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
共找到7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：
基于SVMD-BKA-Transformer的IGBT寿命预测模型 被引量：1
1
作者 邓阳 柴琳 汪亮 《半导体技术》 北大核心 2025年第7期698-706,共9页
绝缘栅双极型晶体管(IGBT)在持续运行过程中易老化失效,引发电力电子装置故障,因此需对IGBT进行寿命预测。提出了一种改进模型用于IGBT寿命预测。首先,以集射极关断尖峰电压(V_(ce-p))为退化特征,对IGBT进行功率循环加速老化试验;获取... 绝缘栅双极型晶体管(IGBT)在持续运行过程中易老化失效,引发电力电子装置故障,因此需对IGBT进行寿命预测。提出了一种改进模型用于IGBT寿命预测。首先,以集射极关断尖峰电压(V_(ce-p))为退化特征,对IGBT进行功率循环加速老化试验;获取相关参数数据并进行处理;利用逐次变分模态分解(SVMD)技术将退化特征数据分解为多个模态。其次,构建Transformer模型,并采用黑翅鸢算法(BKA)寻找其最优超参数以提升预测精度。最后,通过实际IGBT退化特征数据对所提模型进行性能验证。实验结果表明,SVMD-BKA-Transformer模型提升了预测精度:决定系数(R^(2))达到0.9583,平均绝对误差(MAE)降至0.0295 V,均方根误差(RMSE)减小至0.0365 V,性能优于对比模型。 展开更多
关键词 绝缘栅双极型晶体管(IGBT) 寿命预测 模态分解 黑翅鸢算法(bka) TRANSFORMER
原文传递
基于BKA-GMM算法的需求侧高价值用户划分及筛选方法
2
作者 余洋 孙梓朔 +3 位作者 王中晶 李君卫 庞淇文 樊蕊 《电力自动化设备》 北大核心 2025年第9期165-173,共9页
针对调峰场景中传统用户分类方法评价标准单一导致的聚类效果不佳、大数据处理效率与精度失衡、划分结果可解释性较低等问题,提出基于黑鸢算法(BKA)优化高斯混合模型(GMM)算法的需求侧高价值用户划分与筛选方法。为解决用户分类不明确... 针对调峰场景中传统用户分类方法评价标准单一导致的聚类效果不佳、大数据处理效率与精度失衡、划分结果可解释性较低等问题,提出基于黑鸢算法(BKA)优化高斯混合模型(GMM)算法的需求侧高价值用户划分与筛选方法。为解决用户分类不明确和系统匹配不良的问题,结合用户心理学与峰、谷分时电价的负荷转移率模型,引入改进S形函数的用户负荷削减率,构建用户激励-潜力模型;针对传统聚类算法在大规模用户场景下精度与效率不足的问题,提出BKA-GMM算法,预先确定最佳聚类数和正则化参数,结合基于峰、谷时段调度潜力的划分依据,实现用户的初步分类;为提高分类结果的解释性,根据潜力系数及3个用户群特征制定筛选条件,精确识别出削减型、灵活型和复合型的高价值用户。仿真结果表明,将所建模型作为划分条件,显著提升了用户划分效率和参与实际响应的概率,所提筛选方法不仅加快了划分速度,提高了准确性,而且清晰地筛选出了不同类型的高价值用户。 展开更多
关键词 调度潜力 高价值用户 bka优化算法 GMM聚类分析 用户划分 需求响应
在线阅读 下载PDF
基于IBKA和BiLSTM-Transformer的面板坝渗透系数反演分析模型
3
作者 郭莹莹 王润英 +1 位作者 马泽锴 代硕 《水力发电》 2025年第11期40-47,共8页
