期刊文献+
共找到337篇文章
< 1 2 17 >
每页显示 20 50 100
基于SSA-ELM神经网络的室内可见光定位系统
1
作者 贾科军 牛振 +3 位作者 于凯 张志聪 彭铎 曹明华 《光通信研究》 北大核心 2025年第1期13-17,共5页
【目的】针对极限学习机(ELM)神经网络在室内可见光定位(VLP)中收敛不稳定,易陷入局部最优状态,导致定位精度降低的问题,文章引入了麻雀搜索算法(SSA)确定ELM神经网络的初始权值和阈值,提出了SSA-ELM神经网络算法。【方法】首先,采集定... 【目的】针对极限学习机(ELM)神经网络在室内可见光定位(VLP)中收敛不稳定,易陷入局部最优状态,导致定位精度降低的问题,文章引入了麻雀搜索算法(SSA)确定ELM神经网络的初始权值和阈值,提出了SSA-ELM神经网络算法。【方法】首先,采集定位区域内接收信号强度(RSS)与位置信息作为指纹数据;然后,训练SSA-ELM神经网络并得到预测模型,将测试集数据输入预测模型得到待测位置的定位结果;最后,设计了仿真实验和测试平台。【结果】仿真表明,在立体空间模型中0、0.3、0.6和0.9 m 4个接收高度,平均误差分别为1.73、1.86、2.18和3.47 cm,与反向传播(BP)、SSA-BP和ELM定位算法相比,SSA-ELM神经网络算法定位精度分别提高了83.55%、45.71%和26.26%,定位时间分别降低了36.48%、17.69%和6.61%。实验测试表明,文章所提SSA-ELM神经网络算法的平均定位误差为3.75 cm,比未优化的ELM神经网络定位精度提高了16.38%。【结论】SSA对ELM神经网络具有明显的优化作用,能够显著降低定位误差,减少定位时间。 展开更多
关键词 可见光通信 室内定位 极限学习机神经网络 麻雀搜索算法
在线阅读 下载PDF
基于Lasso⁃SSA⁃Adaboost组合模型的致密砂岩储层岩性识别
2
作者 孙婧 赵军龙 刘军锋 《录井工程》 2025年第1期41-48,共8页
为了提高利用测井资料识别致密砂岩储层岩性的精度和效率,基于文献调研,提出Lasso⁃SSA⁃Adaboost组合模型识别致密砂岩储层岩性。首先采用最小绝对收缩和选择算子(Lasso)模型对原始数据集特征值重要性进行排序及特征降维,进而把对于岩性... 为了提高利用测井资料识别致密砂岩储层岩性的精度和效率,基于文献调研,提出Lasso⁃SSA⁃Adaboost组合模型识别致密砂岩储层岩性。首先采用最小绝对收缩和选择算子(Lasso)模型对原始数据集特征值重要性进行排序及特征降维,进而把对于岩性识别分类精度更高的特征值送入自适应提升算法(Adaboost)模型进行训练学习;由于Adaboost在建模过程中使用较多超参数,因此采用麻雀优化搜索算法(SSA)对其进行超参寻优以获得最佳参数组合。以J研究区延8段致密砂岩储层测井及岩心数据为基础,训练构建Lasso⁃SSA⁃Adaboost组合模型。经Lasso模型特征提取后,Adaboost模型迭代误差率较未使用Lasso算法明显降低,岩性识别准确率提升明显;SSA算法全局优化搜索经较少次数迭代获得Adaboost最优超参数,提升了模型训练精度及效率。与K⁃近邻算法(KNN)模型和随机森林模型识别岩性效果进行对比,Lasso⁃SSA⁃Adaboost组合模型在测试集上预测准确率达到90%以上,表明了其在研究区应用效果较好。 展开更多
关键词 致密砂岩储层 岩性识别 Lasso ssa ADABOOST 组合模型
在线阅读 下载PDF
基于SSA-HKELM模型对荧光涤纶织物染色配方预测
3
作者 李强 裴蕾 李戎 《东华大学学报(自然科学版)》 北大核心 2025年第2期183-190,共8页
