(Feature Engineering-Northern Goshawk Optimization-Long Short T... 由于水质数据特征复杂、关联度参差不齐而导致溶解氧浓度预测难度较大,为提高水质溶解氧浓度预测的准确性,提出了一种基于特征工程和北方苍鹰优化算法的长短期记忆网络(Feature Engineering-Northern Goshawk Optimization-Long Short Term Memory,FE-NGO-LSTM)混合模型。首先对水质数据集进行缺失值补齐、特征筛选与特征多项式构造,然后基于NGO-LSTM模型优化模型参数,提升预测性能;对不同多项式阶数下的特征预测效果进行分析之后,将该模型与基于灰狼优化算法、鲸鱼优化算法及粒子群优化算法的LSTM模型进行对比;最后,在太湖流域东苕溪城南监测断面对该模型进行了验证,计算FE-NGO-LSTM模型预见期为4,8,12,16,20,24 h的预测结果。试验结果显示:当多项式阶数为2阶时,模型预测效果最好,FE-NGO-LSTM模型相比基于其他优化算法的LSTM模型,平均绝对误差、均方误差、均方根误差分别至少降低9.0%,12.9%及6.3%,且随着预见期的增加,预测误差仍在可接受范围内,说明FE-NGO-LSTM模型在预测溶解氧浓度时具有一定优势与泛化性。 展开更多

关键词 水质预测 溶解氧 特征工程 深度学习 北方苍鹰优化算法 耦合模型 苕溪流域 太湖流域

在线阅读 下载PDF 职称材料

基于扩展型活性膜系统的彩色图像分割方法

12

作者 许家昌 郭佳 苏树智 《深圳大学学报(理工版)》 北大核心 2025年第1期59-67,共9页

为克服优化算法易陷入局部最优和收敛速度慢的局限,提高扩展膜系统在图像处理领域的优化性能,提出一种基于扩展型活性膜系统(P system)的改进北方苍鹰优化(improved northern goshawk optimization,INGO)算法——PINGO.采用北方苍鹰优... 为克服优化算法易陷入局部最优和收敛速度慢的局限,提高扩展膜系统在图像处理领域的优化性能,提出一种基于扩展型活性膜系统(P system)的改进北方苍鹰优化(improved northern goshawk optimization,INGO)算法——PINGO.采用北方苍鹰优化算法作为基本膜中的进化规则,通过更新苍鹰的状态进化基本膜中的对象,将INGO算法作为局部进化规则来进化子膜中的对象.该系统根据活性膜自身的特点在基本膜中溶解或产生子膜,通信规则用于实现不同膜之间的信息交换与共享,避免算法陷入局部最优.在数据集BSD300和BSD500上,分别采用海鸥优化(seagull optimization algorithm,SOA)算法、灰狼优化(grey wolf optimizer,GWO)算法、INGO算法和PINGO算法,对不同优化阈值个数的图像进行分割.结果表明,PINGO算法在分割后的图像上的峰值信噪比均优于其他算法,特征相似度最优值也占了83%,在保持色彩与纹理的同时提高了分割的准确性.研究结果表明了所提彩色图像分割方法的有效性. 展开更多

