基于IDBO-BP的喷墨印刷液滴质量预测的方法研究

1

作者 李莹 娄杨伟 +2 位作者 李海山 何自芬 刘梦莲 《包装工程》 北大核心 2025年第11期174-184,共11页

目的实现喷墨印刷液滴质量的精准预测和控制,提升喷墨印刷质量。方法提出一种改进的蜣螂优化器(Improved dung beetle optimizer,IDBO)来优化反向传播(Back propagation,BP)神经网络的模型,以精确预测喷墨印刷过程中的液滴质量。首先,... 目的实现喷墨印刷液滴质量的精准预测和控制,提升喷墨印刷质量。方法提出一种改进的蜣螂优化器(Improved dung beetle optimizer,IDBO)来优化反向传播(Back propagation,BP)神经网络的模型,以精确预测喷墨印刷过程中的液滴质量。首先,采用动态反向学习策略初始化种群,以增强种群的多样性和均匀性;其次,引入黄金正弦因子,提升算法的收敛速度和寻优精度,同时平衡局部和全局搜索能力。结果通过对9个基准测试函数的性能评估,IDBO算法展现出更优的收敛精度和更快的收敛速度。应用IDBO优化的BP神经网络进行液滴质量预测,IDBO-BP模型显著降低了均方根误差(Root mean square error,RMSE)和平均绝对误差(Mean bsolute error,MAE),最高分别降低了48%和38%,同时拟合优度(R^(2))提升了3%。结论结果证实IDBO-BP模型在预测喷墨印刷液滴质量方面的优越性能,并验证了其在喷墨印刷领域的应用潜力。 展开更多

关键词 改进蜣螂优化器 动态反向学习策略 黄金正弦因子 idbo-BP模型 喷墨液滴质量预测

在线阅读 下载PDF 职称材料

基于VMD-IDBO-LSTM的光伏功率预测模型 被引量：1

2

作者 乔雅宁 贾宇琛 +1 位作者 高立艾 温鹏 《现代电子技术》 北大核心 2025年第6期168-174,共7页

针对光伏发电功率波动性强和预测准确度低的问题,提出一种基于变分模态分解(VMD)、改进蜣螂算法(IDBO)优化长短期记忆(LSTM)网络的光伏功率预测模型。利用VMD对光伏功率时序数据进行分解,得到不同频率但具有一定规律的子序列,从而达到... 针对光伏发电功率波动性强和预测准确度低的问题,提出一种基于变分模态分解(VMD)、改进蜣螂算法(IDBO)优化长短期记忆(LSTM)网络的光伏功率预测模型。利用VMD对光伏功率时序数据进行分解,得到不同频率但具有一定规律的子序列,从而达到减少光伏功率波动性的目的。利用可变螺旋搜索策略、Lévy飞行策略和自适应t分布变异策略来改进蜣螂算法,对改进后的蜣螂算法与其他优化算法进行性能测试对比,经过改进的蜣螂算法来优化LSTM中的网络隐含层个数和初始学习速率并建立预测模型,将各个子序列的预测值相加,从而得出最后的预测功率结果。通过实际算例表明,与LSTM预测模型、DBO-LSTM预测模型、VMD-DBO-LSTM预测模型相比,VMD-IDBO-LSTM模型预测精度较高,更具有准确性。 展开更多

关键词 光伏发电 功率预测 变分模态分解 改进蜣螂算法 长短期记忆网络 优化算法

在线阅读 下载PDF 职称材料

基于IDBO-HKELM-Adaboost的煤与瓦斯突出危险性预测方法

3

作者 李曼 徐耀松 +1 位作者 王雨虹 王丹丹 《传感技术学报》 北大核心 2025年第3期477-486,共10页

为实现更加高效准确地完成煤与瓦斯突出危险性预测,提出了一种采用Adaboost算法增强的改进蜣螂算法(IDBO)优化混合核极限学习机(HKELM)的预测模型。首先,在数据降维时采用核主成分分析(KPCA)对影响因素进行处理并提取有效的特征量,得到... 为实现更加高效准确地完成煤与瓦斯突出危险性预测,提出了一种采用Adaboost算法增强的改进蜣螂算法(IDBO)优化混合核极限学习机(HKELM)的预测模型。首先,在数据降维时采用核主成分分析(KPCA)对影响因素进行处理并提取有效的特征量,得到预处理样本数据。将PWLCM混沌映射、非线性递减策略以及邻域学习机制融入到蜣螂算法中,之后,利用IDBO对HKELM的关键参数进行寻优,构建IDBO-HKELM煤与瓦斯突出危险性分类预测模型。最后,使用Adaboost算法对IDBO-HKELM模型进行增强。结合工程实际数据进行验证,验证结果表明:相较于其他模型,基于IDBO-HKELM-Adaboost的预测方法具有更高的预测精度,在提高运算效率的同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到97.44%。 展开更多

