期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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692篇文章
< 1 2 … 35 >
每页显示 20 50 100
已选0条
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：
基于双通道CNN-LSTM-Attention预测模型的晋华炉煤气化过程操作优化 认领 引用 被引量：3
1
作者 韩永明 李帅 +2 位作者 耿志强 汪京培 王孟志 《控制与决策》 EI CSCD 北大核心 2026年第4期1110-1121,共12页
煤气化过程具有强非线性、强耦合以及多目标冲突等特点,传统基于机理模型的操作优化方法难以达到高效且稳健的效果.晋华炉作为我国煤气化工艺中应用广泛的典型炉型,其运行优化亟需智能化建模和决策支持.鉴于此,提出一种基于双通道卷积-... 煤气化过程具有强非线性、强耦合以及多目标冲突等特点,传统基于机理模型的操作优化方法难以达到高效且稳健的效果.晋华炉作为我国煤气化工艺中应用广泛的典型炉型,其运行优化亟需智能化建模和决策支持.鉴于此,提出一种基于双通道卷积-长短期记忆网络-注意力机制(CNN-LSTM-Attention)预测模型的晋华炉操作优化方法.预测模型使用双通道结构融合工艺特征和历史序列信息,并利用层次化注意力机制提升关键特征的表达能力.在氢气、一氧化碳比例预测任务中,所构建双通道CNN-LSTM-Attention模型分别取得0.9322和0.9637的判定系数,显示出良好的精度和鲁棒性.在此基础上,结合粒子群优化算法,将预测模型作为代理模型对关键操作变量进行智能寻优.实验结果表明,优化方案相较于原始工况氢气比例提高了1.22%,一氧化碳比例提高了1.51%,总体有效气含量提升了1.38%.该研究为晋华炉气化过程的智能建模和工况优化提供了有效支撑,对煤气化典型炉型的高效运行具有重要参考价值. 展开更多
关键词 晋华炉 操作优化 LSTM CNN 注意力机制 粒子群算法
暂未订购 下载PDF
基于LSTM-NGO-MPC控制器的农机横向跟踪控制方法 认领 引用 被引量：2
2
作者 王瞧 魏世博 +2 位作者 吴翔 牛群峰 王莉 《农机化研究》 北大核心 2026年第7期117-125,共9页
针对智能农机路径跟踪控制中车辆动力学模型不准确和所用控制器权重难以自适应调节问题,提出了一种基于融合长短期记忆(LSTM)神经网络和北方苍鹰优化(NGO)算法的农机横向跟踪模型预测控制(MPC)方法,以提高农机横向跟踪控制精度。首先,... 针对智能农机路径跟踪控制中车辆动力学模型不准确和所用控制器权重难以自适应调节问题,提出了一种基于融合长短期记忆(LSTM)神经网络和北方苍鹰优化(NGO)算法的农机横向跟踪模型预测控制(MPC)方法,以提高农机横向跟踪控制精度。首先,在传统MPC路径跟踪控制的基础上,利用LSTM网络对车辆动力学模型进行补偿,从而更准确地反映农机的真实动力学特性。其次,设定横向误差阈值,一旦超过该误差阈值,利用NGO对MPC控制器固定权重参数进行在线自动更新,使二次规划输出的控制量有更好的控制效果。最后,通过MATLAB/Simulink和CarSim软件搭建农机跟踪控制联合仿真系统,通过不同曲率的2个单弯道路径和1个多弯道路径对跟踪效果进行验证实验,结果表明,LSTM-NGO-MPC控制器在车速15 km/h和20 km/h下的跟踪精度远优于传统控制器,在车速为15 km/h的3种路径跟踪中比NGO-MPC控制器提高40.71%、27.86%、11.80%,在车速为20 km/h的3种路径跟踪中比NGO-MPC控制器提高21.28%、22.22%、44.66%。 展开更多
关键词 智能农机 横向跟踪 模型预测控制 长短期记忆神经网络 北方苍鹰优化算法
暂未订购 下载PDF
基于HPO-LSTM网络的锂电池健康状态估计 认领 引用 被引量：3
3
作者 王庭华 鄢博 +1 位作者 吴静云 何大瑞 《电源学报》 CSCD 北大核心 2026年第1期225-232,共8页
电池健康状态SOH(state-of-health)是评价电池性能的重要指标。针对电池健康状态难以准确估算的问题,提出猎人猎物优化HPO(hunter-prey optimizer)算法和长短期记忆LSTM(long short-term memory)神经网络相结合的锂电池健康状态估计方... 电池健康状态SOH(state-of-health)是评价电池性能的重要指标。针对电池健康状态难以准确估算的问题,提出猎人猎物优化HPO(hunter-prey optimizer)算法和长短期记忆LSTM(long short-term memory)神经网络相结合的锂电池健康状态估计方法。通过分析电流、温度对容量增量IC(incremental capacity)曲线的影响,引入IC曲线中最高峰的峰值及其对应的电压、温度、电流作为模型输入,利用HPO算法对LSTM网络进行动态调参,最后采用储能环境下削峰填谷工况的电池充放电数据进行实验验证。结果表明:基于HPO-LSTM网络的锂电池健康状态估计方法相较传统的LSTM网络方法具有更高的估算精度,在不同网络训练量下具有较好的鲁棒性。 展开更多
