期刊文献+
共找到263篇文章
< 1 2 14 >
每页显示 20 50 100
改进SSA-HKELM模型在海洋弯管剩余寿命预测中的应用 被引量:1
1
作者 骆正山 王良雨 +1 位作者 高懿琼 骆济豪 《安全与环境学报》 北大核心 2025年第5期1770-1779,共10页
针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布... 针对海洋油气弯管剩余寿命预测问题,建立了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混合核极限学习机(Hybrid Kernel Extreme Learning Machine,HKELM)的腐蚀深度预测模型。通过最优拉丁超立方初始化种群分布,采用黄金正弦、Tent混沌扰动和柯西变异提高麻雀搜索算法(Sparrow Search Algorithm,SSA)的收敛速度和搜索能力,运用ISSA算法优化HKELM的网络参数,构建海洋弯管腐蚀深度预测模型。依据改进的ASME B31G剩余强度评价准则,计算最大允许腐蚀深度,结合管道腐蚀发展趋势模型,对薄弱弯管进行腐蚀剩余寿命预测。以某海洋管道弯管试验数据为基础对模型进行验证,模型预测精度高达0.989 7,能较好地预测海洋弯管的最大腐蚀深度及未来腐蚀发展趋势。寿命预测结果表明,部分弯管剩余寿命未超过其预期服役时间,为海洋弯管的安全运维及维修更换提供了决策支持。 展开更多
关键词 安全工程 海洋弯管 剩余寿命 改进麻雀搜索算法 混合核极限学习机 腐蚀深度预测模型
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:1
2
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WPD-ISSA-CA-CNN模型的电厂碳排放预测
3
作者 池小波 续泽晋 +1 位作者 贾新春 张伟杰 《控制工程》 北大核心 2025年第8期1387-1394,共8页
碳排放的准确预测有利于制定合理的碳减排策略。目前,针对电厂碳排放的研究较少,且传统预测模型训练时间过长。基于此,提出一种分量增广输入的WPD-ISSA-CA-CNN碳排放量预测模型,该模型创新性地构建“分解-增广融合预测”策略。首先,利... 碳排放的准确预测有利于制定合理的碳减排策略。目前,针对电厂碳排放的研究较少,且传统预测模型训练时间过长。基于此,提出一种分量增广输入的WPD-ISSA-CA-CNN碳排放量预测模型,该模型创新性地构建“分解-增广融合预测”策略。首先,利用小波包分解(wavelet packet decomposition,WPD)算法将信号按频率特性分解为子序列,再将全部分量增广(component augmentation,CA)作为模型输入,以减少模型的训练时间。其次,考虑到该模型超参数选择困难,利用多策略融合的改进麻雀搜索算法(improved sparrow search algorithm,ISSA)对卷积神经网络(convolutional neural networks,CNNs)的超参数进行寻优。以山西某发电厂2×25 MW锅炉的历史数据为样本,利用5种评价指标将所提模型与BP、LSTM、CNN及其混合模型进行对比。结果表明,所提混合模型在预测火力发电碳排放中各指标均有最佳的准确度且模型训练速度明显提升。 展开更多
关键词 碳排放预测 小波包分解 改进麻雀搜索算法 卷积神经网络
在线阅读 下载PDF
基于SD-ISSA-DALSTM的交通运输业碳排放预测
4
作者 王庆荣 王俊杰 +1 位作者 朱昌锋 郝福乐 《华南理工大学学报(自然科学版)》 北大核心 2025年第5期66-81,共16页
