期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于NRBO优化滤波器系数的盲解卷积算法及其在滚动轴承早期弱故障诊断中的应用
1
作者 杨明悦 党章 +1 位作者 夏天赐 袁锐 《科学技术与工程》 北大核心 2025年第18期7604-7612,共9页
传统的盲解卷积算法在更换刻画指标时,需要重新计算梯度或重新设计滤波器系数的优化方式,这使得构建新的盲解卷积算法的过程缺乏自适应性。针对上述问题,提出了一种利用牛顿-拉夫逊优化器(Newton-Raphson optimizer, NRBO)搜索最优滤波... 传统的盲解卷积算法在更换刻画指标时,需要重新计算梯度或重新设计滤波器系数的优化方式,这使得构建新的盲解卷积算法的过程缺乏自适应性。针对上述问题,提出了一种利用牛顿-拉夫逊优化器(Newton-Raphson optimizer, NRBO)搜索最优滤波器系数的盲解卷积算法。首先通过广义球面坐标变换确定滤波器系数的搜索范围,然后选择包络谱广义l_(p)/l_(q)范数作为刻画指标,最后将所构建的盲解卷积算法应用于滚动轴承的早期弱故障诊断。仿真和试验结果验证了所提算法的有效性,且所提算法收敛速度相比经典的粒子群算法(particle swarm optimization, PSO)更快。 展开更多
关键词 盲解卷积 nrbo 参数优化 故障诊断 滚动轴承
在线阅读 下载PDF
基于NRBO-PID的采煤机牵引速度控制
2
作者 许标 彭天好 《现代制造技术与装备》 2025年第10期123-125,129,共4页
针对传统比例-积分-微分(Proportion Integral Differential,PID)控制方式存在的缺点,提出一种基于牛顿-拉夫逊算法(Newton-Raphson-Based Optimizer,NRBO)的采煤机牵引速度控制方法,并在SIMULINK中搭建仿真模型进行仿真分析。仿真结果... 针对传统比例-积分-微分(Proportion Integral Differential,PID)控制方式存在的缺点,提出一种基于牛顿-拉夫逊算法(Newton-Raphson-Based Optimizer,NRBO)的采煤机牵引速度控制方法,并在SIMULINK中搭建仿真模型进行仿真分析。仿真结果表明,与传统PID控制器相比,设计的NRBO-PID控制器达到给定速度的调节时间减少2.5%,没有超调量;当负载突变时,NRBO-PID达到稳定的调节时间减少1%,抗干扰能力更强。这说明NRBO-PID对采煤机牵引速度的控制精度更高、响应更快。 展开更多
关键词 采煤机 牵引调速 比例-积分-微分(PID) 牛顿-拉夫逊算法(nrbo)
在线阅读 下载PDF
基于牛顿拉夫逊算法与BP神经网络的岩爆烈度预测模型
3
作者 李军民 王永智 +3 位作者 张亭 周义升 罗宏伟 柳小强 《矿业研究与开发》 北大核心 2025年第8期127-133,共7页
岩爆烈度预测是矿山安全管理中的关键任务。为提升预测精度与工程实用性,提出一种结合牛顿拉夫逊优化算法(NRBO)与BP神经网络(BPNN)的岩爆烈度预测模型(NRBO-BPNN)。该模型通过引入基于梯度的NRBO搜索机制,有效克服了传统BPNN模型在训... 岩爆烈度预测是矿山安全管理中的关键任务。为提升预测精度与工程实用性,提出一种结合牛顿拉夫逊优化算法(NRBO)与BP神经网络(BPNN)的岩爆烈度预测模型(NRBO-BPNN)。该模型通过引入基于梯度的NRBO搜索机制,有效克服了传统BPNN模型在训练过程中易陷入局部最优解的问题,显著提高了全局搜索能力与收敛效率。对比试验结果表明,NRBO-BPNN在训练集和测试集上的准确率分别达到100%和86.67%,总准确率达96%,仅出现4次误判,优于传统BPNN、支持向量机(SVM)、随机森林(RF)和极限学习机(ELM)等常见模型。基于所提模型开发了岩爆烈度预测综合系统,并成功应用于马路坪矿与冬瓜山铜矿的现场数据分析中,验证了其工程适用性与实用价值。研究结果表明,NRBO-BPNN可为矿山工程安全设计提供更加高效、准确的决策支持,具有显著的工程推广潜力。 展开更多
