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525篇文章
< 1 2 … 27 >
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CNN-GRU-Attention网络模型的油井产量预测
1
作者 杨王黎 宣翔腾 赵建民 《计算机与数字工程》 2026年第1期287-293,共7页
油藏勘探和开发中,预测油井的产量是一个非常重要的任务。为了更准确地预测油井的产量,提出了一种基于卷积神经网络-门控循环单元神经-注意力机制(CNN-GRU-Attention)神经网络模型的预测油井产量新方法。将CNN网络提取特征的能力的优势... 油藏勘探和开发中,预测油井的产量是一个非常重要的任务。为了更准确地预测油井的产量,提出了一种基于卷积神经网络-门控循环单元神经-注意力机制(CNN-GRU-Attention)神经网络模型的预测油井产量新方法。将CNN网络提取特征的能力的优势与GRU网络处理长时间序列的优势结合,避免因输入特征序列过长导致精度降低的情况,并融合注意力机制可突显重要特征对于油井产量的影响,增强油井产量预测模型的准确性。通过在真实的油井生产数据集上进行实验,相比CNN、LSTM、GRU、CNN-GRU,CNN-LSTM模型特征提取效果更好,预测结果具有更高的准确性和稳定性,可以帮助油田工程师更好地预测油井产量和制定更合理的生产计划。 展开更多
关键词 产量预测 模型融合 神经网络 CNN-gru-Attention模型
在线阅读 下载PDF
基于CNN-GRU模型的核反应堆冷却剂系统故障诊断系统设计
2
作者 刘家义 隋阳 +2 位作者 戴滔 贾晓龙 闫家胜 《科学技术与工程》 北大核心 2026年第4期1498-1508,共11页
核反应堆冷却剂系统(reactor coolant system,RCS)是核电厂安全运行的核心屏障,其故障诊断的准确性对保障核安全具有关键意义。针对传统故障诊断方法在特征提取和时序建模方面的不足,且传统诊断系统在安装、维护及跨平台数据交互等方面... 核反应堆冷却剂系统(reactor coolant system,RCS)是核电厂安全运行的核心屏障,其故障诊断的准确性对保障核安全具有关键意义。针对传统故障诊断方法在特征提取和时序建模方面的不足,且传统诊断系统在安装、维护及跨平台数据交互等方面存在诸多限制。按照如下路线,构建一种基于卷积神经网络-门控循环单元(convolutional neural network-gated recurrent unit,CNN-GRU)模型的RCS故障诊断模型,并设计了基于浏览器/服务器(browser/server,B/S)架构的RCS故障诊断系统。首先,使用CNN模型,提取RCS运行数据的局部时空特征;然后,将提取的特征输入GRU进行时序建模,构建CNN-GRU诊断模型;最后,基于该模型设计了RCS故障诊断系统。该系统通过前端数据上传与后端模型推理实现故障诊断。实验采用核电厂仿真与严重事故分析仪(personal computer transient analyzer,PCTRAN)生成的模拟数据进行验证。结果表明,该系统能够准确识别RCS的8类故障工况,平均准确率达到99.85%,为核电厂安全运行提供了可靠的故障诊断支持。 展开更多
关键词 核反应堆冷却剂系统(RCS) 故障诊断 卷积神经网络-门控循环单元(CNN-gru)神经网络 浏览器/服务器(B/S)架构
在线阅读 下载PDF
基于GRU-MPC的双全回转推进拖轮轨迹跟踪控制
3
作者 李诗杰 刘泰序 +2 位作者 刘佳仑 董智霖 徐诚祺 《上海交通大学学报》 北大核心 2026年第3期418-426,共9页