配色是织物染色工艺中的关键环节。传统的库贝尔卡-蒙克(K-M)模型在配方预测系统中得到了广泛的应用,但双通道K-M模型不适用于含荧光的样品。提出一种基于麻雀搜索算法优化混合核极限学习机(SSA-HKELM)的荧光涤纶染色配方预测模型。通... 配色是织物染色工艺中的关键环节。传统的库贝尔卡-蒙克(K-M)模型在配方预测系统中得到了广泛的应用,但双通道K-M模型不适用于含荧光的样品。提出一种基于麻雀搜索算法优化混合核极限学习机(SSA-HKELM)的荧光涤纶染色配方预测模型。通过高温高压工艺对荧光涤纶织物进行染色,建立配色数据库。为避免同色异谱现象,将光谱反射率数据作为SSA-HKELM模型输入。试验证明,该配色模型预测配方对每支染料的平均绝对百分比误差小于5%,其平均绝对百分比误差、均方根误差及决定系数均优于Datacolor Match Textile(DMT)软件的配色结果。此外,制作不同比例的测试样本进行预测,并对不同训练集比例下的测试集进行预测,结果表明该模型具有较好的泛化能力。在双拼和单色情况下,对该模型的适用性进行验证,该模型同样具有较好的预测效果。在模型预测配方色差评估中,CMC色差大多数小于1。SSA-HKELM配色模型对荧光涤纶织物染色配色有较好的应用价值。 展开更多
关键词 ssa-HKELM 荧光涤纶 配色 色三角
在线阅读 下载PDF
基于SSA-BPNN的海底腐蚀管道极限承载力预测
4
作者 刘博 周卫军 马荣彬 《精细石油化工进展》 2025年第1期48-54,共7页
全面掌握海底腐蚀管道极限承载力的情况有利于指导该管道的安全运行。由于单一BP神经网络(BPNN)模型存在学习效率低、对初始权重敏感且容易陷入局部最优状态等缺点,故采用麻雀搜索算法(SSA)来优化BPNN的初始权值和阈值,建立SSA-BPNN组... 全面掌握海底腐蚀管道极限承载力的情况有利于指导该管道的安全运行。由于单一BP神经网络(BPNN)模型存在学习效率低、对初始权重敏感且容易陷入局部最优状态等缺点,故采用麻雀搜索算法(SSA)来优化BPNN的初始权值和阈值,建立SSA-BPNN组合模型预测极限承载力,并与BPNN模型、遗传算法优化的BPNN(GA-BPNN)模型和粒子群算法优化的BPNN(PSO-BPNN)模型进行对比。结果显示:SSA-BPNN模型的平均相对误差为1.2693%,远远好于其他模型;SSA-BPNN模型的预测结果与有限元法得到的结果进行线性拟合后与直线Y=X最为贴近,其决定系数为0.99948,说明SSA-BPNN模型是一种准确性高且稳定性良好的海底腐蚀管道极限承载力预测工具。 展开更多
关键词 海底腐蚀管道 极限承载力 有限元法 麻雀搜索算法(ssa) BP神经网络(BPNN)
在线阅读 下载PDF
基于改进SSA-BP神经网络的弹丸全弹道飞行时间预测
5
作者 郝博 徐才宪 +1 位作者 姜琦 杨斌 《火力与指挥控制》 北大核心 2025年第3期130-134,141,共6页
采用改进的麻雀搜索算法对BP神经网络的权值与阈值进行全局最优,在麻雀搜索算法中引入Tent混沌映射策略来初始化种群,同时引入高斯变异和高斯扰动策略以及自适应惯性权重策略,提高SSA算法跳出局部最优的能力和求解精度,以提高在弹道系... 采用改进的麻雀搜索算法对BP神经网络的权值与阈值进行全局最优,在麻雀搜索算法中引入Tent混沌映射策略来初始化种群,同时引入高斯变异和高斯扰动策略以及自适应惯性权重策略,提高SSA算法跳出局部最优的能力和求解精度,以提高在弹道系数、发射角度、风速和弹丸初速已知的条件下对弹丸全弹道飞行时间预测的准确性与稳定性。结果表明,改进SSA-BP预测模型提高了弹丸全弹道飞行时间预测的稳定性与准确性。 展开更多
