检索结果-维普期刊中文期刊服务平台

基于IEO-MKELM模型的重整产品辛烷值软测量方法: 1; 作者陈晓彦赵超 +2 位作者付斌李卫东范克威《石油与天然气化工》北大核心 2025年第4期131-139,共9页; 目的针对催化重整产品辛烷值测量实时性较差的问题,提出基于改进平衡优化器算法的多核极限学习机(IEOMKELM)辛烷值软测量模型。方法采用混沌映射、反向学习策略、优化非线性因子、莱维飞行和贪心选择策略优化基础平衡算法,获得具有更高... 展开更多; 关键词 IEO-mkelm 平衡优化算法多核极限学习机辛烷值软测量预测模型; 在线阅读下载PDF 职称材料

基于GASF-BMKELM的滚动轴承故障诊断方法: 2; 作者杨锡发王林军 +3 位作者邹腾枭吴振雄李响陈保家《三峡大学学报(自然科学版)》北大核心 2025年第4期96-103,共8页; 针对传统故障诊断方法难以充分提取故障信息以及神经网络依赖初始参数选择的问题,提出一种基于格拉姆角和场(Gramian angular summation field,GASF)与贝叶斯优化多核极限学习机(Bayesian optimization multi-kernel extreme learning m... 展开更多; 关键词滚动轴承格拉姆角和场小波包对数能量图多核极限学习机贝叶斯优化算法故障诊断; 在线阅读下载PDF 职称材料

基于改进MKELM的红外空间锥体目标识别: 3; 作者王彩云常韵 +3 位作者李晓飞王佳宁吴钇达张慧雯《系统工程与电子技术》 EI CSCD 北大核心 2024年第10期3257-3264,共8页; 针对远距离探测时仅能获取目标的红外辐射强度序列、样本量有限、信噪比低而导致目标识别困难的问题,提出一种基于改进多核极限学习机(multiple kernel extreme learning machine,MKELM)的红外空间锥体目标识别方法。首先对红外辐射强... 展开更多; 关键词红外辐射强度序列空间目标识别变分模态分解鲸鱼优化算法多核极限学习机; 在线阅读下载PDF 职称材料

基于IGWO-MKELM的锂离子电池剩余使用寿命预测被引量：2: 4; 作者宋健正刘洋 +1 位作者崔来熙张梦迪《电源学报》 CSCD 北大核心 2023年第1期168-176,共9页; 随着锂离子电池在储能系统中比例迅速增大,为避免因电池性能退化导致的事故,如何准确预测锂离子电池剩余使用寿命就成为保障储能系统可靠运行的关键。针对锂离子电池剩余使用寿命预测的问题,提出一种改进灰狼优化多核极限学习机(IGWO-MK... 展开更多; 关键词锂离子电池剩余使用寿命间接健康因子改进灰狼优化算法多核极限学习机; 在线阅读下载PDF 职称材料

基于模糊C均值聚类-变分模态分解和群智能优化的多核神经网络短期负荷预测模型被引量：29: 5; 作者王煜尘窦银科孟润泉《高电压技术》 EI CAS CSCD 北大核心 2022年第4期1308-1319,共12页; 电力系统的运行和控制中,短期负荷预测(short-term load forecasting,STLF)起着至关重要的作用。由于负荷的随机性和复杂性,准确预测负荷成为一项挑战。该文将结合了模糊C均值聚类(fuzzy C-means clustering,FCM)理论、变分模态分解(var... 展开更多; 关键词模糊C均值聚类变分模态分解混沌粒子群优化多核极限学习机短期负荷预测; 在线阅读下载PDF 职称材料

基于VMD-PSO-多核极限学习机的短期负荷预测被引量：21: 6; 作者吴松梅蒋建东 +1 位作者燕跃豪鲍薇《电力系统及其自动化学报》 CSCD 北大核心 2022年第5期18-25,共8页; 为提高短期负荷预测精度,解决核极限学习机单一核函数难以适应负荷多数据特征的问题,提出了一种基于变分模态分解与粒子群优化的多核极限学习机模型。该模型采用变分模态分解技术将原始负荷序列分解为具有不同特征频率的子序列,并对每... 展开更多; 关键词变分模态分解粒子群优化算法核函数多核极限学习机短期负荷预测; 在线阅读下载PDF 职称材料