关键词 图像处理 图像分割 P系统 活性膜结构 北方苍鹰优化算法 进化规则

在线阅读 下载PDF 职称材料

基于改进北方苍鹰算法优化SVM的轴承故障诊断研究

13

作者 吴晓君 李渠伟 《机械强度》 北大核心 2025年第5期80-89,共10页

针对群智能算法优化支持向量机(Support Vector Machine,SVM)模型时容易遭遇局部最优的问题,提出一种改进北方苍鹰优化(Improved Northern Goshawk Optimization,INGO)算法,并将其应用于滚动轴承的故障诊断。通过引入基于余弦变化的自... 针对群智能算法优化支持向量机(Support Vector Machine,SVM)模型时容易遭遇局部最优的问题,提出一种改进北方苍鹰优化(Improved Northern Goshawk Optimization,INGO)算法,并将其应用于滚动轴承的故障诊断。通过引入基于余弦变化的自适应惯性权重因子以及柯西变异策略来改进北方苍鹰优化(Northern Goshawk Optimization,NGO)算法,并结合SVM构建INGO-SVM故障诊断模型。为评估改进算法的性能,首先,使用基准测试函数进行了试验,并将改进算法与现有的NGO、粒子群优化(Particle Swarm Optimization,PSO)算法、麻雀搜索算法(Sparrow Search Algorithm,SSA)等进行比较,改进算法的性能在一定程度上有所提升。然后,通过小波包分解对原始诊断信号进行特征提取并划分出10种类别,使用第3层各频段的能量作为特征向量,输入到故障诊断模型;最后,比较了改进算法与其他3种算法在优化SVM参数进行故障分类时的性能。结果表明,改进算法能够有效准确地实现不同故障的分类,准确率可达99.39%,验证了该方法的有效性和可行性。 展开更多

关键词 故障诊断 改进北方苍鹰优化算法 柯西变异策略 小波包分解 支持向量机

在线阅读 下载PDF 职称材料

融合多策略改进的北方苍鹰算法及其应用 被引量：1

14

作者 赵深 韦根原 +2 位作者 常耀华 陈亮 侯彦辰 《电子测量技术》 北大核心 2025年第13期96-110,共15页

针对北方苍鹰算法寻优精度低以及容易陷入最优值等问题,提出一种融合减法优化器和t分布小波变异的改进北方苍鹰算法。首先,在算法初始阶段利用Tent映射-动态反向学习策略,提高初始种群的质量和多样性,加快算法的迭代速度;其次,在勘探阶... 针对北方苍鹰算法寻优精度低以及容易陷入最优值等问题,提出一种融合减法优化器和t分布小波变异的改进北方苍鹰算法。首先,在算法初始阶段利用Tent映射-动态反向学习策略,提高初始种群的质量和多样性,加快算法的迭代速度;其次,在勘探阶段融合减法平均优化器和最佳值引导策略更新种群位置;最后,采用自适应t分布小波变异策略对种群进行扰动,避免陷入局部最优。通过测试函数仿真实验并将改进后的算法与极限学习机相结合,用于预测光伏发电量的情况,同时应用于两种工程设计问题中,实验结果表明,改进后的算法对比其他改进算法在收敛精确度和鲁棒性方面有显著提升,并且有效提升了解决复杂问题的性能。 展开更多

关键词 北方苍鹰算法 混沌映射 动态反向学习 减法平均优化器 自适应t分布小波变异 光伏预测

在线阅读 下载PDF 职称材料

基于多策略改进北方苍鹰算法的多光谱辐射测温方法

15

作者 陈智炜 高山 +3 位作者 韩月 刘海龙 陈立伟 王桐 《哈尔滨工程大学学报》 北大核心 2025年第10期2107-2115,共9页

为了解决多光谱辐射测温中发射率先验信息未知且提前假设发射率模型不匹配的问题,本文提出了基于多策略改进北方苍鹰算法的多光谱辐射测温数据处理方法。相比于传统北方苍鹰算法,通过引入最佳值引导策略、减法优化器算法、柯西变异、动... 为了解决多光谱辐射测温中发射率先验信息未知且提前假设发射率模型不匹配的问题,本文提出了基于多策略改进北方苍鹰算法的多光谱辐射测温数据处理方法。相比于传统北方苍鹰算法,通过引入最佳值引导策略、减法优化器算法、柯西变异、动态更新等操作改进算法,方程求解具有更高的精度以及收敛速度。对6种典型发射率模型以及火箭发动机羽焰温度实验的数据进行处理,反演后的温度最大相对误差都小于1%,且单次反演时间小于0.5 s,证明了本文算法是可靠有效的,为多光谱温度在线监测提供了一种新的思路和方法。 展开更多