关键词 弹丸全弹道飞行时间 BP神经网络 ssa优化算法 Tent混沌映射 高斯变异
在线阅读 下载PDF
基于SSA-VMD-CNN-BiGUR的矿区负荷预测
6
作者 邱岳 咸晓雨 +1 位作者 于向东 马永强 《能源与环保》 2025年第2期209-214,共6页
为提升矿区负荷预测精度,提出一种基于麻雀优化算法(Sparrow Search Algorithm,SSA)、变分模态分解(Variational Mode Decomposition,VMD)、卷积神经网络(Convolution Neural Networks,CNN)及双向门控循环单元(Bidirectional Gating Rec... 为提升矿区负荷预测精度,提出一种基于麻雀优化算法(Sparrow Search Algorithm,SSA)、变分模态分解(Variational Mode Decomposition,VMD)、卷积神经网络(Convolution Neural Networks,CNN)及双向门控循环单元(Bidirectional Gating Recurrent Unit,BiGRU)的矿区负荷预测模型。首先,通过麻雀优化算法基于样本熵对变分模态分解的最佳影响参数进行迭代寻优,将矿区负荷序列分解为稳定的负荷序列。其次,将得到稳定的负荷分量通过卷积循环网络对天气、电价等历史负荷影响数据进行特征挖掘,并构建BiGRU预测模型对稳定负荷分量进行预测,将所得预测结果重构得到最终的预测结果。最后,对某矿区真实用电负荷数据进行算例分析,采用3个评价指标与目前主流预测模型进行比较。预测效果更准确,验证了所提模型的准确性。 展开更多
关键词 麻雀优化算法 变分模态分解 矿区负荷预测 卷积神经网络 双向门控循环单元
在线阅读 下载PDF
变模态分解下SSA-LSTM组合的锂离子电池剩余使用寿命预测方法 被引量:1
7
作者 李嘉波 王志璇 +1 位作者 田迪 孙中麟 《储能科学与技术》 北大核心 2025年第2期659-670,共12页
锂离子电池在电动汽车、可再生能源等领域广泛应用,对其剩余使用寿命(remaining useful life,RUL)进行精确预测,能够实时把握电池的内在性能退化状态,降低电池使用风险。本工作提出了一种基于变模态分解(variational mode decomposition... 锂离子电池在电动汽车、可再生能源等领域广泛应用,对其剩余使用寿命(remaining useful life,RUL)进行精确预测,能够实时把握电池的内在性能退化状态,降低电池使用风险。本工作提出了一种基于变模态分解(variational mode decomposition,VMD)、麻雀优化算法(sparrow search algorithm,SSA)和长短期记忆网络(long short-term memory,LSTM)的组合预测算法对锂离子电池剩余寿命进行预测。首先,基于锂离子电池电流、电压以及温度曲线,提取等压差充电时间、等压差充电能量、放电温度峰值和恒流充电时间作为预测RUL的间接健康因子。其次,采用变模态分解法分解容量以避免容量回升的局部波动和测试噪声对RUL预测结果造成干扰。针对传统LSTM模型超参数设置易受到经验和随机性的影响,提出了麻雀优化算法对LSTM模型参数进行优化,以提升模型的预测能力。最后,应用NASA和CALCE数据集,将所提模型与其他模型进行对比。实验结果表明,锂离子电池RUL预测均方根误差控制在2%以内,所提方法具有较高的预测性能。 展开更多
关键词 锂离子电池 剩余使用寿命 变模态分解 麻雀优化算法 长短期记忆网络
在线阅读 下载PDF
基于SSA-LightGBM的埋地油气管道平均腐蚀率预测模型
8