关键词 煤与瓦斯突出 突出预测 改进蜣螂算法 混合核极限学习机 核主成分分析 预测模型

在线阅读 下载PDF 职称材料

基于ICEEMDAN-PE和IDBO-Informer组合模型的短期负荷预测

4

作者 于多 曹燚 +2 位作者 王海荣 赵翱东 曹倩 《中国电力》 北大核心 2025年第6期19-32,共14页

针对传统方法在处理复杂负荷数据时存在的噪声处理不足、特征提取能力有限及模型训练复杂等问题,提出了一种基于改进完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)-置... 针对传统方法在处理复杂负荷数据时存在的噪声处理不足、特征提取能力有限及模型训练复杂等问题,提出了一种基于改进完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)-置换熵(permutation entropy,PE)和改进蜣螂优化算法(improved dung beetle optimizer,IDBO)-Informer的创新组合预测模型。首先,该模型通过小波软阈值去噪算法预处理原始负荷数据,减少噪声干扰。其次,利用ICEEMDAN多尺度分解负荷数据,精准捕捉负荷特征,并采用置换熵评估分量复杂度。最后,对蜣螂优化算法进行改进,通过融合混沌与逆向学习策略进行种群初始化,引入自适应步长与凸透镜逆成像策略及随机差异变异策略,优化Informer预测模型参数,显著提升预测效率与准确性。实验结果表明,该模型在短期负荷预测中表现出色,平均绝对误差为81.3 MW(原始负荷数据范围约为500 MW至1 500 MW),均方根误差为109.2 MW,拟合系数评分为0.991,远优于传统方法,充分验证了模型的创新性和优越性。 展开更多

关键词 负荷预测 ICEEMDAN 改进蜣螂优化算法 INFORMER

在线阅读 下载PDF 职称材料

基于KNN-IDBO-LSTM的光伏短期发电预测方法研究

5

作者 皮琳琳 田立国 《太阳能学报》 北大核心 2025年第5期320-330,共11页

提出一种基于K-近邻(KNN)数据预处理和改进蜣螂算法(IDBO)优化的长短期记忆神经网络(LSTM)光伏出力预测模型。首先,采用KNN补全缺失数据并校正异常数据,并提取易于训练的时序特征;然后,提出一种基于IDBO的LSTM模型参数优化方法,在原始DB... 提出一种基于K-近邻(KNN)数据预处理和改进蜣螂算法(IDBO)优化的长短期记忆神经网络(LSTM)光伏出力预测模型。首先,采用KNN补全缺失数据并校正异常数据,并提取易于训练的时序特征;然后,提出一种基于IDBO的LSTM模型参数优化方法,在原始DBO的基础上,采用种群均匀初始化策略,融合Levy飞行进行蜣螂位置迭代,引入种群密度概念动态调整种群数量,在保证全局搜索能力的同时大幅降低搜索时间;最后,基于澳大利亚某光伏阵列数据评估优化后模型预测性能。结果表明:在晴天、多云和雨天3种情况下,相比于KNN-LSTM,KNN-IDBO-LSTM的决定系数(R2)最高提升2.67%、均方根误差(RMSE)最高降低71.2%、平均绝对误差(MAE)最高降低79.9%、运行时间减少33.6%。 展开更多

