基于BKA优化多算法模型的铁路危岩落石风险评估研究

1

作者 靳春玲 陆浩伟 +2 位作者 贡力 党丹丹 郭芮 《铁道科学与工程学报》 北大核心 2026年第2期902-912,共11页

在复杂地质与环境条件下,山区铁路沿线危岩落石灾害对线路运行安全与稳定构成显著威胁。为提升灾害识别精度与防控能力,本文构建了一种基于黑翅鸢算法(black kite algorithm,BKA)优化的多算法融合模型,用于铁路沿线危岩落石灾害风险的... 在复杂地质与环境条件下,山区铁路沿线危岩落石灾害对线路运行安全与稳定构成显著威胁。为提升灾害识别精度与防控能力,本文构建了一种基于黑翅鸢算法(black kite algorithm,BKA)优化的多算法融合模型,用于铁路沿线危岩落石灾害风险的定量化评估。该模型以反向传播神经网络(back propagation neural network,BPNN)为核心,融合主成分分析(principal component analysis,PCA)降维与Elastic Net特征选择技术,并利用BKA优化BPNN的初始权重与偏置参数,从而加快收敛速度并提升预测稳定性。构建了涵盖地形、岩性、荷载、防护等12项指标的多层次风险评估指标体系,系统表征危岩致灾机理。以焦柳铁路与黔桂铁路沿线典型高风险边坡为研究对象,采用K折交叉验证(K=10)验证模型在复杂地质条件下的鲁棒性与泛化能力。实验结果表明,所提模型的预测准确率达到90.0%、决定系数R2为0.899、AUC值为0.909,均优于WOA(whale optimization algorithm)优化模型(80.0%、0.797、0.818)、PSO优化模型(77.5%、0.723、0.786)及传统BPNN(75.0%、0.646、0.737)。尤其在Ⅲ级和Ⅳ级高风险等级识别中,模型召回率达100%,F1-score为1.0,分类边界清晰且稳定性强。基于预测结果提出了分级防控策略,并从施工可达性与推广潜力等方面验证了其工程适用性。研究成果为山区铁路危岩落石灾害的精细化管理与防控提供了实用决策支持工具,并为更广泛的地质灾害风险评估方法研究提供了参考。 展开更多

关键词 黑翅鸢算法 多算法融合模型 危岩落石灾害 山区铁路 风险评估

在线阅读 下载PDF 职称材料

基于IBKA-VMD-WTC-TSLANeT的短期电力负荷预测

2

作者 彭彪 于惠钧 谢雄峰 《科学技术与工程》 北大核心 2026年第5期2009-2017,共9页

短期电力负荷预测是电力系统运行和管理的重要组成部分,对优化电力调度、提高电力系统可靠性具有重要作用。针对现有预测模型对高随机性的电力负荷特征提取能力不足问题提出一种短期电力负荷预测模型。它包括使用改进黑翅鸢算法(improve... 短期电力负荷预测是电力系统运行和管理的重要组成部分,对优化电力调度、提高电力系统可靠性具有重要作用。针对现有预测模型对高随机性的电力负荷特征提取能力不足问题提出一种短期电力负荷预测模型。它包括使用改进黑翅鸢算法(improved black kite algorithm, IBKA)优化参数的变分模态分解(variational mode decomposition, VMD)的数据分解部分,以及由小波变换卷积(wavelet transform convolution, WTC)和时间序列轻量自适应网络(time series lightweight adaptive network, TSLANet)组成的预测部分。首先使用VMD将原始数据分解为多个平稳的子序列,在分解中引入使用拉丁超立方抽样、Gompertz模型步长调整策略、北方苍鹰优化算法(northern goshawk optimization, NGO)随机整数因子改进的BKA算法对分解层数和惩罚因子进行寻优,提高其分解精度。接着将分解的各个分量分别与气温和湿度数据输入WTC-TSLANeT组合模型进行预测,其中WTC通过小波变换对时间序列进行多尺度分解以增强模型对复杂时间序列的表征能力,TSLANet通过局部特征提取和频域特征增强,进一步提升模型对时间依赖关系的建模能力。最终将各个分量的预测值叠加重构得到最终预测值。对比实验结果表明,所提模型有更强的电力负荷特征提取能力和更高的预测精准度。 展开更多

