期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于双级联架构的接触网螺栓缺陷检测
1
作者
卢杰
魏霞
+3 位作者
张林鍹
于立滨
张剑锐
涂美琪
《铁道标准设计》
北大核心
2025年第7期200-208,共9页
高铁接触网作为列车牵引供电系统中的重要组成部分,保证其稳定运行具有重要意义。螺栓作为接触网的主要紧固件,其正常与否尤为重要,但螺栓在巡检采集图像中具有特征不明显、尺寸过小等问题,使得对于螺栓的缺陷检测研究更加困难。为此,...
高铁接触网作为列车牵引供电系统中的重要组成部分,保证其稳定运行具有重要意义。螺栓作为接触网的主要紧固件,其正常与否尤为重要,但螺栓在巡检采集图像中具有特征不明显、尺寸过小等问题,使得对于螺栓的缺陷检测研究更加困难。为此,提出一种以深度学习为基准的接触网螺栓缺陷检测方法,该方法采用双级联架构的检测原则,将目标检测算法与语义分割算法相结合,实现对螺栓的定位与检测。首先,提出一种新算法YOLO-SAC,通过构造反残差模块、引入可切换的空洞卷积以及对损失函数进行优化处理,分别实现对模型计算量的压缩、深层特征信息的提取、尺寸不一螺栓的识别优化;其次,通过语义分割算法U-Net对螺栓截取图片进行连通域划分,并求其各自的几何中心点位置坐标;最后,提出一种阈值法,实现对螺栓状态的检测。试验结果表明,本文提出的螺栓缺陷检测方法总精度达到93.5%,具有良好的实际工程价值。
展开更多
关键词
高速铁路
接触网螺栓
缺陷检测
SAC
反残差模块
语义分割
在线阅读
下载PDF
职称材料
基于PEMFC-P2G与风光不确定的综合能源系统优化调度
被引量：
16
2
作者
马志侠
张林鍹
+2 位作者
郑兴
谢明浩
杜甜甜
《太阳能学报》
EI
CAS
CSCD
北大核心
2022年第6期441-447,共7页
以氢气为主要燃料的质子交换膜燃料电池是一种良好的清洁能源利用介质,为应对“双碳目标”的挑战,提出基于质子交换膜燃料电池与电转气(P2G)混合储能并考虑系统中风电、光伏出力不确定性因素的综合能源系统模型。首先,对膜燃料电池进行...
以氢气为主要燃料的质子交换膜燃料电池是一种良好的清洁能源利用介质,为应对“双碳目标”的挑战,提出基于质子交换膜燃料电池与电转气(P2G)混合储能并考虑系统中风电、光伏出力不确定性因素的综合能源系统模型。首先,对膜燃料电池进行精细化建模分析;其次,对风电、光伏等新能源采取基于小波变换-神经网络的短期预测;最后,建立包含设备运行维护成本、实时电价政策的外购能源等经济成本以及碳惩罚成本的最小优化目标的混合整数线性规划模型,且以系统安全稳定运行为约束。某园区的算例分析结果表明,所提出的考虑新能源出力与PEMFC-P2G混合储能优化模型能有效降低运行成本、减少碳排放,具有良好的经济性与环保性。
展开更多
关键词
质子交换膜燃料电池
储能
小波变换
风电
综合能源系统
碳惩罚成本
在线阅读
下载PDF
职称材料
基于自适应二次分解与CNN-BiLSTM的超短期风电功率预测
被引量：
8
3
作者
马志侠
张林鍹
+3 位作者
巴音塔娜
谢明浩
张盼盼
王馨
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第6期429-435,共7页
为提高风电功率预测精度,提出基于自适应二次模态分解(QMD)、卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的超短期风电功率预测模型。针对风电功率的波动性,利用改进的完全自适应噪声集成经验模态分解方法(ICEEMDAN)对风电功率数据...
