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1,129篇文章
< 1 2 … 57 >
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-LSSVM的滚刀磨损状态监测
1
作者 王华伟 王有富 +2 位作者 刘四进 王小天 刘鹏 《仪表技术与传感器》 北大核心 2026年第1期91-96,共6页
盾构机刀盘上的滚刀在掘进过程中直接切削、挤压破碎岩石,其磨损状态将显著影响隧道掘进施工的效率和安全性。将滚刀磨损分为正常磨损、一侧偏磨、滚刀磨尖、弦偏磨和崩刃5种状态,为了实时对磨损状态进行监测,使用电涡流传感器采集滚刀... 盾构机刀盘上的滚刀在掘进过程中直接切削、挤压破碎岩石,其磨损状态将显著影响隧道掘进施工的效率和安全性。将滚刀磨损分为正常磨损、一侧偏磨、滚刀磨尖、弦偏磨和崩刃5种状态,为了实时对磨损状态进行监测,使用电涡流传感器采集滚刀刀圈的磨损量并传输至上位机,在上位机中使用机器学习算法识别滚刀刀圈磨损状态。在1∶2比例的缩尺实验台上测试验证,结果表明该监测系统能准确检测滚刀刀圈磨损量。CNN-LSSVM识别不同损伤状态的总体准确率为99.4%,单一状态的分类准确率均高于94.3%。使用的CNN-LSSVM混合结构充分利用两者的优势,实现特征提取和分类鲁棒性之间的高效协同,能更好地实现滚刀损伤状态识别。 展开更多
关键词 盾构滚刀 电涡流传感器 硬件采集系统 CNN-lssvm 损伤状态识别 磨损状态
在线阅读 下载PDF
基于CEEMDAN-IGWO-LSSVM的工程力学数据三轴试验智能预测研究
2
作者 李娜 蒋雪雅 花梦磊 《自动化与仪器仪表》 2026年第1期241-245,共5页
为提升工程力学数据的三轴试验智能预测效果,提出以深基坑沉降变形预测为研究对象,构建一个基于CEEMDAN-IGWO-LSSVM的深基坑沉降变形预测模型。首先,获取深基坑沉降变形工程力学数据;然后采用CEEMDAN技术对采集的数据进行分解,并将分解... 为提升工程力学数据的三轴试验智能预测效果,提出以深基坑沉降变形预测为研究对象,构建一个基于CEEMDAN-IGWO-LSSVM的深基坑沉降变形预测模型。首先,获取深基坑沉降变形工程力学数据;然后采用CEEMDAN技术对采集的数据进行分解,并将分解后的模态分量输入至IGWO-LSSVM模型中进行训练和预测;最后进行预测结果叠加即可获得最终预测结果。三轴试验结果表明,本模型的MRE、MSE和RMSE误差分别为0.026%、0.0713 mm2和0.1945 mm,均低于传统的CEEMDAN-VMD-PSO-LSTM预测模型、CNN-LSTM模型和PSO-GA-LSSVM模型。由此分析说明,采用本模型可降低深基坑沉降变形预测误差,提升智能预测精度,可在工程力学智能预测工作中进行实际应用。 展开更多
关键词 lssvm 深基坑沉降 变形预测 工程力学 三轴试验
原文传递
基于WSET-ICNN和改进LSSVM的旋转机械故障诊断策略
3
作者 仝兆景 张榕 宋静斌 《机电工程》 北大核心 2026年第3期607-618,626,共13页
针对旋转机械故障信号的非线性和非平稳特性,提出了一种融合同步提取小波变换(WSET)、改进卷积神经网络(ICNN)和改进蜜獾算法(IHBA)优化的最小二乘支持向量机(LSSVM)的旋转机械故障诊断模型。首先,利用WSET的高时频分辨率特性对原始故... 针对旋转机械故障信号的非线性和非平稳特性,提出了一种融合同步提取小波变换(WSET)、改进卷积神经网络(ICNN)和改进蜜獾算法(IHBA)优化的最小二乘支持向量机(LSSVM)的旋转机械故障诊断模型。