期刊文献+
共找到46篇文章
< 1 2 3 >
每页显示 20 50 100
基于极限学习算法的船舶轮机电气设备状态检修方法探究 被引量:4
1
作者 李养帅 孔德璐 庄常青 《中国设备工程》 2023年第10期173-175,共3页
为了维护船舶轮机电气设备的稳定性,确保船舶电力系统安全稳定地运行,本文提出了一种基于极限学习算法的船舶轮机电气设备状态检修方法。通过构建极限学习算法模型,确定该模型细节结构,得到模型的输出权重。对模型进行初步求解后,结合... 为了维护船舶轮机电气设备的稳定性,确保船舶电力系统安全稳定地运行,本文提出了一种基于极限学习算法的船舶轮机电气设备状态检修方法。通过构建极限学习算法模型,确定该模型细节结构,得到模型的输出权重。对模型进行初步求解后,结合粒子群算法对极限学习算法模型进行优化,得到准确的船舶轮机电气设备状态检修结果。实验发现,所设计方法具有良好的准确性,可以准确检出船舶轮机电气设备运行状态,且检修耗时较短,为船舶电力系统的稳定运行提供理论保障。 展开更多
关键词 极限学习算法 船舶轮机 电气设备 状态检修
在线阅读 下载PDF
基于K-means聚类和极限学习机组合算法的短期光伏功率预测 被引量:4
2
作者 黄牧涛 邢芳菲 +1 位作者 陈兴邦 卢明 《水电能源科学》 北大核心 2024年第2期217-220,216,共5页
考虑光伏功率的预测精度强依赖于天气模态和气候条件等因素影响,提出了基于极限学习机组合算法的短期光伏功率预测方法。首先,基于K-means聚类算法进行天气分型,分为4个季节下晴天、多云天气、阴雨天气共12组不同天气类别。其次,针对天... 考虑光伏功率的预测精度强依赖于天气模态和气候条件等因素影响,提出了基于极限学习机组合算法的短期光伏功率预测方法。首先,基于K-means聚类算法进行天气分型,分为4个季节下晴天、多云天气、阴雨天气共12组不同天气类别。其次,针对天气分型结果,基于极限学习机ELM、遗传算法改进的极限学习机GA-ELM、鸟群算法改进的极限学习机BSA-ELM3种算法构建光伏功率预测模型。最后,以某光伏电站数据进行所提模型验证。预测结果表明,BSA-ELM预测精度最高,12种天气预测精度达到90%左右,各季节中预测精度最高的天气类型均为晴天,多云天气精度高于阴雨天气精度,可为含高比例光伏并网的新型电力系统安全稳定运行提供有效数据支撑。 展开更多
关键词 光伏发电功率预测 K-MEANS聚类 天气分型 极限学习算法 遗传算法 鸟群算法
在线阅读 下载PDF
基于层次分析法与差分进化算法极限学习机的自动扶梯故障检测 被引量:3
3
作者 邓方华 许有才 +4 位作者 陶然 郭澍 李新仕 苟敏 李琨 《微型机与应用》 2016年第7期12-15,共4页
针对自动扶梯故障问题,以层次分析和差分进化算法极限学习机相结合的方式快速、准确地分析了自动扶梯发生的故障问题。首先,用层次分析法计算出各故障因数的权值,选取权值较大的一部分因素作为输入。然后,建立DE-ELM安全评测模型并与EL... 针对自动扶梯故障问题,以层次分析和差分进化算法极限学习机相结合的方式快速、准确地分析了自动扶梯发生的故障问题。首先,用层次分析法计算出各故障因数的权值,选取权值较大的一部分因素作为输入。然后,建立DE-ELM安全评测模型并与ELM模型比较,得出自动扶梯安全程度等级并说明自动扶梯的安全性。研究表明:对于很难或无法获得故障因素准确值的自动扶梯而言,层次分析法是一种有效实用的可靠性分析方法,再结合差分进化算法极限学习机的全局寻优能力,对自动扶梯故障问题的检测更加快速、准确。 展开更多
关键词 自动扶梯 层次分析法 差分进化算法极限学习 自动扶梯故障
在线阅读 下载PDF
基于萤火虫扰动麻雀搜索算法-极限学习机的光伏阵列故障诊断方法研究 被引量:13
4
