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SSA-LSTM的瓦斯浓度预测模型 被引量：7
1
作者 兰永青 乔元栋 +2 位作者 程虹铭 雷利兴 罗化峰 《工矿自动化》 CSCD 北大核心 2024年第2期90-97,共8页
为了更好地捕捉瓦斯浓度的时变规律及有效信息,实现对采煤工作面瓦斯浓度的精准预测,采用麻雀搜索算法(SSA)优化长短期记忆(LSTM)网络,提出了一种基于SSA-LSTM的瓦斯浓度预测模型。采用均值替换法对原始瓦斯浓度时序数据中的缺失数据及... 为了更好地捕捉瓦斯浓度的时变规律及有效信息,实现对采煤工作面瓦斯浓度的精准预测,采用麻雀搜索算法(SSA)优化长短期记忆(LSTM)网络,提出了一种基于SSA-LSTM的瓦斯浓度预测模型。采用均值替换法对原始瓦斯浓度时序数据中的缺失数据及异常数据进行处理,再进行归一化和小波阈值降噪;对比测试了SSA与灰狼优化(GWO)算法、粒子群优化(PSO)算法的性能差异,验证了SSA在寻优精度、收敛速度和适应能力等方面的优势;利用SSA的自适应性依次对LSTM的学习率、隐藏层节点个数、正则化参数等超参数进行寻优,以此来提高全局寻优能力,避免预测模型陷入局部最优;将得到的最佳超参数组合代入LSTM网络模型中,输出预测结果。将SSA-LSTM与LSTM、GWO-LSTM、PSO-LSTM瓦斯浓度预测模型进行比较,实验结果表明:基于SSA-LSTM的瓦斯浓度预测模型的均方根误差(RMSE)较LSTM,PSO-LSTM,GWO-LSTM分别减少了77.8%,58.9%,69.7%;平均绝对误差(MAE)分别减少了83.9%,37.8%,70%,采用SSA优化的LSTM预测模型相较于传统LSTM模型具有更高的预测精度和鲁棒性。 展开更多
关键词 瓦斯浓度预测 时序预测 深度学习 长短期记忆网络 麻雀搜索算法 超参数寻优
在线阅读 下载PDF
基于LSTM循环神经网络的故障时间序列预测 被引量：383
2
作者 王鑫 吴际 +3 位作者 刘超 杨海燕 杜艳丽 牛文生 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2018年第4期772-784,共13页
有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆(LSTM)循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和... 有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆(LSTM)循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。 展开更多
关键词 长短期记忆(LSTM)模型 循环神经网络 故障时间序列预测 多层网格搜索 深度学习
在线阅读 下载PDF
带有开关机制的通用学习网络的参数和时间延迟的学习 被引量：3
3
作者 韩敏 席剑辉 平泽宏太郎 《控制理论与应用》 EI CAS CSCD 北大核心 2003年第2期205-210,共6页
研究了一种新的带有开关机制的ULN建模方法 ,不仅对其中的参数而且对时间延迟都进行了调整以适应非线性系统的建模要求 .对非线性系统识别问题的仿真结果表明 ,所提方法具有比仅使用参数优化的传统方法更好的性能 .还用带有开关机制的UL... 研究了一种新的带有开关机制的ULN建模方法 ,不仅对其中的参数而且对时间延迟都进行了调整以适应非线性系统的建模要求 .对非线性系统识别问题的仿真结果表明 ,所提方法具有比仅使用参数优化的传统方法更好的性能 .还用带有开关机制的ULN对网络规模是如何影响动态系统泛化能力的问题进行了研究 . 展开更多
关键词 开关机制 通用学习网络 参数 时间延迟 非线性系统 建模
在线阅读 下载PDF
一种通用学习网络自适应算法及其在预测控制中的应用 被引量：4
4
作者 韩敏 韩冰 《控制理论与应用》 EI CAS CSCD 北大核心 2006年第6期900-906,共7页