首先,利用WSET的高时频分辨率特性对原始故障信号进行了多模态分解和时频分析,利用时频转换技术,将一维时间序列信号转换为二维时频特征图,为降低后续处理的计算复杂度,对生成的时频图像进行了降维处理;然后,将降维后的时频图像输入改进卷积神经网络中,进行了自适应深度特征提取,提取了ICNN全连接层的特征,将其作为最小二乘支持向量机的输入特征;最后,利用改进蜜獾算法优化了LSSVM的两个关键超参数,以构建最终的故障分类模型,进行了仿真验证;还在东南大学齿轮箱数据集上进行了实验和对比分析,验证了该方法的准确性。研究结果表明:WSET-IHBA-LSSVM方法对轴承故障的识别准确率为100%,对齿轮箱故障的识别准确率为99.75%;与LSSVM、蜜獾算法改进LSSVM相比,WSET-IHBA-LSSVM对轴承和齿轮箱故障的识别准确率更高,在诊断精度和稳定性方面展现出显著优势。WSET-ICNN-IHBA-LSSVM模型在轴承与齿轮箱故障诊断中具有较好的效果。 展开更多
关键词 转子机械 同步提取小波变换 时频 改进二维卷积神经网络 改进蜜獾算法 最小二乘支持向量机
在线阅读 下载PDF
基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情预测
4
作者 黄心怡 郑中团 《计算机工程与应用》 北大核心 2026年第6期342-353,共12页
针对突发事件网络舆情数据呈现出的复杂高频变化特点,提出基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情组合预测模型,其中HC表示高频分量再处理的过程。采用自适应噪声完全集合经验模态分解(CEEMDAN)算法将原始舆情数据分解为不... 针对突发事件网络舆情数据呈现出的复杂高频变化特点,提出基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情组合预测模型,其中HC表示高频分量再处理的过程。采用自适应噪声完全集合经验模态分解(CEEMDAN)算法将原始舆情数据分解为不同频率的模态分量;利用排列熵(PE)分析各个模态分量的随机性,根据熵值分布区间将各模态分量整合为低、中、高频序列;对高频序列再次进行CEEMDAN分解与排列熵重构,最终得到2个低频序列、2个中频序列和1个高频序列;通过遗传算法优化的BP神经网络和灰狼算法优化的最小二乘支持向量机(LSSVM)分别预测中低频和高频序列,将各序列的预测值等权累加,得到模型的最终预测结果。为验证提出模型的预测效能优势,选取台风“杜苏芮”事件舆情指数等4个数据集展开实证研究,并使用LSTM、RF、BP、LSSVM、CNN、Transformer、TCN七个单一模型及CEEMDAN-PE-BP、CEEMDAN-PE-LSSVM、CEEMDAN-PE-BP-LSSVM三个组合模型进行预测对比。结果表明,在11个预测模型中,提出模型的可决系数最接近1,均方根误差最小,与单一的LSSVM算法相比,基于CEEMDAN-PE-HC-BP-LSSVM算法的组合预测模型均方根误差分别降低了55.4%、48.10%、54.87%和59.40%,稳定性也更高。基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情组合预测模型提高了高频时间序列的预测精度与稳定性。 展开更多
关键词 突发事件网络舆情 组合预测 CEEMDAN 排列熵 GA-BP神经网络 GWO-lssvm算法
在线阅读 下载PDF
基于ISABO-VMD与改进LSSVM的煤矿带式输送机托辊轴承故障诊断方法
5
作者 肖玉清 《煤矿机械》 2026年第3期179-186,共8页