作者 赵靖英 吴晶晶 +2 位作者 张雪辉 张文煜 姚帅亮 《电网技术》 EI CSCD 北大核心 2023年第4期1612-1622,共11页
光伏阵列具有随机性、间歇性输出特点,发生故障严重影响电力系统安全运行。针对有效表征不同程度局部阴影与雨天接地故障的故障特征量缺乏的问题,分析不同故障状态下光伏阵列运行特征,提出一种新的6维故障特征向量:开路电压Uoc、最大功... 光伏阵列具有随机性、间歇性输出特点,发生故障严重影响电力系统安全运行。针对有效表征不同程度局部阴影与雨天接地故障的故障特征量缺乏的问题,分析不同故障状态下光伏阵列运行特征,提出一种新的6维故障特征向量:开路电压Uoc、最大功率点电压Um与短路电流Isc、最大功率点电流Im分别表征短路与断路故障;U-I特性曲线二阶导数零点数表征局部阴影故障,并利用遗传模拟退火算法优化的模糊C均值聚类算法(the fuzzy C-means clustering algorithm optimized by the genetic simulated annealing algorithm,GSA-FCM)验证Um、Im表征不同程度局部阴影故障的有效性;并网电流总谐波畸变率表征雨天接地故障。引入萤火虫扰动的麻雀搜索算法(sparrow search algorithm with firefly perturbation,FSSA)优化传统极限学习机(extreme learning machine,ELM),建立FSSA-ELM模型,解决传统故障诊断方法实现复杂、收敛速度慢的问题。基于现场数据驱动,建立考虑对地寄生电容的光伏系统仿真模型和实验平台,设计2种不同辐照度范围的仿真方案和实验方案进行方法验证,结果表明,FSSA-ELM模型结合ELM实现简单且FSSA收敛速度快的特点,利用6维故障特征向量,可准确识别光伏阵列故障类型。 展开更多
关键词 光伏阵列 故障诊断 并网电流总谐波畸变率 故障特征量 萤火虫扰动麻雀搜索算法极限学习 寄生电容
在线阅读 下载PDF
基于粒子群算法优化极限学习机的无源目标定位算法 被引量:2
5
作者 傅彬 《计算机应用与软件》 CSCD 2015年第11期325-328,共4页
为了提高目标定位精度,提出一种基于粒子群算法优化极限学习机的无源目标定位算法。首先通过位置信息场采集目标的相关信息,然后利用极限学习机对位置信息场与目标位置之间的非映射关系进行拟合,同时采用粒子群算法对极限学习机参数进... 为了提高目标定位精度,提出一种基于粒子群算法优化极限学习机的无源目标定位算法。首先通过位置信息场采集目标的相关信息,然后利用极限学习机对位置信息场与目标位置之间的非映射关系进行拟合,同时采用粒子群算法对极限学习机参数进行优化,最后在Matlab 2009平台进行仿真对比实验。结果表明,相对于其他目标定位算法,该算法提高了目标定位的精度,更加适合于复杂环境下的目标定位。 展开更多
关键词 位置信息场 目标定位粒子群优化算法极限学习
在线阅读 下载PDF
基于极限学习机算法的永磁机构动作时间补偿的研究
6
作者 邵士良 迟长春 +1 位作者 张祯海 练正兵 《低压电器》 2014年第2期13-17,共5页
常规永磁操动机构的动作时间补偿的预测是采用加权平均值算法、多元线性回归法和人工神经网络算法(ANN)等对动触头的分/合闸时间进行估计和预测,但是加权平均系数的计算和线性回归系数的求解比较繁琐,而ANN网络具有训练速度慢、容易陷... 常规永磁操动机构的动作时间补偿的预测是采用加权平均值算法、多元线性回归法和人工神经网络算法(ANN)等对动触头的分/合闸时间进行估计和预测,但是加权平均系数的计算和线性回归系数的求解比较繁琐,而ANN网络具有训练速度慢、容易陷入局部极小点、学习率的选择难以确定等诸多缺点。研究了采用极限学习机(ELM)算法和BP神经网络算法,利用Matlab软件对永磁机构动作时间进行预测,通过对比分析,得到性能较好的算法。 展开更多