作者 张宽宽 王念念 方宏远 《中国市政工程》 2025年第1期26-28,33,142,143,共6页
腐蚀是油气管道损坏和泄漏的主要原因之一,准确预测腐蚀率对于管道安全至关重要。该研究建立了一种基于麻雀搜索算法(SSA)优化的LightGBM模型,用于预测油气管道的平均腐蚀率。同时,研究采用数据增强技术(SPDA)扩展数据集,提高模型的准... 腐蚀是油气管道损坏和泄漏的主要原因之一,准确预测腐蚀率对于管道安全至关重要。该研究建立了一种基于麻雀搜索算法(SSA)优化的LightGBM模型,用于预测油气管道的平均腐蚀率。同时,研究采用数据增强技术(SPDA)扩展数据集,提高模型的准确性和稳定性,并通过对比分析,评估了模型性能。研究中,首先利用麻雀搜索算法(SSA)对LightGBM模型的参数进行优化,形成SSA-LightGBM模型。该模型用于训练和预测油气管道的腐蚀率,并对预测结果的误差和稳定性进行分析。结果表明,SSA-LightGBM模型在预测油气管道平均腐蚀率方面具有较高的准确性和稳定性。此外,研究还将SSA-LightGBM模型的预测结果与LightGBM、GBRT、CatBoost、SSA-GBRT和SSA-CatBoost等模型的预测结果进行了对比。结果显示,SSA-LightGBM模型在准确性和稳定性方面表现最佳。 展开更多
关键词 油气管道 平均腐蚀率 LightGBM 麻雀搜索算法 SPDA
在线阅读 下载PDF
基于KPCA-SSA-SVM模型的海底管道外腐蚀速率预测
9
作者 高建丰 倪铠 +1 位作者 郑豫 梅启亮 《中国水运》 2025年第8期31-33,共3页
针对海底油气管道在运行过程中发生的腐蚀而产生泄露,对海洋环境产生危害等问题,将核主成分分析法(KPCA)、麻雀算法(SSA)和支持向量机(SVM)三种分析方法进行有机融合,建立海底油气管道外腐蚀速率预测模型?经验证,此方法具有较强的适应... 针对海底油气管道在运行过程中发生的腐蚀而产生泄露,对海洋环境产生危害等问题,将核主成分分析法(KPCA)、麻雀算法(SSA)和支持向量机(SVM)三种分析方法进行有机融合,建立海底油气管道外腐蚀速率预测模型?经验证,此方法具有较强的适应能力。 展开更多
关键词 海底管道 主成分分析法(KPCA) 麻雀搜索算法(ssa) 支持向量机(SVM)
在线阅读 下载PDF
基于自适应SSA和改进TEO的船用消防泵电机轴承故障特征增强与诊断
10
作者 宋雪玮 廖志强 贾宝柱 《中国舰船研究》 北大核心 2025年第2期47-55,共9页
[目的]船用消防泵电机的轴承工作环境较复杂,其故障诊断的准确度较低,为此提出一种基于自适应稳态子空间分析(SSA)与改进Teager能量算子(TEO)的船用消防泵电机轴承故障特征增强与诊断方法。[方法]首先,对传统SSA方法进行优化,采用虚假... [目的]船用消防泵电机的轴承工作环境较复杂,其故障诊断的准确度较低,为此提出一种基于自适应稳态子空间分析(SSA)与改进Teager能量算子(TEO)的船用消防泵电机轴承故障特征增强与诊断方法。[方法]首先,对传统SSA方法进行优化,采用虚假最近邻点确定Hankel矩阵维数,并基于峭度指标提取振动信号中经SSA分解后的包含最佳故障特征的非稳态信号;然后,通过改进TEO算法,有效提升故障特征在振动信号中的占比,从而增强故障特征并实现准确诊断;最后,通过仿真实验和工程实验进行有效性验证。[结果]对比结果表明,该方法可准确地判断轴承的故障特征频率及其倍频,从而有效诊断轴承故障。[结论]研究成果可为船用泵组电机轴承的故障诊断提供参考。 展开更多
关键词 船用消防泵 电机轴承故障 故障分析 故障诊断 自适应稳态子空间分析 改进Teager能量算子
在线阅读 下载PDF
基于VMD-SSA-LSSVM模型的汽油车CO_(2)排放预测