针对煤矿带式输送机托辊轴承故障诊断方法在特征提取与故障类型识别准确性方面的不足,提出了一种融合改进变分模态分解(VMD)与最小二乘支持向量机(LSSVM)的滚动轴承故障诊断方法。首先,通过引入混沌衍射与Levy飞行策略对减法平均优化(SA... 针对煤矿带式输送机托辊轴承故障诊断方法在特征提取与故障类型识别准确性方面的不足,提出了一种融合改进变分模态分解(VMD)与最小二乘支持向量机(LSSVM)的滚动轴承故障诊断方法。首先,通过引入混沌衍射与Levy飞行策略对减法平均优化(SABO)算法进行改进,进而自适应地确定VMD中的模态分解数k与惩罚因子α;其次,依据平均峭度准则对分解后的信号进行重构,对重构信号进行特征提取;最后,采用淘金热优化(GRO)算法对LSSVM进行参数寻优,构建GRO-LSSVM故障诊断模型,并将所提取的特征输入该模型进行分类识别。试验结果表明,该方法在不同故障状态下均能实现较高的诊断精度,验证了其有效性与优越性。 展开更多
关键词 带式输送机 托辊轴承 故障诊断 VMD lssvm
原文传递
基于改进LSSVM的火电厂发电机组智能状态监测方法
6
作者 蒋荣 《国外电子测量技术》 2026年第1期216-222,共7页
宝庆电厂2×660 MW超临界燃煤发电机组在宽负荷、变工况运行时,其关键参数呈现强非线性、高维耦合特性,且受燃煤品质、环境条件等因素影响,正常运行状态具有多模态、时变特征。传统固定参数的最小二乘支持向量机(Least Squares Supp... 宝庆电厂2×660 MW超临界燃煤发电机组在宽负荷、变工况运行时,其关键参数呈现强非线性、高维耦合特性,且受燃煤品质、环境条件等因素影响,正常运行状态具有多模态、时变特征。传统固定参数的最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)模型难以自适应捕捉这种动态、非平稳的运行特征,易导致状态监测模型在工况迁移时出现泛化能力下降,导致状态检测结果的误报率与漏报率升高。为此,提出一种基于改进LSSVM的智能状态监测方法,构建感知层、数据层、业务层、发布层4层协同总体架构。业务层采用以径向基核函数(Radial Basis Function,RBF)为核心的LSSVM模型,并引入天牛须搜索(Beetle Antennae Search,BAS)算法对LSSVM模型的惩罚因子与核宽进行自适应寻优,实现对机组多工况运行状态的高精度跟踪。实验结果表明,该方法可精准捕获宝庆电厂1#机组1号汽轮机主蒸汽温度的10次越限事件,无预警滞后或漏报;对一次风机轴承温度、水平振动的拟合偏差分别控制在0.1℃、0.02 mm/s以内;与长短期记忆(Long Short-Term Memory,LSTM)网络、Transformer等对比方法相比,该方法在全工况下的均方根误差(Root Mean Square Error,RMSE)平均降低约23.5%,显著提升了监测精度与稳定性。本研究为火电机组在复杂工况下的智能状态监测与异常预警提供了有效解决方案,具有重要的工程应用价值。 展开更多
关键词 火电厂发电机组 智能状态监测 改进lssvm 天牛须搜索算法 状态监测
原文传递
基于ICEEMDAN与优化LSSVM的布西大坝变形预测研究
7
作者 姜其彬 董志荣 +2 位作者 刘正旭 柳德均 李立安 《水利技术监督》 2026年第6期206-208,314,352,共5页
为提高大坝变形监测数据的预测精度,以四川省布西大坝为研究对象,提出一种基于ICEEMDAN信号分解与优化LSSVM的组合预测模型。利用ICEEMDAN将变形序列分解为多个本征模态分量,并采用EBQPSO算法优化LSSVM超参数,提升子序列拟合能力;同时,... 为提高大坝变形监测数据的预测精度,以四川省布西大坝为研究对象,提出一种基于ICEEMDAN信号分解与优化LSSVM的组合预测模型。利用ICEEMDAN将变形序列分解为多个本征模态分量,并采用EBQPSO算法优化LSSVM超参数,提升子序列拟合能力;同时,引入LSTM对预测残差进行修正,增强模型对时序特征的捕捉能力。结果表明,在典型测点LB1的预测中,该组合模型的RMSE和MAE分别降至0.082mm和0.062mm,R^(2)为0.993,预测精度显著优于单一模型。研究成果为大坝安全监测提供了可靠的技术支持。 展开更多