关键词 永磁机构 极限学习算法 BP神经网络 时间预测
在线阅读 下载PDF
基于粒子群算法优化极限学习机的供热管网负荷预测研究 被引量:3
7
作者 郭而郛 吴森起 汪磊磊 《绿色建筑》 CAS 2022年第5期82-85,共4页
以供热管网系统为研究对象,采用粒子群算法优化极限学习机对该系统的热负荷预测方法进行研究。利用极限学习机快速学习能力和良好的泛化性能,构建了基于极限学习机的供热系统热负荷预测模型,为确保模型在面对不同样本数据能够有较好的... 以供热管网系统为研究对象,采用粒子群算法优化极限学习机对该系统的热负荷预测方法进行研究。利用极限学习机快速学习能力和良好的泛化性能,构建了基于极限学习机的供热系统热负荷预测模型,为确保模型在面对不同样本数据能够有较好的准确性,通过使用粒子群算法对预先设定的极限学习机的随机变量进行了多次修改,从而改善了模型在特定场景下的拟合能力。通过某集中供热系统的实际运行情况数据进行预测,提出的预测方法和和对比的预测在选择的四种误差评价指标上均有明显下降。 展开更多
关键词 供热管网系统 粒子群算法 极限学习算法 热负荷预测
在线阅读 下载PDF
基于极限学习机算法的水轮机组振动保护定值整定方法研究
8
作者 毛成 王江淮 +4 位作者 李小军 武晋辉 潘华 张天侠 南浩 《华电技术》 CAS 2015年第11期1-4,8,共5页
水轮机组振动保护定值通常采用试验统计法整定,整定结果的准确性依赖于试验数据的准确度和技术人员的经验和水平,具有一定的局限性,无法满足灵活、准确设置保护定值的需求。提出了一种新的保护定值整定方法,该方法以对历史数据的统计分... 水轮机组振动保护定值通常采用试验统计法整定,整定结果的准确性依赖于试验数据的准确度和技术人员的经验和水平,具有一定的局限性,无法满足灵活、准确设置保护定值的需求。提出了一种新的保护定值整定方法,该方法以对历史数据的统计分析为基础,根据水轮机组运行工况的实际情况划分不同的定值区域,通过极限学习机算法建立各定值区域的振动监测点数值预测模型,最后在模型输出值的基础上实现水轮机组各定值区域的保护定值整定。实验分析证明,该方法依据现场历史运行数据,能够灵活、准确地对各定值区域保护定值进行整定。 展开更多
关键词 水轮机组 振动保护定值 极限学习算法 试验统计法 定值整定方法
在线阅读 下载PDF
考虑负荷自适应检测和修复的鲁棒极限学习机短期负荷预测方法 被引量:24
9
作者 彭显刚 郑伟钦 +1 位作者 林利祥 刘艺 《中国电机工程学报》 EI CSCD 北大核心 2016年第23期6409-6417,6606,共9页
针对现有负荷预测方法对于温度、湿度累积效应下的短期负荷预测精度低的不足,该文提出了一种基于时变Cook距离统计量的负荷异常值检测和基于非参数概率密度估计的负荷自适应修复的鲁棒极限学习机(extreme learning machine,ELM)短期负... 针对现有负荷预测方法对于温度、湿度累积效应下的短期负荷预测精度低的不足,该文提出了一种基于时变Cook距离统计量的负荷异常值检测和基于非参数概率密度估计的负荷自适应修复的鲁棒极限学习机(extreme learning machine,ELM)短期负荷预测方法。首先将历史负荷数据按季节分组,根据每个季节实时负荷和对应的气象因素,利用递归最小二乘法获取历史负荷数据的自适应遗忘因子,构建基于遗忘因子的时变Cook距离统计量,检测负荷数据中的异常值(或强影响值);采用非参数概率密度估计,构建实时负荷与气象因素的随机模型对异常负荷值(或强影响值)进行修复。考虑电力负荷数据异常值对预测精度的影响,采用了一种鲁棒ELM算法对负荷数据进行回归分析;最后,引入基因遗传算法对负荷预测模型参数进行优化,提升负荷预测算法预测准确率;通过实例仿真分析,验证了该方法提高预测精度的有效性。 展开更多