关键词 光伏发电预测 长短期记忆神经网络 改进蜣螂优化算法 数据挖掘

在线阅读 下载PDF 职称材料

基于IDBO-BP与PSO的超声冲击薄板激光焊接残余应力预测与工艺优化

6

作者 薛欢 张洛源 +4 位作者 张文谦 徐赛清 彭萧剑 郭畅 苏子傲 《现代制造工程》 北大核心 2025年第3期9-18,共10页

45Mn薄板在激光焊接过程中产生的残余拉应力,将对其强度、韧性以及疲劳寿命产生不利的影响。采用多种超声冲击工艺对薄板表面进行强化,并提出一种对薄板超声冲击工艺参数的多目标优化方法。首先,通过有限元冲击仿真得到了不同冲击工艺... 45Mn薄板在激光焊接过程中产生的残余拉应力,将对其强度、韧性以及疲劳寿命产生不利的影响。采用多种超声冲击工艺对薄板表面进行强化,并提出一种对薄板超声冲击工艺参数的多目标优化方法。首先,通过有限元冲击仿真得到了不同冲击工艺参数下薄板表面残余应力的数据集;然后,以仿真数据集为基础,采用IDBO-BP神经网络成功建立了冲击工艺参数与表面残余应力之间的非线性映射关系。通过IDBO-BP神经网络与BP、GA-BP、PSO-BP和DBO-BP等神经网络对比,发现IDBO-BP神经网络预测薄板表面残余应力的精度更高,MAE和R 2这2种评价指标分别为0.0683和0.9974,表明该模型可以有效地预测超声冲击薄板后的残余应力;最后,以超声冲击工艺参数为设计变量,以最小残余应力、最小冲击电流和最小冲击时间为优化目标,结合IDBO-BP神经网络和PSO算法,得到与超声冲击工艺参数对应的残余应力、冲击电流和冲击时间Pareto最优解集。结果显示,优化后的冲击工艺有效提高了加工效率和加工能效。 展开更多

关键词 45Mn 超声冲击 改进蜣螂优化算法 残余应力 多目标优化

在线阅读 下载PDF 职称材料

基于IDBO-HKELM的冷水机组故障诊断方法

7

作者 王宏 储盼 +3 位作者 管大松 郭洋 田增瑞 盛英杰 《科学技术与工程》 北大核心 2025年第22期9505-9513,共9页

冷水机组作为建筑中的关键设备和主要能耗源,若其发生故障不仅会影响系统的正常运行,还会造成严重的能源浪费。为提升冷水机组系统运行的可靠性,构建了一种多策略改进蜣螂优化算法(improve dung beetle optimizer,IDBO)和混合核极限学习... 冷水机组作为建筑中的关键设备和主要能耗源,若其发生故障不仅会影响系统的正常运行,还会造成严重的能源浪费。为提升冷水机组系统运行的可靠性,构建了一种多策略改进蜣螂优化算法(improve dung beetle optimizer,IDBO)和混合核极限学习机(hybrid kernel extreme learning machine,HKELM)融合的故障诊断模型,用于实现冷水机组早期故障的精确诊断。该模型首先采用混合核函数提高核极限学习机(kernel extreme learning machine,KELM)的学习能力和泛化性,其次将Bernoulli映射、自适应惯性因子和Levy飞行融合动态权重系数策略用于改进蜣螂优化算法(dung beetle optimizer,DBO),以平衡DBO算法的全局探索性能。最后通过基准函数验证IDBO算法的有效性,利用IDBO算法对HKELM超参数进行优化,从而构建用于冷水机组早期故障诊断的数据驱动模型。通过相关训练仿真和实验验证,所提出的IDBO-HKELM模型对冷水机组的早期故障诊断准确率提高到99.71%,对比其他算法具有明显优势。 展开更多