针对黑箱过程的辨识与控制,本文提出了一种选择通用学习网络(universal learning network,ULN)节点间延迟时间参数的自适应算法,并将其应用于对控制对象中的纯滞后参数的辨识．将通用学习网络与PID控制器相结合,应用于包含大滞后的系统... 针对黑箱过程的辨识与控制,本文提出了一种选择通用学习网络(universal learning network,ULN)节点间延迟时间参数的自适应算法,并将其应用于对控制对象中的纯滞后参数的辨识．将通用学习网络与PID控制器相结合,应用于包含大滞后的系统的模型预测控制(model predictive control,MPC)中．仿真结果证明通用学习网络能够有效地辨识被控对象的纯滞后时间,并能够作为预估器应用于模型预测控制系统中． 展开更多
关键词 系统辨识 通用学习网络 大滞后 预测控制
在线阅读 下载PDF
对通用学习网络延迟时间的探索 被引量：1
5
作者 韩敏 《仪器仪表学报》 EI CAS CSCD 北大核心 2001年第z2期17-18,共2页
本文对多重分支神经网络的延迟时间进行优化提出了一种新方法。该方法通过对延迟时间的随机探索 ,寻找一种适合于系统的最优延迟时间。具体思想是利用多重分支神经网络可以具有任意延迟时间的特点 ,在对延迟时间进行探索的同时 ,利用节... 本文对多重分支神经网络的延迟时间进行优化提出了一种新方法。该方法通过对延迟时间的随机探索 ,寻找一种适合于系统的最优延迟时间。具体思想是利用多重分支神经网络可以具有任意延迟时间的特点 ,在对延迟时间进行探索的同时 ,利用节点之间的开关机构 ,对不必要的分支进行削除。以达到优化结构、优化延迟时间的目的。 展开更多
关键词 通用学习网络 探索 延迟时间
在线阅读 下载PDF
基于相空间重构与GSA-LVQ的有载调压变压器分接开关机械故障诊断 被引量：9
6
作者 赵书涛 李小双 +3 位作者 李大双 徐晓会 李云鹏 李波 《电测与仪表》 北大核心 2023年第10期136-141,共6页
针对有载调压变压器分接开关机械故障诊断准确率不高以及潜在机械故障不能及时被发现的问题,提出了一种基于互补集合经验模态分解(CEEMD)、相空间重构结合万有引力搜索法(GSA)改进学习矢量量化神经网络(LVQ)的有载分接开关机械故障诊断... 针对有载调压变压器分接开关机械故障诊断准确率不高以及潜在机械故障不能及时被发现的问题,提出了一种基于互补集合经验模态分解(CEEMD)、相空间重构结合万有引力搜索法(GSA)改进学习矢量量化神经网络(LVQ)的有载分接开关机械故障诊断新方法。采用CEEMD对振动信号进行时频域分解,然后通过C-C算法确定延迟时间和嵌入维数,对反映不同频率特征的固有模态函数(IMF)进行相空间重构,并提取反映混沌特征的两个特征量李雅普诺夫指数和关联维数构成特征向量。利用GSA优化LVQ,解决网络对初始连接权值敏感的问题,增强网络对有载分接开关机械故障分类识别性能。通过对有载分接开关机械状态的实验分析,证明了相空间重构结合GSA-LVQ算法的可行性和有效性。 展开更多
关键词 有载调压变压器分接开关(OLTC) 互补集合经验模态分解(CEEMD) 相空间重构 万有引力搜索法(GSA) LVQ神经网络 振动信号 机械故障诊断
在线阅读 下载PDF
基于通用学习网络的控制器设计
7
作者 韩敏 贾小勐 +1 位作者 席剑辉 韩冰 《仪器仪表学报》 EI CAS CSCD 北大核心 2005年第3期249-254,257,共7页
神经网络已经广泛地应用于控制领域,但是现有的神经网络一般不包含延迟时间,或延迟时间不能任意设置。通用学 习网络(UniversalLearningNetwork)是一种新型可设定神经网络,该网络所有节点互连,任意两节点之间可以有多重连接, 且连接上... 神经网络已经广泛地应用于控制领域,但是现有的神经网络一般不包含延迟时间,或延迟时间不能任意设置。通用学 习网络(UniversalLearningNetwork)是一种新型可设定神经网络,该网络所有节点互连,任意两节点之间可以有多重连接, 且连接上有任意的延迟时间。利用通用学习网络对典型的非线性、大滞后系统——pH中和过程进行辨识,并作为预估器应用 于控制系统。仿真研究证明该网络能有效地应用于大滞后系统。 展开更多
关键词 通用 大滞后 神经网络 控制器设计 学习网络 延迟时间 辨识 证明 过程 一般
在线阅读 下载PDF
基于MDFF与ISSA的滚动轴承故障声发射诊断 被引量：2
8
作者 魏巍 王之海 +2 位作者 柳小勤 冯正江 李佳慧 《振动与冲击》 EI CSCD 北大核心 2023年第7期65-76,共12页