关键词 短期负荷预测 时变Cook距离 非参数概率密度函数估计 累积效应 鲁棒极限学习算法
在线阅读 下载PDF
基于白鲨优化极限学习机的三维力传感器非线性解耦 被引量:5
10
作者 孙世政 庞珂 +1 位作者 于竞童 陈仁祥 《光学精密工程》 EI CAS CSCD 北大核心 2023年第18期2664-2674,共11页
针对三维力传感器维间耦合干扰问题,以基于光纤布拉格光栅(Fiber Bragg Grating,FBG)的一体式三维力传感器为研究对象,提出了一种基于白鲨优化算法的优化极限学习机(White Shark Optimizer-Extreme Learning Machine,WSO-ELM)的非线性... 针对三维力传感器维间耦合干扰问题,以基于光纤布拉格光栅(Fiber Bragg Grating,FBG)的一体式三维力传感器为研究对象,提出了一种基于白鲨优化算法的优化极限学习机(White Shark Optimizer-Extreme Learning Machine,WSO-ELM)的非线性解耦算法。首先,设计了基于FBG的一体式三维力传感器,阐明该传感器波长漂移量与三维力的映射关系;然后,搭建静态标定实验系统,分析三维力耦合特征,并建立WSO-ELM算法三维力传感器解耦模型,利用白鲨优化算法(White Shark Optimizer,WSO)稳定、高效特点优化模型,寻找ELM神经网络隐含层神经元数与解耦时间的最佳参数组合,开展基于WSO-ELM的三维力传感器非线性解耦研究;最后,该传感器解耦后最大平均I类误差达到0.51%,最大平均II类误差达到0.65%,实现了基于WSO-ELM的三维力非线性解耦。为验证解耦效果,将WSO-ELM算法与极限学习机神经网络模型、反向传播神经网络、最小二乘法解耦效果进行对比实验。实验结果表明:WSO-ELM算法具有较好的解耦效果,能有效构建三维力维间耦合关系,同时降低传感器耦合干扰,提高传感器的测量精度,具有良好的非线性解耦能力。 展开更多
关键词 白鲨优化算法 非线性解耦 三维力传感器 光纤布拉格光栅 极限学习算法
在线阅读 下载PDF
基于特征提取极限学习的卧姿压力图像识别
11
作者 袁先启 蒋永翔 夏红超 《天津职业技术师范大学学报》 2022年第2期58-62,共5页
卧姿是识别评判睡眠质量和预防突发疾病的指标之一,文章基于极限学习算法(ELM)对卧姿压力图像进行了研究。采用阵列式柔性压力传感器获取背部压力图像,通过对图像预处理,完成了图像几何特征值、能量特征值、颜色特征值的提取;引入ELM算... 卧姿是识别评判睡眠质量和预防突发疾病的指标之一,文章基于极限学习算法(ELM)对卧姿压力图像进行了研究。采用阵列式柔性压力传感器获取背部压力图像,通过对图像预处理,完成了图像几何特征值、能量特征值、颜色特征值的提取;引入ELM算法对16种不同特征值进行训练预测。结果表明:在1 280组特征值中,将1 120组作为训练数据,160组作为测试数据,当隐藏节点为80时,卧姿识别的正确率为98.75%。 展开更多
关键词 卧姿识别 极限学习算法(ELM) 图像特征值
在线阅读 下载PDF
基于GWO-ELM算法与模糊控制的无标定视觉伺服研究
12
作者 卢浩文 肖曙红 +1 位作者 林耿聪 招子安 《组合机床与自动化加工技术》 北大核心 2024年第3期82-86,共5页