关键词 短期负荷预测 改进黑翅鸢算法 变分模态分解 小波变换卷积 时间序列轻量自适应网络

在线阅读 下载PDF 职称材料

基于政策量化驱动的IBKA-TCN-TimesNet-BiLSTM天然气需求预测模型

3

作者 温泉 王宁 魏学华 《油气储运》 北大核心 2026年第3期346-359,共14页

【目的】天然气需求受经济波动、政策调控、季节变化等多重因素交织影响,政策动态效应与时序数据长短期依赖关系的耦合适配性不足严重制约其预测精度,为捕捉政策时序特征、强化模型对复杂场景的适配能力并提升预测精度,开展政策时序特... 【目的】天然气需求受经济波动、政策调控、季节变化等多重因素交织影响,政策动态效应与时序数据长短期依赖关系的耦合适配性不足严重制约其预测精度,为捕捉政策时序特征、强化模型对复杂场景的适配能力并提升预测精度,开展政策时序特征驱动的耦合预测模型研究尤为重要。【方法】首先,采用“线性插值+同月份历史均值插值”组合策略,处理影响因素特征序列中的数据缺失问题。其次,引入BorutaShap算法进行特征重要性筛选与降维,以剔除冗余特征、保留核心信息,降低模型输入维度。再次,构建政策性特征序列,整合政策层级差异、季节动态调整、时间衰减规律及协同冲突效应,实现政策因素的量化表征。同时依托时域卷积网络(Temporal Convolutional Network,TCN)捕捉长程趋势、时序二维变异建模网络(Temporal 2D-Variation Modeling Network,TimesNet)解析多尺度周期特征、双向长短期记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)刻画局部时序依赖,再引入政策门控机制动态调控特征权重,实现政策与时序数据的深度耦合,最后采用改进黑翅鸢算法(Improved Black-winged Kite Algorithm,IBKA)优化模型超参数,从而构建IBKA-TCN-TimesNet-BiLSTM天然气需求预测融合模型。【结果】为实现输入特征的精准筛选与维度优化,利用默认参数设定的XGBoost(eXtreme Gradient Boosting)模型,对原始数据集、插值后数据集、Deep Lasso筛选特征集、BorutaShap筛选特征集及其两两组合、三者联合特征集进行预测误差评估后发现,BorutaShap算法筛选效果最佳;新提出的基于政策量化驱动的IBKA-TCN-TimesNet-BiLSTM模型的预测精度优于其他对比模型,其平均绝对百分比误差、平均绝对误差、均方根误差分别为2.64%、9.42×10^(8) m^(3)、11.44×10^(8) m^(3)。【结论】该方法能有效适配政策与多因素影响下的天然气需求预测场景,可为天然气产供储销规划及行业决策提供参考依据。 展开更多

关键词 天然气需求 改进黑翅鸢算法 时域卷积网络 时序二维变异建模网络 双向长短期记忆网络

原文传递

基于MSCNN-BKA-LSSVM的砂轮磨损状态识别研究

4

作者 尚连锋 王一帆 +3 位作者 周思康 张明柱 王宁宁 姚国光 《机床与液压》 北大核心 2026年第5期156-162,共7页

针对轴承套圈磨削过程中砂轮磨损状态识别精度低的问题,提出一种基于多尺度卷积神经网络(MSCNN)、黑翅鸢优化算法(BKA)和最小二乘支持向量机(LSSVM)的砂轮磨损状态识别模型。采集不同磨削工况下的砂轮全寿命周期声发射信号,使用部分集... 针对轴承套圈磨削过程中砂轮磨损状态识别精度低的问题,提出一种基于多尺度卷积神经网络(MSCNN)、黑翅鸢优化算法(BKA)和最小二乘支持向量机(LSSVM)的砂轮磨损状态识别模型。采集不同磨削工况下的砂轮全寿命周期声发射信号,使用部分集成局部特征尺度分解(PELCD)对声发射信号进行降噪处理,选取方差贡献率大于5%的本征尺度分量对信号进行重构;使用MSCNN提取信号特征,同时构建MSCNN全连接层结果特征数据集;最后,将特征集划分为训练集、验证集和测试集,使用BKA算法优化LSSVM的惩罚因子与核参数,以提升模型分类性能,并基于优化后的BKA-LSSVM实现磨损状态的识别。结果表明:经PELCD降噪后,MSCNN-BKA-LSSVM模型对砂轮初期、中期和严重磨损状态的识别准确率分别达到97.613%、96.322%和95.802%;消融实验中,在不同磨削工况下,模型的平均识别准确率达到97.309%,仅使用LSSVM的基准模型准确率为81.502%,加入BKA优化后的BKA-LSSVM模型准确率提升至88.195%。所建模型对砂轮磨损状态具有更好的泛化性能和识别效果。 展开更多