关键词 大坝变形预测 ICEEMDAN lssvm LSTM 残差修正
在线阅读 下载PDF
基于PSO-LSSVM融合模型的建筑工程造价智能评估与优化控制研究
8
作者 卢运文 《中文科技期刊数据库(文摘版)工程技术》 2026年第2期138-142,共5页
本研究针对传统建筑工程造价评估方法在应对复杂、非线性工程成本预测中的局限性,结合粒子群优化算法(PSO)与最小二乘支持向量机(LSSVM),提出了一种智能化的工程造价评估与优化控制方法。通过构建涵盖建筑特征、结构特征与项目特征的造... 本研究针对传统建筑工程造价评估方法在应对复杂、非线性工程成本预测中的局限性,结合粒子群优化算法(PSO)与最小二乘支持向量机(LSSVM),提出了一种智能化的工程造价评估与优化控制方法。通过构建涵盖建筑特征、结构特征与项目特征的造价评估指标体系,建立了PSO–LSSVM融合模型,实现了对工程造价的精确预测与动态优化。并基于科学的评估结果,进一步提出了工程造价优化控制策略,以期为行业提供新的思路。 展开更多
关键词 PSO–lssvm 建筑工程 工程造价评估方法 优化控制
在线阅读 下载PDF
基于分数阶RCMDE和参数优化LSSVM的开关柜故障声纹识别方法
9
作者 白志路 袁小翠 +4 位作者 田文超 王嘉辉 庞乐乐 许文杰 高兆 《电网与清洁能源》 北大核心 2026年第2期29-39,46,共12页
开关柜发生故障时会产生不同的异常声音,声纹识别技术可以实现对开关柜的不停电检测。提出了基于分数阶精细复合多尺度散布熵(refined composite multiscale dispersion entropy,RCMDE)和参数优化最小二乘支持向量机(least square suppo... 开关柜发生故障时会产生不同的异常声音,声纹识别技术可以实现对开关柜的不停电检测。提出了基于分数阶精细复合多尺度散布熵(refined composite multiscale dispersion entropy,RCMDE)和参数优化最小二乘支持向量机(least square support vector machines,LSSVM)的开关柜故障声纹识别方法。首先,提出分数阶RCMDE熵特征提取方法计算开关柜声纹信号的熵特征;其次,对瞪羚优化算法的位置更新模块进行了优化,以确定LSSVM的最优分类参数;最后,利用参数优化的LSSVM分类器对开关柜声纹数据的分数阶RCMDE熵特征进行分类,识别开关柜故障。为了验证方法的有效性,采集了开关柜正常状态、分合闸不到位导致的间歇性放电、间断放电和悬浮放电在内的4种声纹数据,并进行了分类识别。实验结果表明,所提方法对这4种样本识别的准确率和召回率最高可达100%,最低不低于97%。与其他熵特征相比,分数阶RCMDE对声纹数据特征区分度最大,参数优化后的LSSVM分类器对声纹故障分类的准确性更高。在跨域开关柜故障识别中,故障识别的准确率和召回率不低于90%,且对噪声有较好的鲁棒性。 展开更多
关键词 电力开关柜 故障检测 声纹识别 精细复合多尺度散布熵 瞪羚优化算法 最小二乘支持向量机
在线阅读 下载PDF
基于DT-CWPT和QGA-LSSVM的振动信号故障模式分析
10
作者 赵凯 王志雄 +2 位作者 史永运 孙涛 张赟 《机械制造与自动化》 2026年第1期172-176,共5页
为了提高航空发动机振动信号故障模式的识别精度和计算效率,提出了基于双树复小波包变换(DT-CWPT)和基于量子遗传算法(QGA)优化的最小二乘支持向量机(LSSVM)的转子振动信号故障模式分类识别算法。利用DT-CWPT对采集的振动信号进行降噪... 为了提高航空发动机振动信号故障模式的识别精度和计算效率,提出了基于双树复小波包变换(DT-CWPT)和基于量子遗传算法(QGA)优化的最小二乘支持向量机(LSSVM)的转子振动信号故障模式分类识别算法。利用DT-CWPT对采集的振动信号进行降噪预处理,计算各频带的能量谱作为训练样本,利用QGA对LSSVM核心参数进行寻优,达到对振动信号模式识别与分类的目的。实验结果表明:该算法具有较好的计算速度和分类精度。 展开更多