关键词 锂电池 健康状态 容量增量曲线 猎人猎物优化算法 长短期记忆神经网络
暂未订购 下载PDF
基于WOA-BP-LSTM自编码器的CFRP薄壁C柱轴压响应预测 认领 引用 被引量：1
4
作者 牟浩蕾 张贾 +1 位作者 冯振宇 白春玉 《航空学报》 EI CAS CSCD 北大核心 2026年第4期112-124,共13页
针对航空器货舱下部碳纤维增强复合材料(CFRP)薄壁C柱在准静态轴压下的力-位移响应预测问题,提出了一种融合鲸鱼优化算法(WOA)、反向传播(BP)神经网络和长短期记忆(LSTM)自编码器的智能预测模型(WOA-BPLSTM自编码器模型)。通过CFRP薄壁... 针对航空器货舱下部碳纤维增强复合材料(CFRP)薄壁C柱在准静态轴压下的力-位移响应预测问题,提出了一种融合鲸鱼优化算法(WOA)、反向传播(BP)神经网络和长短期记忆(LSTM)自编码器的智能预测模型(WOA-BPLSTM自编码器模型)。通过CFRP薄壁C柱准静态轴压试验验证了有限元模型可靠性,其轴压响应评价指标误差均小于10%,基于该模型构建了包含700组变截面几何参数的力-位移响应数据集。采用LSTM自编码器实现力-位移响应特征降维与重建,随后采用BP神经网络对力-位移响应进行预测,并采用WOA进行神经网络参数优化。结果表明,LSTM自编码器实现了力-位移响应的高精度重建,测试集初始峰值压溃力和能量吸收的重建误差均小于3%,80%样本误差小于1%;优化后预测模型的力-位移响应预测精度显著提升,测试集平均绝对误差(MAE)降低17.55%,均方误差(MSE)降低31.77%,均方根误差(RMSE)降低17.47%,初始峰值压溃力和能量吸收的预测误差均小于8%,80%样本误差小于5%。该智能预测模型实现了变截面CFRP薄壁C柱轴压响应的快速精准预测并降低了计算成本,为其轴压响应研究提供了一种高效的参数-性能映射工具。 展开更多
关键词 CFRP薄壁C柱 轴压响应 LSTM自编码器 鲸鱼优化算法 BP神经网络
暂未订购 下载PDF
Three-degree-of-freedom motion posture stabilization control of platform based on DTW-LSTM-MATD3 under high and low frequency disturbances of ships 认领 引用
5
作者 Qin ZHANG Jingyi ZHOU +1 位作者 Bangping GU Xiong HU 《Journal of Zhejiang University-SCIENCE A》 SCIE EI CAS CSCD 2026年第3期246-261,共16页
In the complex and variable deep-sea environment,the compensation control of ship motion ensures the safety and efficiency of equipment installation and transportation in offshore wind farms.However,the ship motion po... In the complex and variable deep-sea environment,the compensation control of ship motion ensures the safety and efficiency of equipment installation and transportation in offshore wind farms.However,the ship motion posture compensation control system is severely affected by uncertainties,which significantly impact the accuracy of compensation control.In this paper,we propose a ship three-degree-of-freedom(3-DoF)motion posture stabilization control method based on the DTW-LSTM-MATD3 algorithm.We use the multi-agent twin delayed deep deterministic policy gradient(MATD3)to control a platform with six electric cylinders to achieve stable control.However,owing to random noise affecting the ship’s motion posture,we use a dynamic time warping(DTW)algorithm to distinguish between high-frequency noise and low-frequency tracking signals.Further,we embed a long short-term