针对双全回转尾推进拖轮轨迹跟踪控制问题,提出通过门控循环单元(GRU)神经网络构建拖轮三自由度运动数据驱动模型,并基于GRU模型构建模型预测控制(MPC)轨迹跟踪控制器,克服传统控制方法对精确系统机理模型限制.在不改变拖轮推进器转速... 针对双全回转尾推进拖轮轨迹跟踪控制问题,提出通过门控循环单元(GRU)神经网络构建拖轮三自由度运动数据驱动模型,并基于GRU模型构建模型预测控制(MPC)轨迹跟踪控制器,克服传统控制方法对精确系统机理模型限制.在不改变拖轮推进器转速前提下,通过调节左右舵角对拖轮速度与航向进行调控,并通过仿真实验验证所提出方案的有效性.在噪声干扰下,模型精度良好.通过对比不同预测步长下的控制性能,探讨预测步长对控制效果及求解时间的影响.当预测步长增加时,控制精度得到提升,但由于优化求解复杂度提升,求解时间增加.本研究为拖轮的精确轨迹跟踪控制提供新思路,也为类似非线性系统控制研究提供有价值的参考. 展开更多
关键词 全回转尾推进型拖轮控制 模型预测控制 门控循环单元神经网络 轨迹跟踪控制 数据驱动模型
在线阅读 下载PDF
基于LSTM-GRU神经网络的煤矿区开采沉陷预测
4
作者 马吉强 张爱华 +1 位作者 吴仪 杨旭 《陕西煤炭》 2026年第4期1-6,12,共7页
【目的及方法】大面积矿产开发造成了区域环境和资源破坏,岩土体位置和形态改变,从而引发地面沉降、塌陷等地质灾害,严重影响了矿区经济社会发展与生态环境修复,且严重威胁人民群众的生命财产安全。随着人工智能技术的不断发展,人工神... 【目的及方法】大面积矿产开发造成了区域环境和资源破坏,岩土体位置和形态改变,从而引发地面沉降、塌陷等地质灾害,严重影响了矿区经济社会发展与生态环境修复,且严重威胁人民群众的生命财产安全。随着人工智能技术的不断发展,人工神经网络在矿区开采沉陷预测研究领域应用逐渐广泛,故提出基于LSTM(Long Short-Term Memory,长短期记忆网络)与GRU(Gated Recurrent Unit,门控循环单元)神经网络的矿区开采沉陷预测方法。以某矿工作面的监测数据为例,建立LSTM、GRU及其组合(SUM)的时间序列预测模型,以实现矿区开采引起的地表下沉值和水平变形值预测。【结果及结论】LSTM、GRU及SUM预测结果表明,总体上,对于地表下沉值预测,LSTM、SUM优于GRU,LSTM最优,其均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(MAPE,Mean Absolute Percentage Error)分别为14 mm、1.5%;对于地表水平移动值预测,LSTM、SUM优于GRU,LSTM最优,其RMSE、MAPE分别为25 mm、6.9%;对于单次预测,精度的稳定性由高到低分别为SUM、LSTM、GRU,RMSE、MAPE的最大值与最小值均为GRU。 展开更多
关键词 开采沉陷 LSTM神经网络 gru神经网络 变形预测 深度学习
在线阅读 下载PDF
基于DAE_PARGRU的飞行目标实时航迹预测方法
5
作者 曹锐 吴力华 +2 位作者 胡爽 刘子敬 刘天翔 《现代电子技术》 北大核心 2026年第7期96-102,共7页
由于现有航迹预测方法存在针对性不强、动态调整难度大,难以保证实时预测精度的问题,文中提出一种基于DAE_PARGRU的飞行目标实时航迹预测方法。首先,针对当前飞行目标的特性,筛选历史侦测航迹和对应的理论航迹,采用去噪自编码器网络确... 由于现有航迹预测方法存在针对性不强、动态调整难度大,难以保证实时预测精度的问题,文中提出一种基于DAE_PARGRU的飞行目标实时航迹预测方法。首先,针对当前飞行目标的特性,筛选历史侦测航迹和对应的理论航迹,采用去噪自编码器网络确定实测数据的噪声特点后,完成当前目标理论航迹的加噪处理,生成更契合实际运用场景的离线训练数据;其次,通过典型门控循环单元网络的并行搭建及损失函数的优化设计,完成预制模型的构建,并采用离线训练数据完成预制模型的离线训练;然后,以实时数据完成模型迁移学习和模型参数的微调;最后,以流数据集方式输入模型,完成飞行目标航迹的实时预测,在综合实测值和预测值完成预测结果输出的同时,采用并行监控、动态调整的方式提高预测的准确性。仿真实验结果表明,所提方法具有更稳定的性能、更便捷的调整能力、更强的针对性和更高的预测效率,与此同时,通过预测算法的模块化实现,也使其能够在实际场景中发挥数据补全、落点预测等功能。 展开更多