关键词 冷水机组 群体算法 HKELM idbo算法 故障诊断

在线阅读 下载PDF 职称材料

基于误差补偿及IDBO-BiLSTM的风电功率短期预测

8

作者 魏振宇 姜雪松 杨立发 《科学技术与工程》 北大核心 2025年第6期2397-2405,共9页

针对风电出力稳定性差、随机性强而导致的模型精度差的问题。提出了一种基于二次分解误差补偿的风电功率短期预测模型。首先建立双向长短期记忆(bidirectional long short-term memory,BiLSTM)预测模型对风电功率进行预测并输出预测误... 针对风电出力稳定性差、随机性强而导致的模型精度差的问题。提出了一种基于二次分解误差补偿的风电功率短期预测模型。首先建立双向长短期记忆(bidirectional long short-term memory,BiLSTM)预测模型对风电功率进行预测并输出预测误差。其次,采用了一种利用混沌映射初始化种群、引入黄金正弦策略更新滚球蜣螂位置,并添加动态自适应性权重系数来更新偷窃蜣螂的位置的改进蜣螂优化算法(improved dung beetle optimizer,IDBO)对预测模型参数寻优,防止网络陷入局部最优解,自适应搜寻最优参数组合。然后,采用分解-重构-分解的策略,利用自适应噪声的完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)进行首次分解,并且引入样本熵(sample entropy,SE)与K均值(K-means)将序列按频率进行重构并通过变分模态分解(variational mode decomposition,VMD)将高频误差序列分解成不同频段的误差序列,提高后续模型的预测效率及预测精度。最后,将各分量输入误差补偿模型进行预测并引入Attention机制学习不同时间步的特征关系,并给与不同权重值,加强对关键信息的注意力。通过新疆达坂城风电场实测数据验证了所提模型预测精度高,具有显著优势。 展开更多

关键词 风电功率短期预测 双向长短期记忆网络 改进蜣螂优化算法 完全集合经验模态分解 变分模态分解

在线阅读 下载PDF 职称材料

基于K-means SMOTE和IDBO-RF岩爆烈度等级预测模型 被引量：3

9

作者 温廷新 王泽锋 《中国安全生产科学技术》 CAS CSCD 北大核心 2024年第6期140-146,共7页

为解决岩爆数据集不均衡和模型参数寻优困难等问题,提出1种基于K-means SMOTE与改进蜣螂算法优化随机森林(random forest,RF)的预测模型。首先,分析岩爆发生机理构建指标体系;其次,使用K-means SMOTE算法对岩爆数据集进行均衡化处理,采... 为解决岩爆数据集不均衡和模型参数寻优困难等问题,提出1种基于K-means SMOTE与改进蜣螂算法优化随机森林(random forest,RF)的预测模型。首先,分析岩爆发生机理构建指标体系;其次,使用K-means SMOTE算法对岩爆数据集进行均衡化处理,采用Robust标准化消除量纲;最后,引入Tent混沌映射和非线性递减策略组合改进蜣螂优化(improved dung beetle optimizer,IDBO)算法,寻优RF超参数,建立岩爆烈度等级预测模型(IDBO-RF)并与其他模型对比验证其有效性。研究结果表明:数据均衡处理后,各模型准确率提高10.85%~16.02%;设计的IDBO-RF预测模型平均准确率约为94.37%,较RF、GWO-RF、DBO-RF模型分别提高约7.76百分点、1.69百分点、1.11百分点;IDBO-RF预测模型准确率最高约为96.43%,优于RF、GWO-RF、DBO-RF模型。研究结果可为解决岩爆预测问题提供一定参考。 展开更多

关键词 数据均衡 改进蜣螂优化(idbo) 随机森林 岩爆烈度等级 预测模型

在线阅读 下载PDF 职称材料

基于WPT-IDBO-RELM和WPT-IDMO-RELM模型的日径流预测 被引量：3

10

作者 李菊 崔东文 《水利水电科技进展》 CSCD 北大核心 2024年第6期48-55,85,共9页

为提高日径流时间序列预测精度,改进正则化极限学习机(RELM)的预测性能,对比验证改进蜣螂优化(IDBO)算法和改进侏獴优化(IDMO)算法与其他算法的优化效果,提出了基于小波包变换(WPT)的WPT-IDBO-RELM和WPT-IDMO-RELM日径流时间序列预测模... 为提高日径流时间序列预测精度,改进正则化极限学习机(RELM)的预测性能,对比验证改进蜣螂优化(IDBO)算法和改进侏獴优化(IDMO)算法与其他算法的优化效果,提出了基于小波包变换(WPT)的WPT-IDBO-RELM和WPT-IDMO-RELM日径流时间序列预测模型。对云南省暮底河水库、马鹿塘电站入库日径流进行预测,结果表明WPT-IDBO-RELM和WPT-IDMO-RELM模型对暮底河水库日径流预测的平均绝对百分比误差分别为1.048%、1.015%,对马鹿塘电站日径流预测的平均绝对百分比误差分别为1.493%、1.478%,优于其他对比模型;IDBO、IDMO算法对标准测试函数和实例目标函数的寻优效果均优于其他对比算法,且IDBO、IDMO算法优化效果越好,RELM超参数越优,WPT-IDBO-RELM、WPT-IDMO-RELM模型预测精度越高;WPT可将日径流序列分解为分量更少、规律性更强的子序列分量,在提高预测精度的同时显著降低模型复杂度和计算规模。 展开更多