memory(LSTM)network into the MATD3 network to better align the Critic network’s training with the true Q-value.We use a combined reward function to enhance the agent’s exploration capability in complex dynamic environments.Finally,verification was conducted under sixth-level,abrupt sea conditions with high-frequency noise,as well as under real abrupt sea conditions,and a generalization test was also carried out.Simulation results show that the proposed DTW-LSTM-MATD3 method has great compensation control ability. 展开更多
关键词 Compensation control Multi-agent twin delayed deep deterministic policy gradient(MATD3)algorithm Dynamic time warping(DTW)algorithm Long short-term memory(LSTM)network
暂未订购 下载PDF
基于改进PGA优化VMD的ARIMA-LSTM混合模型的光伏功率预测 认领 引用
6
作者 吴仕宏 尚轩竹 +1 位作者 吴佳文 武兴宇 《沈阳农业大学学报》 CAS CSCD 北大核心 2026年第4期126-136,共11页
[目的]大规模太阳能发电的固有波动性给智能电网的能源管理带来重大挑战。准确预测太阳能功率对于保障智能电网的经济运行至关重要。提出一种基于改进向光生长优化算法(PGA)优化变分模态分解(VMD)并融合自回归差分移动平均(ARIMA)和长... [目的]大规模太阳能发电的固有波动性给智能电网的能源管理带来重大挑战。准确预测太阳能功率对于保障智能电网的经济运行至关重要。提出一种基于改进向光生长优化算法(PGA)优化变分模态分解(VMD)并融合自回归差分移动平均(ARIMA)和长短期记忆神经网络(LSTM)的光伏功率预测模型。[方法]利用改进PGA对VMD的模态数和惩罚因子寻优,将原始非平稳的功率序列分解为平稳的子模态,依据各模态波动特性构建ARIMA和LSTM预测模型,叠加重构得到最终预测值。以实际光伏电站历史数据为样本将LSTM、ARIMA-LSTM、PGA-VMD-ARIMA-LSTM以及IPGA-VMD-ARIMA-LSTM进行对比试验。选取多种评价指标对提出的改进模型进行评价。[结果]IPGA-ARIMA-LSTM的MAE降为0.5,RMSE为0.78,MAPE低至1.37,精度最高,较PGA-VMD-ARIMA-LSTM精度提高18.9%。[结论]改进PGA优化VMD的ARIMA-LSTM在拟合度、预测精度和稳定性方面均优于传统方法,通过改进传统方法对参数进行优化,显著提升预测性能。 展开更多
关键词 光伏发电 功率预测 LSTM ARIMA-LSTM PGA算法
暂未订购 下载PDF
基于Kmeans-ADE-LSTM模型的电动汽车直流充电桩充电效率研究 认领 引用
7
作者 张煌辉 方杰 +4 位作者 张杰梁 叶熙领 金涛 邵海明 肖蕾 《电测与仪表》 CSCD 北大核心 2026年第4期89-98,共10页
在电动汽车充电过程中,交直流电的转换、电能与化学能的转化等现象都会造成不可避免的电能损耗。为了以有限计量设备精准计算该损耗大小,文中提出了基于Kmeans-ADE-LSTM(Kmeans-adaptive differential evolution-long short-term memory... 在电动汽车充电过程中,交直流电的转换、电能与化学能的转化等现象都会造成不可避免的电能损耗。为了以有限计量设备精准计算该损耗大小,文中提出了基于Kmeans-ADE-LSTM(Kmeans-adaptive differential evolution-long short-term memory)的充电桩效率计算理论。所提方法使用记忆型神经网络对历史充电数据进行模型训练,得出直流侧电气数据、温度数据与充电效率之间的模型关系,再进行新的充电数据验证。创新性地提出将所采集到的充电数据在进行效率计算之前,先对数据样本进行Kmeans聚类分析,处理后的数据再进行后续的神经网络训练。此外,为改善传统差分进化算法的变异系数选取困难问题,文中选用了高效的全局优化算法——差分进化算法,对变异系数进行自适应处理,进行长短期记忆(long short-term memory,LSTM)网络的超参数最优选取;基于充电效率与时间等的关联性,结合LSTM神经网络进行充电转换效率计算。对比实验结果表明,所提出的Kmeans-ADE-LSTM充电桩充电效率预测方法具有较高的预测精度。 展开更多
关键词 长短期记忆网络 差分进化算法 充电桩 充电效率预测 Kmeans聚类
暂未订购 下载PDF
