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4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CMAES集成学习方法的地表水质分类 被引量：5
1
作者 陈兴国 徐修颖 +1 位作者 陈康扬 杨光 《计算机科学与探索》 CSCD 北大核心 2020年第3期426-436,共11页
为了提高人民生活质量,政府部门不断加强水质管理,然而人工分类方法无法满足实时处理的需求,传统机器学习方法的分类准确率又不够高。集成学习使用多种学习算法来获得比单一学习算法更好的预测性能。首先,对集成学习进行概述,简要介绍了... 为了提高人民生活质量,政府部门不断加强水质管理,然而人工分类方法无法满足实时处理的需求,传统机器学习方法的分类准确率又不够高。集成学习使用多种学习算法来获得比单一学习算法更好的预测性能。首先,对集成学习进行概述,简要介绍了Bagging和Boosting算法,并提出基于协方差自适应调整的进化策略算法(CMAES)的集成学习方法。接着,介绍了数据处理方式、模型评估方法和评价指标。最后,用CMAES集成学习方法对逻辑回归、线性判别分析、支持向量机、决策树、完全随机树、朴素贝叶斯、K-邻近算法、随机森林、完全随机树林、深度级联森林十种模型进行集成。实验结果表明,CMAES集成学习方法优于所有其他模型,该方法将继续被应用到未来的研究之中。 展开更多
关键词 水质分类 BOOSTING 基于协方差自适应调整的进化策略算法(cmaes) 集成学习 参数优化
在线阅读 下载PDF
基于DMD和CMAE的滚动轴承故障诊断方法
2
作者 吴博 李颖 +1 位作者 巴鹏 王宪聪 《失效分析与预防》 2025年第2期124-132,159,共10页
针对滚动轴承振动信号存在非线性、非平稳性特征,导致其故障特征难提取问题,提出了一种降噪性能好、熵值分布规律较为准确的方法,即动态模态分解(DMD)和复合多尺度注意熵(CMAE)结合的滚动轴承故障诊断方法。DMD方法可以将信号分解为单... 针对滚动轴承振动信号存在非线性、非平稳性特征,导致其故障特征难提取问题,提出了一种降噪性能好、熵值分布规律较为准确的方法,即动态模态分解(DMD)和复合多尺度注意熵(CMAE)结合的滚动轴承故障诊断方法。DMD方法可以将信号分解为单频模态分量,有效捕捉信号的特征,可避免信号非线性、非平稳性的问题。本文对滚动轴承的原始信号运用DMD进行分解并重构,得到重构信号,来避免噪声的影响;通过CMAE方法对重构信号进行熵值定量分析。结合轴承寿命曲线对比不同工况下轴承故障的熵值,结果表明,当滚动轴承故障特征显著增强时,其熵值曲线呈现出更为显著的非平稳特性,并在尺度因子为40定量分析滚动轴承发生故障时的CMAE熵值的变化范围。 展开更多
关键词 故障诊断 特征提取 滚动轴承 DMD CMAE
在线阅读 下载PDF
最小弹性势能变化为目标的连续体机器人的构形规划与控制
3
作者 陆炀铭 《制造业自动化》 2024年第1期51-55,62,共6页
针对连续体机器人的运动规划与控制问题,提出了一种基于最小弹性势能变化的连续体机器人的构形规划与控制方法。首先,基于Cosserat杆件模型建立了连续体机器人的动力学模型。其次,采用贝塞尔曲线表示连续体机器人的曲率,以最小弹性势能... 针对连续体机器人的运动规划与控制问题,提出了一种基于最小弹性势能变化的连续体机器人的构形规划与控制方法。首先,基于Cosserat杆件模型建立了连续体机器人的动力学模型。其次,采用贝塞尔曲线表示连续体机器人的曲率,以最小弹性势能变化为目标函数,通过协方差矩阵自适应进化策略(Covariance Matrix Adaptation Evolution Strategy,CMAES)实现了连续体机器人的实时构形规划。接着,在考虑控制输入饱和的约束下,设计了一种参数自整定滑膜控制器,并且通过Lyapunov稳定性分析,验证了该控制系统的稳定性。最后,仿真模拟结果验证了所提出的构形规划与控制方法的正确性和有效性。 展开更多
关键词 连续体机器人 贝塞尔曲线 cmaes 参数自整定 滑模控制
在线阅读 下载PDF
基于SGMD-CMAE和WOA-ELM的滚动轴承故障诊断方法 被引量：6
4
作者 吴仕虎 李颖 +1 位作者 杨鑫杰 巴鹏 《制造技术与机床》 北大核心 2023年第12期9-18,共10页
针对滚动轴承的振动信号因其非平稳性和信噪比不高而难以准确提取特征的问题,提出了一种抗噪性能好、识别率高的滚动轴承故障诊断方法。首先,使用辛几何模态分解(symplectic geometry mode decomposition,SGMD)将滚动轴承故障信号分解... 针对滚动轴承的振动信号因其非平稳性和信噪比不高而难以准确提取特征的问题,提出了一种抗噪性能好、识别率高的滚动轴承故障诊断方法。首先,使用辛几何模态分解(symplectic geometry mode decomposition,SGMD)将滚动轴承故障信号分解为多个辛几何分量(symplectic geometry component,SGC),基于相关性原则,选取相关性高的SGC对故障信号进行重构,形成重构信号;然后,提出了复合多尺度注意熵(composite multi-scale attention entropy,CMAE)定量提取重构信号的特征熵值,构建CMAE特征;再选择鲸鱼优化算法(whale optimization algorithm,WOA)对极限学习机(extreme learning machine,ELM)中的有关参数优化处理,构建WOA-ELM模型;最后,将CMAE特征输入到WOA-ELM模型中,实现滚动轴承的故障诊断。仿真实验结果表明:与其他方法相比,文章所提的SGMD-CMAE和WOA-ELM方法识别滚动轴承故障准确率更高。 展开更多
关键词 SGMD CMAE WOA-ELM 滚动轴承 故障诊断
在线阅读 下载PDF
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