关键词 实时航迹预测 去噪自编码器 并行 门控循环单元网络 离线学习 在线预测
在线阅读 下载PDF
基于GRU-Transformer与随机矩阵的机动群目标跟踪
6
作者 陈烨 梁苑 +1 位作者 李银伢 戚国庆 《兵工学报》 北大核心 2026年第1期282-295,共14页
针对机动群目标跟踪问题,提出基于多任务多头门控循环单元变换器(Gated Recurrent Unit Transformer,GRU-Transformer)的机动模型辨识与当前统计(Current Statistical,CS)模型机动频率参数α回归,并将判别结果融入随机矩阵椭球-贝叶斯更... 针对机动群目标跟踪问题,提出基于多任务多头门控循环单元变换器(Gated Recurrent Unit Transformer,GRU-Transformer)的机动模型辨识与当前统计(Current Statistical,CS)模型机动频率参数α回归,并将判别结果融入随机矩阵椭球-贝叶斯更新,实现群目标质心与扩展外形的联合跟踪。基于机动群目标时间序列量测数据,提取群目标运动多项特征参数,输入所提深度神经网络,实现机动群目标运动模型(匀速(Constant Velocity,CV)模型、匀加速(Constant Acceleration,CA)模型、CS模型)的精准辨别,若目标模型为CS运动模型,同时输出机动频率参数α的精确估计结果。运用随机矩阵群目标跟踪理论,提出一种基于贝叶斯状态估计架构的椭圆机动群目标跟踪方法。仿真实验结果分析表明:新方法可实现对机动椭圆群目标的精确稳健跟踪,相较于传统交互式多模型群目标跟踪方法,跟踪精度有显著提升。 展开更多
关键词 机动群目标跟踪 注意力gru-Transformer深度神经网络 群目标跟踪 运动模型辨识 机动频率参数估计
在线阅读 下载PDF
基于CEEMDAN-SE和串行CNN-GRU的光伏功率组合预测模型
7
作者 窦真兰 吴松梅 +2 位作者 郭慧 张春雁 汪飞 《太阳能学报》 北大核心 2026年第2期67-75,共9页
为提高光伏功率的预测精度,提出一种基于完全自适应噪声经验模态分解(CEEMDAN)和串行卷积神经网络及门控神经网络(CNN-GRU)的光伏功率组合预测模型。首先,针对光伏功率波动性对预测结果的影响,采用CEEMDAN将原始光伏功率分解为若干子序... 为提高光伏功率的预测精度,提出一种基于完全自适应噪声经验模态分解(CEEMDAN)和串行卷积神经网络及门控神经网络(CNN-GRU)的光伏功率组合预测模型。首先,针对光伏功率波动性对预测结果的影响,采用CEEMDAN将原始光伏功率分解为若干子序列降低序列的非平稳性,并通过样本熵(SE)计算各子序列的复杂度,将SE值相近的序列,进行重组以减少计算量。其次,为克服单一神经网络在学习光伏功率历史数据特征的局限性,提出串行CNN-GRU混合神经网络以充分挖掘光伏功率的时空特征;将各子序列输入串行CNN-GRU得到预测结果,并将子序列预测结果叠加得到光伏功率预测结果。最后,对两个地区的光伏电站进行实例验证,同时构建LSTM、GRU、CEEMDAN-LSTM、CEEMDAN-GRU和串行CNN-GRU,进行对比验证。结果表明,所提模型能得到良好的预测结果,拥有良好的预测精度和泛化能力。 展开更多