关键词 岩爆烈度 nrbo优化算法 BP神经网络 岩爆预测
原文传递
基于牛顿-拉弗森优化算法与注意力机制优化TCN−GRU的短期电力负荷预测 被引量:1
4
作者 于惠钧 夏梦 +2 位作者 陈刚 谭福元 徐银凤 《湖南电力》 2024年第6期120-127,共8页
为了提升短期电力负荷预测的准确率和效率,将时间卷积网络(temporal convolutional network,TCN)、门控循环单元(gated recurrent unit,GRU)模型、牛顿-拉弗森优化算法(Newton-Raphson-based optimizer,NRBO)和注意力机制(at⁃tention me... 为了提升短期电力负荷预测的准确率和效率,将时间卷积网络(temporal convolutional network,TCN)、门控循环单元(gated recurrent unit,GRU)模型、牛顿-拉弗森优化算法(Newton-Raphson-based optimizer,NRBO)和注意力机制(at⁃tention mechanism,Attention)结合,提出一种NRBO-TCN-GRU-Attention的负荷预测模型。在该模型中,利用NRBO算法来优化超参数,TCN模块从负荷数据中提取特征,并将提取到的特征输入GRU模块中捕获在负荷序列中的长期依赖关系。接着,利用注意力机制强化重要特征。最后通过全连接层输出预测结果。试验结果表明,所提模型在两天及一周测试集上的决定系数、平均绝对误差、平均绝对百分比误差、均方根误差四项指标均优于其他对比模型,验证了所提模型的优越性和适用性。 展开更多
关键词 短期电力负荷预测 时间卷积网络 门控循环单元 牛顿-拉弗森优化算法 注意力机制
在线阅读 下载PDF
基于NRBO-VMD的谐波减速器故障特征提取
5
作者 田康康 李志海 +3 位作者 于洪鹏 李星 顾岩 张博 《组合机床与自动化加工技术》 2025年第11期23-30,37,共9页
针对谐波减速器振动信号常包含机械振动谐波、环境噪声及随机瞬态冲击等成分,导致故障特征提取困难的问题,提出一种基于牛顿-拉夫逊优化算法(Newton-Raphson-based optimizer,NRBO)和变分模态分解(variational mode decomposition,VMD)... 针对谐波减速器振动信号常包含机械振动谐波、环境噪声及随机瞬态冲击等成分,导致故障特征提取困难的问题,提出一种基于牛顿-拉夫逊优化算法(Newton-Raphson-based optimizer,NRBO)和变分模态分解(variational mode decomposition,VMD)的故障特征提取方法。首先,根据故障信号的包络谱特点,提出谱峰值间隔标准差(standard deviation of spectral peak intervals,SDSPI);其次,将SDSPI作为适应度函数,采用NRBO对VMD的超参数进行寻优;最后,根据VMD最优超参数和SDSPI最小原则输出有效本征模态函数(valid intrinsic mode function,VIMF)的包络谱,通过包络谱提取故障特征。仿真与实验结果均表明,NRBO-VMD在迭代速度和识别准确性方面具有显著优势。 展开更多
关键词 变分模态分解(VMD) 牛顿-拉夫逊优化算法(nrbo) 谱峰值间隔标准差(SDSPI) 谐波减速器 故障特征提取
在线阅读 下载PDF
基于NRBO-VMD-SVM的矿区地表沉降预测模型
6