针对传统基于图像的视觉伺服系统运行速度慢,图像雅可比矩阵的求解受标定精度影响的问题,提出一种基于灰狼算法优化极限学习机(GWO-ELM)与模糊控制相结合的视觉伺服控制方法。该方法利用灰狼算法(GWO)优化ELM模型初始权重增加模型稳定性... 针对传统基于图像的视觉伺服系统运行速度慢,图像雅可比矩阵的求解受标定精度影响的问题,提出一种基于灰狼算法优化极限学习机(GWO-ELM)与模糊控制相结合的视觉伺服控制方法。该方法利用灰狼算法(GWO)优化ELM模型初始权重增加模型稳定性,估计图像雅可比矩阵伪逆预测机械臂末端运动速度,之后引入模糊控制(Fuzzy Control)设计视觉伺服控制器构建无标定视觉伺服控制系统,并进行上机实验。实验结果表明,Fuzzy Control-GWO-ELM-IBVS的运行效率相对于GWO-ELM-IBVS得到了提升,定位误差能控制在规定阈值,验证了提出的无标定视觉伺服控制系统的有效性。 展开更多
关键词 图像雅可比矩阵 灰狼算法优化极限学习 模糊控制
在线阅读 下载PDF
遗传算法优化BP网络对掺假蜂蜜快速识别研究 被引量:3
13
作者 周孟然 张群 +4 位作者 卞凯 孙磊 来文豪 陈翰林 杨晨 《激光杂志》 CAS 北大核心 2021年第12期82-86,共5页
为了更好地实现对掺假蜂蜜进行检测和识别,提出一种遗传算法优化反向传播(BP)神经网络和激光诱导荧光(LIF)技术相结合的新方法。实验采用蜂蜜、果葡糖浆以及二者以不同比例混合获取的实验样本,每类样本数为150个,共600个实验样本。通过... 为了更好地实现对掺假蜂蜜进行检测和识别,提出一种遗传算法优化反向传播(BP)神经网络和激光诱导荧光(LIF)技术相结合的新方法。实验采用蜂蜜、果葡糖浆以及二者以不同比例混合获取的实验样本,每类样本数为150个,共600个实验样本。通过激光诱导荧光技术获取实验数据。将各类样本的70%用于算法模型训练、30%用于模型预测评估。通过PCA降维技术进行特征提取,分别用极限学习机(ELM)算法、BP神经网络算法、GA_BP三种算法进行实验。实验结果表明,相比于极限学习机的82.78%、BP神经网络算法的95.89%的准确率,GA_BP算法对预测样本的预测准确率最高,可达100%。通过将GA_BP与蚁群算法(ACO)优化BP网路、粒子群算法(PSO)优化BP网络作对比,发现GA_BP算法具有运行时间较短、鲁棒性较好的特点。 展开更多
关键词 遗传优化算法 激光诱导荧光技术 极限学习算法 BP神经网络
在线阅读 下载PDF
基于极限学习机算法的供水管网爆管识别研究 被引量:4
14
作者 彭森 程蕊 +2 位作者 吴卿 程景 孟涛 《中国给水排水》 CAS CSCD 北大核心 2022年第7期56-62,共7页
供水管网爆管具有定位难、影响范围广的特点,长期困扰着供水企业。针对供水管网爆管区域识别问题,综合考虑多种影响因素下的爆管工况,利用爆管特征值矩阵构建爆管样本数据集,采用极限学习机算法(ELM)建立爆管区域识别模型;应用K-means... 供水管网爆管具有定位难、影响范围广的特点,长期困扰着供水企业。针对供水管网爆管区域识别问题,综合考虑多种影响因素下的爆管工况,利用爆管特征值矩阵构建爆管样本数据集,采用极限学习机算法(ELM)建立爆管区域识别模型;应用K-means聚类算法分析节点水力变化特征的相似性,并在此基础上对管网进行监测区域划分与监测点布设,形成多种监测方案;综合爆管识别率等参数,分析ELM在不同监测方案以及在噪声影响下的识别性能。采用实际管网算例进行了爆管区域识别分析,结果表明:该模型可以进行有效的爆管区域识别,同时结合不同分区方案可以提高爆管识别率;监测点的增加可以减小压力监测数据的噪声影响。 展开更多
关键词 供水管网 爆管识别 极限学习算法 K-MEANS聚类算法
原文传递
基于卡尔曼滤波的小波去噪和IWOA-ELM的颈肩肌肉疲劳分类方法
15
作者 隋修武 付世雄 +2 位作者 刘金雨 王涛 刘阳 《电子测量技术》 北大核心 2024年第10期10-18,共9页