关键词 光伏功率预测 CNN gru 混合神经网络 CEEMDAN SE
原文传递
基于1D-2D-GRU-ResNet的辐射源个体识别方法
8
作者 刘恒燕 方君 +3 位作者 凌青 闫文君 于柯远 张立民 《系统工程与电子技术》 北大核心 2026年第2期727-735,共9页
针对现有辐射源个体识别算法对特征提取不够充分,导致分类准确率提升受限的问题,提出了一种基于一维、二维特征融合的特定辐射源分类方法。该方法通过格拉姆角场将一维序列直接转换为二维数据,分别采用门控循环单元(gated recurrent uni... 针对现有辐射源个体识别算法对特征提取不够充分,导致分类准确率提升受限的问题,提出了一种基于一维、二维特征融合的特定辐射源分类方法。该方法通过格拉姆角场将一维序列直接转换为二维数据,分别采用门控循环单元(gated recurrent unit,GRU)及改进的深度残差网络(residual networks,ResNet)提取一维、二维特征,充分利用原始序列特征及机器学习处理二维数据的优势进行互补。仿真结果表明,GRU-ResNet具有更好的特征提取能力,大大提升了辐射源个体识别准确率,迭代次数为50次时,识别准确率较其他网络提升了10%以上,为特定辐射源识别问题提供了新思路。 展开更多
关键词 特定辐射源识别 门控循环单元 深度残差网络 特征融合
在线阅读 下载PDF
基于KOA-GRU网络的火电机组一次调频能力预测
9
作者 喻书非 康英伟 《鞍钢技术》 2026年第2期60-67,共8页
为提升火电机组一次调频能力的预测精度,辅助保障电网频率稳定及电力系统安全运行,提出一种结合开普勒优化算法(Kepler Optimization Algorithm,KOA)与门控循环单元(Gated Recurrent Unit,GRU)网络的一次调频能力预测方法。以某350 MW... 为提升火电机组一次调频能力的预测精度,辅助保障电网频率稳定及电力系统安全运行,提出一种结合开普勒优化算法(Kepler Optimization Algorithm,KOA)与门控循环单元(Gated Recurrent Unit,GRU)网络的一次调频能力预测方法。以某350 MW燃煤火电机组一次调频的实际运行数据为样本,通过相关性分析挖掘关键特征变量;采用开普勒优化算法对GRU网络模型的超参数进行优化,构建KOA-GRU预测模型,并将该模型与长短期记忆(LSTM)网络模型、粒子群优化的长短期记忆(PSO-GRU)网络模型、GRU网络模型及粒子群优化的GRU网络模型进行对比。结果表明,KOA-GRU网络模型的适应度值在经过7次迭代后稳定在0.127,收敛性优于其他四种模型;同时,该模型在不同评估指标下均表现出更优的预测效果,均方根误差(RMSE)为0.148 MW,平均绝对误差(MAE)为0.092 MW,具有较高的预测精度。 展开更多
关键词 火电机组 一次调频能力 动态建模 开普勒优化算法 门控循环单元网络
在线阅读 下载PDF
基于CNN-GRU-注意力的锂离子电池SOC估计
10
作者 程思涵 刘思懿 +2 位作者 郭子旭 李子涵 吴慕遥 《电池》 北大核心 2026年第1期131-135,共5页
锂离子电池内部电化学反应复杂,外部应用场景随机多变,使得车载锂离子电池SOC估计的准确性低、鲁棒性弱。提出一种基于卷积神经网络(CNN)-门控循环单元(GRU)-注意力机制混合网络的车载锂离子电池SOC估计方法。首先,进行实车数据预处理,... 锂离子电池内部电化学反应复杂,外部应用场景随机多变,使得车载锂离子电池SOC估计的准确性低、鲁棒性弱。提出一种基于卷积神经网络(CNN)-门控循环单元(GRU)-注意力机制混合网络的车载锂离子电池SOC估计方法。首先,进行实车数据预处理,获取可用的放电片段;然后,采用皮尔逊-斯皮尔曼特征双准则分析,选择出3个与SOC具有强相关性的简单特征作为混合网络的输入;最后,构建混合网络,并分别在北方和南方地区的实车运行数据上进行测试。实验结果表明,SOC估计的平均绝对误差与均方根误差均小于1.6%,验证了该方法的可行性与有效性。 展开更多