关键词 砂轮 磨损状态识别 部分集成局部特征尺度分解 多尺度卷积神经网络 黑翅鸢优化算法 最小二乘支持向量机

在线阅读 下载PDF 职称材料

基于融合聚类和BKA-VMD-TCN-BiLSTM的短期光伏功率预测 被引量：2

5

作者 王瑞 李哲 逯静 《电子科技大学学报》 北大核心 2025年第4期592-603,共12页

针对光伏系统功率输出因天气条件波动大且随机性强的特点,提出了一种基于融合聚类的短期光伏功率组合预测模型。首先通过改进的Kmeans聚类算法(GMKmeans)将原始光伏数据集分为晴天、阴天和雨天3种天气模式。在此基础上,为解决变分模态分... 针对光伏系统功率输出因天气条件波动大且随机性强的特点,提出了一种基于融合聚类的短期光伏功率组合预测模型。首先通过改进的Kmeans聚类算法(GMKmeans)将原始光伏数据集分为晴天、阴天和雨天3种天气模式。在此基础上,为解决变分模态分解(VMD)分解数量和惩罚因子难以人工确定的问题,引入黑翅鸢优化算法(BKA)实现VMD参数的自适应优化。随后利用优化后的VMD将光伏功率时间序列数据分解成多个本征模态函数(Intrinsic Mode Functions,IMF),确保模型能够更深入地理解和模拟光伏功率随时间演变的复杂模式。最后,针对各IMF分量分别构建时序卷积网络(TCN)-双向长短期记忆网络(BiLSTM)组合预测模型,并将预测结果叠加重构,实现对整体光伏功率输出的高精度预测。实验结果表明,该预测模型提升了光伏功率预测的准确性和有效性。 展开更多

关键词 短期光伏功率预测 变分模态分解 黑翅鸢优化算法 时序卷积网络 双向长短期记忆网络

在线阅读 下载PDF 职称材料

基于TBKA-P&O算法的光伏系统MPPT控制研究 被引量：3

6

作者 王欣峰 姜鑫杰 +1 位作者 张丕 赵思琴 《电子测量技术》 北大核心 2025年第7期36-45,共10页

针对光伏阵列输出功率曲线在局部遮阴条件下存在多峰值的特性,导致传统算法在最大功率点跟踪(MPPT)过程中易陷入局部最优的问题,本文提出一种基于改进黑翅鸢算法(TBKA)与扰动观察法(P&O)相结合的MPPT控制策略,称为TBKA-P&O算法... 针对光伏阵列输出功率曲线在局部遮阴条件下存在多峰值的特性,导致传统算法在最大功率点跟踪(MPPT)过程中易陷入局部最优的问题,本文提出一种基于改进黑翅鸢算法(TBKA)与扰动观察法(P&O)相结合的MPPT控制策略,称为TBKA-P&O算法。在全局搜索阶段,首先通过Tent-Logistic-Cosine混沌映射初始化种群,其次引入切线飞行策略优化TBKA算法的搜索效率和收敛精度,同时设计了一种基于贪婪策略的动态透镜成像反向学习策略用于提升搜索多样性,避免陷入局部最优;在局部搜索阶段,结合P&O实现最大功率点的快速定位和高精度跟踪。为验证算法的有效性,构建了包含传统P&O算法、BKA-P&O算法、量子CS-P&O算法以及TBKA-P&O算法的光伏发电系统仿真模型,实验结果显示,TBKA-P&O在4种工况下的跟踪精度分别为100%、99.97%、99.96%和99.96%,跟踪时间分别为0.093、0.090、0.077和0.047 s。与其他算法相比,TBKA-P&O算法在动态追踪速度、稳态跟踪精度及功率振荡控制方面均表现出显著优势。 展开更多