针对采集的表面肌电信号噪声干扰多,以及缺少颈肩肌肉疲劳状态划分标准和分类模型的问题,本文提出了一种基于联合去噪和优化极限学习机的颈肩肌肉疲劳分类方法。首先,使用AnyBody建立颈肩骨骼肌肉生物力学模型,根据肌肉pH值和RPE劳累感... 针对采集的表面肌电信号噪声干扰多,以及缺少颈肩肌肉疲劳状态划分标准和分类模型的问题,本文提出了一种基于联合去噪和优化极限学习机的颈肩肌肉疲劳分类方法。首先,使用AnyBody建立颈肩骨骼肌肉生物力学模型,根据肌肉pH值和RPE劳累感知量表划分肌肉疲劳状态。采集6名健康青年人斜方肌上束疲劳状态下的表面肌电信号。然后,结合卡尔曼滤波和改进的小波阈值函数进行联合去噪,提取均方根、积分肌电值、平均功率频率、中值频率、瞬时平均频率、瞬时中值频率6个特征参数。最后,使用改进鲸鱼优化算法优化极限学习机的权值和阈值,建立IWOA-ELM颈肩肌肉疲劳分类模型。实验结果表明,联合去噪算法效果更佳,IWOA-ELM模型训练集准确率为96.3%,测试集准确率为97.5%,均方根误差为1.108,对于不同受试者分类模型准确率均高于95%,因此本文提出的联合去噪算法和IWOA-ELM模型在颈肩肌肉疲劳分类方面具有优势。 展开更多
关键词 表面肌电信号 颈肩肌肉疲劳 卡尔曼滤波 小波阈值函数 鲸鱼优化算法 极限学习算法
在线阅读 下载PDF
基于RCMDE和ISOMAP的行星齿轮传动耦合故障辨识研究
16
作者 苏世卿 王华锋 《机电工程》 CAS 北大核心 2024年第9期1584-1594,共11页
现有针对行星齿轮箱的故障诊断方法一般仅研究单一故障,但实际行星齿轮箱的故障一般由多个故障耦合而成,耦合故障的故障机理比单一故障的故障机理更复杂,振动信号中的非线性因素对特征提取的干扰更严重。针对该问题,提出了一种基于精细... 现有针对行星齿轮箱的故障诊断方法一般仅研究单一故障,但实际行星齿轮箱的故障一般由多个故障耦合而成,耦合故障的故障机理比单一故障的故障机理更复杂,振动信号中的非线性因素对特征提取的干扰更严重。针对该问题,提出了一种基于精细复合多尺度散度熵(RCMDE)、等距特征映射(ISOMAP)和遗传算法优化核极限学习机(GA-KELM)的行星齿轮箱耦合故障诊断方法。首先,利用振动加速度计采集了行星齿轮箱单一故障和耦合故障下运行时的振动信号,构建了故障数据集;随后,利用RCMDE提取了行星齿轮箱振动信号的故障特征,建立了初始的特征样本;接着,利用ISOMAP对故障特征进行了降维,并以可视化的方式获取了低维的特征样本;最后,将新特征输入至GA-KELM分类器中,对行星齿轮箱的不同故障类型进行了识别,并基于行星齿轮箱多点损伤样本,对RCMDE方法的可靠性进行了研究。研究结果表明:基于RCMDE和ISOMAP的故障特征提取方法能够有效提取振动信号中的故障特征,而GA-KELM的故障诊断准确率达到了98.13%,平均诊断准确率达到了96.25%。相较其他故障特征提取方法,基于RCMDE、ISOMAP和GA-KELM的行星齿轮箱耦合故障诊断方法能够更好地诊断行星齿轮箱的耦合故障,具有更高的诊断准确率。 展开更多
关键词 齿轮传动 耦合故障 故障诊断准确率 精细复合多尺度散度熵 等距特征映射 遗传算法优化核极限学习
在线阅读 下载PDF
基于PSO-ELM的变压器油纸绝缘状态无损评估方法 被引量:4
17
作者 张德文 张健 +3 位作者 曲利民 吴迪星 刘贺千 张明泽 《电力工程技术》 北大核心 2024年第3期201-208,共8页