关键词 锂离子电池 荷电状态(SOC) 卷积神经网络(CNN) 门控循环单元(gru) 注意力机制 特征双准则 混合网络
在线阅读 下载PDF
核反应堆冷却剂系统故障诊断MPA-TCN-GRU模型
11
作者 贾晓龙 戴滔 +2 位作者 隋阳 闫家胜 刘家义 《科学技术与工程》 北大核心 2026年第8期3319-3329,共11页
核反应堆冷却剂系统(reactor coolant system,RCS)是一个庞大且复杂的核电厂系统,它的主要作用是载出核反应堆产生的热量、防止放射性物质外泄。因此,精准的RCS故障诊断对于保障核电厂的安全性至关重要。为针对传统RCS故障诊断模型训练... 核反应堆冷却剂系统(reactor coolant system,RCS)是一个庞大且复杂的核电厂系统,它的主要作用是载出核反应堆产生的热量、防止放射性物质外泄。因此,精准的RCS故障诊断对于保障核电厂的安全性至关重要。为针对传统RCS故障诊断模型训练效率较低、准确性不足的问题,按照如下路线提出了一种RCS故障诊断海洋捕食者算法(marine predator algorithm,MPA)-时间卷积网络(temporal convolutional network,TCN)-门控循环单元(gated recurrent unit,GRU)模型。首先,应用TCN模型,提取RCS样本数据的特征信息;然后,将提取到的特征信息输入到GRU模型,捕捉数据中的时序依赖关系,进而构建TCN-GRU模型;最后,应用MPA寻找TCN-GRU模型的最优超参数,实现对RCS的精准诊断。结果表明:与传统的TCN、GRU及TCN-GRU模型相比,所提模型在较少的训练轮数实现了收敛,同时在诊断准确率上分别提高了2.64%、2.93%和2.01%,验证了所提出的诊断模型的高效性和可靠性。 展开更多
关键词 核反应堆冷却剂系统(RCS) 故障诊断 时间卷积网络(TCN) 门控循环单元(gru) 海洋捕食者算法(MPA)
在线阅读 下载PDF
基于SEGCN-GRU的滚动轴承剩余寿命预测
12
作者 苏兴亮 江海锋 +2 位作者 林勤 阙辉鉴 钟建华 《制造业自动化》 2026年第2期116-125,共10页
机械设备的滚动轴承剩余使用寿命(RUL)的精确预测,对于保证设备的可靠运行以及实施有效的维护措施至关重要,对保障工作人员生命和财产安全具有重大意义。目前,在滚动轴承RUL预测领域,由于缺乏针对不同样本之间相互关系特征的分析与提取... 机械设备的滚动轴承剩余使用寿命(RUL)的精确预测,对于保证设备的可靠运行以及实施有效的维护措施至关重要,对保障工作人员生命和财产安全具有重大意义。目前,在滚动轴承RUL预测领域,由于缺乏针对不同样本之间相互关系特征的分析与提取,以及对振动信号的处理不够灵活,导致滚动轴承RUL预测不够精确。因此,提出了一种基于压缩激励图卷积网络(Squeeze-and-excitation graph convolution Networks, SEGCN)与门控循环单元(Gated recurrent unit, GRU)的模型。首先,通过自适应变分模态分解(Adaptive variational mode decomposition, AVMD)对轴承数据进行预处理。然后,考虑到振动数据在时序维度与特征空间维度的复杂性与非线性,利用压缩激励网络(Squeeze-and-excitation network, SEN)改进图卷积网络。通过压缩激励机制,能够聚合并完全捕获与通道相关的依赖关系,结合GCN能够融合不同时间节点的数据,从而提取出数据之间的相互关系特征。最后,利用门控循环单元识别滚动轴承的不同特征,获得滚动轴承RUL的预测结果。研究结果表明,该模型能够提取各个样本之间的相互关系,对不同工作条件下的滚动轴承RUL预测具有良好的预测精度以及泛化能力。 展开更多