关键词 光伏发电系统 最大功率点追踪 局部遮阴 改进黑翅鸢算法 扰动观察法

原文传递

基于空洞卷积与改进BKA-LSSVM的旋转机械故障诊断

7

作者 赵小强 齐祥德 《电子测量与仪器学报》 北大核心 2025年第11期161-174,共14页

轴承和齿轮作为机械传动系统中至关重要的部件,其故障诊断对于保证设备的安全运行具有重要意义。为有效提取旋转机械故障信号特征、解决分类器对提取特征存在较强依赖的问题,提出了一种基于空洞卷积和改进黑翅鸢优化最小二乘支持向量机(... 轴承和齿轮作为机械传动系统中至关重要的部件,其故障诊断对于保证设备的安全运行具有重要意义。为有效提取旋转机械故障信号特征、解决分类器对提取特征存在较强依赖的问题,提出了一种基于空洞卷积和改进黑翅鸢优化最小二乘支持向量机(BKA-LSSVM)的故障诊断模型。首先利用同步压缩小波变换将一维振动信号转化为具有高分辨率时频表示的二维时频图像;其次构建多尺度级联的空洞卷积模块,利用膨胀率调节机制实现对故障特征的分层级、多粒度提取,有效捕捉不同尺度下的故障模式特征,并将全连接层的结果作为BKA-LSSVM分类层的输入,并通过引入非线性增长模型动态调节扰动系数,以及构建随机搜索机制对BKA进行改进;最后利用改进后的BKA对LSSVM的参数进行优化来提高模型的分类精度。在两个数据集上进行验证,实验结果表明,所提模型在样本数为10时准确率高于87%,在信噪比为-4时准确率高于95%,验证了所提模型较对比模型具有更强的抗噪能力和泛化性能。 展开更多

关键词 旋转机械 故障诊断 空洞卷积 黑翅鸢优化算法 最小二乘支持向量机

原文传递

基于SVMD-BKA-Transformer的IGBT寿命预测模型 被引量：3

8

作者 邓阳 柴琳 汪亮 《半导体技术》 北大核心 2025年第7期698-706,共9页

绝缘栅双极型晶体管(IGBT)在持续运行过程中易老化失效,引发电力电子装置故障,因此需对IGBT进行寿命预测。提出了一种改进模型用于IGBT寿命预测。首先,以集射极关断尖峰电压(V_(ce-p))为退化特征,对IGBT进行功率循环加速老化试验;获取... 绝缘栅双极型晶体管(IGBT)在持续运行过程中易老化失效,引发电力电子装置故障,因此需对IGBT进行寿命预测。提出了一种改进模型用于IGBT寿命预测。首先,以集射极关断尖峰电压(V_(ce-p))为退化特征,对IGBT进行功率循环加速老化试验;获取相关参数数据并进行处理;利用逐次变分模态分解(SVMD)技术将退化特征数据分解为多个模态。其次,构建Transformer模型,并采用黑翅鸢算法(BKA)寻找其最优超参数以提升预测精度。最后,通过实际IGBT退化特征数据对所提模型进行性能验证。实验结果表明,SVMD-BKA-Transformer模型提升了预测精度:决定系数(R^(2))达到0.9583,平均绝对误差(MAE)降至0.0295 V,均方根误差(RMSE)减小至0.0365 V,性能优于对比模型。 展开更多

关键词 绝缘栅双极型晶体管(IGBT) 寿命预测 模态分解 黑翅鸢算法(bka) TRANSFORMER

原文传递

基于MVMD-BKA-Transformer的短期光伏功率预测 被引量：1

9

作者 黄瑞承 成燕 +1 位作者 查航伟 董国鹏 《电源技术》 北大核心 2025年第10期2182-2190,共9页

针对传统分解预测方法忽略多元气象因素分解时自身在时域及频域上的耦合关系,及Transformer训练时间长、学习效率低等问题,提出基于多元变分模态分解(MVMD)和黑翅鸢优化算法(BKA)改进的Transformer的短期光伏功率预测方法。利用K-means... 针对传统分解预测方法忽略多元气象因素分解时自身在时域及频域上的耦合关系,及Transformer训练时间长、学习效率低等问题,提出基于多元变分模态分解(MVMD)和黑翅鸢优化算法(BKA)改进的Transformer的短期光伏功率预测方法。利用K-means算法,根据辐照度将数据分类为α类和β类,并使用MVMD将多元气象因素及光伏功率分解为频率对齐的多元本征模态函数,保留原始序列耦合性的基础上,提高气象因素的平稳性。针对多元本征模态函数,分别构建BKA改进过的Transformer预测模型。选用澳大利亚沙漠知识太阳能中心(DKASC)的数据集进行验证与对比。实验仿真结果显示,提出的模型各项误差指标表现最优,具有较高的预测精度。 展开更多