油浸式电力变压器作为电网的重要组成部分,其可靠运行至关重要。针对变压器长期运行后无法定量评估其绝缘状态的问题,文中开展了油纸绝缘模型的加速老化及受潮试验,探究了油纸绝缘老化及受潮程度对其回复电压曲线的影响规律,并提出采用... 油浸式电力变压器作为电网的重要组成部分,其可靠运行至关重要。针对变压器长期运行后无法定量评估其绝缘状态的问题,文中开展了油纸绝缘模型的加速老化及受潮试验,探究了油纸绝缘老化及受潮程度对其回复电压曲线的影响规律,并提出采用粒子群优化-极限学习机(particle swarm optimization-extreme learning machine,PSO-ELM)算法的参数预测方法,实现了基于回复电压曲线特征参量的油纸绝缘老化与受潮状态量化评估。由油纸绝缘模型理化性能分析的对比结果可知,基于PSO-ELM方法的预测值精度远高于传统ELM方法,油纸绝缘内含水率及纸板聚合度预测的绝对误差范围分别小于±0.4%、±30。 展开更多
关键词 油浸式变压器 油纸绝缘 回复电压 粒子群优化-极限学习机(PSO-ELM)算法 状态评估 无损检测
在线阅读 下载PDF
一种旋转机械综合故障检测和模式识别模型 被引量:2
18
作者 曹丽芳 袁征 +1 位作者 尹久 郭海涛 《机电工程》 CAS 北大核心 2024年第8期1386-1397,共12页
针对传统故障诊断方法只关注故障检测部分,而对样本是否存在故障的研究较少的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)-注意熵(AE)和黏菌算法优化极限学习机(SMA-ELM)的旋转机械综合故障诊断模型。首先,针对正常样本和... 针对传统故障诊断方法只关注故障检测部分,而对样本是否存在故障的研究较少的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)-注意熵(AE)和黏菌算法优化极限学习机(SMA-ELM)的旋转机械综合故障诊断模型。首先,针对正常样本和故障样本的复杂性差异,建立了注意熵阈值,计算旋转机械的AE,并将其与阈值进行了比较,若熵值小于该阈值则表明样本存在故障,反之样本是健康的;然后,利用CEEMDAN对故障样本的振动信号进行了分解,提取前6阶分量的AE值;最后,将故障特征输入至SMA-ELM模型中进行了故障识别,利用3种旋转机械故障数据集对该综合故障诊断模型的可靠性进行了研究。研究结果表明:该阈值设置方法可以100%准确地检测样本是否存在故障,后续的故障诊断模型能够准确地检测出样本的故障类型,识别准确率分别达到了99.44%、100%和98%。该综合故障诊断模型能够避免正常样本被误判为故障样本,为旋转机械的故障检测提供了一种可行的思路。 展开更多
关键词 旋转机械 滚动轴承综合故障诊断 故障阈值 注意熵 自适应噪声完备经验模态分解 黏菌算法优化极限学习
在线阅读 下载PDF
近红外光谱结合遗传算法优化的极限学习机实现银杏叶纯化过程有效成分快速测定 被引量:12
19
作者 倪鸿飞 斯乐婷 +5 位作者 黄家鹏 昝琼 陈勇 栾连军 吴永江 刘雪松 《中国中药杂志》 CAS CSCD 北大核心 2021年第1期110-117,共8页
近红外光谱技术(near infrared spectroscopy,NIRS)结合波段筛选方法及建模算法可以实现中药生产过程分析的快速、无损检测。该文针对银参通络胶囊关键工艺银杏叶大孔树脂纯化过程,实现对洗脱液中槲皮素、山柰酚和异鼠李素3种成分含量... 近红外光谱技术(near infrared spectroscopy,NIRS)结合波段筛选方法及建模算法可以实现中药生产过程分析的快速、无损检测。该文针对银参通络胶囊关键工艺银杏叶大孔树脂纯化过程,实现对洗脱液中槲皮素、山柰酚和异鼠李素3种成分含量的快速测定。