11
作者 吐尔逊·买买提 成思怡 刘亚楼 《交通科技与经济》 2025年第1期43-49,共7页
以排放标准为国Ⅴ的轻型汽油车为研究对象,运用便携式车载尾气排放测量系统(PEMS)对实际行驶中污染物排放试验数据进行分析。先采用变分模态分解方法(VMD)进行分解降噪处理,再通过麻雀搜索算法(SSA)、最小二乘支持向量机(LSSVM)和长短... 以排放标准为国Ⅴ的轻型汽油车为研究对象,运用便携式车载尾气排放测量系统(PEMS)对实际行驶中污染物排放试验数据进行分析。先采用变分模态分解方法(VMD)进行分解降噪处理,再通过麻雀搜索算法(SSA)、最小二乘支持向量机(LSSVM)和长短期记忆网络(LSTM)的方法,构建一种高精度的轻型汽油车CO_(2)排放预测模型。通过随机森林和皮尔逊相关性分析,筛选出影响轻型汽油车CO_(2)排放的关键特征参数,构建数据集。利用VMD算法对数据集进行分解降噪处理,再采用SSA算法优化LSSVM模型,最终建立基于VMD-SSA-LSSVM的轻型汽油车CO_(2)排放量预测模型。结果表明:该模型对CO_(2)的预测精度和拟合效果均优于单一的LSSVM、LSTM以及VMD-LSSVM、VMD-LSTM、VMD-SSA-LSTM模型,能够为轻型汽油车CO_(2)排放预测提供参照;VMD-SSA-LSSVM模型在轻型汽油车CO_(2)排放预测方面具有显著优势和应用前景。 展开更多
关键词 轻型汽油车排放 PEMS 随机森林 皮尔逊系数 VMD-ssa-LSSVM模型 CO_(2)排放预测 特征参数筛选
在线阅读 下载PDF
基于FSSA-ELM的模拟电路故障诊断方法 被引量:2
12
作者 陈晓娟 刘禹盟 +1 位作者 曲畅 张昭华 《半导体技术》 北大核心 2024年第1期77-84,共8页
在大规模电路中,模拟电路的故障率高达80%。针对模拟电路故障诊断方法准确率低、耗时长的问题,提出了一种分数阶麻雀搜索算法结合极限学习机(FSSA-ELM)的模拟电路故障诊断方法。利用核主成分分析与局部线性嵌入(KPCA-LLE)联合方式对电... 在大规模电路中,模拟电路的故障率高达80%。针对模拟电路故障诊断方法准确率低、耗时长的问题,提出了一种分数阶麻雀搜索算法结合极限学习机(FSSA-ELM)的模拟电路故障诊断方法。利用核主成分分析与局部线性嵌入(KPCA-LLE)联合方式对电路故障数据进行特征提取,通过分数阶与麻雀搜索算法(SSA)相融合,对极限学习机(ELM)的权重和阈值进行寻优,将提取后的特征数据输入到FSSA-ELM模型中进行训练和测试。T型反馈网络反相比例运算电路诊断实例表明,FSSA-ELM的故障诊断用时相较于SSA-ELM缩短了891 s,单故障诊断准确率可达972%,比SSA-ELM和ELM分别提高了19%和28%;双故障诊断准确率可达95%,分别提高了04%和10%。该故障诊断方法准确率高、耗时短,具有较强的模拟电路故障检测能力。 展开更多
关键词 模拟电路 故障诊断 分数维度 麻雀搜索算法(ssa) 极限学习机(ELM)
在线阅读 下载PDF
基于SSA−LSTM的风速异常波动检测方法 被引量:5
13
作者 邓立军 袁金波 +1 位作者 刘剑 尚文天 《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第3期139-147,共9页
