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163篇文章
< 1 2 … 9 >
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SSA-VMD-MPE(r)的隧道爆破振动信号降噪方法研究
1
作者 王逸轩 朱凯 +5 位作者 刘现鹏 张学民 李建兵 王立川 张书博 聂智超 《振动与冲击》 北大核心 2026年第5期273-285,共13页
隧道钻爆施工中工序的平行、搭接、交叉及其组合方式的实施,使实测爆破振动信号中存在的较多噪声干扰影响频带及能量分布特征分析的准确性。为获得真实爆破振动特性,提出一种基于混沌映射的麻雀搜索算法-变分模态分解-多尺度排列熵(spar... 隧道钻爆施工中工序的平行、搭接、交叉及其组合方式的实施,使实测爆破振动信号中存在的较多噪声干扰影响频带及能量分布特征分析的准确性。为获得真实爆破振动特性,提出一种基于混沌映射的麻雀搜索算法-变分模态分解-多尺度排列熵(sparrow search algorithm-variational mode decomposition-multi-scale permutation entropy,SSA-VMD-MPE)(r)滤波重构振动信号降噪方法。该方法首先采用基于混沌映射的SSA对VMD关键参数模态数K和惩罚因子α进行寻优;然后将分解所得各固有模态函数进行MPE与相关系数r检验,依据双控制指标将其划分为真实信号、噪声及含噪信号分量;最后对含噪信号分量进行低通滤波处理后与真实信号分量共同重构得到降噪信号。对实测隧道爆破振动信号处理表明,该方法减少了人为因素对VMD的影响,提高了信号分解的自适性和准确性,在较好去除高频噪声成分的同时对低频振动能量影响较小,有效保留了爆破振动真实信号成分,可重构出高信噪比、低重构误差的降噪信号,降噪效果良好。 展开更多
关键词 隧道爆破振动 麻雀搜索算法(ssa) 变分模态分解(VMD) 多尺度排列熵(MPE) 信号降噪
在线阅读 下载PDF
基于SSA-BP神经网络的库区边坡变形时序预测研究
2
作者 武益民 张成良 张焕雄 《水电能源科学》 北大核心 2026年第1期177-181,共5页
针对库区边坡位移预测中存在的复杂非线性及不确定性难题,构建了一种基于智能优化算法的混合预测模型SSA-BP,旨在克服传统BP网络训练速度慢、易陷入局部最优的局限,从而提升边坡位移预测的精度和鲁棒性。通过麻雀搜索算法SSA对BP神经网... 针对库区边坡位移预测中存在的复杂非线性及不确定性难题,构建了一种基于智能优化算法的混合预测模型SSA-BP,旨在克服传统BP网络训练速度慢、易陷入局部最优的局限,从而提升边坡位移预测的精度和鲁棒性。通过麻雀搜索算法SSA对BP神经网络的初始权值和阈值进行全局优化,增强其收敛效率和适应性,并基于张家湾边坡历时5个月的真实位移监测数据进行训练。为验证模型优势,将SSA-BP模型与基于遗传算法(GA)和粒子群算法(PSO)优化的BP网络进行性能比对。研究表明,模型在24次迭代内快速收敛,显著优于对比模型,其均方根误差(RRMSE)、平均绝对百分比误差(M MAPE)、决定系数(R2)等评价指标均表现最佳。SSA-BP模型为库区边坡位移预测提供了一种可靠且高效的智能方法。 展开更多
关键词 库区边坡 位移变形预测 麻雀搜索算法(ssa) BP网络模型优化
在线阅读 下载PDF
基于SSA优化的VMD-CEEMDAN-ECACNN-LSTM日径流预测模型研究
3
作者 欧阳旭文 赖毅辉 蓝贤桂 《水电能源科学》 北大核心 2026年第5期1-6,共6页