关键词 多光谱 发射率 北方苍鹰 数据处理 辐射测温 启发式算法 温度反演 无模型化光谱测温

在线阅读 下载PDF 职称材料

多策略优化粒子滤波算法的车辆状态估计

16

作者 徐祥书 李广军 张兰春 《机械设计》 北大核心 2025年第8期134-143,共10页

质心侧偏角是汽车控制系统中重要的控制状态参数,一般由汽车行驶状态观测器估计来获取,提高质心侧偏角的估计精度将有助于车辆控制理论的研究。针对分布式电动汽车非线性、非高斯的行驶特点,提出多策略优化的粒子滤波算法,用种群多样性... 质心侧偏角是汽车控制系统中重要的控制状态参数,一般由汽车行驶状态观测器估计来获取,提高质心侧偏角的估计精度将有助于车辆控制理论的研究。针对分布式电动汽车非线性、非高斯的行驶特点,提出多策略优化的粒子滤波算法,用种群多样性改进的北方苍鹰算法更新粒子滤波预测阶段和适应度改进权值组合优化粒子滤波重采样阶段,并基于该算法设计了车辆动力学与运动学相结合的分布式纯电动汽车行驶状态观测器。通过CarSim-Simulink对典型工况下的车辆进行联合仿真,得出了该算法的观测器对质心侧偏角的估计有更高的精度。 展开更多

关键词 分布驱动 粒子滤波 北方苍鹰算法 种群多样性 权值组合

在线阅读 下载PDF 职称材料

基于VAE-GRU和残差注意力的大坝位移深度学习预测模型

17

作者 仵凡 郑浩然 +1 位作者 漆一宁 苏怀智 《水电能源科学》 北大核心 2025年第8期152-156,共5页

针对大坝变形序列中非线性特征对预测精度的影响,提出了一种基于变分自编码器(VAE)、双向门控循环单元(GRU)和残差注意力机制(RA)的深度学习模型。首先,利用VAE对大坝位移数据进行特征提取,将复杂的高维环境数据映射到低维潜在空间。然... 针对大坝变形序列中非线性特征对预测精度的影响,提出了一种基于变分自编码器(VAE)、双向门控循环单元(GRU)和残差注意力机制(RA)的深度学习模型。首先,利用VAE对大坝位移数据进行特征提取,将复杂的高维环境数据映射到低维潜在空间。然后,采用GRU捕捉时间依赖性,并引入残差注意力机制增强模型对关键特征的关注能力。最后,结合北方苍鹰优化算法(NGO)对模型的超参数进行优化,以进一步提高预测精度。工程实例分析结果表明,VAE-RAGRU模型在大坝位移预测中表现优异,显著优于其他机器学习模型,为大坝安全监控提供了一个高效、准确的新方法。 展开更多

关键词 大坝变形预测 变分自编码器 门控循环单元 残差注意力机制 北方苍鹰优化算法

在线阅读 下载PDF 职称材料

基于改进北方苍鹰优化算法的时间卷积网络及其应用

18

作者 王丽敏 赵侠 +2 位作者 王丝雨 郭枝威 高铭晗 《吉林大学学报(理学版)》 北大核心 2025年第5期1379-1386,共8页

针对时间卷积网络存在的超参数选择困难及预测结果波动性较大的问题,提出一种基于改进北方苍鹰优化算法的时间卷积网络模型.首先,提出一种基于混合策略改进的北方苍鹰优化算法,通过融合Sine混沌映射初始化种群、引入非线性惯性权重调整... 针对时间卷积网络存在的超参数选择困难及预测结果波动性较大的问题,提出一种基于改进北方苍鹰优化算法的时间卷积网络模型.首先,提出一种基于混合策略改进的北方苍鹰优化算法,通过融合Sine混沌映射初始化种群、引入非线性惯性权重调整策略以及结合Lévy飞行机制,增强算法的全局探索与局部开发能力.其次,将时间卷积网络的预测误差作为优化目标,利用改进的北方苍鹰优化算法自动搜索其最优超参数组合,构建时序预测模型.在电力负荷预测任务中的实验结果表明,该预测模型相较于其他改进时间卷积网络,在预测精度和结果稳定性方面均有显著优势,为解决时间卷积网络超参数选择问题提供了一种高效、鲁棒的自动化优化方法,提升了时间卷积网络模型在复杂时间序列预测任务中的精度和可靠性,有实际应用价值. 展开更多