关键词 双树复小波包变换 量子遗传算法 最小二乘支持向量机 航空发动机 振动信号 模式分类
在线阅读 下载PDF
基于MIC特征选择和WOA-LSSVM优化的阳极铜质量预测研究
11
作者 熊文真 徐建新 熊英 《过程工程学报》 北大核心 2025年第6期579-589,共11页
电解铜精炼过程中,阳极板中铜含量对电解效率至关重要。以混合铜精矿和粗铜等15种元素质量作为自变量,阳极板的铜元素质量作为因变量,利用最大信息系数(MIC)分析了54个具有代表性的测试数据集中各元素间的非线性相关性。结果表明,混合... 电解铜精炼过程中,阳极板中铜含量对电解效率至关重要。以混合铜精矿和粗铜等15种元素质量作为自变量,阳极板的铜元素质量作为因变量,利用最大信息系数(MIC)分析了54个具有代表性的测试数据集中各元素间的非线性相关性。结果表明,混合铜精矿的As含量和粗铜(外购)的Sb含量与阳极板铜含量的相关性最高,MIC值分别约为0.8228和0.8362。基于此,构建了鲸鱼算法优化的最小二乘支持向量机(WOA-LSSVM)回归预测模型,对阳极板铜元素质量进行预测。WOA-LSSVM模型具有较高预测精度,R^(2)达0.9245,均方根误差(RMSE)较小,WOA-LSSVM组合模型对阳极板铜含量的预测精度比其他模型高出4.45%~123.05%。非线性分析方法能够有效捕捉阳极铜生产过程中不同因素之间的复杂关系,结合非线性分析方法和机器学习技术,可以提高阳极铜质量控制的实时性和适应性。 展开更多
关键词 阳极铜质量 控制预测 最大信息系数 WOA-lssvm 机器学习
原文传递
基于CNN-LSSVM的转炉炉后动态合金加入量预测模型 被引量：5
12
作者 董晓雪 韩啸 +3 位作者 杨鑫 何志军 乔西亚 朱海琳 《钢铁》 北大核心 2025年第1期75-83,共9页
转炉炉后脱氧合金化是转炉炼钢过程中非常重要的环节,获取精确的转炉炉后合金收得率及合金加入量,可降低生产成本、提高产品质量。以某钢厂120 t转炉冶炼HRB400E钢种的炉后操作为研究对象,通过RF(random forests,随机森林)结合递归特征... 转炉炉后脱氧合金化是转炉炼钢过程中非常重要的环节,获取精确的转炉炉后合金收得率及合金加入量,可降低生产成本、提高产品质量。以某钢厂120 t转炉冶炼HRB400E钢种的炉后操作为研究对象,通过RF(random forests,随机森林)结合递归特征消除法对影响硅锰合金收得率的因素进行回归分析,确定了9个转炉冶炼工艺参数作为后续模型的输入项。综合分析了BP、CNN、LSSVM算法的优缺点,分别建立了基于BP、CNN、CNNLSSVM的转炉炉后合金动态收得率预测模型,获取并保存三者预测精度最高的网络结构参数,对比发现CNNLSSVM模型的预测效果更为精确且贴合现场工艺特点,其决定系数为0.952,均方根误差为0.0068,平均绝对误差为0.0045。基于动态合金收得率模型,建立了转炉炉后操作合金加料预测模型,从成本最低角度确定转炉炉后合金配加方式,采用转炉炉后脱氧合金化和物料平衡原理,结合线性回归方法对原有合金加料方案进行优化。结果显示,优化后的预测合金加料成本均低于实际加料成本,并且成品钢中碳元素质量分数从原来的0.220%~0.255%收窄到0.230%~0.248%、硅元素质量分数从原来的0.38%~0.65%收窄到0.40%~0.54%、锰元素质量分数从原来的1.31%~1.64%收窄到1.35%~1.60%,符合钢种内控标准且实现了成分收窄的效果。该模型能够指导实际生产操作,提高企业的经济效益。 展开更多
关键词 CNN-lssvm模型 合金收得率 合金成本 特征提取 出钢合金化 随机森林 转炉