径流预测是水资源管理的重要内容,针对传统日径流预测方法所构建的物理模型复杂度高、预测精度低的问题,提出一种由麻雀搜索算法(SSA)、变分模态分解(VMD)、样本熵评价(SE)、自适应噪声集合经验模态分解(CEEMDAN)、高效通道注意力卷积... 径流预测是水资源管理的重要内容,针对传统日径流预测方法所构建的物理模型复杂度高、预测精度低的问题,提出一种由麻雀搜索算法(SSA)、变分模态分解(VMD)、样本熵评价(SE)、自适应噪声集合经验模态分解(CEEMDAN)、高效通道注意力卷积时间网络(ECACNN)和长短期记忆网络(LSTM)组合的日径流预测模型,首先将径流序列输入SSA优化后的VMD,再对分解后的子序列进行样本熵评价;其次将高熵序列输入SSA优化后的CEEMDAN,得到二次分解后的重组序列;然后将重组序列结合的气象因素输入由SSA优化超参数的ECACNN-LSTM神经网络中分别预测,重组后得到最终的预测结果;最后以盱江流域南丰和沙子岭水文站2019~2024年数据为例进行验证。结果表明,相较于传统的LSTM模型,在南丰、沙子岭两站点预测中均方根误差e_(RMSE)分别降低了39.4%、62.1%,平均绝对误差eMAE分别降低了85.3%、78.4%,决定系数R2分别提高了37.0%、24.4%,说明在日径流预测中该模型具有较高的精确度和适用性能,为数据驱动的日径流预测提供了一种新的思路。 展开更多
关键词 日径流预测 盱江流域 麻雀搜索算法 变分模态分解 经验模态分解 高效通道注意力 LSTM
在线阅读 下载PDF
基于SCSSA-CNN-BiLSTM神经网络的厌氧发酵产气预测
4
作者 甄箫斐 焦若楠 +1 位作者 董樾洋 詹寒 《环境工程技术学报》 北大核心 2026年第1期279-289,共11页
厌氧发酵作为一种高效的有机废物处理技术,能够将农业废物转化为沼气,实现资源的循环利用和能源的可持续供应。厌氧发酵过程受到反应底物碳氮比、pH、挥发性脂肪酸、氨氮浓度以及化学需氧量等因素的影响。为探究厌氧发酵的规律,进行混... 厌氧发酵作为一种高效的有机废物处理技术,能够将农业废物转化为沼气,实现资源的循环利用和能源的可持续供应。厌氧发酵过程受到反应底物碳氮比、pH、挥发性脂肪酸、氨氮浓度以及化学需氧量等因素的影响。为探究厌氧发酵的规律,进行混合原料厌氧发酵产气实验,反应底物中牛粪与玉米秸秆的配比分别为1:1、2:1、3:1,设置3组平行实验,以确保实验结果的可靠性和可重复性。创建了正余弦与柯西变异策略优化的麻雀搜索算法(SCSSA),并将其对卷积双向记忆神经网络(CNNBiLSTM)的超参数进行优化,选择反应时间、牛粪与玉米秸秆配比、pH、挥发性脂肪酸、氨氮浓度以及化学需氧量作为模型的输入参数,日产气量和日甲烷产量作为输出参数。结果表明,牛粪与玉米秸秆配比为3:1时,甲烷产量最多,配比1:1实验组次之,配比2:1实验组最小。基于SCSSA-CNN-BiLSTM混合原料厌氧发酵产气预测模型的日产气量准确率达95.29%,日甲烷产量准确率达95.87%,拟合优度(R^(2))达到了0.972。本研究解决了传统麻雀搜索算法模型易过早收敛导致陷入局部最优的问题,并提高了全局搜索能力,为实际实验提供了依据。 展开更多
关键词 牛粪 玉米秸秆 厌氧发酵 神经网络 麻雀搜索算法 产气预测
在线阅读 下载PDF
基于GPU加速的SSA三维微地震实时定位方法及应用
5
作者 曹立斌 郑马嘉 +2 位作者 陈倩 伍亚 程利敏 《岩性油气藏》 北大核心 2026年第3期132-140,共9页
针对微地震监测技术在页岩气压裂改造过程中存在弱信号识别困难、实时处理效率低以及微地震对裂缝响应弱等问题,基于震源扫描算法(SSA),融合多级塌陷网格搜索方法,提出了一种高精度微地震事件识别方法,并利用GPU并行计算技术实现了实时... 针对微地震监测技术在页岩气压裂改造过程中存在弱信号识别困难、实时处理效率低以及微地震对裂缝响应弱等问题,基于震源扫描算法(SSA),融合多级塌陷网格搜索方法,提出了一种高精度微地震事件识别方法,并利用GPU并行计算技术实现了实时定位。研究结果表明:(1)通过波场能量扫描与叠加机制,对虚拟震源实施动校正与相干叠加强化P波弱信号特征,结合“粗网格全局扫描+细网格局部精搜”多级塌陷网格搜索策略提升定位效率与精度,引入GPU并行加速的窄带快速推进法(FMM)后,旅行时计算效率提升约16倍。(2)数值试验显示,低噪比条件下,多级塌陷网格搜索定位结果逼近真实震源,精度优于单一粗网格搜索。某钻井平台应用中,其与传统方法所得事件点均呈北东向条带状展布,事件深度延伸可达300~400 m,人工裂缝事件点更集中于井筒周围,能识别更多弱能量事件。(3)四川页岩气压裂施工监测中,可从多维度区分水力压裂裂缝与诱发天然裂缝特征,空间上,前者聚集于当前压裂段井筒附近、形态规则,后者远离压裂段、分布不规则且非对称;时间上,前者事件集中于施工期,后者具显著后效性,停泵后30分钟内仍持续产生;波形上,前者主频高、直达波清晰、结构简单,后者主频低、能量持续久、伴随多个续至波;相对震级上,前者普遍偏低,后者偏高且对应更大破裂尺度。结合相对震级与事件空间展布特征,可构建“天然裂缝响应带”与“压裂主控带”分布模型,为压裂效果评价及地质解释提供可靠依据。 展开更多