针对传统统计方法对风门开闭导致传感器监测数据异常波动的漏报率和误报率高的问题,通过挖掘风速传感器中时间序列数据中的数据特征,提出了一种基于奇异谱分析法(SSA)与长短期记忆神经网络(LSTM)组合的SSA−LSTM风速异常波动检测方法。... 针对传统统计方法对风门开闭导致传感器监测数据异常波动的漏报率和误报率高的问题,通过挖掘风速传感器中时间序列数据中的数据特征,提出了一种基于奇异谱分析法(SSA)与长短期记忆神经网络(LSTM)组合的SSA−LSTM风速异常波动检测方法。首先利用SSA对风速传感器监测数据进行预处理,将风速数据分解为趋势分量、周期分量和噪声分量,通过重组趋势分量和噪声分量去除因湍流脉动产生的数据噪声;然后对LSTM进行参数优化,利用优化后的LSTM模型对预处理数据进行预测并得到重构风速;最后以对数概率密度函数计算监测风速与重构风速的异常分数,通过计算训练集数据样本的异常分数设定阈值对监测风速进行异常检测。试验结果表明:SSA去除因湍流脉动产生的数据噪声效果较好,在不影响数据波动情况下去除噪声分量,有助于提高风速重构效果和异常检测准确率;LSTM在无异常波动时能正确重构因湍流脉动导致的小幅波且与实际数据拟合效果较好,在有异常波动时根据历史波动趋势对异常波动段进行重构,可有效提高异常检测的准确率。通过对比分析,所提方法比ARIMA、BP、CNN模型的重构效果更好,异常检测准确率为99.2%,F1-Score为0.97,验证了所提方法的可靠性。表明本文所提方法在检测因风门开闭导致的风速异常波动上具有一定的应用价值。 展开更多
关键词 异常波动 风门开闭 异常检测 奇异谱分析 长短期记忆 时间序列
在线阅读 下载PDF
基于PCA-SSA-XGBoost算法的拱坝应力预测模型研究 被引量:1
14
作者 崔博 安惠伦 +1 位作者 陈文龙 王佳俊 《水力发电》 CAS 2024年第5期45-53,共9页
由于大坝应力受水位、温度等众多因素共同作用,各影响因子间的相互关联会引起多重共线性问题,容易导致以此为输入的预测模型出现伪回归现象。此外,现有基于机器学习算法的应力预测模型由于训练特征过多、过度训练易产生过拟合现象,其预... 由于大坝应力受水位、温度等众多因素共同作用,各影响因子间的相互关联会引起多重共线性问题,容易导致以此为输入的预测模型出现伪回归现象。此外,现有基于机器学习算法的应力预测模型由于训练特征过多、过度训练易产生过拟合现象,其预测精度还有待提高。针对上述问题,提出了基于主成分分析法(PCA)和麻雀搜索算法(SSA)改进的极限梯度提升算法(PCA-SSA-XGBoost)构建拱坝应力预测模型。该模型首先采用主成分分析法对参数进行降维,降低影响因子的多重共线性影响;进而通过SSA算法优化XGBoost的超参数,以避免传统算法过拟合,进一步提高模型预测性能。将该模型应用于我国西南某混凝土拱坝工程,对应力及应力相关监测数据进行处理、分析和预测,并与多元线性回归模型(MVLR)、神经网络模型(RBFNN)、极限梯度提升回归预测模型(XGBR)的预测结果进行对比分析。结果表明,基于PCA-SSA-XGBoost算法的应力预测模型可克服输入变量的多重共线性和过拟合问题,在预测精度方面具有优越性。 展开更多
关键词 拱坝 应力预测 主成分分析 极限梯度提升 麻雀搜索
在线阅读 下载PDF
基于SSA-BP神经网络的车-轨-桥系统随机振动分析 被引量:2
15
作者 何旭辉 赵永帅 蔡陈之 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第8期3225-3236,共12页