关键词 光伏功率预测 多元变分模态分解 黑翅鸢优化算法 TRANSFORMER

在线阅读 下载PDF 职称材料

基于IBKA优化的主动升沉补偿自抗扰控制系统

10

作者 李佑祺 何震 +1 位作者 赵宇明 李智刚 《舰船科学技术》 北大核心 2025年第15期84-89,共6页

针对多变海况导致海上母船的吊放载荷产生升沉运动,进而影响水下作业安全的问题。基于主动式升沉补偿控制方法,以提高主动式升沉补偿系统的控制精度与稳定性为目标,提出一种基于混合策略改进的黑翅鸢算法(Improved Black Winged kite Al... 针对多变海况导致海上母船的吊放载荷产生升沉运动,进而影响水下作业安全的问题。基于主动式升沉补偿控制方法,以提高主动式升沉补偿系统的控制精度与稳定性为目标,提出一种基于混合策略改进的黑翅鸢算法(Improved Black Winged kite Algorithm,IBKA)用来优化主动升沉补偿自抗扰控制系统。首先,构建主动升沉补偿系统模型并设计线性自抗扰控制器(Linear Active Disturbance Rejection Control,LADRC);然后,针对LADRC参数调优的困难性,利用IBKA实现LADRC参数自适应整定;最后,通过在不同工况下进行仿真实验,IBKA-LADRC控制器均表现出良好的升沉补偿控制效果,满足系统要求。 展开更多

关键词 主动式升沉补偿 自抗扰控制 黑翅鸢优化算法

在线阅读 下载PDF 职称材料

基于CNN-BiLSTM模型融合BKA优化算法的地面沉降预测 被引量：2

11

作者 杨勇杰 胡祥祥 +4 位作者 王鹏 石亚亚 宋宝 吴成永 于志远 《全球定位系统》 2025年第4期95-104,共10页

卷积神经网络(convolutional neural network,CNN)和双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)是目前流行的用于地面沉降预测深度学习架构.然而,深度学习模型超参数的选择既费时又复杂,且超参数选择不当可能会... 卷积神经网络(convolutional neural network,CNN)和双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)是目前流行的用于地面沉降预测深度学习架构.然而,深度学习模型超参数的选择既费时又复杂,且超参数选择不当可能会导致模型整体性能不佳.针对这一问题,本文融合黑翅鸢优化算法(black-winged kite optimization algorithm,BKA)构建了BKA-CNNBiLSTM组合模型,并以西宁市为例进行实验分析,并将实验结果与其他四种模型的实验结果进行对比.结果表明:在与传统模型的对比中,BKA-CNN-BiLSTM模型的训练与预测效果更好,其决定系数(R2)较BiLSTM模型提高了17.43%~25.77%,较CNN-BiLSTM模型提高了12.04%~13.75%,平均绝对误差(mean absolute error,MAE)、均方误差(mean square error,MSE)、均方根误差(root mean square error,RMSE)指标均为最优.在与遗传算法(genetic algorithm,GA)、粒子群优化(particle swarm optimization,PSO)算法优化的CNN-BiLSTM模型对比中,此模型依然表现出了更高的的可靠性与预测性能,其R2分别提高了6.20%~17.76%、1.18%~12.76%.这些结果证明了BKA-CNN-BiLSTM模型的优越性能.这不仅为地表沉降建模提供了新的技术思路,也为深度学习在相关领域的应用提供了有价值的参考和解决方案. 展开更多

关键词 黑翅鸢优化算法(bka) CNN-BiLSTM模型 沉降预测 遗传算法(GA) 粒子群优化(PSO)

在线阅读 下载PDF 职称材料

基于IBKA和BiLSTM-Transformer的面板坝渗透系数反演分析模型

12

作者 郭莹莹 王润英 +1 位作者 马泽锴 代硕 《水力发电》 2025年第11期40-47,共8页

针对渗透系数传统反演方法精度低、计算耗时长等问题,采用蒙特卡洛抽样方法构建渗透系数组合与测点渗压水头组成的学习样本,在双向长短期记忆网络(BiLSTM)中引入Transformer模块,建立了BiLSTM-Transformer模型拟合监测点渗压水头与渗透... 针对渗透系数传统反演方法精度低、计算耗时长等问题,采用蒙特卡洛抽样方法构建渗透系数组合与测点渗压水头组成的学习样本,在双向长短期记忆网络(BiLSTM)中引入Transformer模块,建立了BiLSTM-Transformer模型拟合监测点渗压水头与渗透系数之间的非线性映射关系;在此基础上利用通过精英反向初始化策略以及黄金正弦引导策略改进的黑翅鸢优化算法(IBKA)寻优该模型超参数,提出了基于IBKA-BiLSTM-Transformer大坝渗透系数智能反演分析模型,最后利用工程实测资料进行了验证。结果表明,反演所得渗透系数取值合理,经有限元正演所得监测点渗压水头计算值与实测值基本吻合,满足工程精度要求,具有实际应用价值。 展开更多