关键词 页岩气 GPU加速 震源扫描算法 多级网格搜索 事件识别 微地震定位 裂缝响应 压裂监测
在线阅读 下载PDF
基于SSA-VMD-GRU组合模型的桥梁监测缺失数据重构方法研究
6
作者 周宇 周明扬 +2 位作者 狄生奎 郭家骥 黄继源 《振动与冲击》 北大核心 2026年第3期115-123,共9页
针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)共同优化变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent units,GRU)的桥... 针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)共同优化变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent units,GRU)的桥梁异常监测数据修复方法。研究利用SSA对VMD中分解层数K和惩罚因子α进行寻优以获取准确结构响应,选择SSA对GRU关键超参数进行优化,通过训练使模型达到最佳状态后,将分解后的信号作为输入进行预测修复,以重构桥梁缺失监测数据,通过对比单一GRU模型、VMD-GRU模型预测结果,以均方根误差、平均绝对误差、平均绝对百分比误差和R^(2)作为误差指标来评价所提方法的科学性与实用性。研究表明,所提方法可在非经验指导下获得最佳参数组合,挠度测试集均方根误差为6.070 2%,应变测试集均方根误差仅为0.150 0%,该方法适用于桥梁异常或缺失监测数据的重构,能够提高数据质量和数据使用的正确率,为桥梁健康监测与决策提供方法基础。 展开更多
关键词 桥梁健康监测 异常监测数据 麻雀搜索算法(ssa) 变分模态分解(VMD) 门控循环单元(GRU) 数据重构
在线阅读 下载PDF
基于WPT-SSA-SVM和融合信号的磨床工作状态识别方法
7
作者 吴昊 潘鑫 +1 位作者 郭云鹏 卢加乔 《机电工程》 北大核心 2026年第5期1042-1052,1067,共12页
随着制造业向智能化、高精度方向发展,对磨削加工的精度、表面质量和生产效率提出了更高要求,而传统依靠人工经验判断的方式已难以满足复杂工况下的实时控制需求,亟需利用状态监测的方式对加工过程进行数字化管理;针对这一问题,提出了... 随着制造业向智能化、高精度方向发展,对磨削加工的精度、表面质量和生产效率提出了更高要求,而传统依靠人工经验判断的方式已难以满足复杂工况下的实时控制需求,亟需利用状态监测的方式对加工过程进行数字化管理;针对这一问题,提出了一种基于小波包变换分解-麻雀搜索算法-支持向量机(WPT-SSA-SVM)和融合信号的磨床工作状态自动识别方法。首先,对磨削加工过程中的振动信号进行了小波包变换分解(WPT),提取了其在加工过程中的特征值,并与磨床主轴功率信号一同构建了训练样本;然后,在训练过程中利用SSA优化了SVM模型训练参数,实现了对磨削加工过程中5个工作状态的自动识别;接着,研究了不同小波基分解对磨削加工工作状态识别准确率的影响;最后,对磨床工作状态识别进行了对比实验,将基于WPT-SSA-SVM的融合信号模型与单一信号模型进行了对比,从而验证了SSA-SVM模型的有效性和优越性。研究结果表明:在磨削过程阶段的5种分类识别中,WPT-SSA模型取得了92%的准确率;相较于传统算法,WPT-SSA-SVM算法在识别准确率上有明显优势;同时,模型的识别速度提高了1.5 s。相较于单一的功率信号,振动信号和功率信号结合的方式提高了磨床工作状态识别的反馈速度。振动信号和功率信号结合的方法可以有效对磨床工作状态进行快速识别,为磨床加工过程进行记录,避免出现异常的加工状态,为后续对表面质量的监控奠定基础。 展开更多