轨道及桥梁结构参数随机性对车-轨-桥耦合系统的振动影响不能忽略。基于代理模型研究轨道-桥梁间3层弹簧刚度和弹簧阻尼以及桥梁刚度和阻尼的随机性对竖向车-轨-桥耦合系统动力响应的影响。首先,基于经典的车-轨-桥耦合系统力学模型(没... 轨道及桥梁结构参数随机性对车-轨-桥耦合系统的振动影响不能忽略。基于代理模型研究轨道-桥梁间3层弹簧刚度和弹簧阻尼以及桥梁刚度和阻尼的随机性对竖向车-轨-桥耦合系统动力响应的影响。首先,基于经典的车-轨-桥耦合系统力学模型(没有考虑桥墩),采用Monte-Carlo生成2 000个样本集,作为代理模型的训练集。然后,对比SSA-BP(麻雀优化BP算法)与传统BP神经网络、GA-BP神经网络(遗传优化BP算法)对车辆和桥梁响应的预测精度,同时探讨样本数量以及Levenberg-Marquardt和Bayesian Regulation训练算法对SSA-BP神经网络预测精度的影响。最后,假定各随机参数概率分布规律服从高斯型正态分布,所有随机参数变异系数均分为0.05、0.10、0.15、0.20、0.25等5个级别,采用所提出的SSA-BP神经网络研究轨道及桥梁的刚度和阻尼变化对车辆和桥梁响应极值的影响。结果表明:与经典的车-轨-桥耦合系统力学模型相比,所提出的代理模型具有更高的计算效率;SSA-BP模型对车辆和桥梁响应的预测精度高于GA-BP模型,GA-BP模型的预测精度高于传统的BP模型;SSA-BP模型采用Levenberg-Marquardt训练算法对车辆和桥梁响应的预测精度优于Bayesian Regulation训练算法的预测精度;道砟和桥梁之间弹簧刚度的随机变化对桥梁随机振动响应尤为明显;钢轨和轨枕之间弹簧刚度的随机性对车体响应的影响不可忽视,而桥梁刚度和阻尼随机性对车体的影响可不考虑。研究成果可为车轨桥系统随机振动响应预测进一步研究提供依据和参考。 展开更多
关键词 桥梁工程 车轨桥系统 ssa-BP 随机振动 代理模型
在线阅读 下载PDF
基于SSA和双稳随机共振的车削颤振微弱特征提取
16
作者 吴飞 栾天宇 农皓业 《振动与冲击》 EI CSCD 北大核心 2024年第4期134-141,共8页
围绕车削颤振激发过程,针对车削颤振过渡阶段特征微弱且存在噪声和转频干扰的问题,提出一种基于麻雀优化算法(sparrow search algorithm, SSA)和双稳随机共振(bistable stochastic resonance, BSR)系统的车削颤振微弱特征提取方法。该... 围绕车削颤振激发过程,针对车削颤振过渡阶段特征微弱且存在噪声和转频干扰的问题,提出一种基于麻雀优化算法(sparrow search algorithm, SSA)和双稳随机共振(bistable stochastic resonance, BSR)系统的车削颤振微弱特征提取方法。该方法利用SSA优良的寻优特性,以信噪比作为优化指标确定最佳BSR系统参数,用优化后的参数对车削颤振信号进行滤波处理,提取颤振特征频率。仿真试验表明SSA-BSR方法可以实现对强噪声背景下微弱特征信号的提取与增强,同时兼顾寻优速度快和获得全局最优解概率高的优点。开展车削颤振检测试验,颤振激发过程的加速度信号图谱分析结果验证了车削颤振特征频率幅值与颤振激发程度之间的相关性;不同模型在车削颤振过渡阶段特征提取的对比结果验证了SSA-BSR模型的有效性和优越性,并且能够满足车削颤振检测对实时性的要求,实现在进入剧烈颤振阶段前发出预警,为量化车削颤振和车削颤振在线监测提供一种新思路。 展开更多
关键词 车削颤振 随机共振 麻雀优化算法(ssa) 信号处理
在线阅读 下载PDF
基于MDS和改进SSA-SVM的高速铁路道岔故障诊断方法研究 被引量:2
17
作者 王彦快 米根锁 +2 位作者 孔得盛 杨建刚 张玉 《铁道学报》 EI CAS CSCD 北大核心 2024年第1期81-90,共10页