针对交通运输业碳排放数据序列的波动性和非线性影响预测精度的问题,提出了一种结合二次分解、双重注意力机制、改进麻雀搜索算法(ISSA)和长短期记忆(LSTM)网络的交通运输业碳排放预测模型。首先,引入自适应噪声完备集合经验模态分解,... 针对交通运输业碳排放数据序列的波动性和非线性影响预测精度的问题,提出了一种结合二次分解、双重注意力机制、改进麻雀搜索算法(ISSA)和长短期记忆(LSTM)网络的交通运输业碳排放预测模型。首先,引入自适应噪声完备集合经验模态分解,将交通碳排放数据序列分解为不同频率的模态分量,再利用样本熵对各分量复杂度进行量化,并利用变分模态分解对熵值最高的分量进行二次分解,进一步弱化交通碳排放数据序列的波动性和非线性;然后,为挖掘交通碳排放量与其影响因素间的关联性,构建基于双重注意力机制优化的LSTM(DALSTM)模型,在LSTM模型的输入端嵌入特征注意力机制,突出关键输入特征;同时,在输出端嵌入时间注意力机制,提取关键历史时刻信息;最后,结合Circle混沌映射、动态惯性权重因子和混合变异算子策略改进SSA算法,并对各模态分量分别建立ISSA-DALSTM模型,接着对各模态分量预测值进行重构。用所测算的中国交通运输业1990—2019年碳排放数据来对模型进行验证,结果表明,所提模型的均方根误差、均方误差、平均绝对百分比误差分别为5.3088、3.5661、0.4439,均优于其他对比模型,验证了所提模型的有效性。 展开更多
关键词 交通运输业 碳排放预测 二次分解 双重注意力机制 改进麻雀搜索算法
在线阅读 下载PDF
多策略改进的SSA-VMD和BiLSTM的水泵机组特征识别 被引量:1
5
作者 张兼博 曾云 李想 《排灌机械工程学报》 北大核心 2025年第6期588-594,共7页
提出一种ISSA结合VMD与多维统计指标的水泵机组特征提取方法,并将ISSA应用于BiLSTM,以提升后续水泵机组故障特征分类的准确率.首先利用ISSA确定VMD的最佳分解参数,提取高质量的模态分量.随后计算模态分量的多维统计指标,基于此构建综合... 提出一种ISSA结合VMD与多维统计指标的水泵机组特征提取方法,并将ISSA应用于BiLSTM,以提升后续水泵机组故障特征分类的准确率.首先利用ISSA确定VMD的最佳分解参数,提取高质量的模态分量.随后计算模态分量的多维统计指标,基于此构建综合特征向量.最终,将多维特征向量输入故障诊断模型进行特征分类.试验结果表明,在给定数据集下,所提故障诊断方法准确率高达98.75%.同时,为探究所提模型的良好效果,引入SSA,WOA,GTO进行对比分析,结果显示在相同模型条件下,ISSA算法效果明显优于其他优化算法.并且,采用多维统计指标构建特征向量的效果也明显优于利用单一指标作为故障特征.研究成果为处理实际振动信号提供了一种有效解决方案. 展开更多
关键词 水泵机组 特征提取 改进的麻雀搜索算法 多维特征指标 故障诊断
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:1
6
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
多策略改进SSA优化KELM的边坡稳定性预测模型 被引量:13
7
作者 祁云 薛凯隆 +3 位作者 李绪萍 汪伟 白晨浩 吉准泽 《中国安全科学学报》 北大核心 2025年第3期92-98,共7页
为了能够更加精准地预测边坡稳定状态,从而有效预防边坡失稳事故,提出改进麻雀搜索算法(ISSA)与核极限学习机(KELM)相结合的ISSA-KELM边坡稳定性预测模型。首先,将边坡失稳特征中的容重、黏聚力等6个主要影响因素作为预测指标,建立边坡... 为了能够更加精准地预测边坡稳定状态,从而有效预防边坡失稳事故,提出改进麻雀搜索算法(ISSA)与核极限学习机(KELM)相结合的ISSA-KELM边坡稳定性预测模型。