针对渗透系数传统反演方法精度低、计算耗时长等问题,采用蒙特卡洛抽样方法构建渗透系数组合与测点渗压水头组成的学习样本,在双向长短期记忆网络(BiLSTM)中引入Transformer模块,建立了BiLSTM-Transformer模型拟合监测点渗压水头与渗透... 针对渗透系数传统反演方法精度低、计算耗时长等问题,采用蒙特卡洛抽样方法构建渗透系数组合与测点渗压水头组成的学习样本,在双向长短期记忆网络(BiLSTM)中引入Transformer模块,建立了BiLSTM-Transformer模型拟合监测点渗压水头与渗透系数之间的非线性映射关系;在此基础上利用通过精英反向初始化策略以及黄金正弦引导策略改进的黑翅鸢优化算法(IBKA)寻优该模型超参数,提出了基于IBKA-BiLSTM-Transformer大坝渗透系数智能反演分析模型,最后利用工程实测资料进行了验证。结果表明,反演所得渗透系数取值合理,经有限元正演所得监测点渗压水头计算值与实测值基本吻合,满足工程精度要求,具有实际应用价值。 展开更多
关键词 面板堆石坝 渗透系数 多维反演 改进黑翅鸢优化算法 双向长短期记忆网络
在线阅读 下载PDF
基于CNN-BiLSTM模型融合BKA优化算法的地面沉降预测
4
作者 杨勇杰 胡祥祥 +4 位作者 王鹏 石亚亚 宋宝 吴成永 于志远 《全球定位系统》 2025年第4期95-104,共10页
卷积神经网络(convolutional neural network,CNN)和双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)是目前流行的用于地面沉降预测深度学习架构.然而,深度学习模型超参数的选择既费时又复杂,且超参数选择不当可能会... 卷积神经网络(convolutional neural network,CNN)和双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)是目前流行的用于地面沉降预测深度学习架构.然而,深度学习模型超参数的选择既费时又复杂,且超参数选择不当可能会导致模型整体性能不佳.针对这一问题,本文融合黑翅鸢优化算法(black-winged kite optimization algorithm,BKA)构建了BKA-CNNBiLSTM组合模型,并以西宁市为例进行实验分析,并将实验结果与其他四种模型的实验结果进行对比.结果表明:在与传统模型的对比中,BKA-CNN-BiLSTM模型的训练与预测效果更好,其决定系数(R2)较BiLSTM模型提高了17.43%~25.77%,较CNN-BiLSTM模型提高了12.04%~13.75%,平均绝对误差(mean absolute error,MAE)、均方误差(mean square error,MSE)、均方根误差(root mean square error,RMSE)指标均为最优.在与遗传算法(genetic algorithm,GA)、粒子群优化(particle swarm optimization,PSO)算法优化的CNN-BiLSTM模型对比中,此模型依然表现出了更高的的可靠性与预测性能,其R2分别提高了6.20%~17.76%、1.18%~12.76%.这些结果证明了BKA-CNN-BiLSTM模型的优越性能.这不仅为地表沉降建模提供了新的技术思路,也为深度学习在相关领域的应用提供了有价值的参考和解决方案. 展开更多
关键词 黑翅鸢优化算法(bka) CNN-BiLSTM模型 沉降预测 遗传算法(GA) 粒子群优化(PSO)
在线阅读 下载PDF
多策略改进黑翅鸢算法的机器人路径规划研究
5
作者 吴立煌 杨光永 徐天奇 《组合机床与自动化加工技术》 北大核心 2025年第8期1-8,共8页
为了解决黑翅鸢算法(BKA)全局搜索能力不足、收敛速度慢的问题,提出一种多策略改进黑翅鸢算法(IBKA),引入Halton序列初始化种群来减少种群在空间的聚集现象,提高搜索效率,在黑翅鸢攻击行为中,位置更新策略采用了JAYA算法的原理,靠近领... 为了解决黑翅鸢算法(BKA)全局搜索能力不足、收敛速度慢的问题,提出一种多策略改进黑翅鸢算法(IBKA),引入Halton序列初始化种群来减少种群在空间的聚集现象,提高搜索效率,在黑翅鸢攻击行为中,位置更新策略采用了JAYA算法的原理,靠近领导者和远离失败者,不仅整合了随机探索,还利用了种群中的最优与最差解,从而促进算法向最优解更快收敛。最后在算法的迭代末期采用平滑变异开发(SES),增强种群的多样性并实现探索与开发之间的平衡。防止了算法过早地陷入局部最优状态,还通过动态调整变异率及进行严格的边界检查和适应度评估,自适应地在全局探索与局部开发之间实现平衡,从而持续提升解的质量并优化算法的搜索效率。在仿真实验上先是IBKA与BKA对比说明在高维数据处理上IBKA具有更优越的性能,接着采用6个基准测试函数对算法性能进行测试,测试收敛曲线图和箱线图结果显示:收敛速度更快,收敛精度更高;最后将改进算法应用于移动机器人路径规划仿真结果表明:该算法规划的路径长度更短,搜索效率更高。 展开更多