关键词 日径流预测 正则化极限学习机 改进蜣螂优化算法 改进侏獴优化算法 小波包变换

在线阅读 下载PDF 职称材料

基于IDBO-PID的联合收获机割台控制系统

11

作者 张峰硕 苑严伟 +2 位作者 刘阳春 王洋 杨悦 《农业工程》 2024年第10期21-28,共8页

该研究专注于提升无人农场联合收获机在复杂地形作业时,割台高度控制的精确性与响应速度。首先,提出了一种基于双倾角传感器的高度检测补偿方法,通过最小二乘法拟合建立割台倾角与高度的相关模型,相关系数0.9958,显著提高测量准确性。随... 该研究专注于提升无人农场联合收获机在复杂地形作业时,割台高度控制的精确性与响应速度。首先,提出了一种基于双倾角传感器的高度检测补偿方法,通过最小二乘法拟合建立割台倾角与高度的相关模型,相关系数0.9958,显著提高测量准确性。随后,引入群智能算法优化的PID控制策略,利用Bernoulli混沌映射、粒子群算法(PSO)、t分布扰动改进蜣螂优化算法,解决了传统PID控制的精度低和响应慢等问题。基于这些优化,IDBO-PID控制器在仿真对比中相较于DBO-PID和传统PID,具有更优的响应速度和稳定性。试验验证表明,改进的控制策略使割台的上升速度达到0.44m/s、下降速度达到0.32m/s,并且高度误差控制在0.02m内,满足作业需求。 展开更多

关键词 无人农场 联合收获机 割台高度 双倾角传感器 改进蜣螂优化算法 idbo-PID

在线阅读 下载PDF 职称材料

基于二次分解和IDBO-DABiLSTM的短期风电功率预测模型

12

作者 卢苡锋 王霄 《计算机工程》 CAS CSCD 北大核心 2024年第12期99-109,共11页

为提高风电功率预测精度,针对风电的强波动性和高随机性,提出一种基于二次分解和改进蜣螂优化算法(IDBO)-双重注意力双向长短期记忆(DABiLSTM)网络的风电功率预测模型。首先,采用自适应噪声的完全集合经验模态分解(CEEMDAN)和小波包分解... 为提高风电功率预测精度,针对风电的强波动性和高随机性,提出一种基于二次分解和改进蜣螂优化算法(IDBO)-双重注意力双向长短期记忆(DABiLSTM)网络的风电功率预测模型。首先,采用自适应噪声的完全集合经验模态分解(CEEMDAN)和小波包分解(WPD)构成一种二次分解方法对历史风电功率和风速数据进行分解,降低初始序列的随机性和非平稳性。其次,在BiLSTM网络的基础上,加入特征和时间注意力机制,建立DABiLSTM模型,充分挖掘特征间的关联性和时间序列间的长时间依赖性。最后,采用黄金正弦算法来优化滚球蜣螂的位置,从而增强算法在局部和全局的探索能力,同时引入动态权重系数改进偷窃蜣螂的位置,以平衡算法在全局和局部的探索能力,提出IDBO,并用其优化DABiLSTM网络的超参数,防止网络陷入局部最优解。采用贵州某风电场实际数据对所提模型进行实验,结果表明该方法能有效提升模型的预测能力,所提出的模型的均方根误差(RMSE)和平均绝对误差(MAE)在单步预测下分别为0.0449和0.0312 MW,与其他模型相比,分别平均降低了36.9%和31.7%,表现出较好的预测精度和鲁棒性。 展开更多