关键词 面板堆石坝 渗透系数 多维反演 改进黑翅鸢优化算法 双向长短期记忆网络

在线阅读 下载PDF 职称材料

基于MOIBKA算法的电化学储能电站最优功率分配 被引量：1

13

作者 王成 邵冲 +1 位作者 何欣 董海鹰 《综合智慧能源》 2025年第6期74-84,共11页

针对多种因素影响下电化学储能电站的功率分配问题,提出一种基于改进多目标黑翅鸢优化算法(MOIBKA)的电化学储能电站最优功率分配策略。建立电化学储能电站的拓扑结构,并提出了电站运行的3个评价指标。在储能电站传统功率分配模型的基... 针对多种因素影响下电化学储能电站的功率分配问题,提出一种基于改进多目标黑翅鸢优化算法(MOIBKA)的电化学储能电站最优功率分配策略。建立电化学储能电站的拓扑结构,并提出了电站运行的3个评价指标。在储能电站传统功率分配模型的基础上建立包含储能电站总运行成本最低、储能单元健康状态损失最小、荷电状态(SOC)一致性最好的多目标功率分配模型,并通过多策略MOIBKA进行求解。通过对比仿真分析以及运行评价指标证明了所提策略可以有效减少储能单元充放电次数,降低储能单元的健康状态损失以及提高储能单元SOC一致性,实现了储能电站的最优功率分配。 展开更多

关键词 新型电力系统 电化学储能电站 功率分配 多目标优化 黑翅鸢算法 评价指标 荷电状态 健康状态损失

在线阅读 下载PDF 职称材料

空中交通管制员工作效率量化评估方法

14

作者 夏正洪 胡征祎 李元直 《科学技术与工程》 北大核心 2026年第2期848-854,共7页

面向动态空域环境下空中交通管理效能提升与资源配置优化需求,提出了一种基于多维工作负荷融合的空中交通管制员工作效率量化评估方法。通过解析管制效率与工作负荷的动态耦合机制,构建包含通话、监视、操作、思考及特情处置负荷的四维... 面向动态空域环境下空中交通管理效能提升与资源配置优化需求,提出了一种基于多维工作负荷融合的空中交通管制员工作效率量化评估方法。通过解析管制效率与工作负荷的动态耦合机制,构建包含通话、监视、操作、思考及特情处置负荷的四维评估指标体系,首次将特情处置因子纳入量化分析框架。采用熵权-层次分析组合赋权法确定指标主客观综合权重,并基于黑翅鸢优化算法(black-winged kite algorithm,BKA)改进高斯混合模型(Gaussian mixture model,GMM),建立管制工作效率分级评估模型。基于中国民航空管岗位职业技能大赛的视频音频数据实证表明:经优化的BKA-GMM模型可实现管制效率等级的精准分类,准确率和轮廓系数较传统GMM分别提升7.08%、9.82%,有效解决动态空域环境下管制效率量化评估难题,为精准识别管制瓶颈和优化资源调度提供理论依据。 展开更多

关键词 工作效率 管制员工作负荷 高斯混合模型 聚类评估 黑翅鸢优化算法

在线阅读 下载PDF 职称材料

基于双层优化和卡尔曼滤波分频框架的电动汽车负荷预测

15

作者 许晓敏 杨梦琪 +3 位作者 李湘颖 肖亮 关晓 杨溢 《科学技术与工程》 北大核心 2026年第9期3817-3829,共13页

在“双碳”战略目标的推动下,低碳绿色的出行需求带动了电动汽车的规模化普及。为提升电动汽车充电负荷预测精度,支撑电网稳定运行与充电设施优化调度,提出一种基于双层优化和无迹卡尔曼滤波算法(unscented Kalman filter, UKF)分频集... 在“双碳”战略目标的推动下,低碳绿色的出行需求带动了电动汽车的规模化普及。为提升电动汽车充电负荷预测精度,支撑电网稳定运行与充电设施优化调度,提出一种基于双层优化和无迹卡尔曼滤波算法(unscented Kalman filter, UKF)分频集成框架(decomposition-ensemble learning prediction, DEP)的电动汽车负荷预测模型。首先,构建BKA-VMD分解模型,引入黑翅鸢优化算法(black-winged kite algorithm, BKA)对变分模态分解(variational mode decomposition, VMD)参数进行自适应寻优,提高分解的稳定性与模态特征提取能力。其次,运用改进的极光优化算法(improved polar lights optimization, IPLO)优化预测模型超参数,使用UKF-Transformer-LSTM、UKF-Transformer、LSTM模型分别对高中低频分量进行预测,增强模型在全局搜索与局部开发之间的平衡性,提升预测的收敛性与鲁棒性。最后,选取H区域电动汽车充电站的充电负荷数据进行实证分析。结果表明,本文模型在多类性能指标上显著优于对比模型,R2达0.9941,适用于电动汽车充电超短期负荷预测,能够为EV负荷实时调度与充电站分钟级响应等应用场景提供支持。 展开更多

