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5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：
基于SVMD-BKA-Transformer的IGBT寿命预测模型 被引量：1
1
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IBKA和BiLSTM-Transformer的面板坝渗透系数反演分析模型
2
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
基于CNN-BiLSTM模型融合BKA优化算法的地面沉降预测
3
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
机电作动器故障诊断方法及其可解释性分析
4
作者 姚智敏 陈换过 苏世弘 《机电工程》 北大核心 2025年第10期1837-1850,1887,共15页
针对现存机电作动器(EMA)故障诊断方法中决策过程不清晰和可解释性不足的问题,提出了一种基于轻量级梯度提升机(LightGBM)的故障诊断方法,并利用SHAP框架对诊断模型进行了可解释性分析。首先,提取了多源信号的时域和频域特征,并结合随... 针对现存机电作动器(EMA)故障诊断方法中决策过程不清晰和可解释性不足的问题,提出了一种基于轻量级梯度提升机(LightGBM)的故障诊断方法,并利用SHAP框架对诊断模型进行了可解释性分析。首先,提取了多源信号的时域和频域特征,并结合随机森林(RF)和最大互信息数(MIC)对特征进行了筛选,降低了特征集和模型的复杂性;然后,提出了一种基于黑翅鸢优化算法(BKA)的LightGBM故障诊断方法,使用BKA对LightGBM模型的多参数进行了同步优化,对故障类型进行了判断;最后,引入SHAP框架对故障诊断模型进行了可解释性分析,直观展示了故障诊断决策过程及其关键影响因素。研究结果表明:BKA-LightGBM在仿真数据上的诊断准确率可达99.69%,在试验数据上的诊断准确率达到97.60%,不仅在故障识别精度方面表现优越,还能直观揭示特征对模型决策的影响过程和重要性,展现出优异的准确性、鲁棒性和可解释性。 展开更多
关键词 机电作动器 黑翅鸢优化算法 轻量级梯度提升机 可解释性 SHAP框架 随机森林 最大互信息数
在线阅读 下载PDF
融合维度学习的黑翅鸢优化算法
5
作者 李松彪 刘升 +1 位作者 马志海 袁玥 《计算机工程与应用》 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
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