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1,139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CEEMDAN-IGWO-LSSVM的工程力学数据三轴试验智能预测研究
1
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CNN-LSSVM的滚刀磨损状态监测
2
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ISABO-VMD与改进LSSVM的煤矿带式输送机托辊轴承故障诊断方法
3
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
基于分数阶RCMDE和参数优化LSSVM的开关柜故障声纹识别方法
4
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
5
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CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情预测
6
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MIC特征选择和WOA-LSSVM优化的阳极铜质量预测研究
7
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ICEEMDAN-PE-GDBO-LSSVM的风电功率预测
8
作者 汪繁荣 张旭东 《现代电子技术》 北大核心 2025年第10期57-62,共6页
随着可再生能源特别是风电的高比例接入,电网面临着前所未有的不确定性和波动性挑战。为准确预测风电功率,提出一种基于改进的自适应噪声完全集合经验模态分解(ICEEMDAN)-排列熵(PE)-改进的蜣螂优化算法(GDBO)-最小支持二乘向量机(LSSVM... 随着可再生能源特别是风电的高比例接入,电网面临着前所未有的不确定性和波动性挑战。为准确预测风电功率,提出一种基于改进的自适应噪声完全集合经验模态分解(ICEEMDAN)-排列熵(PE)-改进的蜣螂优化算法(GDBO)-最小支持二乘向量机(LSSVM)的组合模型。首先使用ICEEMDAN对风电数据进行分解,从而降低复杂度;之后根据PE对分解后得到的各分量进行聚合,再使用GDBO算法对LSSVM的关键参数进行寻优,以得到最佳预测模型;最后使用优化模型对各聚合分量分别进行预测和叠加,得到总的预测结果。基于国内风电场数据集进行实验验证,结果表明所提方法有较高的预测精度,均方根误差比单一的LSSVM模型低61.39%,在工程实践中具有更为广阔的应用前景。 展开更多
关键词 风电功率预测 自适应噪声完全集合经验模态分解 改进的蜣螂优化算法 排列熵 改进的完全集合经验模态分解 最小支持二乘向量机 分量聚合
在线阅读 下载PDF
基于MOGOA-VMD-LSSVM的轴承故障诊断方法研究 被引量：1
9
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EEMD-PE与GWO-LSSVM的轴承故障诊断方法
10
作者 于波 李华宇 +1 位作者 任金贝 田亚洲 《化工自动化及仪表》 2025年第6期931-938,共8页
针对传统滚动轴承故障分类误差较大的问题,提出一种基于集合经验模态分解-排列熵(EEMD-PE)和灰狼优化算法-最小二乘支持向量机(GWO-LSSVM)的滚动轴承故障诊断方法。为检验算法的可行性,基于轴承数据集,选择9种故障状态和1种正常状态,将... 针对传统滚动轴承故障分类误差较大的问题,提出一种基于集合经验模态分解-排列熵(EEMD-PE)和灰狼优化算法-最小二乘支持向量机(GWO-LSSVM)的滚动轴承故障诊断方法。为检验算法的可行性,基于轴承数据集,选择9种故障状态和1种正常状态,将特征向量输入PSO-LSSVM、GA-LSSVM、WOA-LSSVM模型、传统LSSVM模型及GWO-LSSVM模型进行对比实验。结果表明,GWO-LSSVM模型的识别分类准确率为97.33%,对比其他4种模型分别提高了9.66%、2.66%、2.00%、12.66%。 展开更多
关键词 轴承故障诊断 集合经验模态分解 排列熵 灰狼优化算法 最小二乘支持向量机
在线阅读 下载PDF
基于BPSO-PSO-LSSVM算法的上肢sEMG分类
11
作者 贠今天 苗冠 +1 位作者 李帅 耿梓敬 《科学技术与工程》 北大核心 2025年第18期7686-7692,共7页
作为与人体运动密切相关的生理信号,表面肌电(surface electromyography, sEMG)信号的解析在人机交互领域具有重要的作用。针对肌电信号分类效率和精度难以兼顾的问题,提出了一种特征筛选与分类器超参数优化相结合的上肢sEMG分类方法,... 作为与人体运动密切相关的生理信号,表面肌电(surface electromyography, sEMG)信号的解析在人机交互领域具有重要的作用。针对肌电信号分类效率和精度难以兼顾的问题,提出了一种特征筛选与分类器超参数优化相结合的上肢sEMG分类方法,该方法采用二进制粒子群优化(binary particle swarm optimization, BPSO)算法对特征进行筛选后,进一步采用粒子群优化(particle swarm optimization, PSO)算法调整最小二乘支持向量机(least squares support vector machine, LSSVM)的超参数。通过采集人上体4个部位的表面肌电信号并提取其中48维特征,对上肢常见的4种动作进行分类实验,结果表明,BPSO-PSO-LSSVM算法仅保留肌电数据的21维特征,得到的平均分类准确率达到97.54%,证明该方法可以有效筛选出用于上肢动作分类的最佳特征组合,并且提高运动分类的准确率。 展开更多