作者 罗炟 王怀宝 《北京测绘》 2025年第11期1627-1635,共9页
针对矿区沉降监测及预测一体化建设,本研究提出一种牛顿-拉夫逊优化(NRBO)算法、变分模态(VMD)算法与支持向量机(SVM)算法相结合的矿区地表沉降预测模型。本研究以内蒙古自治区某地下煤矿矿区为例,利用差分干涉测量短基线集时序分析技术... 针对矿区沉降监测及预测一体化建设,本研究提出一种牛顿-拉夫逊优化(NRBO)算法、变分模态(VMD)算法与支持向量机(SVM)算法相结合的矿区地表沉降预测模型。本研究以内蒙古自治区某地下煤矿矿区为例,利用差分干涉测量短基线集时序分析技术(SBAS-InSAR)数据获取研究区地表沉降时间序列,根据研究期内沉降累计值选择特征点,运用NRBO-VMD-SVM组合模型对特征点位置的沉降时间序列进行分解、预测及重构,得出对应沉降预测数据,并将预测结果与SBAS-InSAR技术监测结果进行对比分析。研究结果表明,NRBO-VMD算法对沉降时间序列的分解预测合理且有效,与反向传播神经网络(BP)算法、长短期记忆(LSTM)网络等其他常规预测模型相比,NRBO-VMD-SVM组合模型预测结果的均方根误差降低超过24.7%,平均绝对误差降低超过32.3%,决定系数数值在0.78~0.98波动,预测准确性和稳定性有了很大的提升,验证了运用NRBO-VMD-SVM组合模型对矿区地表沉降进行预测的可行性。 展开更多
关键词 沉降监测 差分干涉测量短基线集时序分析技术(SBAS-InSAR) 沉降预测 牛顿-拉夫逊优化的变分模态(nrbo-VMD)算法 支持向量机(SVM)算法
在线阅读 下载PDF
基于NRBO-Transformer-BiLSTM的柔性薄壁轴承细粒度故障诊断
7
作者 郭明军 陈昕昀 +2 位作者 石淇 李鑫 赵学智 《现代制造工程》 2025年第11期136-145,34,共11页
针对现有柔性薄壁轴承的细粒度故障识别及其现有诊断方法特征提取不足等问题,提出一种基于牛顿-拉夫逊优化(Newton-Raphson-Based Optimizer,NRBO)算法优化的Transformer编码层与双向长短期记忆(Bi-directional Long Short-Term Memory,... 针对现有柔性薄壁轴承的细粒度故障识别及其现有诊断方法特征提取不足等问题,提出一种基于牛顿-拉夫逊优化(Newton-Raphson-Based Optimizer,NRBO)算法优化的Transformer编码层与双向长短期记忆(Bi-directional Long Short-Term Memory,BiLSTM)神经网络解码层相结合的故障诊断方法。该方法首先使用时变滤波经验模态分解(Time-Varying Filter Empirical Mode Decomposition,TVFEMD)柔性薄壁轴承振动加速度信号,同时采用NRBO算法对其时变滤波带宽和B样条阶数等参数进行优化,依据互相关系数准则筛选主要本征模态分量(Intrinsic Mode Function,IMF),计算其时频域特征,结合振动加速度信号的时域、频域特征构建多域特征数据集,并按比例划分为训练集和测试集;其次将训练集输入模型,通过NRBO算法对模型初始学习率、BiLSTM神经网络的隐藏层节点数以及Transformer模型的正则化系数进行优化;通过测试集对优化模型进行测试,并与其他细粒度故障诊断模型对比。结果表明,所提方法准确率达99.60%,高于其他模型。该方法可为柔性薄壁轴承细粒度的智能诊断提供一种新的研究思路,对其他相关领域的智能化健康管理亦可提供有益借鉴。 展开更多
关键词 柔性薄壁轴承 故障诊断 牛顿-拉夫逊优化算法 双向长短期记忆网络 Transformer模型 时变滤波经验模态分解
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部