为提高风电功率预测精度,提出基于自适应二次模态分解(QMD)、卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的超短期风电功率预测模型。针对风电功率的波动性,利用改进的完全自适应噪声集成经验模态分解方法(ICEEMDAN)对风电功率数据进行分解。引入麻雀搜索算法(SSA)对变分模态分解(VMD)的分解数量与惩罚因子进行优化,使VMD具有自适应性。将ICEEMDAN分解得到的高频分量I_(1)用SSA-VMD进行第二次分解,降低序列不平稳度。同时,构建包含2层池化层的CNN网络进行特征提取与BiLSTM网络的超短期预测模型,最终的风电功率即为各子序列预测结果之和。通过算例分析进行实验表明,所提风电功率预测方法的预测精度优于其他模型,验证了预测模型的优越性。
展开更多
关键词
卷积神经网络
长短期记忆网络
变分模态分解
风电功率预测
二次模态分解
麻雀搜索算法
在线阅读
下载PDF
职称材料
题名
基于双级联架构的接触网螺栓缺陷检测
1
作者
卢杰
魏霞
张林鍹
于立滨
张剑锐
涂美琪
机构
新疆
大学
电气
工程
学院
清华大学
国家
计算机
集成
制造
系统
工程技术
研究
中心
(
cims
)
中国铁路乌鲁木齐局集团有限公司
出处
《铁道标准设计》
北大核心
2025年第7期200-208,共9页
基金
新疆维吾尔自治区自然科学基金项目(2022D01C431)。
文摘
高铁接触网作为列车牵引供电系统中的重要组成部分,保证其稳定运行具有重要意义。螺栓作为接触网的主要紧固件,其正常与否尤为重要,但螺栓在巡检采集图像中具有特征不明显、尺寸过小等问题,使得对于螺栓的缺陷检测研究更加困难。为此,提出一种以深度学习为基准的接触网螺栓缺陷检测方法,该方法采用双级联架构的检测原则,将目标检测算法与语义分割算法相结合,实现对螺栓的定位与检测。首先,提出一种新算法YOLO-SAC,通过构造反残差模块、引入可切换的空洞卷积以及对损失函数进行优化处理,分别实现对模型计算量的压缩、深层特征信息的提取、尺寸不一螺栓的识别优化;其次,通过语义分割算法U-Net对螺栓截取图片进行连通域划分,并求其各自的几何中心点位置坐标;最后,提出一种阈值法,实现对螺栓状态的检测。试验结果表明,本文提出的螺栓缺陷检测方法总精度达到93.5%,具有良好的实际工程价值。
关键词
高速铁路
接触网螺栓
缺陷检测
SAC
反残差模块
语义分割
Keywords
high-speed railway
catenary bolts
defect detection
SAC
inverted residual module
semantic segmentation
分类号
U238 [交通运输工程—道路与铁道工程]
U225 [交通运输工程—道路与铁道工程]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于PEMFC-P2G与风光不确定的综合能源系统优化调度
被引量：
16
2
作者
马志侠
张林鍹
郑兴
谢明浩
杜甜甜
机构
新疆
大学
电气
工程
学院
清华大学
国家
计算机
集成
制造
系统
工程技术
研究
中心
(
cims
)
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2022年第6期441-447,共7页
文摘
以氢气为主要燃料的质子交换膜燃料电池是一种良好的清洁能源利用介质,为应对“双碳目标”的挑战,提出基于质子交换膜燃料电池与电转气(P2G)混合储能并考虑系统中风电、光伏出力不确定性因素的综合能源系统模型。首先,对膜燃料电池进行精细化建模分析;其次,对风电、光伏等新能源采取基于小波变换-神经网络的短期预测;最后,建立包含设备运行维护成本、实时电价政策的外购能源等经济成本以及碳惩罚成本的最小优化目标的混合整数线性规划模型,且以系统安全稳定运行为约束。某园区的算例分析结果表明,所提出的考虑新能源出力与PEMFC-P2G混合储能优化模型能有效降低运行成本、减少碳排放,具有良好的经济性与环保性。
关键词
质子交换膜燃料电池
储能
小波变换
风电
综合能源系统
碳惩罚成本
Keywords
PEMFC
energy storage
wavelet transform
wind power
integrated energy system
carbon penalty cost
分类号
TM732 [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
基于自适应二次分解与CNN-BiLSTM的超短期风电功率预测
被引量：
8
3
作者
马志侠
张林鍹
巴音塔娜
谢明浩
张盼盼
王馨
机构
新疆
大学
电气
工程
学院
清华大学
国家
计算机
集成
制造
系统
工程技术
研究
中心
(
cims
)
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第6期429-435,共7页
文摘
为提高风电功率预测精度,提出基于自适应二次模态分解(QMD)、卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的超短期风电功率预测模型。针对风电功率的波动性,利用改进的完全自适应噪声集成经验模态分解方法(ICEEMDAN)对风电功率数据进行分解。引入麻雀搜索算法(SSA)对变分模态分解(VMD)的分解数量与惩罚因子进行优化,使VMD具有自适应性。将ICEEMDAN分解得到的高频分量I_(1)用SSA-VMD进行第二次分解,降低序列不平稳度。同时,构建包含2层池化层的CNN网络进行特征提取与BiLSTM网络的超短期预测模型,最终的风电功率即为各子序列预测结果之和。通过算例分析进行实验表明,所提风电功率预测方法的预测精度优于其他模型,验证了预测模型的优越性。
关键词
卷积神经网络
长短期记忆网络
变分模态分解
风电功率预测
二次模态分解
麻雀搜索算法
Keywords
convolutional neural network
long-short term memory network
variational mode decomposition
wind power forecasting
quadratic mode decomposition
sparrow search algorithm
分类号
TM614 [电气工程—电力系统及自动化]
TP183 [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
作者
出处
发文年
被引量
操作
1
基于双级联架构的接触网螺栓缺陷检测
卢杰
魏霞
张林鍹
于立滨
张剑锐
涂美琪
《铁道标准设计》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于PEMFC-P2G与风光不确定的综合能源系统优化调度
马志侠
张林鍹
郑兴
谢明浩
杜甜甜
《太阳能学报》
EI
CAS
CSCD
北大核心
2022
16
在线阅读
下载PDF
职称材料
3
基于自适应二次分解与CNN-BiLSTM的超短期风电功率预测
马志侠
张林鍹
巴音塔娜
谢明浩
张盼盼
王馨
《太阳能学报》
EI
CAS
CSCD
北大核心
2024
8
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