关键词 北方苍鹰优化算法 时间卷积网络 电力负荷预测 超参数选择

在线阅读 下载PDF 职称材料

可调光程柱面多通池TDLAS系统

19

作者 李桃花 牛明生 +5 位作者 史永鹏 李辉 刘慧园 杨乐 袁昊天 方宏福 《光学精密工程》 北大核心 2025年第2期194-208,共15页

为了提高TDLAS检测系统的检测性能和集成度,设计了一种基于便携式可调光程的柱面镜多通池的TDLAS系统,实现了从14 m,10.6 m,9.2 m,7.1 m和5.8 m仿真光程的转换。为了降低TDLAS系统测量气体过程中产生的噪声对检测精度和灵敏度的影响,提... 为了提高TDLAS检测系统的检测性能和集成度,设计了一种基于便携式可调光程的柱面镜多通池的TDLAS系统,实现了从14 m,10.6 m,9.2 m,7.1 m和5.8 m仿真光程的转换。为了降低TDLAS系统测量气体过程中产生的噪声对检测精度和灵敏度的影响,提出了基于北方苍鹰优化(NGO)算法的变分模态分解(VMD)小波去噪算法。仿真结果表明,与其他算法相比,NGO-VMD小波去噪算法能够更有效地降低噪声,且不会引起信号的失真。利用直接吸收检测技术,使用中心波长为1.653μm的DFB激光器对CH4进行测试以评估系统的性能,结果表明,采用NGO-VMD小波去噪算法使检测信号的信噪比由66提高到109,系统的检测下限由12.1 ppm改善为7.28 ppm。Allan方差分析可知,在积分时间为263 s时,系统检测甲烷的最佳检测灵敏度从641 ppb提升为526 ppb,系统的检测下限和灵敏度都得到有效的提高,为优化TDLAS痕量气体检测系统提供了参考。 展开更多

关键词 TDLAS 直接吸收 可调光程 北方苍鹰优化算法 变分模态分解

在线阅读 下载PDF 职称材料

基于二次分解NGO-VMD残差项与长短时记忆神经网络的超短期风功率预测 被引量：17

20

作者 宋江涛 崔双喜 刘洪广 《科学技术与工程》 北大核心 2023年第6期2428-2437,共10页

鉴于目前使用变分模态分解(variational modal decomposition, VMD)搭建的单次或二次分解风功率组合预测模型中,大多均直接忽略了风功率经VMD分解后残差项所包含的丰富信息,使得超短期风功率预测精度受限。提出了一种基于二次分解NGO-VM... 鉴于目前使用变分模态分解(variational modal decomposition, VMD)搭建的单次或二次分解风功率组合预测模型中,大多均直接忽略了风功率经VMD分解后残差项所包含的丰富信息,使得超短期风功率预测精度受限。提出了一种基于二次分解NGO-VMD残差项、K均值聚类算法与长短时记忆神经网络(long short-term memory, LSTM)的组合预测模型。首先,使用北方苍鹰优化算法(northern goshawk optimization, NGO)对VMD的参数进行寻优,以选出最佳VMD参数组合;其次,采用NGO-VMD模型对VMD残差项进行二次分解,深度挖掘VMD残差项所包含的丰富信息;再次,利用K均值聚类算法解决VMD分解模态分量个数多,计算量繁冗的问题;最后,创建LSTM模型对各子模态分量分别进行预测并叠加各子模态分量的预测值得到超短期风功率预测结果。结果表明:该二次分解NGO-VMD残差项、K均值聚类算法和LSTM组合预测模型可充分挖掘VMD残差项的重要信息,有效提高了超短期风功率预测的精度。 展开更多

关键词 二次分解 超短期风功率预测 北方苍鹰优化算法 K均值聚类算法 组合预测

在线阅读 下载PDF 职称材料