关键词 Halton初始化 JAYA算法 平滑变异开发 bka算法 路径规划
在线阅读 下载PDF
机电作动器故障诊断方法及其可解释性分析
6
作者 姚智敏 陈换过 苏世弘 《机电工程》 北大核心 2025年第10期1837-1850,1887,共15页
针对现存机电作动器(EMA)故障诊断方法中决策过程不清晰和可解释性不足的问题,提出了一种基于轻量级梯度提升机(LightGBM)的故障诊断方法,并利用SHAP框架对诊断模型进行了可解释性分析。首先,提取了多源信号的时域和频域特征,并结合随... 针对现存机电作动器(EMA)故障诊断方法中决策过程不清晰和可解释性不足的问题,提出了一种基于轻量级梯度提升机(LightGBM)的故障诊断方法,并利用SHAP框架对诊断模型进行了可解释性分析。首先,提取了多源信号的时域和频域特征,并结合随机森林(RF)和最大互信息数(MIC)对特征进行了筛选,降低了特征集和模型的复杂性;然后,提出了一种基于黑翅鸢优化算法(BKA)的LightGBM故障诊断方法,使用BKA对LightGBM模型的多参数进行了同步优化,对故障类型进行了判断;最后,引入SHAP框架对故障诊断模型进行了可解释性分析,直观展示了故障诊断决策过程及其关键影响因素。研究结果表明:BKA-LightGBM在仿真数据上的诊断准确率可达99.69%,在试验数据上的诊断准确率达到97.60%,不仅在故障识别精度方面表现优越,还能直观揭示特征对模型决策的影响过程和重要性,展现出优异的准确性、鲁棒性和可解释性。 展开更多
关键词 机电作动器 黑翅鸢优化算法 轻量级梯度提升机 可解释性 SHAP框架 随机森林 最大互信息数
在线阅读 下载PDF
基于改进BKA算法优化的WSN定位算法
7
作者 彭铎 王永龙 +1 位作者 张彩银 张明虎 《电子测量与仪器学报》 2025年第9期65-74,共10页
针对无线传感器网络非测距节点定位算法中,由于多跳距离和平均跳距估计方法存在仅进行简单计算而缺乏有效误差修正的缺陷,造成计算误差累积,进而导致定位精度较低的问题,提出了一种改进黑翅鸢算法-三维距离向量跳(IBKA-3DDV-Hop)定位算... 针对无线传感器网络非测距节点定位算法中,由于多跳距离和平均跳距估计方法存在仅进行简单计算而缺乏有效误差修正的缺陷,造成计算误差累积,进而导致定位精度较低的问题,提出了一种改进黑翅鸢算法-三维距离向量跳(IBKA-3DDV-Hop)定位算法。首先,为减少跳数量化误差,利用多通信半径细化节点间跳数,然后引入跳距修正因子对跳距进行误差补偿。其次,在改进黑翅鸢算法中利用最优拉丁超立方机制(OLHS)优化种群初始化,克服种群随机初始化的盲目性,并通过精英反向学习策略生成反向种群,进一步优化初始种群质量。最后在BKA的迁徙行为中融入Levy飞行策略增强算法寻优和全局搜索能力,避免算法陷入局部最优。仿真结果表明,相比传统3DDV-Hop算法、多通信半径算法、GOOSE-3DDDV-Hop算法以及WOA-3DDDV-Hop算法,所提出的IBKA-3DDV-Hop定位算法的归一化定位误差平均降低了22%、17%、11%与6%左右,有效提高了非测距节点定位算法的定位精度。 展开更多
关键词 非测距节点定位 黑翅鸢算法 最优拉丁超立方 精英反向学习 Levy飞行
原文传递
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
使用帮助 返回顶部