关键词 风电功率预测 二次分解 双向长短期记忆网络 改进蜣螂优化算法 注意力机制

在线阅读 下载PDF 职称材料

基于数据驱动和机理模型的机械钻速预测 被引量：1

13

作者 郑双进 江厚顺 +4 位作者 熊梦园 孟胡 詹炜 程荣升 王立辉 《钻采工艺》 北大核心 2025年第1期78-87,共10页

为准确预测复杂工况下的机械钻速,提出了一种基于数据驱动和机理模型的机械钻速预测方法。首先对收集的8000余条钻井数据进行斯皮尔曼和曼特尔特性分析,筛选出有效施工参数,采用变分模态分解算法(VMD)进行数据降噪,然后构建时序卷积网... 为准确预测复杂工况下的机械钻速,提出了一种基于数据驱动和机理模型的机械钻速预测方法。首先对收集的8000余条钻井数据进行斯皮尔曼和曼特尔特性分析,筛选出有效施工参数,采用变分模态分解算法(VMD)进行数据降噪,然后构建时序卷积网络结合长短期记忆网络(TCN-LSTM)作为数据驱动模型,并融合多元钻速预测机理模型,通过物理约束增强数据驱动模型的准确性与可解释性,实验表明融合模型比单一数据驱动模型或机理模型预测精度更高。随后,为进一步提升模型性能,采用了改进的蜣螂优化算法(IDBO)对TCN-LSTM模型进行优化,通过改进种群初始化和更新策略,实现了参数的高效搜索。消融实验及现场应用结果表明,对比BP、RF、LSTM、TCN模型,TCN-LSTM-IDBO模型可以实现机械钻速的精确预测,并且具有较好的泛化能力,可为钻井施工人员提供有力参考。 展开更多

关键词 机械钻速预测 时序卷积网络 长短期记忆网络 变分模态分解 蜣螂优化算法 数据分析

在线阅读 下载PDF 职称材料

基于改进型蜣螂算法Fuzzy-Smith-LADRC混凝投药 被引量：1

14

作者 王文成 余智科 郑诗翰 《电子测量技术》 北大核心 2025年第3期10-17,共8页

二十届三中全会强调全面落实深化改革水利任务,其中居民饮用水是重点民生任务,混凝工艺是饮用水处理的关键环节。由于混凝过程具有大时滞特性,故对于原水水质频繁变化的控制系统,常规的PID控制不能达到满意的效果。为此,将一种不依赖系... 二十届三中全会强调全面落实深化改革水利任务,其中居民饮用水是重点民生任务,混凝工艺是饮用水处理的关键环节。由于混凝过程具有大时滞特性,故对于原水水质频繁变化的控制系统,常规的PID控制不能达到满意的效果。为此,将一种不依赖系统精确模型的线性自抗扰控制器(LADRC)应用于系统中,利用扩张观测器对混凝控制系统中出现的扰动进行估计并补偿,同时设计史密斯预估器(Smith)与模糊控制器(Fuzzy)相结合的自适应史密斯控制器来消除大时滞对控制效果的影响,提出Fuzzy-Smith-LADRC控制器。针对控制器参数调节困难而引入改进型蜣螂算法(MSIDBO)进行参数整定。改进型算法对DBO算法中初始种群分布不均匀、易陷入局部最优解等问题进行优化,使得MSIDBO能快速收敛并更好平衡全局探索与局部开发能力。系统模型精确时,该控制方法比PID控制的调节时间减少279 s和超调量降低8%,比DMC控制的调节时间减少40 s,系统模型变化时,相比LADRC具有更好的抗干扰性与鲁棒性。 展开更多

关键词 混凝工艺 模糊史密斯预估-线性自抗扰 改进蜣螂算法 参数优化

在线阅读 下载PDF 职称材料

基于改进蜣螂优化算法深度混合核极限学习机的高压断路器故障诊断

15

作者 范兴明 许洪华 +3 位作者 张思舜 李涛 蒋延军 张鑫 《电工技术学报》 北大核心 2025年第12期3994-4003,共10页

针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的... 针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的固有模态分量(IMF);其次,提取各IMF分量的功率谱熵构建特征向量矩阵,并利用t分布-随机邻域嵌入算法(t-SNE)对特征向量进行数据降维;然后,引入融合Tent混沌映射、黄金正弦策略、自适应t分布扰动策略对传统蜣螂优化算法(DBO)进行改进,并使用IDBO对DHKELM进行参数优化,完成IDBO-DHKELM高压断路器故障诊断模型的构建;最后,通过搭建模拟故障的实物断路器实验平台进行验证,结果表明,该文提出的方法在故障诊断上的准确率达到了98.33%,相较于其他故障诊断模型在多项分类评价指标上均有显著提升,为准确、可靠地诊断高压断路器机械故障提供了新方案。 展开更多