关键词 黑翅鸢优化算法 变分模态分解 极光优化算法 无迹卡尔曼滤波算法 分解预测框架

在线阅读 下载PDF 职称材料

基于改进黑翅鸢算法的弹载舵机模糊控制研究

16

作者 肖梓雄 贾方秀 +1 位作者 郭小宝 伍昕怡 《兵器装备工程学报》 北大核心 2026年第2期252-257,共6页

针对双旋弹丸滚转控制系统中模糊控制器难以满足系统精细调控需求的问题,提出采用改进的黑翅鸢算法(MSI-BKA)对模糊控制器的量化因子与比例因子进行优化。MSI-BKA算法通过引入Circle映射对初始种群混沌化,并结合动态步长调整机制,提升... 针对双旋弹丸滚转控制系统中模糊控制器难以满足系统精细调控需求的问题,提出采用改进的黑翅鸢算法(MSI-BKA)对模糊控制器的量化因子与比例因子进行优化。MSI-BKA算法通过引入Circle映射对初始种群混沌化,并结合动态步长调整机制,提升了寻优时的收敛速度及精度。仿真实验结果表明,经过MSI-BKA算法优化的模糊PI控制器相较于模糊PI控制器平均超调量降低48.85%,平均调节时间减少61.25%。充分验证了该算法能够快速准确地寻找到最优参数组合,从而改善模糊PI控制器的控制性能。 展开更多

关键词 双旋弹丸滚转控制系统 弹载舵机 模糊控制 黑翅鸢优化算法(bka) 参数优化

在线阅读 下载PDF 职称材料

融合维度学习的黑翅鸢优化算法

17

作者 李松彪 刘升 +1 位作者 马志海 袁玥 《计算机工程与应用》 北大核心 2026年第2期149-167,共19页

针对黑翅鸢优化算法(black-winged kite algorithm,BKA)易陷入局部最优、收敛速度慢等缺点,提出了一种融合维度学习的黑翅鸢优化算法(dimension learning black-winged kite optimization algorithm,DBKA)。引入选择性对立算子(selectiv... 针对黑翅鸢优化算法(black-winged kite algorithm,BKA)易陷入局部最优、收敛速度慢等缺点,提出了一种融合维度学习的黑翅鸢优化算法(dimension learning black-winged kite optimization algorithm,DBKA)。引入选择性对立算子(selective opposition operator,SO),通过动态生成对立解增强种群多样性,优化搜索空间分布,降低陷入局部最优的风险。在搜寻猎物阶段,通过抛物线觅食策略改进黑翅鸢的攻击行为,使种群能够更高效地向最优位置收敛,从而提升算法的收敛速度和优化精度。引入基于维度学习的狩猎(dimension learning-based hunting,DLH)搜索策略,进一步协调全局探索与局部开发的平衡,同时保持种群多样性,提升算法的适应性与稳定性。为验证所提算法的有效性,在CEC2017和CEC2019测试函数以及实际工程优化问题上,与多种先进优化算法进行了对比实验,并采用Wilcoxon秩和检验与MAE排名对实验结果进行统计分析。实验结果表明,DBKA在收敛速度、优化精度及算法鲁棒性方面均优于对比算法,具有更优的优化性能。 展开更多