首先,将边坡失稳特征中的容重、黏聚力等6个主要影响因素作为预测指标,建立边坡稳定性评价数据集;其次,引入Sine混沌映射、Levy飞行策略、动态自适应权重以及融合最优爆炸策略和反向学习改进麻雀搜索算法(SSA),以提高其全局搜索能力和稳定性;而后利用ISSA优化KELM中的核参数ψ和正则化系数C,提升其预测精度,同时避免KELM出现过拟合现象;最后,对比分析ISSA-KELM模型与SSA-KELM、粒子群优化算法(PSO)-KELM以及PSO-支持向量机(SVM)模型的预测结果,并将ISSA-KELM模型应用于山西某露天煤矿。结果表明:ISSA-KELM模型的准确率、精确率、召回率和F 1分数分别达到了0.9459、1、0.8667和0.929,均优于SSA-KELM、PSO-KELM和PSO-SVM模型,模型的预测结果与实际值最为接近,表明所建ISSA-KELM模型具有较强的泛化能力。 展开更多
关键词 边坡稳定性 预测模型 改进麻雀搜索算法(Issa) 核极限学习机(KELM) 预测指标 混淆矩阵
在线阅读 下载PDF
基于ISSA-BP的地震灾害救援装备需求预测
8
作者 刘浩 石福丽 +2 位作者 罗雷 李文博 李文渊 《中国安全科学学报》 北大核心 2025年第S1期246-251,共6页
为提高地震救援装备调配保障效率,分析国内历史地震救援信息,以受灾人数为预测对象,选取震级、震源深度、地震烈度等8个灾情信息为影响因素,提出一种基于反向传播(BP)神经网络并融合空间金字塔匹配(SPM)混沌映射、正余弦算法和Levy飞行... 为提高地震救援装备调配保障效率,分析国内历史地震救援信息,以受灾人数为预测对象,选取震级、震源深度、地震烈度等8个灾情信息为影响因素,提出一种基于反向传播(BP)神经网络并融合空间金字塔匹配(SPM)混沌映射、正余弦算法和Levy飞行策略的改进麻雀搜索算法(ISSA)的预测模型,结合受灾人数与救援装备间的数量关系,间接预测地震救援装备需求量,并以“12·18积石山地震”救援实例进行验证。结果表明:ISSA-BP模型在预测受灾人数方面精度更高,可有效预测震后受灾人数,从而推算所需救援装备数量。“12·18积石山地震”救援实例验证了模型对震后救援装备需求预测的实用性。 展开更多
关键词 改进麻雀优化算法(Issa) 反向传播(BP) 地震灾害 救援装备 需求预测
在线阅读 下载PDF
基于ISSA-LSTM的塔机短期运行数据预测研究
9
作者 李宏娟 田星宇 +3 位作者 周利东 高崇仁 师泽宁 陈平庚 《中国工程机械学报》 北大核心 2025年第4期606-610,616,共6页
针对塔式起重机运行数据中时序信息的处理需求以及对缺失值缺乏有效处理手段的问题,提出一种基于改进麻雀搜索算法与长短时记忆神经网络的组合预测模型。为了提高塔式起重机短期运行数据预测模型的精度和鲁棒性,引入自适应权重因子、粒... 针对塔式起重机运行数据中时序信息的处理需求以及对缺失值缺乏有效处理手段的问题,提出一种基于改进麻雀搜索算法与长短时记忆神经网络的组合预测模型。为了提高塔式起重机短期运行数据预测模型的精度和鲁棒性,引入自适应权重因子、粒子群算法中速度策略和鹈鹕算法中水面搜寻捕食策略对麻雀搜索算法进行改进,采用某型号塔机运行数据进行仿真实验。实验结果表明:改进麻雀寻优记忆网络(ISSA-LSTM)模型相较于麻雀寻优记忆网络(SSA-LSTM)模型,均方误差和均方根误差均降低,决定系数有所提升,验证了ISSA-LSTM模型的有效性以及优越性。 展开更多
关键词 塔式起重机 缺失值处理 改进麻雀搜索算法 长短时记忆神经网络
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:3
10
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
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:2
11
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-Elman神经网络的爆破振动速度预测
12