原文传递
基于MOGOA-VMD-LSSVM的轴承故障诊断方法研究 被引量：1
13
作者 张辉 宋泓炎 +3 位作者 范华超 赵连明 江帆 鲁宗虎 《煤炭工程》 北大核心 2025年第2期149-155,共7页
针对煤基活性炭生产设备轴承故障类型难以准确诊断的问题,提出了一种多目标蝗虫优化算法(MOGOA)优化变分模态分解(VMD)与最小二乘支持向量机(LSSVM)的煤基活性炭生产设备轴承故障诊断方法。首先,针对传统蝗虫优化算法(GOA)参数敏感、易... 针对煤基活性炭生产设备轴承故障类型难以准确诊断的问题,提出了一种多目标蝗虫优化算法(MOGOA)优化变分模态分解(VMD)与最小二乘支持向量机(LSSVM)的煤基活性炭生产设备轴承故障诊断方法。首先,针对传统蝗虫优化算法(GOA)参数敏感、易于陷入局部最优的问题,引入多目标蝗虫优化算法,通过引入基于排列熵与峭度倒数归一化的复合适应度函数,优化VMD的惩罚因子和分解层数。其次,使用优化VMD分解提取的轴承振动信号并筛选出敏感变分模态分量(IMF)进行重构。最后,通过MOGOA优化LSSVM模型,形成MOGOA-LSSVM故障诊断模型。与GOA-LSSVM方法对比,本研究所提方法故障诊断准确率提高了5%,运行时间缩短了9.72 s,验证了该方法在故障诊断方面的优势。 展开更多
关键词 煤基活性炭设备 轴承 多目标蝗虫优化算法 VMD lssvm
在线阅读 下载PDF
基于深度卷积网络混合LSSVM算法的路基粉土抗剪强度指标预测 被引量：2
14
作者 王钰轲 冯爽 +1 位作者 万愉快 钟燕辉 《中国公路学报》 北大核心 2025年第5期26-37,共12页
目前基于人工智能方法预测路基粉土的抗剪强度与其物理参数之间关系的研究相对较少,且现阶段粉土抗剪强度指标的预测模型多采用的是传统的机器学习算法,预测精度及效率尚未达到理想水平。搜集了不同地区粉土常用的10个物理参数及其抗剪... 目前基于人工智能方法预测路基粉土的抗剪强度与其物理参数之间关系的研究相对较少,且现阶段粉土抗剪强度指标的预测模型多采用的是传统的机器学习算法,预测精度及效率尚未达到理想水平。搜集了不同地区粉土常用的10个物理参数及其抗剪强度指标构成数据库,并对该数据库进行iForest异常值检测和相关性分析等数据预处理工作。采用随机森林算法分析不同物理指标对粉土抗剪强度的影响程度,计算其重要性分数。提出了一种融合深度卷积神经网络与LSSVM算法的路基粉土抗剪强度指标预测模型,该模型结合深度学习的特征提取能力与支持向量机优越的泛化能力,弥补单一卷积神经网络的不足,提高了粉土抗剪强度指标预测的效率和精度。将该混合模型的预测效果与SVM、ELM、RBF、CNN、GA-BP等5个传统的机器学习模型进行对比,分析混合模型的鲁棒性和泛化能力。结果表明:对粉土抗剪强度影响较大的物理参数是法向应力、含水率和干密度,影响较小的物理参数是不均匀系数、曲率系数和比重。基于深度卷积神经网络与LSSVM混合算法建立的粉土抗剪强度指标预测模型,其预测内摩擦角和黏聚力的测试集R^(2)可分别达到0.93、0.83,RMSE分别为2.62、12.73,与其他5个传统的机器学习算法对比表明:提出的混合算法较单一算法拥有更好的泛化能力及预测精度。 展开更多
关键词 路基工程 抗剪强度指标预测 CNN-lssvm 粉土 异常值检测 混合算法
原文传递
基于ICEEMDAN-GWO-LSSVM的煤矸识别算法研究 被引量：1
15
作者 梁勇 王永健 +3 位作者 孙世荣 令狐东泽 宋庆军 宋庆辉 《煤矿机械》 2025年第11期239-244,共6页