关键词 表面肌电信号 特征选择 二进制粒子群优化 粒子群优化 动作分类 最小二乘支持向量机
在线阅读 下载PDF
基于参数自适应VMD和LSSVM的轴承故障诊断 被引量：1
12
作者 蒋雄峰 朱伏平 +1 位作者 杨方燕 张又才 《组合机床与自动化加工技术》 北大核心 2025年第5期179-182,188,共5页
为降低轴承故障信号的噪声干扰,提升信号去噪、故障信号特征提取以及多故障分类问题的解决能力,提出了基于改进北方苍鹰优化算法(improved northern goshawk optimization, INGO)、变分模态分解(VMD)以及最小二乘支持向量机(LSSVM)的轴... 为降低轴承故障信号的噪声干扰,提升信号去噪、故障信号特征提取以及多故障分类问题的解决能力,提出了基于改进北方苍鹰优化算法(improved northern goshawk optimization, INGO)、变分模态分解(VMD)以及最小二乘支持向量机(LSSVM)的轴承故障类型诊断方法。首先,使用INGO自适应寻优VMD的参数对不同类型故障信号进行降噪;其次,对降噪后的信号提取小波包能量建立特征信息作为LSSVM的特征输入;最后,通过INGO算法寻优LSSVM的参数,建立INGO-LSSVM故障识别模型。通过试验验证所提方法在分类精度的优越性。 展开更多
关键词 故障诊断 INGO 变分模态分解 最小二乘支持向量机
在线阅读 下载PDF
基于潜变量技术的Msi-LSSVM性能评估方法
13
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CNN-LSSVM的转炉炉后动态合金加入量预测模型 被引量：5
14
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
15
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Grab Cut与LSSVM模型的阳极钢爪弯曲度识别
16
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
基于参数优化VMD与LSSVM的转辙机故障诊断
17
作者 张光建 肖燕彩 +2 位作者 孟亚东 曾祥发 马世伦 《北京交通大学学报》 北大核心 2025年第6期14-29,共16页
针对现阶段转辙机主要以功率信号进行健康监测而未有效利用振动信号进行故障诊断的问题,提出一种金枪鱼群算法(Tuna Swarm Optimization,TSO)优化变分模态分解(Variational Mode Decomposition,VMD)和冠豪猪算法(Crested Porcupine Opti... 针对现阶段转辙机主要以功率信号进行健康监测而未有效利用振动信号进行故障诊断的问题,提出一种金枪鱼群算法(Tuna Swarm Optimization,TSO)优化变分模态分解(Variational Mode Decomposition,VMD)和冠豪猪算法(Crested Porcupine Optimizer,CPO)优化最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的故障诊断模型.首先,通过实验提取ZD6型转辙机8种典型工况的振动数据,利用TSO优化VMD获得最佳分解层数k和惩罚因子α,并使用优化后的VMD将振动信号分解为若干个本征模态函数(Intrinsic Mode Function,IMF);其次,采用包络熵和峭度指标双重筛选准则优选IMF并重构信号,提取重构信号的精细复合多尺度散布熵(Refined Composite Multiscale Diversity Entropy,RCMDE);再次,将RCMDE划分为训练集和测试集,并将它们分别作为特征向量,输入到采用CPO优化后获得最佳惩罚因子γ和核函数参数σ组合的LSSVM进行故障诊断;最后,选取准确率、宏精确率、宏召回率和宏F1分数作为评判指标进行多种模型的对比分析.研究结果表明:TSO-VMD-RCMDE-CPO-LSSVM作为转辙机故障诊断模型运行10次的平均耗时为20.4 s,训练集准确率平均值为99.68%,标准差为0.12,测试集准确率平均值为99.25%,标准差为0.07;相较于其他模型,两者分别对应的宏精确率、宏召回率和宏F1分数的平均值最高且标准差最小,有效验证了该模型在转辙机故障诊断领域的优越性和可行性. 展开更多
关键词 故障诊断 转辙机 金枪鱼群算法优化变分模态分解 精细复合多尺度散布熵 冠豪猪算法优化最小二乘支持向量机
在线阅读 下载PDF
基于VMD-SSA-LSSVM组合的汽车NOx排放预测研究 被引量：1
18
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ICEEMDAN-GWO-LSSVM的煤矸识别算法研究
20
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
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