-
题名基于OOA-RBF的电容式六维力传感器解耦算法
被引量：1
- 1
-
-
作者
陈铭杰
蒲明辉
-
机构
广西大学机械工程学院
-
出处
《仪表技术与传感器》
北大核心
2025年第6期13-19,27,共8页
-
基金
国家自然科学基金项目(52365066)。
-
文摘
传感器的解耦准确性对传感器的精度有重大影响。传统的解耦算法在处理复杂非线性问题时存在局限性,鉴于此,提出了一种基于鱼鹰优化算法优化径向基神经网络(OOA-RBF)的解耦算法。通过模拟鱼鹰捕食行为,该算法动态调整搜索策略,优化径向基神经网络的网络参数,增强了算法的鲁棒性、稳定性以及泛化能力,有效避免局部最优解,加速全局寻优过程。通过实验室环境下的电容式六维力传感器数据集测试,并采用最小二乘法、BP神经网络、径向基神经网络的解耦效果进行比对,结果显示,新算法在测量误差修正和系统稳定性上均表现出较传统方法更优的性能,解耦后的相对误差显著减少,最大Ⅰ类误差为0.022 8%,最大Ⅱ类误差为0.027 9%,精度得到了提升。
-
关键词
鱼鹰优化算法
径向基神经网络
传感器解耦
非线性解耦
-
Keywords
osprey pptimization algorithm(ooa)
radial basis function neural network(RBFNN)
sensor decoupling
nonlinear decoupling
-
分类号
TP212
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于OOA-CatBoost的烧结矿粒度预测模型
- 2
-
-
作者
李喆
王猛
董振
姜娟娟
李杰
杨爱民
-
机构
华北理工大学冶金与能源学院
华北理工大学理学院
华北理工大学铁矿石优选与铁前工艺智能化河北省工程研究中心
-
出处
《烧结球团》
北大核心
2025年第3期47-58,共12页
-
基金
国家自然科学基金资助项目(52074126)
河北省自然科学基金资助项目(E2022209110)。
-
文摘
在烧结生产过程中,烧结矿粒度是评价烧结矿质量的重要指标之一。为提高烧结生产水平,针对烧结过程检测的滞后性和粒级占比调控预测问题,建立基于整体生产参数的烧结矿粒级占比预测模型;将经过特征选择之后的12个关键参数作为输入变量,对应的烧结矿粒级占比作为输出变量;通过缺失数据填补、数据增强以及异常点替换等数据预处理方法,获取用于预测烧结矿粒级占比的高质量数据集;采用鱼鹰优化算法(OOA)和类别特征梯度提升算法(CatBoost)构建预测模型。结果表明,OOA-CatBoost算法模型的平均绝对误差(MAE)为0.2769,均方误差(MSE)为0.0433,决定系数(R^(2))为0.9499。对比侏儒猫鼬优化(DMO)算法、麻雀搜索算法优化(SSA)、鱼鹰优化算法优化的随机森林(RF)、轻量梯度提升机(LightGBM)以及极限梯度提升算法(XGBoost)等其他11个机器学习模型,本文模型取得良好的预测效果。基于工业实测数据,OOA-CatBoost算法对烧结矿粒级占比的平均预测误差达到0.0852,可为优化原料配比、混合料参数和烧结机参数调控提供理论指导,从而提升优质烧结矿的粒级占比。
-
关键词
烧结矿粒级
鱼鹰优化算法
CatBoost
ooa-CatBoost算法
预测
-
Keywords
sinter grade
osprey optimization algorithm
CatBoost
ooa-CatBoost algorithm
prediction
-
分类号
TF046.4
[冶金工程—冶金物理化学]
-
-
题名基于改进随机森林的脑胶质瘤分类算法
- 3
-
-
作者
任明
刘思伊
杨加宝
谭佳伟
-
机构
长春工业大学数学与统计学院
-
出处
《长春工业大学学报》
2025年第6期535-544,共10页
-
基金
吉林省科技厅项目(20230204078YY)
吉林省教育厅基金资助项目(JJKH20220663KJ)。
-
文摘
为实现脑胶质瘤的准确分类,基于混合策略提出一种新型鱼鹰优化方法,并将其用于改进随机森林算法。首先利用Sobol序列初始化种群,使种群分布均匀,保证全空间的填充,提高种群的多样性;其次在猎物定位阶段采用随机反向学习策略,提高算法跳出局部最优的能力,进一步提高了鱼鹰优化算法全局搜索能力。与引力搜索算法、灰狼优化算法、蜜獾算法、鱼鹰优化算法在8种测试函数上进行数值实验,验证了基于混合策略改进的鱼鹰算法收敛速度和寻优能力。最后建立用于脑胶质瘤数据分类的混合策略改进鱼鹰算法优化的随机森林模型,并通过精确率、召回率和F 1值对模型分类性能进行综合评价。实验结果表明,所提出的改进随机森林模型在脑胶质瘤数据集分类上表现优异,较其他比较模型具有更高的精度,为脑胶质瘤分类提供了一种有效的算法。
-
关键词
鱼鹰优化算法
随机反向学习
随机森林
脑胶质瘤
分类
-
Keywords
osprey Optimization algorithm(ooa)
stochastic reverse learning
Random Forest(RF)
glioma
classification
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于SVD-IACMD的GIS振动信号去噪算法
被引量：5
- 4
-
-
作者
涂嘉毅
关向雨
赵俊义
林建港
赖泽楷
-
机构
福州大学电气工程与自动化学院
中铝山东有限公司
-
出处
《电力工程技术》
北大核心
2024年第6期163-172,共10页
-
基金
福建省自然科学基金资助项目“GIS触头多尺度失效特征与接触故障智能诊断方法研究”(2020J01509)。
-
文摘
振动测量对发现气体绝缘开关设备(gas insulated switchgear,GIS)潜在性缺陷具有重要意义,但GIS本体振动信号易受基础振动、测量噪声以及环境噪声的影响,使得现场GIS振动带电检测和机械缺陷诊断的效果较差。针对此问题,提出一种基于奇异值分解(singular value decomposition,SVD)-改进自适应啁啾模态分解(improve adaptive chirp mode decomposition,IACMD)的现场振动信号降噪算法。该方法首先利用SVD对原始振动信号进行预处理,滤除低频基础振动和测量噪声,其次利用鱼鹰优化算法(osprey optimization algorithm,OOA)对处理后的信号进行自适应模态分解,得到分解后的固有模态(intrinsic mode functions,IMF)分量,再利用互相关系数筛选有效分量重构振动信号。模拟信号与现场信号测试结果表明:与OOA-自适应啁啾模态分解(adaptive chirp mode decomposition,ACMD)和SVD-变分模态分解(variational mode decomposition,VMD)相比,所提出的SVD-IACMD算法可以去除基础振动、测量噪声和环境噪声,保留GIS本体振动的基频和谐波分量,为GIS现场抗干扰振动检测和机械缺陷诊断提供技术支持。
-
关键词
气体绝缘开关设备(GIS)
信号降噪
奇异值分解(SVD)
改进自适应啁啾模态分解(IACMD)
鱼鹰优化算法(ooa)
机械振动
-
Keywords
gas insulated switchgear(GIS)
signal denoising
singular value decomposition(SVD)
improve adaptive chirp mode decomposition(IACMD)
osprey optimization algorithm(ooa)
mechanical vibration
-
分类号
TM81
[电气工程—高电压与绝缘技术]
-