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ISSA-P&O算法的光储发电系统MPPT控制技术 被引量:1
13
作者 李晓峰 杨祺 +3 位作者 姜铭琨 倪昊 王珣 靳文星 《可再生能源》 北大核心 2025年第3期400-407,共8页
针对光照强度不均匀造成光伏阵列的输出曲线为多峰曲线,传统最大功率点跟踪(Maximum Power Point Tracking,MPPT)控制算法不能跟踪到全局最大功率的问题,文章提出一种基于改进麻雀搜索算法(Improved the Sparrow Search Algorithm,ISSA... 针对光照强度不均匀造成光伏阵列的输出曲线为多峰曲线,传统最大功率点跟踪(Maximum Power Point Tracking,MPPT)控制算法不能跟踪到全局最大功率的问题,文章提出一种基于改进麻雀搜索算法(Improved the Sparrow Search Algorithm,ISSA)和扰动观察法(Perturbation and Observation Method,P&O)的光储发电系统MPPT控制方法。首先,在跟踪前期,采用混沌映射方式增加ISSA种群多样性,提升算法广泛搜索能力。为了防止算法陷入局部最优,利用萤火虫扰动算法对麻雀个体进行扰动更新;其次,在跟踪后期,使用P&O防止系统在最大功率点附近振荡,保证最大功率点稳定输出;最后,经过算例分析,所提MPPT控制方法实现了不同场景下的快速跟踪、精准输出,能够很好应用地于光储混合发电系统中。 展开更多
关键词 光伏阵列 最大功率点跟踪 改进麻雀搜索算法 扰动观察法 萤火虫扰动算法
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
14
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
基于SSA-CNN-BiLSTM的提升机制动系统故障诊断模型
15
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
基于IAMD-ISSA-LSTM的园区综合能源负荷预测
16
作者 齐天 康琦 +4 位作者 王雅群 张磊 韩雪婷 王佳怡 孟荣华 《三峡大学学报(自然科学版)》 北大核心 2025年第6期88-96,共9页
现代园区能源系统涵盖电能、热能、冷能等多种能源形式,较传统单一能源独立运行模式更能满足能效提升和低碳转型需求.园区多能负荷受生产周期、天气、环境等多因素影响,波动性强,预测误差大将直接导致用能决策不经济.为提高负荷预测准确... 现代园区能源系统涵盖电能、热能、冷能等多种能源形式,较传统单一能源独立运行模式更能满足能效提升和低碳转型需求.园区多能负荷受生产周期、天气、环境等多因素影响,波动性强,预测误差大将直接导致用能决策不经济.为提高负荷预测准确性,需考虑历史数据中的噪声和干扰信息;能源耦合性,即电-热-冷负荷相互转换;不确定性,即天气、环境对负荷的影响.因此,本文提出了“多元时序分解-关键特征提取-预测模型建立-模型参数优化”的多能负荷预测方法.为提高负荷数据有效性,改进了自适应模态分解(improved adaptive modal decomposition,IAMD)进行降噪,得到各负荷自适应寻优分解模式下的子序列,并对降噪后的各负荷子序列进行重构;考虑多元负荷耦合性及随气侯变化特征,采用Spearman相关性分析法对多能负荷及气候因素进行关联分析,提取强相关的多能耦合负荷及气候特征作为预测模型的影响因素;此外,改进了麻雀搜索算法(improved sparrow search algorithm,ISSA)优化长短期记忆神经网络(long short-term memory,LSTM)预测模型的超参数,以提高负荷预测精度.结果表明本文提出的IAMD-ISSA-LSTM预测模型比传统模型精度更优. 展开更多