关键词 变分模态分解 压缩激励网络 图卷积神经网络 剩余使用寿命 门控循环单元
在线阅读 下载PDF
一种真实人体无触重建的并行GRU网络算法
13
作者 刘岩 尹伟石 《黑龙江大学自然科学学报》 2025年第2期154-161,共8页
通过真实特征参数重建人体是虚拟现实领域的重要问题。为了实现高精度人体重建并降低计算复杂度,构建并行门控循环单元(Gated recurrent unit,GRU)网络建立人体特征参数和远场数据之间的关系,使用Fourier方法通过远场数据重建人体形状... 通过真实特征参数重建人体是虚拟现实领域的重要问题。为了实现高精度人体重建并降低计算复杂度,构建并行门控循环单元(Gated recurrent unit,GRU)网络建立人体特征参数和远场数据之间的关系,使用Fourier方法通过远场数据重建人体形状。从低维度数据向高维度数据映射会导致模型泛化能力减弱,通过并行GRU网络实现高维远场数据快速计算,有效建立低维人体特征参数和高维远场数据之间的关系。实验结果表明,该方法可以实现三维人体重建,在真实数据的数据集上具有较低的平均误差。 展开更多
关键词 三维人体重建 并行gru网络 远场数据 人体特征参数
在线阅读 下载PDF
基于GRU神经网络的电商网络恶意流量检测研究
14
作者 王自豪 谢丽 李俊 《微型电脑应用》 2025年第7期186-189,共4页
电商网络的恶意流量中存在长序列、多任务等特征,导致检测精度下降,对此,研究基于门控循环单元(GRU)神经网络的电商网络恶意流量检测方法。在相空间重构过程中,引入小波变换消除电商网络流量中存在的噪声。采用主成分分析法对去噪后的... 电商网络的恶意流量中存在长序列、多任务等特征,导致检测精度下降,对此,研究基于门控循环单元(GRU)神经网络的电商网络恶意流量检测方法。在相空间重构过程中,引入小波变换消除电商网络流量中存在的噪声。采用主成分分析法对去噪后的电商网络流量进行特征提取。将经过特征提取的电商网络流量输入GRU神经网络,通过训练和优化神经网络得到电商网络恶意流量检测结果。实验结果表明,所提方法的电商网络流量处理效果好,恶意流量类别检测精度高达到99%,最短检测时间仅为234 s,具有一定的技术水平与实用性。 展开更多
关键词 gru神经网络 相空间重构 小波变换 主成分分析 网络恶意流量检测
在线阅读 下载PDF
具有注意力机制的CNN-GRU模型在风电机组异常状态预警中的应用 被引量：2
15
作者 马良玉 胡景琛 +1 位作者 段晓冲 黄日灏 《南京信息工程大学学报》 北大核心 2025年第3期374-383,共10页
针对风电机组长期在恶劣环境中工作导致故障频发的问题,提出一种具有注意力机制的卷积神经网络(CNN)及门控循环单元(GRU)的异常工况预警方法.利用快速密度峰值聚类和局部离群因子算法对风电机组数据采集与监控系统中的异常数据进行清洗... 针对风电机组长期在恶劣环境中工作导致故障频发的问题,提出一种具有注意力机制的卷积神经网络(CNN)及门控循环单元(GRU)的异常工况预警方法.利用快速密度峰值聚类和局部离群因子算法对风电机组数据采集与监控系统中的异常数据进行清洗,结合机理分析及极端梯度提升(XGBoost)算法对特征重要性的评估确定模型的输入输出参数,进而采用具有注意力机制的CNN-GRU模型建立风电机组正常运行工况的性能预测模型.以该预测模型为基础,利用时移滑动窗口构建风电机组状态评价指标,并结合统计学中的区间估计法确定预警阈值,最终实现机组异常工况预警.应用某风电机组真实历史故障数据进行实验,结果表明,本文所提方法能够准确地对异常状态进行提前识别和预警,有利于运维人员及时处理故障,保证机组安全稳定运行. 展开更多