关键词 磨削加工 振动监测 功率监测 多信号融合 小波包变换 麻雀搜索算法 支持向量机
在线阅读 下载PDF
基于KPCA-ISSA-KELM的铁路隧道煤与瓦斯突出预测模型
8
作者 李时宜 代鑫 +2 位作者 刘骞 左明辉 高旭 《铁道标准设计》 北大核心 2026年第1期143-151,共9页
为了能够更为准确地预测铁路隧道煤与瓦斯突出,有效保障铁路隧道施工安全性。首先根据煤与瓦斯突出影响因素,选取瓦斯压力、地质构造、瓦斯放散初速度、煤体结构类型、煤体坚固系数和埋深作为耦合指标,由SPSS 27软件通过皮尔逊相关系数... 为了能够更为准确地预测铁路隧道煤与瓦斯突出,有效保障铁路隧道施工安全性。首先根据煤与瓦斯突出影响因素,选取瓦斯压力、地质构造、瓦斯放散初速度、煤体结构类型、煤体坚固系数和埋深作为耦合指标,由SPSS 27软件通过皮尔逊相关系数矩阵分析各指标间的相关性,而后利于核主成分分析法(KPCA)对原始数据进行主成分提取。其次引入Sine混沌映射、动态自适应权重、Levy飞行策略以及融合柯西变异的反向学习对麻雀搜索算法(SSA)进行改进,以提升其全局搜索能力,而后利用改进的麻雀搜索算法(ISSA)优化KELM中核参数γ和正则化系数C,构建一种基于KPCA-ISSA-KELM的铁路隧道煤与瓦斯突出预测模型。引入PSO-BPNN、PSO-SVM、SSA-SVM模型,对比测试原始数据和降维后的数据,表明使用KPCA进行数据处理能够提升模型预测准确率,同时由其预测结果可知,在使用KPCA降维后的数据时,ISSA-KELM模型相较于其他模型在测试样本中的Ac分别提高0.22、0.22、0.11,P分别提高0.2、0.23、0.1,R分别提高0.24、0.25、0.14,F1-Score分别提高0.22、0.24、0.12。最后,将ISSA-KELM模型应用于西南部某铁路隧道,验证该模型的可靠性和稳定性,表明其更适合于铁路隧道煤与瓦斯突出预测,可为相似瓦斯隧道设计与施工提供借鉴。 展开更多
关键词 瓦斯隧道 煤与瓦斯突出 核主成分分析(KPCA) 麻雀搜索算法(ssa) 核极限学习机(KELM) 预测模型
在线阅读 下载PDF
基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型 被引量：3
9
作者 王显彬 孙阳 《机电工程》 北大核心 2025年第3期510-519,共10页
针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机... 针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机械损伤检测模型。首先,进行了基于RCMFFDE方法的特征提取,生成了特征样本,以定量反映旋转机械的不同损伤情况;然后,采用t-SNE方法,将原始高维故障特征映射至低维空间,获得了对故障更敏感的低维特征;最后,将敏感的低维故障特征向量输入至SSA-RVM多分类器中,进行了训练和测试,实现了旋转机械样本的故障识别目的;采用两种旋转机械数据集进行了实验,并从准确率、效率和抗噪性方面,将RCMFFDE-SSA-SVM方法与多种特征提取方法进行了对比。研究结果表明:RCMFFDE能用于有效提取旋转机械的故障特征,分别取得99.2%和100%的识别精度;而对敏感特征进行分类所获得的精度优于对原始特征进行分类的情形,前者比后者提高了4%;在模式识别中,SSA-RVM优于其他分类器;自制数据集的诊断精度达到了97%,特征提取的时间为16.05 s。 展开更多
关键词 非线性振动信号 特征提取时间 故障识别精度(诊断精度) 精细复合多尺度分数波动散布熵 t-分布随机邻域嵌入 麻雀搜索算法优化相关向量机
在线阅读 下载PDF
基于SSA优化的变论域模糊PID控制器及其污水处理过程应用 被引量：3
10
作者 李志峰 熊伟丽 《计算机工程》 北大核心 2025年第7期339-347,共9页