煤矸识别技术在综放工作面智能化实现和煤质改善中起着重要作用。为实现在噪声环境下精确识别煤矸,研究了煤矸识别分类算法和特征提取方法,通过对煤矸颗粒的振动加速度信号进行改进自适应噪声完备集合经验模态分解(ICEEMDAN)分解,得到... 煤矸识别技术在综放工作面智能化实现和煤质改善中起着重要作用。为实现在噪声环境下精确识别煤矸,研究了煤矸识别分类算法和特征提取方法,通过对煤矸颗粒的振动加速度信号进行改进自适应噪声完备集合经验模态分解(ICEEMDAN)分解,得到各个本征模态函数(IMF)分量的能量熵特征,提取了振动信号的峭度特征,并通过灰狼优化-最小二乘支持向量机(GWO-LSSVM)方法对煤矸颗粒冲击放煤支架的振动加速度信号进行分类识别。最后搭建了煤矸石冲击液压支架尾梁实验平台,并进行了对比实验。实验结果表明,该方法在各种复杂的噪声环境下表现出很强的适应性、鲁棒性和抗噪性,适用于复杂的实际工业现场。 展开更多
关键词 振动响应 煤矸识别 机器学习 GWO-lssvm
原文传递
基于潜变量技术的Msi-LSSVM性能评估方法
16
作者 丁亚海 王振雷 王昕 《控制工程》 北大核心 2025年第7期1290-1299,共10页
工业过程数据存在高维度、不平衡等特点,会影响工业过程性能评估精度。针对此问题,提出了基于潜变量技术和粒子群优化(particle swarm optimization,PSO)算法的最小二乘支持向量机(least squares support vector machine,LSSVM)多数据... 工业过程数据存在高维度、不平衡等特点,会影响工业过程性能评估精度。针对此问题,提出了基于潜变量技术和粒子群优化(particle swarm optimization,PSO)算法的最小二乘支持向量机(least squares support vector machine,LSSVM)多数据空间集成模型,用于工业过程性能评估。首先,将采样得到的过程变量数据划分为不同性能等级的数据空间;然后,对不同性能等级的数据空间进行特征映射以提取潜变量,并通过互信息进行潜变量筛选以达到降低数据空间维度的目的;最后,在不同数据空间中建立LSSVM子模型,并利用PSO算法对其进行集成性优化,得到离线模型。离线模型通过计算在线数据与每个性能等级之间的相似度,得到性能评估结果。实验将所提方法应用在乙烯裂解炉运行性能评估的仿真中,仿真结果证明了其有效性。 展开更多
关键词 潜变量技术 多数据空间建模 lssvm 性能评估 集成性优化
原文传递
基于VMD-SSA-LSSVM组合的汽车NOx排放预测研究 被引量：1
17
作者 吐尔逊·买买提 刘亚楼 +2 位作者 成思怡 祖绍彭 赵江涛 《汽车电器》 2025年第7期114-116,共3页
汽车尾气排放是城市大气污染的主要来源之一,为提升排放预测模型精度及鲁棒性,文章提出构建VMD降噪和SSA-LSSVM组合预测模型。首先通过OBEAS1000车载尾气分析系统采集国V轻型汽油车在乌鲁木齐市河滩快速路的排放数据,经预处理后,利用VM... 汽车尾气排放是城市大气污染的主要来源之一,为提升排放预测模型精度及鲁棒性,文章提出构建VMD降噪和SSA-LSSVM组合预测模型。首先通过OBEAS1000车载尾气分析系统采集国V轻型汽油车在乌鲁木齐市河滩快速路的排放数据,经预处理后,利用VMD算法对排放序列降噪,结合SSA优化LSSVM模型参数,构建VMD-SSA-LSSVM组合模型,并与LSSVM、SSA-LSSVM、VMD-LSSVM模型对比。结果表明,组合模型在NOx预测上RMSE为0.00220、MAE为0.00172、MAPE为2.25%,较单一模型精度显著提升,能有效解析排放瞬态波动特征。 展开更多
关键词 VMD算法 SSA-lssvm 组合预测模型 排放预测 NOx 鲁棒性
在线阅读 下载PDF
基于Grab Cut与LSSVM模型的阳极钢爪弯曲度识别
18
作者 敖宇 杨运川 +3 位作者 路辉 吴中鼎 黄若愚 闫朝宁 《科技与创新》 2025年第8期52-55,共4页