通过马氏距离算法剔除异常光谱,联合X-Y距离样本集划分(sample set partitioning based on joint X-Y distances,SPXY)方法划分数据集,基于协同区间偏最小二乘法(synergy interval partial least squares,siPLS)筛选的关键信息波段,在此基础上实施竞争自适应加权重采样方法(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)和蒙特卡洛无信息变量消除法(Monte Carlo uninformation variable elimination,MC-UVE)筛选波长以得到更少但更关键的变量数据,将其作为输入变量建立遗传算法优化的极限学习机(genetic algorithm joint extreme learning machine,GA-ELM)定量分析模型,并将模型性能与偏最小二乘回归(partial least squares regression,PLSR)方法建立的模型进行比较,结果表明siPLS-CARS-GA-ELM算法联用可实现以最少变量数达到最优的模型性能。槲皮素、山柰酚、异鼠李素的校正集相关系数Rc和验证集相关系数Rp均达到0.98以上,校正集误差均方根(root mean square error of calibration,RMSEC)、验证集误差均方根(root mean square error of prediction,RMSEP)和验证集相对偏差(relative standard errors of prediction,RSEP)分别为0.0300,0.0292,8.88%;0.0414,0.0348,8.46%;0.0293,0.0271,10.10%,相较于传统PLSR方法,所建立GA-ELM模型性能有较大提升,证明NIRS结合GA-ELM方法实现中药有效成分快速测定具有很大潜力。 展开更多
关键词 银参通络胶囊 近红外光谱技术 遗传算法优化的极限学习 协同区间偏最小二乘法 竞争自适应加权重采样方法
原文传递
基于EMATE和POA-ELM的声音信号故障诊断方法
20
作者 徐浙君 王凯 +1 位作者 罗少杰 崔炳荣 《机电工程》 CAS 北大核心 2024年第6期956-968,共13页
常规的工程机械故障诊断方法一般需对振动信号进行分析,但采集振动信号时需要使振动传感器与工程机械相接触,在某些情况下工程机械表面不适合安装传感器,如设备的温度较高或者传感器的安装空间有限。针对这些问题,以声音信号作为故障诊... 常规的工程机械故障诊断方法一般需对振动信号进行分析,但采集振动信号时需要使振动传感器与工程机械相接触,在某些情况下工程机械表面不适合安装传感器,如设备的温度较高或者传感器的安装空间有限。针对这些问题,以声音信号作为故障诊断对象,提出了一种基于增强多尺度注意熵(EMATE)和鹈鹕优化算法优化极限学习机(POA-ELM)的工程机械故障诊断方法。首先,利用声音传感器采集了工程机械不同故障的声音信号,避免了振动传感器存在的接触式采集缺陷;然后,利用EMATE提取了声音信号中的故障信息,建立了表征工程机械不同故障状态的特征向量;接着,鉴于ELM的参数需要优化的问题,采用POA对ELM的关键参数进行了寻优,建立了参数自适应设置的ELM分类模型;最后,利用POA-ELM分类器对故障特征进行了辨识,实现了工程机械的故障识别,并利用往复压缩机和滚动轴承的声音信号数据集对基于EMATE-POA-ELM的故障诊断方法的有效性进行了验证。研究结果表明:将EMATE方法作为故障特征提取指标能够取得100%和99.23%的识别准确率,且特征提取的时间仅为53.88 s和172.47 s;与多尺度注意熵、复合多尺度注意熵、时移多尺度注意熵等指标相比,EMATE的平均故障识别准确率更高,并具有更好的综合性能。 展开更多
关键词 工程机械 往复压缩机 滚动轴承 故障数据集 增强多尺度注意熵 故障诊断 鹈鹕优化算法优化极限学习
在线阅读 下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部