由于复杂多变的生化反应、进水流量和浓度的不断变化,污水处理过程表现出强非线性和时变性等特征,从而导致其过程变量难以精确控制。设计一种麻雀搜索算法(SSA)优化的变论域模糊比例、积分和微分(PID)控制器,对溶解氧和硝态氮浓度进行... 由于复杂多变的生化反应、进水流量和浓度的不断变化,污水处理过程表现出强非线性和时变性等特征,从而导致其过程变量难以精确控制。设计一种麻雀搜索算法(SSA)优化的变论域模糊比例、积分和微分(PID)控制器,对溶解氧和硝态氮浓度进行跟踪控制。首先利用SSA优化第5单元和第2单元的变论域模糊PID控制器的PID初始参数值;然后进行二次寻优,即对量化因子和比例因子进行优化,并设计基于模糊规则的论域自适应调整策略在线整定控制器参数,以提高控制器的跟踪精度;最后应用污水处理过程国际基准仿真平台进行恒值和动态变值跟踪控制的实验验证。实验结果表明,与基于自适应伸缩因子变论域模糊PID控制器、模糊PID控制器、常规PID控制器相比,所设计控制器的绝对误差积分指标明显降低,在有效降低能耗的同时提升了出水水质。 展开更多
关键词 污水处理过程 麻雀搜索算法 变论域模糊 比例、积分、微分控制器 参数优化
在线阅读 下载PDF
基于SSA-Elman神经网络的爆破振动速度预测 被引量：2
11
作者 王晗 闫鹏 +3 位作者 张云鹏 巩瑞杰 袁腾 杨曦 《工程爆破》 北大核心 2025年第3期140-150,共11页
为降低爆破振动对环境产生的影响,预测爆破振动速度非常有必要。选取85组爆破振动数据,采用灰色综合关联度理论识别了影响爆破振动速度的7个重要因素,通过麻雀搜索算法(SSA)改进Elman神经网络的方法建立了爆破振动速度预测模型。研究结... 为降低爆破振动对环境产生的影响,预测爆破振动速度非常有必要。选取85组爆破振动数据,采用灰色综合关联度理论识别了影响爆破振动速度的7个重要因素,通过麻雀搜索算法(SSA)改进Elman神经网络的方法建立了爆破振动速度预测模型。研究结果表明,与Elman神经网络预测模型相比,X、Y以及Z方向的爆破振动速度SSA-Elman神经网络预测模型的预测值和实测值更接近,均方根误差(RMSE)以及平均绝对误差(MAE)较小,S_(RMSE)分别减少了54.2%、9.3%、34%,S MAE分别减少了50%、5.7%、21%,说明采用SSA优化Elman神经网络权值和阈值的方法,可以提高Elman神经网络预测模型的精度。 展开更多
关键词 爆破振动预测 ELMAN神经网络 麻雀搜索(ssa)算法 灰色综合关联度分析
在线阅读 下载PDF
基于SSA-CNN-BiLSTM的提升机制动系统故障诊断模型 被引量：4
12
作者 陈竞 张宏伟 王凯旋 《机电工程》 北大核心 2025年第8期1615-1624,共10页
作为连接地面与井下的重要枢纽,矿井提升机的运行对煤矿的生产效率和安全有着直接影响,而制动系统则在提升机运行中发挥着不可或缺的作用。为了充分挖掘监测数据间的故障关系,提出了一种基于麻雀搜索算法(SSA)优化的卷积-双向长短时记... 作为连接地面与井下的重要枢纽,矿井提升机的运行对煤矿的生产效率和安全有着直接影响,而制动系统则在提升机运行中发挥着不可或缺的作用。为了充分挖掘监测数据间的故障关系,提出了一种基于麻雀搜索算法(SSA)优化的卷积-双向长短时记忆神经网络(CNN-BiLSTM)的提升机制动系统故障诊断方法。首先,对矿井提升机制动系统的工作原理和故障原因进行了分析,确定了需要采集的监测数据;其次,搭建了基于SSA-CNN-BiLSTM的神经网络模型,其中CNN能够有效地捕捉数据的局部特征,同时提供关于全局的空间信息;LSTM网络主要用于获取数据在时间序列上的特征,BiLSTM则能够实现数据的双向传递目的,将这两者结合起来,可以在空间和时间两个维度上对数据进行复杂的特征提取和识别,从而提升模型的整体表现;SSA用于优化CNN-BiLSTM网络结构,寻找最优参数;最后,采集了提升机的运行数据,并对搭建的故障诊断模型进行了训练与测试,以某矿井提升机实际运行的数据开展了实验研究,并对SSA优化的CNN-BiLSTM和其他算法进行了性能对比。研究结果表明:SSA优化的CNN-BiLSTM神经网络模型准确率为95.7%,相比于CNN-BiLSTM、BiLSTM和CNN准确率分别提高了6.3%、11.2%和14.1%。该模型具有较高的预测性,可用于提升机制动系统的故障诊断。 展开更多