题名基于IEO-MKELM模型的重整产品辛烷值软测量方法: 1; 作者陈晓彦赵超付斌李卫东范克威; 机构福州大学化工学院; 出处《石油与天然气化工》北大核心 2025年第4期131-139,共9页; 基金福建省科技计划项目(2022I0023)。; 文摘目的针对催化重整产品辛烷值测量实时性较差的问题,提出基于改进平衡优化器算法的多核极限学习机(IEOMKELM)辛烷值软测量模型。方法采用混沌映射、反向学习策略、优化非线性因子、莱维飞行和贪心选择策略优化基础平衡算法,获得具有更高全局和局部搜索能力的改进平衡算法(IEO)。随后将这一改进后的平衡优化算法应用于多核极限学习机(MKELM)多项参数的优化,进而建立了催化重整产品辛烷值软测量模型。结果利用某炼化企业的实测数据对模型精度进行验证,结果表明,由IEO-MKELM模型得到的预测值与实测值间的误差在10^(−3)数量级以下,与其他同类模型相比,IEO-MKELM模型具有更高的预测精度。结论基于IEO-MKELM的辛烷值软测量方法研究对于提高催化重整生产过程的自动化水平具有重要意义。; 关键词 IEO-mkelm 平衡优化算法多核极限学习机辛烷值软测量预测模型; Keywords IEO-mkelm equilibrium optimizer multiple-kernel extreme learning machine octane number soft sensing prediction model; 分类号 TE624 [石油与天然气工程—油气加工工程]; 在线阅读下载PDF 职称材料