关键词 风电机组 卷积神经网络 门控循环单元 注意力机制 故障预警
在线阅读 下载PDF
基于VMD-1DCNN-GRU的轴承故障诊断 被引量：4
16
作者 宋金波 刘锦玲 +2 位作者 闫荣喜 王鹏 路敬祎 《吉林大学学报(信息科学版)》 2025年第1期34-42,共9页
针对滚动轴承信号含噪声导致诊断模型训练困难的问题,提出了一种基于变分模态分解(VMD:Variational Mode Decomposition)和深度学习相结合的轴承故障诊断模型。首先,该方法通过VMD对轴承信号进行模态分解,并且通过豪斯多夫距离(HD:Hausd... 针对滚动轴承信号含噪声导致诊断模型训练困难的问题,提出了一种基于变分模态分解(VMD:Variational Mode Decomposition)和深度学习相结合的轴承故障诊断模型。首先,该方法通过VMD对轴承信号进行模态分解,并且通过豪斯多夫距离(HD:Hausdorff Distance)完成去噪,尽可能保留原始信号的特征。其次,将选择的有效信号输入一维卷积神经网络(1DCNN:1D Convolutional Neural Networks)和门控循环单元(GRU:Gate Recurrent Unit)相结合的网络结构(1DCNN-GRU)中完成数据的分类,实现轴承的故障诊断。通过与常见的轴承故障诊断方法比较,所提VMD-1DCNN-GRU模型具有最高的准确性。实验结果验证了该模型对轴承故障有效分类的可行性,具有一定的研究意义。 展开更多
关键词 故障诊断 深度学习 变分模态分解 一维卷积神经网络 门控循环单元
在线阅读 下载PDF
基于GAT-GRU的高渗透率分布式新能源接入的配电网无功优化 被引量：3
17
作者 刘会家 滕杰 +1 位作者 冯铃 肖懂 《现代电力》 北大核心 2025年第3期531-541,共11页
无功优化在配电网的电压控制、潮流分布以及整个配电网的稳定中起着至关重要的作用。目前,高渗透率新能源的分布式并网以及负荷的多样化给电网的稳定运行带来了巨大的挑战,传统无功补偿方式的时效性以及准确性在当下复杂电网背景下已经... 无功优化在配电网的电压控制、潮流分布以及整个配电网的稳定中起着至关重要的作用。目前,高渗透率新能源的分布式并网以及负荷的多样化给电网的稳定运行带来了巨大的挑战,传统无功补偿方式的时效性以及准确性在当下复杂电网背景下已经无法满足低成本–高质量的供电要求。针对以上情况,该文采用图注意力网络(graph attention networks,GAT)结合门控循环单元(gate recurrent unit,GRU)神经网络对配电网的无功做出优化决策,基于GAT-GRU网络,把握节点间相关性特征的同时获取配电网特征时间依赖性。依据决策,通过无功调节设备与智能柔性开关(soft open point,SOP)协同,以解决配电网的无功优化问题。最后,利用改进的IEEE 33节点配电模型对所提方法进行验证,结果表明GAT-GRU网络在电压控制、网络损耗优化等方面具有良好的效果,证明了该方法在无功优化中的有效性与优异性。 展开更多
关键词 无功优化 配电网 图注意力网络 门控循环单元 分布式能源 智能软开关
原文传递
基于混合残差Transformer-GRU的飞行航迹预测
18
作者 黄晋 赵隆懿 +1 位作者 高震 李欣洋 《航空计算技术》 2025年第6期25-30,36,共7页