Aero-engine Air Path Fault Diagnosis via FGO-1DCNN-LSTM 认领 引用
8
作者 Luyao He Mingzheng Liu +3 位作者 Ximeng Wang Bo Hu Bin Liu Siying Guo 《Instrumentation》 2026年第2期33-48,共16页
To address the shortcomings of existing fault diagnosis models for aero-engine gas path components,such as weak feature extraction capabilities and low diagnostic accuracy,this study proposes a fault diagnosis model u... To address the shortcomings of existing fault diagnosis models for aero-engine gas path components,such as weak feature extraction capabilities and low diagnostic accuracy,this study proposes a fault diagnosis model underpinned by the Fungal Growth Optimization(FGO)algorithm(FGO-1 DCNN-LSTM).This model integrates a 1D convolutional neural network(1 DCNN)and a long short-term memory network(LSTM).LSTM's strength in extracting temporal features compensates for the limitations of 1 DCNN in processing timeseries data.A split-path convolutional fusion module is introduced into the 1 DCNN,enabling parallel input of sensor data,thus enhancing both the network's extraction capabilities and efficiency.Simultaneously,the FGO algorithm is incorporated to tackle the issue of hyperparameter optimization.To validate the model's performance,training and validation experiments were conducted using the N-CMAPSS dataset,which covers fault data under three typical operating conditions:low-altitude low-velocity,higher-altitude and highervelocity,and high-altitude high-velocity.Experimental results indicate that the FGO-1 DCNNLSTM model attains fault diagnosis accuracies of 90.74%,91.67%,and 94.44%under three operating condition.In comparison with the unoptimized 1 DCNN-LSTM model,its diagnostic accuracy is improved by 2.78%,10.19%,and 3.7%,respectively.The results provide evidence that the FGO-1 DCNN-LSTM model can effectively achieve accurate identification and diagnosis of faults in aero-engine gas path components. 展开更多
关键词 air pathway fungal growth optimization algorithm(FGO) 1DCNN LSTM datadriven approach
暂未订购 下载PDF
基于EEMD-LSTM的丹江口水库水质智能预测模型研究 认领 引用
9
作者 林枭 陈正友 +3 位作者 崔冬冬 冀前锋 查悉妮 白凤朋 《人民长江》 北大核心 2026年第7期65-74,共10页