针对滚动轴承早期、复合故障难以准确诊断与智能诊断模型超参数确定严重依赖专家先验知识问题,提出一种基于多维深度特征融合(multi-dimensional depth feature fusion, MDFF)与改进麻雀搜索算法(improved sparrow search algorithm, IS... 针对滚动轴承早期、复合故障难以准确诊断与智能诊断模型超参数确定严重依赖专家先验知识问题,提出一种基于多维深度特征融合(multi-dimensional depth feature fusion, MDFF)与改进麻雀搜索算法(improved sparrow search algorithm, ISSA)的滚动轴承故障声发射诊断方法。用一维卷积与线性瓶颈反向残差二维卷积神经网络构建多输入卷积神经网络(convolution neural network, CNN)结构的诊断模型,模型输入为滚动轴承声发射信号及其小波时频图,提出基于布伦纳梯度和信噪比的质量指标,在108种小波基中筛选出最佳时频图以提升输入数据质量。接着,采用特征金字塔网络将模型的一、二维低层与高层特征融合,建立深度融合的诊断模型。然后,将交叉混沌映射、自适应权重及融合的随机游走策略引入麻雀搜索算法中,以自适应获取MDFFCNN最优超参数。试验表明,对比近期多个主流智能诊断算法,所提方法可避免人工选择诊断模型超参数,对滚动轴承早期尤其复合故障具有更高的诊断精度和稳定性,模型诊断过程的智能化水平得到了进一步提高。 展开更多
关键词 滚动轴承 声发射(AE) 深度学习 改进麻雀搜索(ISSA) 卷积神经网络(CNN) 多维深度特征融合(MDFF) 最佳时频图
在线阅读 下载PDF
融合深度学习与搜索的实时策略游戏微操方法
9
作者 陈鹏 王子磊 《计算机工程》 CAS CSCD 北大核心 2020年第6期50-59,共10页
实时策略游戏的微操是指操纵多个作战单元以赢得胜利,针对传统搜索方法在面对大规模战斗场景时存在的搜索效率低下、搜索空间有限等问题,提出深度学习与在线搜索相结合的方法,以实现学习模型对搜索过程的引导。给出一种基于编码-解码卷... 实时策略游戏的微操是指操纵多个作战单元以赢得胜利,针对传统搜索方法在面对大规模战斗场景时存在的搜索效率低下、搜索空间有限等问题,提出深度学习与在线搜索相结合的方法,以实现学习模型对搜索过程的引导。给出一种基于编码-解码卷积架构的联合策略网络,将其嵌入到PGS、POE和SSS+3种经典搜索方法中,实现多智能体联合动作的端到端学习。实验结果表明,该方法可以适应复杂的作战场景,在StarCraft:BroodWar的2个基准场景中能够击败内置人工智能方法,胜率分别达到95%、99%,接近当前最好的基准方法。 展开更多
关键词 实时策略游戏 微操 深度学习 联合策略网络 搜索方法
在线阅读 下载PDF
基于ICEEMDAN-ICSSA-CKELM-TCCA的短期风电功率预测研究
10
作者 韦权 汤占军 贺建峰 《现代电子技术》 2023年第24期39-46,共8页
为了提高风电功率预测的准确性,基于信号分解、优化算法和误差修正,提出一种ICEEMDAN-ICSSA-CKELMTCCA的风电功率预测组合模型。首先采用改进的带自适应噪声的完全集成经验模式分解(ICEEMDAN)和样本熵原理,对原始功率序列进行分解和重构... 为了提高风电功率预测的准确性,基于信号分解、优化算法和误差修正,提出一种ICEEMDAN-ICSSA-CKELMTCCA的风电功率预测组合模型。首先采用改进的带自适应噪声的完全集成经验模式分解(ICEEMDAN)和样本熵原理,对原始功率序列进行分解和重构,得到更适合提取特征的新序列。然后,建立包含Poly核函数、RBF核函数的组合核极限学习机(CKELM)对新的序列进行初步预测,并利用融合了Tent混沌映射、动态惯性权重和自适应t变异策略的改进混沌麻雀搜索算法(ICSSA)对其参数进行优化,提升CKELM预测性能。最后将时间卷积网络(TCN)与高效通道注意力机制(ECA)组合搭建为TCCA模型,对初步预测结果进行修正。以中国云南省某风电场的数据为例进行多组实验,结果表明该模型针对风电功率具有较高的预测精度。 展开更多
关键词 短期风电功率预测 自适应噪声的完全集成经验模式分解 混沌麻雀搜索算法 组合核极限学习机 样本熵 时间卷积网络
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