随着空域环境的日益复杂化,航迹预测面临长期依赖建模难度大、空间特征提取能力不足及历史航迹数据利用低等挑战。为此,提出基于混合残差结构的Transformer-GRU模型(残差-多头自注意力-CNN-Transformer-GRU),融合Transformer的全局信息... 随着空域环境的日益复杂化,航迹预测面临长期依赖建模难度大、空间特征提取能力不足及历史航迹数据利用低等挑战。为此,提出基于混合残差结构的Transformer-GRU模型(残差-多头自注意力-CNN-Transformer-GRU),融合Transformer的全局信息捕获能力与GRU在时序建模上的优势,精准提取航迹数据的长期依赖关系与局部动态变化。同时,引入多头自注意力机制与CNN增强空间特征提取能力,并利用残差连接优化训练,提高信息流动性,充分挖掘历史数据的时空特征。基于ADS-B航迹数据进行实验,结果表明,该模型在高度、经度和纬度的均方根误差(RMSE)和平均绝对误差(MAE)均显著降低,整体预测精度和稳定性方面表现优于其他深度学习模型,为空域管理和飞行安全提供了一种高效的预测方法。 展开更多
关键词 航迹预测 多头自注意力机制 gru TRANSFORMER 残差网络
在线阅读 下载PDF
基于GRU模型的船舶运动与载荷快速预报研究 被引量：2
19
作者 朱沛樵 丁军 +1 位作者 耿彦超 强以铭 《船舶力学》 北大核心 2025年第3期337-350,共14页
本文基于门控神经网络(GRU)建立船舶运动与载荷快速预报模型,GRU神经网络是一种简洁高效的循环神经网络,通过捕捉训练样本的时序信息建立模型来预报未知样本。预报模型由两个独立的GRU神经网络组成,分别实现船舶运动与载荷的预报,将船... 本文基于门控神经网络(GRU)建立船舶运动与载荷快速预报模型,GRU神经网络是一种简洁高效的循环神经网络,通过捕捉训练样本的时序信息建立模型来预报未知样本。预报模型由两个独立的GRU神经网络组成,分别实现船舶运动与载荷的预报,将船舶纵摇和垂荡历史数据共同作为运动预报模型输入,预报得到未来数秒后的船舶纵摇和垂荡,并将运动预报结果作为载荷预报模型的输入,实现对船舯垂向弯矩的预报。通过模型试验数据对该方法进行验证,结果表明不同超前预报时间的预报结果与试验结果幅值和相位吻合较好,验证了所建立的船舶运动与载荷预报模型的可行性。 展开更多
关键词 gru神经网络 船舶运动 波浪载荷
在线阅读 下载PDF
一种基于Attention-TCN-GRU的船舶轨迹预测模型 被引量：2
20
作者 郑元洲 黄海超 +3 位作者 钱龙 曹婧欣 侯文波 李鑫 《武汉理工大学学报(交通科学与工程版)》 2025年第2期439-447,共9页
本文提出了一种串行Attention-TCN-GRU的轨迹预测模型.通过数据清洗和异常值处理等过程筛选出有效AIS数据,并采用三次样条插值算法补全船舶轨迹缺失值,有效提高数据的可用性.该模型将时间卷积神经网络(TCN)强大的时序数据特征提取能力... 本文提出了一种串行Attention-TCN-GRU的轨迹预测模型.通过数据清洗和异常值处理等过程筛选出有效AIS数据,并采用三次样条插值算法补全船舶轨迹缺失值,有效提高数据的可用性.该模型将时间卷积神经网络(TCN)强大的时序数据特征提取能力与门控循环网络(GRU)相结合,通过串行结构设计,有效提高了船舶航行信息的处理能力.同时针对内河船舶在桥区水域及大角度弯曲航道的航行特点,将注意力机制引入预测模型,实现了较高精确度的航迹数据特征提取和趋势预测.本文开展了基于AIS数据的多工况轨迹预测实验,结果表明:Attention-TCN-GRU对内河复杂水域船舶航迹预测精确度明显优于传统神经网络. 展开更多
关键词 船舶轨迹预测 AIS数据 时间卷积神经网络 注意力机制 Attention-TCN-gru
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 2 … 27 下一页 到第 页
使用帮助 返回顶部