关键词 黑翅鸢优化算法(bka) 选择性对立算子(SO) 抛物线觅食 维度学习

在线阅读 下载PDF 职称材料

基于改进的黑翅鸢优化算法-轻梯度提升机建立的转炉炼钢终点温度预测模型

18

作者 吴国超 李爱莲 解韶峰 《材料与冶金学报》 北大核心 2026年第1期37-45,共9页

为了实现转炉炼钢终点温度的精准预测,遴选现场实际采集的SPCC钢种数据,采用3σ原则、均值填补法对数据中的异常值和缺失值进行剔除,基于灰色关联度分析与工艺理论确定了10个输入特征,建立了基于轻梯度提升机(LightGBM)的转炉炼钢终点... 为了实现转炉炼钢终点温度的精准预测,遴选现场实际采集的SPCC钢种数据,采用3σ原则、均值填补法对数据中的异常值和缺失值进行剔除,基于灰色关联度分析与工艺理论确定了10个输入特征,建立了基于轻梯度提升机(LightGBM)的转炉炼钢终点温度预测模型,并采用支持向量机(SVM)、极端梯度提升(XGBoost)模型作为对比,验证了LightGBM模型对转炉数据的适应性和预测性能的优越性.针对LightGBM模型需要手动调参数导致预测精度难以提高的问题,提出一种多策略改进的黑翅鸢优化算法(IBKA),获取其重要参数的最佳组合.结果表明,与其他5种优化模型(JAYA-LightGBM、GWO-LightGBM、WOA-LightGBM、RBMO-LightGBM、BKA-LightGBM)相比,IBKA-LightGBM模型在预测精度和性能评价指标方面表现最优,取得了更好的预测效果,预测误差在±10℃和±15℃下的命中率分别达到85.56%和96.67%,可为炼钢生产提供有效的操作指导. 展开更多

关键词 转炉炼钢终点温度 黑翅鸢优化算法 轻梯度提升机模型 命中率

在线阅读 下载PDF 职称材料

基于复合多尺度气泡熵的小样本滚动轴承故障诊断方法

19

作者 杨堃 左延红 +1 位作者 周超 夏仕龙 《科学技术与工程》 北大核心 2026年第7期2895-2903,共9页

针对滚动轴承故障样本较少,存在多种损伤类别故障和故障样本分布不均匀时,常规模型诊断效果不佳及模型泛化性不足的问题,提出了一种基于复合多尺度气泡熵的故障诊断模型。首先将原信号基于鲁棒性局部均值分解产生多个乘积分量,根据皮尔... 针对滚动轴承故障样本较少,存在多种损伤类别故障和故障样本分布不均匀时,常规模型诊断效果不佳及模型泛化性不足的问题,提出了一种基于复合多尺度气泡熵的故障诊断模型。首先将原信号基于鲁棒性局部均值分解产生多个乘积分量,根据皮尔逊相关系数,筛选重要分量进行重构。然后在气泡熵中引入复合理论和多尺度理论,得到复合多尺度气泡熵,以提升对重构信号的特征提取能力。为了提高BP(back propagation)神经网络的识别性能,使用黑翅鸢算法优化BP神经网络。通过在三组不同轴承数据集下实验中的应用,发现该模型在小样本下的平均诊断准确率均高于98%,样本标准差为0.36,具有较高的诊断准确率和稳定性,这为小样本下的滚动轴承故障诊断提供了新的方法。 展开更多

关键词 鲁棒性局部均值分解 复合多尺度气泡熵 黑翅鸢算法 BP神经网络 故障诊断

在线阅读 下载PDF 职称材料

优化SVMD联合改进小波阈值的大坝渗流监测数据去噪

20

作者 傅蜀燕 杨石勇 +3 位作者 张燕明 李梦华 金思彤 欧斌 《科学技术与工程》 北大核心 2026年第6期2564-2578,共15页

为有效剔除大坝渗流监测数据中的噪声干扰,并全面保留信号中的原始特征。基于分解-筛选-去噪-重构的思想,提出了一种优化逐次变分模态分解(successive variational mode decomposition,SVMD)联合改进小波阈值(improved wavelet threshol... 为有效剔除大坝渗流监测数据中的噪声干扰,并全面保留信号中的原始特征。基于分解-筛选-去噪-重构的思想,提出了一种优化逐次变分模态分解(successive variational mode decomposition,SVMD)联合改进小波阈值(improved wavelet threshold,IWT)的大坝渗流监测数据去噪方法。首先,采用SVMD对大坝渗流监测数据进行分解,得到一系列模态分量,并借助黑翅鸢算法(black-winged kite algorithm,BKA)寻找SVMD的最优惩罚因子;其次,基于多尺度排列熵(multi-scale permutation entropy,MPE)和方差贡献率(variance contribution rate,VCR),将分解得到的模态分量细分为噪声主导分量和信号主导分量两类,并通过最大信息系数(maximal information coefficient,MIC)验证分量划分的合理性;最后,采用IWT对噪声主导分量进行去噪处理,并将去噪处理后分量与信号主导分量重构,得到最终去噪结果。仿真信号和实例分析结果表明,该方法显著提升了去噪性能,在去除大量噪声的同时有效保留了渗流信号中的关键信息,各项评价指标均表现优异,可为大坝渗流数据处理提供参考与借鉴。 展开更多

关键词 大坝渗流 逐次变分模态分解 黑翅鸢算法 多尺度排列熵 方差贡献率 改进小波阈值去噪

在线阅读 下载PDF 职称材料