关键词 起重机械 矿井提升机 制动系统 麻雀搜索算法 卷积-双向长短时记忆神经网络 故障识别与分类
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：5
13
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AMESim和SSA-CNN-BiLSTM的液压启闭机故障诊断 被引量：4
14
作者 刘英杰 刘鹏鹏 +1 位作者 张荣荣 董詠依 《机床与液压》 北大核心 2025年第15期166-173,共8页
液压启闭机广泛应用于各大水利水电工程中,是负责开启和关闭闸门的专用设备,其故障具有低概率、高隐蔽性等特点。为解决液压启闭机在日常工作中实际收集故障参数不足且难度较大的问题,借助仿真软件AMESim搭建液压启闭机简易工作机制模... 液压启闭机广泛应用于各大水利水电工程中,是负责开启和关闭闸门的专用设备,其故障具有低概率、高隐蔽性等特点。为解决液压启闭机在日常工作中实际收集故障参数不足且难度较大的问题,借助仿真软件AMESim搭建液压启闭机简易工作机制模型。以液压泵泄漏、电磁换向阀失效、液压缸泄漏、液压油混入空气、先导溢流阀堵塞和过滤阀堵塞6种故障工况为研究对象,通过调整模型参数来收集故障数据。搭建麻雀搜索算法(SSA)优化CNN-BiLSTM网络,并将其与几种诊断模型进行对比。结果表明:所构建的SSA-CNN-BiLSTM比其他方法拥有更高的准确度和效率,准确率达到95.23%;在训练次数为300时,数据已接近收敛,函数的损失率维持在0.2%左右;对于随机选取的测试集样本,拟合值与真实值高度相符。 展开更多
关键词 液压启闭机 麻雀搜索算法(ssa) 卷积神经网络(CNN) 双向长短期神经网络(BiLSTM) 故障诊断 AMESIM仿真
在线阅读 下载PDF
基于SSA-VMD和SDP的双通道CNN轴承故障识别方法 被引量：7
15
作者 蒋丽英 高铭悦 李贺 《机电工程》 北大核心 2025年第2期257-266,共10页
针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮... 针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮尔逊相关系数,构建了新的综合适应度函数,利用麻雀算法(SSA)进行了自适应寻优,确定了最佳的变分模态分解(VMD)参数K和α。将原始振动信号经过VMD分解后,得到了本征模态函数(IMF)分量,通过计算各IMF分量的峭度值进行了筛选,将筛选出的信号进行重构后得到了一维特征信号;然后,根据互相关系数选择了合适的对称点模式(SDP)参数值,将原始振动信号转化为极坐标下的SDP图像,获得了具有良好可分性的二维特征图;最后,将一维和二维特征作为双通道CNN的输入进行了联合训练,将训练好的网络用于故障类型识别,在西储大学和江南大学的轴承数据集上对其有效性进行了验证。研究结果表明:通过网络训练,其故障诊断的准确率分别达到了98.5%和100%。该结果验证了该方法在准确识别故障特征方面具有优越性和普适性。 展开更多
关键词 一维特征信号构建 二维特征转换 卷积神经网络 麻雀算法 变分模态分解 对称点模式
在线阅读 下载PDF
融合节假日及天气特征的VMD-SSA-LSTM的高铁站出租车需求预测
16
作者 徐志君 刘曦 +3 位作者 郭媛 王宝锋 吴雅倩 桂小林 《计算机应用》 北大核心 2025年第S1期121-126,共6页