关键词 自适应模态分解(IAMD) 多能耦合负荷预测 Spearman相关性分析 改进麻雀搜索算法 长短期记忆(LSTM)
在线阅读 下载PDF
基于AMSD-WTSSA-DELM模型的铁路沿线短期风速预测方法
17
作者 尼比江·艾力 张林鍹 +5 位作者 李奕超 景雨啸 高金山 王渊 谢明浩 罗晓龙 《铁道科学与工程学报》 北大核心 2025年第2期543-556,共14页
我国西北地区铁路沿线风速较强且存在非平稳性和波动性,导致风速预测精确度不高、模型泛化性差。基于此,提出一种基于AMSD-WTSSA-DELM的组合预测模型。首先,利用高度非平稳的原始风速序列、分量的长期相关表现、分量所包含的潜在模式及... 我国西北地区铁路沿线风速较强且存在非平稳性和波动性,导致风速预测精确度不高、模型泛化性差。基于此,提出一种基于AMSD-WTSSA-DELM的组合预测模型。首先,利用高度非平稳的原始风速序列、分量的长期相关表现、分量所包含的潜在模式及趋势和周期性等内在信息,进行每步分解处理,分别建立分解条件以及自适应更新阈值;为避免过度分解加入自适应重构方法,分解至无高复杂度分量为止,从而实现适应性较强的自适应多步分解。其次,提出WTSSA算法,即通过在麻雀搜索算法(SSA)中融入混沌映射、自适应权重和自适应t分布扰动策略,提升SSA全局搜索和局部探索能力,加快收敛速度,并通过测试函数验证WTSSA算法的卓越性。然后针对AMSD输出的各分量,分别建立由WTSSA优化权重和偏置的深度极限学习机(DELM)模型。最后汇总所有分量的预测数据,合成最终的预测输出。实验结果表明:模型在2组实际铁路沿线风速数据预测性能上提升效果明显,以第1组实验数据为例,本文方法与DELM相比,平均绝对误差(E_(mae))和均方根误差(E_(rmse))分别降低90.32%和82.25%,决定系数(R^(2))提升43.00%。综上所述,研究成果有效克服了风速的非线性特征导致的时迟问题,具有高泛化性能,能够预测短期风速变化,从而帮助铁路系统做出更有效的安全决策,为列车安全运行提供有力的技术支撑。 展开更多
关键词 短期风速预测 自适应多步分解 深度极限学习机 改进麻雀搜索算法 铁路沿线风速
在线阅读 下载PDF
基于WD-ISSA-LSTM的锂电池剩余使用寿命预测
18
作者 王健 崔俊 +1 位作者 王晓佳 于昊铜 《机械设计与制造》 北大核心 2025年第9期139-144,共6页
锂离子电池是纯电动汽车供能的主要形式,针对目前锂离子电池剩余使用寿命(RUL)预测精度低,模型适应性不强等问题,提出一种WD-ISSA-LSTM的锂电池RUL预测方法。首先对马里兰大学公开数据集中的CX2-36和CX2-38两块电池的原始数据进行小波... 锂离子电池是纯电动汽车供能的主要形式,针对目前锂离子电池剩余使用寿命(RUL)预测精度低,模型适应性不强等问题,提出一种WD-ISSA-LSTM的锂电池RUL预测方法。首先对马里兰大学公开数据集中的CX2-36和CX2-38两块电池的原始数据进行小波降噪处理;其次利用Logistic混沌映射初始化种群和加入动态权重因子去改进麻雀搜索算法(SSA);最后,采用ISSA对长短期记忆网络(LSTM)的超参数进行优化,用优化后的LSTM实现滚动预测。预测结果表明:与单一的LSTM预测相比,预测精度有了很大的提高,均方根误差均保持在1%之内,拟合程度提高了16%,并在CX2-34电池上验证了该方法的适应性。 展开更多
关键词 锂电池 剩余使用寿命 小波降噪 改进麻雀搜索算法 LSTM
在线阅读 下载PDF
基于AMESim和SSA-CNN-BiLSTM的液压启闭机故障诊断
19
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和双层模糊控制的火储联合调频策略
20
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
上一页 1 2 14 下一页 到第
使用帮助 返回顶部