关键词 高压断路器 改进蜣螂优化算法 深度混合核极限学习机 故障诊断 逐次变分模 态分解

在线阅读 下载PDF 职称材料

极薄煤层破碎顶板条件下液压支架带压移架残余支撑力决策方法

16

作者 张传伟 张刚强 +4 位作者 路正雄 李林岳 何正伟 龚凌霄 黄骏峰 《工矿自动化》 北大核心 2025年第3期22-31,38,共11页

在破碎顶板条件下,液压支架带压移架过程中残余支撑力的精准决策对于提高极薄煤层智能化开采效率和保障作业安全至关重要。为实现极薄煤层破碎顶板条件下液压支架带压移架残余支撑力的准确决策,提出了一种基于改进蜣螂算法(IDBO)优化深... 在破碎顶板条件下,液压支架带压移架过程中残余支撑力的精准决策对于提高极薄煤层智能化开采效率和保障作业安全至关重要。为实现极薄煤层破碎顶板条件下液压支架带压移架残余支撑力的准确决策,提出了一种基于改进蜣螂算法(IDBO)优化深度混合核极限学习机(DHKELM)的液压支架带压移架残余支撑力决策方法。在混合核极限学习机(HKELM)基础上引入极限学习机自动编码器(ELM-AE)结构来构建DHKELM模型,以增强对复杂输入的特征提取和非线性映射能力;引入ICMIC混沌映射、Lévy飞行和贪婪策略对蜣螂算法(DBO)进行改进,形成具备更高寻优精度和更快收敛速度的IDBO算法;利用IDBO算法优化DHKELM模型的超参数,建立IDBO-DHKELM模型。结合极薄煤层综采工作面液压支架带压移架实测数据,通过可视化和相关性分析,确定支架号、带压移架前支架支撑力、推移油缸进液压力和推移油缸行程变化速度作为影响残余支撑力的关键特征,并构建残余支撑力决策样本数据集,最终完成IDBO-DHKELM模型的训练与评估。实验结果表明:基于IDBO-DHKELM模型的液压支架带压移架残余支撑力决策结果的均方根误差(RMSE)、平均绝对误差(MAE)及决定系数(R^(2))分别为0.143,0.119,0.971,具有较高的决策精确度。 展开更多

关键词 极薄煤层 液压支架 带压移架 残余支撑力 改进蜣螂算法 深度混合核极限学习机

在线阅读 下载PDF 职称材料

碳纤维复合材料-金属混合机械臂的改进动力学辨识方法

17

作者 洪博锴 孟婥 +1 位作者 张豪 孙以泽 《东华大学学报(自然科学版)》 北大核心 2025年第1期119-130,共12页

针对三维编织的机械臂与理论设计的参数存在偏差,导致机械臂在运行时产生扰动力矩的问题,采用改进蜣螂算法(improved dung beetle optimizer,IDBO)和加权最小二乘法的改进动力学参数辨识方法,分步辨识非线性斯特里贝克(Stribeck)摩擦力... 针对三维编织的机械臂与理论设计的参数存在偏差,导致机械臂在运行时产生扰动力矩的问题,采用改进蜣螂算法(improved dung beetle optimizer,IDBO)和加权最小二乘法的改进动力学参数辨识方法,分步辨识非线性斯特里贝克(Stribeck)摩擦力矩、线性惯性力矩、科氏向心力矩和重力矩。为设计激励轨迹,引入周期性傅里叶级数和五次多项式,采用IDBO设计最优激励轨迹,获取机械臂在最优激励轨迹下的实时状态,确定其动力学参数并建立动力学模型。试验以碳纤维复合材料和45钢混合的大臂机器人为对象。结果表明:考虑非线性摩擦力矩的改进动力学参数辨识方法有效提高了动力学模型精度,与仅考虑线性摩擦力矩的常规方法相比,关节1~6的预测力矩误差均方根(RMS)减小25.6%~47.9%。 展开更多