针对高铁站出租车供需失衡的问题,为了快速疏散高铁站旅客,并最大限度地减少旅客和司机的等待时间,提升旅客出行体验,提出一种融合节假日及天气特征的VMD-SSA-LSTM模型预测高铁站出租车需求量。首先,使用变分模态分解(VMD)分解时间序列... 针对高铁站出租车供需失衡的问题,为了快速疏散高铁站旅客,并最大限度地减少旅客和司机的等待时间,提升旅客出行体验,提出一种融合节假日及天气特征的VMD-SSA-LSTM模型预测高铁站出租车需求量。首先,使用变分模态分解(VMD)分解时间序列数据,以解决高铁站客流量不平稳的问题;其次,利用麻雀搜索算法(SSA)简化长短期记忆(LSTM)网络参数的选择过程;最后,结合多种环境特征预测某高铁站的出租车需求。人工采集该高铁站出租车需求的时间序列数据以及天气和节假日等特征后的实验结果表明,构建的融合多种特征的VMD-SSA-LSTM模型的平均绝对误差(MAE)为0.920 3、均方根误差(RMSE)为1.289 5、平均绝对百分比误差(MAPE)为0.187 6%,而拟合优度(R2)为0.991 0,显示所提模型适用于铁路枢纽的出租车需求量短时预测。 展开更多
关键词 出租车需求预测 长短期记忆网络 变分模态分解 麻雀搜索算法
在线阅读 下载PDF
特征降维下基于LSSA-SVM的转子系统故障诊断模型 被引量：2
17
作者 史宗帅 亚森江·加入拉 +1 位作者 崔鹏飞 靳鹏飞 《机电工程》 北大核心 2025年第3期463-471,500,共10页
针对有噪声环境下轴承转子系统的故障特征难以有效提取,且转子系统故障诊断的准确率较低的问题,提出了一种基于Levy飞行策略改进的麻雀搜索算法(LSSA)优化支持向量机(SVM),结合主成分分析(PCA)特征降维的转子故障诊断方法(模型)。首先,... 针对有噪声环境下轴承转子系统的故障特征难以有效提取,且转子系统故障诊断的准确率较低的问题,提出了一种基于Levy飞行策略改进的麻雀搜索算法(LSSA)优化支持向量机(SVM),结合主成分分析(PCA)特征降维的转子故障诊断方法(模型)。首先,采用小波分析技术对原始的转子振动信号进行了去噪处理,通过提取信号的时域特征以精确表征不同的转子故障状态,确保了该特征在噪声干扰下仍能清晰反映故障模式;然后,采用PCA对所提取的高维特征进行了降维处理,有效减少了冗余信息和噪声干扰,保留了最具代表性的关键特征,从而提高了特征提取的效率与诊断的可靠性;最后,设计了Levy飞行策略,对SSA进行了改进,得到了改进后的麻雀搜索算法(LSSA),以优化SVM的参数选择,进一步提升了分类器的泛化能力,利用改进的算法增强了该模型在复杂、有噪声环境下的诊断性能。研究结果表明:通过在多个含噪声的转子故障数据集上进行实验,该方法的故障诊断准确率达到了98.5%,相较于传统诊断方法,其具有更强的鲁棒性和较高的诊断精度,特别是在有噪环境中的优势更为明显。该方法有效解决了噪声干扰对故障诊断精度的影响问题,显著提高了转子故障诊断的准确性和稳定性,为实际工程中的转子故障诊断提供了一种有效的解决方案。 展开更多
关键词 轴承故障诊断 莱维飞行 改进的麻雀搜索算法 支持向量机 主成分分析 主成分分析特征降维 小波阈值函数去噪
在线阅读 下载PDF
基于SSA-VMD和双层模糊控制的火储联合调频策略
18
作者 于会群 林涛 戚明鑫 《电源学报》 北大核心 2025年第4期274-285,共12页
可再生能源的大量并网给电网带来火电机组调频容量不足、调频效果不佳等一系列问题。为此,基于电池储能系统提出1种火储联合调频策略。首先,利用变分模态分解VMD(variational mode decomposition)对区域控制误差ACE(area control error... 可再生能源的大量并网给电网带来火电机组调频容量不足、调频效果不佳等一系列问题。为此,基于电池储能系统提出1种火储联合调频策略。首先,利用变分模态分解VMD(variational mode decomposition)对区域控制误差ACE(area control error)调频信号进行分解;结合未来负荷预测数据,通过麻雀搜索算法SSA(sparrow search algorithm)滚动优化VMD算法中的分解模态数K和惩罚因子α;将高频信号分配给储能系统,低频信号分配给火电机组。其次,设计双层模糊控制器,第1层模糊控制将区域控制误差高频信号及其变化率作为输入量,改善系统的动态调频性能;第2层模糊控制考虑荷电状态的影响,防止储能产生过充、过放的问题。最后通过仿真分析验证所提控制策略的有效性。 展开更多