针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障... 针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障原因,分别提取道岔功率曲线的时域、频域特征指标以及小波包能量熵,组成特征指标向量;其次采用MDS方法进行多维特征指标的降维优化,建立道岔故障特征指标样本数据库;最后利用改进Circle混沌映射初始化种群,并通过自适应t分布增强麻雀种群的多样性,再以改进SSA算法优化SVM模型中的惩罚因子和核函数方差2个关键参数,构建改进SSA-SVM的道岔故障诊断模型。故障诊断结果表明,本模型的故障诊断正确率高达96.25%,诊断效果优于其他方法,可以为道岔设备的故障维修提供理论依据。 展开更多
关键词 高速铁路道岔 故障诊断 改进麻雀搜索算法-支持向量机 Circle混沌映射 自适应t分布 小波包能量熵 多维尺度缩放法
在线阅读 下载PDF
基于VMD-SSA-LSTM的架空输电导线覆冰预测模型 被引量:1
18
作者 陈彬 徐志明 +4 位作者 贾燕峰 丁锐鑫 张少峰 李飚 王佳琳 《三峡大学学报(自然科学版)》 CAS 北大核心 2024年第4期105-112,共8页
针对输电导线覆冰过程间断性强且波动性大而导致的现有模型预测精度不高的问题,从覆冰厚度数据的时序信息和气象信息出发,提出一种基于变分模态分解(variational mode decomposition,VMD)的麻雀搜索算法(sparrow search algorithm,SSA)... 针对输电导线覆冰过程间断性强且波动性大而导致的现有模型预测精度不高的问题,从覆冰厚度数据的时序信息和气象信息出发,提出一种基于变分模态分解(variational mode decomposition,VMD)的麻雀搜索算法(sparrow search algorithm,SSA)优化长短期记忆网络(long short-term memory network,LSTM)的覆冰组合预测模型.该方法首先使用VMD分解覆冰厚度数据,降低了原始序列的不稳定性,得到具有不同中心频率的本征模态分量;其次,采用SSA算法对LSTM中的3个参数进行寻优;最后,对模态分量分别建立LSTM预测模型,将各个模态分量的预测值叠加为覆冰厚度的总预测值.通过实例仿真,对所提预测模型进行验证.结果表明:VMD-SSA-LSTM组合模型与其他模型相比,其预测精度有进一步提高,验证了所提方法的有效性. 展开更多
关键词 输电导线 覆冰预测 变分模态分解 麻雀搜索算法 长短期记忆网络
在线阅读 下载PDF
基于VMD-SSA-LSTM的闸门振动信号趋势预测
19
作者 黄天雄 董懿 +2 位作者 孔令超 李初辉 杨赛 《水电站机电技术》 2024年第1期41-44,共4页
闸门振动信号分析和预测是检测闸门运行状态的重要方式,由于闸门信号的复杂性和非平稳性,准确判断闸门状态成为难题。本文提出一种基于VMD多模态分解和SSA-LSTM网络结构,对输入的闸门信号进行分解和预测。首先采用VMD分解了闸门信号并... 闸门振动信号分析和预测是检测闸门运行状态的重要方式,由于闸门信号的复杂性和非平稳性,准确判断闸门状态成为难题。本文提出一种基于VMD多模态分解和SSA-LSTM网络结构,对输入的闸门信号进行分解和预测。首先采用VMD分解了闸门信号并取得信号特征,通过SSA优化LSTM网络超参数,提高对闸门信号预测的准确性和效率。实验结果表明:相比LSTM和VMD-LSTM,本文的算法效果最佳,采用SSA算法后,RMSE下降68.1%,为闸门振动信号检测和预测提供基础。 展开更多
关键词 泄洪闸门 VMD ssa LSTM
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
20
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
上一页 1 2 17 下一页 到第
使用帮助 返回顶部