关键词 机械臂 碳纤维复材-金属混合 动力学参数辨识 改进蜣螂算法 激励轨迹

在线阅读 下载PDF 职称材料

融合网络重构技术的配电网无功优化双层模型

18

作者 李东阳 李永刚 +1 位作者 吴滨源 王小雪 《电力系统及其自动化学报》 北大核心 2025年第3期27-36,共10页

针对分布式新能源大规模接入、配电网运行和调控压力逐年增大、电压越限问题凸显的问题,本文提出一种融合网络重构技术的无功优化双层模型。首先,以减少配电网运行成本为目标,考虑分布式电源和无功补偿设备的协调控制,建立无功优化上层... 针对分布式新能源大规模接入、配电网运行和调控压力逐年增大、电压越限问题凸显的问题,本文提出一种融合网络重构技术的无功优化双层模型。首先,以减少配电网运行成本为目标,考虑分布式电源和无功补偿设备的协调控制,建立无功优化上层模型;其次,以网损成本和重构成本最小为目标,融合网络重构技术,建立下层重构模型;然后,基于多策略方法改进蜣螂优化算法,实现对双层模型的快速求解;最后,以IEEE33节点系统为算例,对所提的双层优化模型进行仿真验证。算例结果表明,所提的双层优化模型可以有效改善配电网的电压分布,降低运行成本。 展开更多

关键词 配电网 无功优化 网络重构 双层模型 改进蜣螂优化算法

在线阅读 下载PDF 职称材料

基于改进蜣螂优化算法的短期风电功率预测

19

作者 蒋建东 张海峰 郭嘉琦 《郑州大学学报(工学版)》 北大核心 2025年第4期129-136,共8页

为了提高短期风电功率预测的准确度,建立了一种基于POTDBO-VMD-CNN-BiLSTM的短期风电功率预测模型。首先,采用融合Piecewise混沌映射、鱼鹰优化算法和自适应T分布扰动3种策略对蜣螂优化算法进行改进,以平衡蜣螂优化算法的全局探索和局... 为了提高短期风电功率预测的准确度,建立了一种基于POTDBO-VMD-CNN-BiLSTM的短期风电功率预测模型。首先,采用融合Piecewise混沌映射、鱼鹰优化算法和自适应T分布扰动3种策略对蜣螂优化算法进行改进,以平衡蜣螂优化算法的全局探索和局部开发能力并加快其收敛速度;其次,用改进的蜣螂优化算法(POTDBO)对变分模态分解(VMD)的分解数K和惩罚因子α进行寻优处理,提高VMD的分解效果,再用POTDBO-VMD模型对风电功率进行分解;最后,将分解的各频率分量以及残差分量分别输入到CNN-BiLSTM混合模型中预测,再将各频率分量以及残差分量的预测结果进行序列重构得到风电功率预测结果。通过新疆某风电场和吉林某风电场的实际数据对所提出模型进行实验,并和CNN-BiLSTM模型进行对比,结果显示:所提模型在决定系数R^(2)上分别增加了4.21%,7.69%,表现出更好的预测精度。 展开更多

关键词 风电功率预测 改进蜣螂优化算法 变分模态分解 卷积神经网络 双向长短期记忆神经网络

在线阅读 下载PDF 职称材料

基于改进蜣螂算法的光伏发电多峰值MPPT研究

20

作者 王旭辉 侯涛 牛宏侠 《陕西科技大学学报》 北大核心 2025年第3期158-165,共8页

针对目前光伏发电的MPPT控制极易陷入局部最优问题,提出了一种基于改进蜣螂算法的光伏发电多峰值MPPT方法.首先,对光伏电池进行建模和数学分析;然后,在蜣螂算法种群初始化中引入Circle映射,在滚球行为中引入变螺旋搜索策略,提高算法的... 针对目前光伏发电的MPPT控制极易陷入局部最优问题,提出了一种基于改进蜣螂算法的光伏发电多峰值MPPT方法.首先,对光伏电池进行建模和数学分析;然后,在蜣螂算法种群初始化中引入Circle映射,在滚球行为中引入变螺旋搜索策略,提高算法的处理精度;在小偷蜣螂迭代过程中引入凸透镜反向学习策略,克服算法的“早熟”现象.其次,根据光伏阵列功率输出特性确定光伏阵列模型以及算法重启机制.最后,通过Matlab/Simulink仿真,验证了所提方法在处理光伏发电MPPT问题时能够避免陷入局部最优,并提高了MPPT的效果.同时,在局部遮挡和光照突变情况下,追踪精度均达到了99.4%以上. 展开更多

关键词 光伏发电 最大功率点跟踪 改进蜣螂算法 局部遮挡

在线阅读 下载PDF 职称材料