关键词 电池储能 调频 变分模态分解 麻雀搜索算法 双层模糊控制
在线阅读 下载PDF
基于RF-TCN-SSA-Informer模型的飞机状态预测方法
19
作者 樊智勇 张瑾 刘涛 《科学技术与工程》 北大核心 2025年第28期12139-12147,共9页
针对飞机状态数据向地面传输过程中出现传输异常情况而导致无法对飞机状态进行实时监控的问题,提出一种基于随机森林(random forest,RF)、时域卷积网络(temporal convolutional network,TCN)、麻雀搜索算法(sparrow search algorithm,S... 针对飞机状态数据向地面传输过程中出现传输异常情况而导致无法对飞机状态进行实时监控的问题,提出一种基于随机森林(random forest,RF)、时域卷积网络(temporal convolutional network,TCN)、麻雀搜索算法(sparrow search algorithm,SSA)、Informer模型的飞行状态预测方法。利用随机森林算法对真实飞行数据进行特征重要性分析,将筛选后的参数作为预测的输入变量;引入TCN弥补Informer模型在处理复杂飞行数据序列时信息丢失或信息模糊的问题,TCN通过其卷积结构能够有效捕捉局部时间特征和短期依赖,将TCN与Informer的特征矩阵进行融合,能够同时捕捉飞行状态序列中的局部与全局信息,从而提升预测的准确性和可靠性;并使用麻雀搜索算法对模型超参数进行优化,以获得更好的预测性能。以飞行俯仰角、滚转角、偏航率为预测对象进行实验验证,通过与其他模型进行对比分析。实验结果表明:该模型在单步预测与多步预测任务中均具有良好的预测性能,可为飞机状态预测提供参考。 展开更多
关键词 飞机状态预测 随机森林(RF) 时域卷积网络(TCN) 麻雀搜索算法(ssa) INFORMER 快速存取记录器(QAR)数据
在线阅读 下载PDF
结合松鼠搜索算法和LSTM的滚动轴承RUL预测
20
作者 张昌凡 高见 何静 《机械设计与制造》 北大核心 2026年第4期71-76,共6页
学习率和其下降因子是基于长短期人工神经网络(Long Short-Term Memory,简称LSTM)的滚动轴承剩余使用寿命(Remaining Useful Life,简称RUL)预测关键参数。然而,目前通过先验知识确定其参数值难以保证预测精度。为此,提出了一种通过松鼠... 学习率和其下降因子是基于长短期人工神经网络(Long Short-Term Memory,简称LSTM)的滚动轴承剩余使用寿命(Remaining Useful Life,简称RUL)预测关键参数。然而,目前通过先验知识确定其参数值难以保证预测精度。为此,提出了一种通过松鼠搜索算法(Squirrel Search Algorithm,简称SSA)对LSTM进行自动参数寻优的方法。首先,通过SSA对LSTM的学习率及其下降因子进行自动寻优;其次,通过优化后的LSTM模型进行预测,生成误差序列,同时通过引入完全自适应噪声集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,简称CEEDMAN)对原始误差进行重构,将重构误差与原始数据相结合,最后得到高精度的预测结果。研究表明:该方法能够更好地找到使LSTM预测精度更高的学习率与学习率下降因子的参数值,并且引入CEEMDAN能够有效降低预测误差,从而实现对于滚动轴承RUL预测精度的提高。 展开更多
关键词 剩余使用寿命 长短期记忆人工神经网络 松鼠搜索算法 完全自适应噪声集合经验模态分解 误差重构
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 … 9 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
版权所有© 2001-2026 渝B2-20050021-1渝公网安备 50019002500403号
使用帮助 返回顶部