题名基于GASF-BMKELM的滚动轴承故障诊断方法: 2; 作者杨锡发王林军邹腾枭吴振雄李响陈保家; 机构三峡大学水电机械设备设计与维护湖北省重点实验室三峡大学机械与动力学院三峡大学石墨增材制造技术与装备湖北省工程研究中心; 出处《三峡大学学报(自然科学版)》北大核心 2025年第4期96-103,共8页; 基金国家自然科学基金项目(51975324)。; 文摘针对传统故障诊断方法难以充分提取故障信息以及神经网络依赖初始参数选择的问题,提出一种基于格拉姆角和场(Gramian angular summation field,GASF)与贝叶斯优化多核极限学习机(Bayesian optimization multi-kernel extreme learning machine,BMKELM)的故障诊断方法.首先,应用小波包节点对数能量与格拉姆角和场(GASF)将原始振动信号变换为小波包对数能量图特征;其次,使用多项式核函数与径向基核函数加权组合构建多核极限学习机(multi-kernel extreme learning machine,MKELM),同时,利用贝叶斯优化算法优化多核极限学习机的参数来提升诊断模型的故障识别能力;最后,以小波包对数能量图特征作为输入,再使用BMKELM模型完成故障特征识别与分类.通过两个数据集进行验证分析,实验结果表明,所提方法的准确率分别为99.39%和98.89%,具有较高的故障识别率和稳定性.; 关键词滚动轴承格拉姆角和场小波包对数能量图多核极限学习机贝叶斯优化算法故障诊断; Keywords rolling bearing Gramian angular summation field(GASF) wavelet packet logarithmic-energy map multiple-kernel extreme learning machine(mkelm) Bayesian optimization algorithm fault diagnosis; 分类号 TH133.33 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于改进MKELM的红外空间锥体目标识别: 3; 作者王彩云常韵李晓飞王佳宁吴钇达张慧雯; 机构南京航空航天大学航天学院北京电子工程总体研究所; 出处《系统工程与电子技术》 EI CSCD 北大核心 2024年第10期3257-3264,共8页; 基金国家自然科学基金(61301211) 国家留学基金(201906835017)资助课题。; 文摘针对远距离探测时仅能获取目标的红外辐射强度序列、样本量有限、信噪比低而导致目标识别困难的问题,提出一种基于改进多核极限学习机(multiple kernel extreme learning machine,MKELM)的红外空间锥体目标识别方法。首先对红外辐射强度序列进行变分模态分解(variational mode decomposition,VMD)并重构,然后对重构序列进行时域特征提取,最后采用鲸鱼优化算法(whale optimization algorithm,WOA)优化MKELM的参数组合,在仿真生成的空间锥体目标红外辐射强度序列数据集上进行目标分类识别实验。实验结果验证了所提算法的有效性,同时表明所提方法具有较好的识别准确性和鲁棒性。; 关键词红外辐射强度序列空间目标识别变分模态分解鲸鱼优化算法多核极限学习机; Keywords infrared radiation intensity sequence spatial target recognition variational mode decomposition(VMD) whale optimization algorithm(WOA) multiple kernel extreme learning machine(mkelm); 分类号 TP391 [自动化与计算机技术—计算机应用技术] TN219 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于IGWO-MKELM的锂离子电池剩余使用寿命预测被引量：2: 4; 作者宋健正刘洋崔来熙张梦迪; 机构山东理工大学电气与电子工程学院; 出处《电源学报》 CSCD 北大核心 2023年第1期168-176,共9页; 基金国家重点研发计划资助项目(2017YFB0902800) 山东省研究生教育教学改革研究项目(SDYJG19103) 国家电网有限公司科技项目(52094017003D)。; 文摘随着锂离子电池在储能系统中比例迅速增大,为避免因电池性能退化导致的事故,如何准确预测锂离子电池剩余使用寿命就成为保障储能系统可靠运行的关键。针对锂离子电池剩余使用寿命预测的问题,提出一种改进灰狼优化多核极限学习机(IGWO-MKELM)预测方法。首先从电池充放电过程中提取能够表征电池寿命退化的间接健康因子作为输入量,然后采用改进灰狼算法对多核极限学习机参数进行寻优,建立改进灰狼优化多核极限学习机预测方法,最后使用NASA电池数据集进行仿真实验。结果表明,IGWO-MKELM方法可以更加精确地预测锂离子电池剩余寿命。; 关键词锂离子电池剩余使用寿命间接健康因子改进灰狼优化算法多核极限学习机; Keywords lithium-ion battery remaining useful life(RUL) indirect health factors improved grey wolf optimization(IGWO)algorithm multiple kernel extreme learning machine(mkelm); 分类号 TM912 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于模糊C均值聚类-变分模态分解和群智能优化的多核神经网络短期负荷预测模型被引量：29: 5; 作者王煜尘窦银科孟润泉; 机构太原理工大学电气与动力工程学院自然资源部极地科学重点实验室中国极地研究中心; 出处《高电压技术》 EI CAS CSCD 北大核心 2022年第4期1308-1319,共12页; 基金国家重点研发计划(2016YFC1400302) 国家自然科学基金(U1610121) 山西省科技重大专项(20181102028)。; 文摘电力系统的运行和控制中,短期负荷预测(short-term load forecasting,STLF)起着至关重要的作用。由于负荷的随机性和复杂性,准确预测负荷成为一项挑战。该文将结合了模糊C均值聚类(fuzzy C-means clustering,FCM)理论、变分模态分解(variational modal decomposition,VMD)和混沌粒子群优化(chaotic particle swarm optimization,CPSO)算法的多核极限学习机(multi-kernel extreme learning machine,MKELM)引入到预测模型中,构建聚类、分解、优化、训练、预测的负荷预测模型。然后基于已用于中国南极内陆泰山站能源系统的短期负荷预测应用案例,在原有模型基础上改进后获得适用于中国国内用电负荷预测模型。模型训练结果对比表明,该新模型在负荷短期预测中具有较高精度,能够反映区域用电负荷的变化趋势,研究成果为各种场景的用电负荷预测提供了新方法和新思路。; 关键词模糊C均值聚类变分模态分解混沌粒子群优化多核极限学习机短期负荷预测; Keywords fuzzy C-means clustering(FCM) variational modal decomposition(VMD) chaotic particle swarm optimization(CPSO) multi-kernel extreme learning machine(mkelm) short-term load forecasting(STLF); 分类号 TM715 [电气工程—电力系统及自动化] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于VMD-PSO-多核极限学习机的短期负荷预测被引量：21: 6; 作者吴松梅蒋建东燕跃豪鲍薇; 机构郑州大学电气工程学院国网河南省电力公司郑州供电公司; 出处《电力系统及其自动化学报》 CSCD 北大核心 2022年第5期18-25,共8页; 基金国家自然科学基金资助项目(51507155) 河南省研究生教育改革与质量提升工程项目(YJS2021JD02)。; 文摘为提高短期负荷预测精度,解决核极限学习机单一核函数难以适应负荷多数据特征的问题,提出了一种基于变分模态分解与粒子群优化的多核极限学习机模型。该模型采用变分模态分解技术将原始负荷序列分解为具有不同特征频率的子序列,并对每个子序列建立预测模型。负荷预测模型采用粒子群优化的多核极限学习机,其使用混合核函数代替单一的核函数,使其在不同的参数下不仅有良好的局部搜索能力,同时也加强了全局搜索能力。实验表明,该模型拥有更好的回归精度和泛化能力,能够得到更精确的预测结果。; 关键词变分模态分解粒子群优化算法核函数多核极限学习机短期负荷预测; Keywords variational modal decomposition(VMD) particle swarm optimization(PSO)algorithm kernel function multi-kernel extreme learning machine(mkelm) short-term load forecasting(STLF); 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于IEO-MKELM模型的重整产品辛烷值软测量方法	陈晓彦赵超付斌李卫东范克威	《石油与天然气化工》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于GASF-BMKELM的滚动轴承故障诊断方法	杨锡发王林军邹腾枭吴振雄李响陈保家	《三峡大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于改进MKELM的红外空间锥体目标识别	王彩云常韵李晓飞王佳宁吴钇达张慧雯	《系统工程与电子技术》 EI CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于IGWO-MKELM的锂离子电池剩余使用寿命预测	宋健正刘洋崔来熙张梦迪	《电源学报》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
5	基于模糊C均值聚类-变分模态分解和群智能优化的多核神经网络短期负荷预测模型	王煜尘窦银科孟润泉	《高电压技术》 EI CAS CSCD 北大核心	2022	29	在线阅读下载PDF 职称材料
6	基于VMD-PSO-多核极限学习机的短期负荷预测	吴松梅蒋建东燕跃豪鲍薇	《电力系统及其自动化学报》 CSCD 北大核心	2022	21	在线阅读下载PDF 职称材料