针对铝电解生产过程中阳极钢爪弯曲变形问题,对阳极钢爪在铝电解生产过程中的作用及现状进行了分析,并对Grab Cut、LSSVM算法原理进行了阐述。最终提出了一种基于Grab Cut与LSSVM模型的阳极钢爪弯曲度识别方法。对人工采集的阳极钢爪图... 针对铝电解生产过程中阳极钢爪弯曲变形问题,对阳极钢爪在铝电解生产过程中的作用及现状进行了分析,并对Grab Cut、LSSVM算法原理进行了阐述。最终提出了一种基于Grab Cut与LSSVM模型的阳极钢爪弯曲度识别方法。对人工采集的阳极钢爪图像进行分割、形变量特征提取与计算,构建了相应的识别模型。实验证明,该方法有效实现了阳极钢爪弯曲度识别,可为后期钢爪维修提供有效依据。 展开更多
关键词 阳极钢爪 弯曲度 Grab Cut lssvm
在线阅读 下载PDF
基于VMD-LSSVM的碳交易价格预测方法
19
作者 母欢欢 余凌 +3 位作者 袁业 郭海东 王相龙 候少波 《高压电器》 北大核心 2025年第12期219-228,共10页
在对碳交易价格进行预测时,如何考虑在保证预测精度的同时提高预测效率是目前亟需解决的问题。针对该问题,文中考虑到现有预测方法中的碳价序列存在模态混叠问题和预测模型求解复杂的情况。从而提出一种基于VMD-LSSVM(variational mode ... 在对碳交易价格进行预测时,如何考虑在保证预测精度的同时提高预测效率是目前亟需解决的问题。针对该问题,文中考虑到现有预测方法中的碳价序列存在模态混叠问题和预测模型求解复杂的情况。从而提出一种基于VMD-LSSVM(variational mode decomposition-least squares support vector machine)的碳交易价格预测方法。首先,利用VMD算法将历史碳价样本序列分解为频率不同的碳价分量;其次,建立LSSVM模型并对分解后的各个碳价分量进行预测;最后,叠加计算全部碳价分量的预测值得到最终的碳价预测结果。基于湖北碳排放权交易中心2017年至2019年期间的历史碳价数据仿真结果,验证了文中方法的正确性和有效性。 展开更多
关键词 碳交易价格 模态分解 VMD lssvm
在线阅读 下载PDF
基于VMD-SSA-LSSVM模型的汽油车CO_(2)排放预测 被引量：1
20
作者 吐尔逊·买买提 成思怡 刘亚楼 《交通科技与经济》 2025年第1期43-49,共7页
以排放标准为国Ⅴ的轻型汽油车为研究对象,运用便携式车载尾气排放测量系统(PEMS)对实际行驶中污染物排放试验数据进行分析。先采用变分模态分解方法(VMD)进行分解降噪处理,再通过麻雀搜索算法(SSA)、最小二乘支持向量机(LSSVM)和长短... 以排放标准为国Ⅴ的轻型汽油车为研究对象,运用便携式车载尾气排放测量系统(PEMS)对实际行驶中污染物排放试验数据进行分析。先采用变分模态分解方法(VMD)进行分解降噪处理,再通过麻雀搜索算法(SSA)、最小二乘支持向量机(LSSVM)和长短期记忆网络(LSTM)的方法,构建一种高精度的轻型汽油车CO_(2)排放预测模型。通过随机森林和皮尔逊相关性分析,筛选出影响轻型汽油车CO_(2)排放的关键特征参数,构建数据集。利用VMD算法对数据集进行分解降噪处理,再采用SSA算法优化LSSVM模型,最终建立基于VMD-SSA-LSSVM的轻型汽油车CO_(2)排放量预测模型。结果表明:该模型对CO_(2)的预测精度和拟合效果均优于单一的LSSVM、LSTM以及VMD-LSSVM、VMD-LSTM、VMD-SSA-LSTM模型,能够为轻型汽油车CO_(2)排放预测提供参照;VMD-SSA-LSSVM模型在轻型汽油车CO_(2)排放预测方面具有显著优势和应用前景。 展开更多
关键词 轻型汽油车排放 PEMS 随机森林 皮尔逊系数 VMD-SSA-lssvm模型 CO_(2)排放预测 特征参数筛选
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 … 57 下一页 到第 页
使用帮助 返回顶部