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2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：
一种融合注意力机制与ED-LSTM模型的核工程虚拟测量方法
1
作者 黄磊 赵大志 +1 位作者 赖莉 闵超 《四川大学学报(自然科学版)》 北大核心 2025年第4期992-999,共8页
虚拟测量方法常被用于核反应堆瞬态工况监测.基于数据驱动方法,虚拟测量方法不直接依赖传感器获取的数据,能够解决传统监测方法部署成本高、维护困难等问题.当前,主流虚拟测量方法往往存在特征捕获能力不强、预测精度不足等问题.本文构... 虚拟测量方法常被用于核反应堆瞬态工况监测.基于数据驱动方法,虚拟测量方法不直接依赖传感器获取的数据,能够解决传统监测方法部署成本高、维护困难等问题.当前,主流虚拟测量方法往往存在特征捕获能力不强、预测精度不足等问题.本文构建了一种融合注意力机制与ED-LSTM(Encoder-Decoder LSTM)模型的虚拟量测方法.基于PCTRAN仿真软件生成的高保真核反应堆动态数据集,本文分别将时间注意力、因果自注意力、卷积注意力及分层注意力等4种注意力机制引入ED-LSTM模型,以增强ED-LSTM模型对关键时序特征的提取能力.其中,引入注意力机制的方式有3种,即只在编码器添加、只在解码器添加以及同时在编码器和解码器添加.为获得最佳模型参数值,本文设计了13种方案,分别进行仿真,并通过均方根误差(RMSE)、平均绝对误差(MAE)和判定系数(R2)等指标对模型的预测性能进行评价.结果显示:(i)在编码器中添加各种注意力机制都能提升模型的预测性能,其中添加融合时间注意力机制的效果最好(RMSE降低23.4%);(ii)以不同方式添加因果注意力机制后,模型的预测性能均有提升且效果较稳定;(iii)在解码器中添加时间、卷积或分层注意力机制导致模型的预测性能下降,可能原因是存在信息冗余或过拟合问题.本文的研究表明,将注意力机制引入ED-LSTM模型、提升虚拟测量方法的精度是可行的. 展开更多
关键词 核工程 虚拟测量 ed-lstm 注意力机制
在线阅读 下载PDF
基于无监督迁移学习的电梯制动器剩余寿命预测 被引量：10
2
作者 姜宇迪 胡晖 殷跃红 《上海交通大学学报》 EI CAS CSCD 北大核心 2021年第11期1408-1416,共9页
为了改善电梯制动器在真实工作环境下的寿命预测效果,提出一种基于长短期记忆网络自编码器(LSTM-ED)的无监督深度迁移学习方法,利用仿真数据实现制动器在工作时的健康状态分析.利用源领域数据初步训练LSTM-ED和全连接网络;以LSTM-ED为... 为了改善电梯制动器在真实工作环境下的寿命预测效果,提出一种基于长短期记忆网络自编码器(LSTM-ED)的无监督深度迁移学习方法,利用仿真数据实现制动器在工作时的健康状态分析.利用源领域数据初步训练LSTM-ED和全连接网络;以LSTM-ED为特征提取器,将仿真和实际数据映射到特征空间并利用最大平均差异实现数据对齐;利用全连接网络回归特征空间中的目标领域数据,从而实现对制动器在真实工作环境下的剩余生命周期预测.在训练阶段中,采用分步训练法替代传统的联合训练法,以保证单个模块的准确性.对比试验仿真数据与电梯塔中的实际工作数据,以验证方法的有效性.结果表明:通过引入迁移学习和分步训练法,所提方法可以将剩余生命周期预测的均方误差降低至0.0016,能够实现电梯制动器在真实工作环境下的剩余生命周期精准预测. 展开更多
关键词 电梯制动器 无监督深度迁移学习 长短期记忆网络自编码器 剩余生命周期 分步训练
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