针对传统模型精度有限或时效性差的问题,建立了基于EEMD-LSTM算法的丹江口水库水质智能预测模型。该模型通过三级递进式预处理和双维度特征分析提升数据质量并优化特征选择;进而利用集成经验模态分解(EEMD)抑制模态混叠,提取时序多尺度... 针对传统模型精度有限或时效性差的问题,建立了基于EEMD-LSTM算法的丹江口水库水质智能预测模型。该模型通过三级递进式预处理和双维度特征分析提升数据质量并优化特征选择;进而利用集成经验模态分解(EEMD)抑制模态混叠,提取时序多尺度特征;最后结合长短期记忆网络(LSTM)捕捉长期依赖关系的优势,实现精准预测。采用库区典型监测站点的多指标实测时序数据开展实例验证,实验结果表明:模型在5个监测站点的总磷浓度预测中,1~3 d短期预测R2达0.8以上,7 d中期预测R2在0.65以上,且EEMD-LSTM模型有效克服了单一LSTM模型的预测滞后问题,显著提升了水质预测的准确性与稳定性。研究成果可为丹江口水库水质实时预报与风险管控提供技术支撑。 展开更多
关键词 水质预测 深度学习 EEMD-LSTM算法 丹江口水库
暂未订购 下载PDF
基于云端数据的AEKF-LSTM融合算法预测电池SOC 认领 引用
10
作者 吴文进 吴晶 +2 位作者 詹文法 查申龙 苏建徽 《电子测量与仪器学报》 EI CSCD 北大核心 2026年第1期43-50,共8页
针对目前电池荷电状态(stage of charge,SOC)估计算法存在稳定性差、误差大等缺点,提出一种基于实车云端放电数据的自适应扩展卡尔曼滤波(adaptive extended Kalman filter,AEKF)与长短时记忆(long short term memory,LSTM)融合的算法,... 针对目前电池荷电状态(stage of charge,SOC)估计算法存在稳定性差、误差大等缺点,提出一种基于实车云端放电数据的自适应扩展卡尔曼滤波(adaptive extended Kalman filter,AEKF)与长短时记忆(long short term memory,LSTM)融合的算法,预测小动力电动车的电池SOC。首先采用自适应遗忘因子最小二乘法(adaptive forgetting factor recursive least squares,AFFRLS)辨识电池的二阶RC等效电路模型参数。其次,将云端实时采集到的放电数据作为研究目标,通过AEKF-LSTM融合算法对小动力电动车的电池SOC进行预测实验,实验过程中AEKF-LSTM融合算法将当前时刻的端电压、电流、温度以及上一时刻电池的SOC作为输入,以更新的SOC作为输出训练估计模型。最后,将AEKF-LSTM融合算法和单一AEKF算法预测电池SOC的结果与实际SOC值进行比较,实验结果表明,AEKF-LSTM融合算法的均方根误差(root mean square error,RMSE)为0.0058 V,平均绝对误差(mean absolute error,MAE)为0.0041 V,比AEKF算法的RMSE减小0.0087 V,MAE减小0.1164 V,且AEKF-LSTM融合算法的RMSE和MAE均在0.6%以内,证明了该融合算法有较高的估计精度和较强的鲁棒性。 展开更多
关键词 荷电状态SOC AEKF算法 LSTM神经网络 小动力电动车 云端数据
暂未订购 下载PDF
基于改进LSTM的商业建筑冷负荷预测模型 认领 引用
11
作者 董芳楠 武强 +1 位作者 刘佳瑶 于军琪 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2026年第5期998-1005,共8页
传统冷负荷预测多未考虑时间因素,导致预测效果差和泛化能力低,为此提出基于权重衰减适应性矩估计优化算法的长短期记忆(LSTM)神经网络预测模型(WAdam-LSTM),用于建筑的高精度冷负荷预测.采用交叉相关函数得到变量最佳特征作为输入变量... 传统冷负荷预测多未考虑时间因素,导致预测效果差和泛化能力低,为此提出基于权重衰减适应性矩估计优化算法的长短期记忆(LSTM)神经网络预测模型(WAdam-LSTM),用于建筑的高精度冷负荷预测.采用交叉相关函数得到变量最佳特征作为输入变量,更新LSTM变量参数时引入权重衰减项,构建WAdam-LSTM.以2个典型大型商业建筑逐时冷负荷数据为样本开展模型预测性能对比实验.结果表明:解耦权重衰减项的引入提高了优化算法的稳定性和收敛性,适用于LSTM网络的参数优化;WAdam-LSTM比SVR、SCOA-LSTM和Adam-LSTM的预测效果更准确,均方误差分别下降了83%、66%和30%;WAdam-LSTM具有比单一模型(LSTM、SVR和BPNN)和混合预测模型(SCOA-LSTM和Adam-LSTM)更强的泛化能力,能对不同商业建筑不同月份的冷负荷进行精确预测. 展开更多
关键词 商业建筑 冷负荷 长短期记忆(LSTM) Adam算法 预测性能
暂未订购 下载PDF
基于MPA-CNN-LSTM融合模型与置信区间修正的行业用户负荷潜力评估 认领 引用
12
作者 沈聪 艾芊 +3 位作者 李晓露 高扬 陶伟健 赵晨阳 《电力需求侧管理》 2026年第1期8-16,共9页
随着“双碳”目标提出,新能源装机容量增大,且用户用电负荷特性变化及负荷量增加,电网供需平衡压力日益严峻,为支撑电网运行平衡,充分挖掘行业用户负荷可调节潜力,提出了基于MPA-CNN-LSTM融合模型与置信区间修正的行业用户负荷潜力评估... 随着“双碳”目标提出,新能源装机容量增大,且用户用电负荷特性变化及负荷量增加,电网供需平衡压力日益严峻,为支撑电网运行平衡,充分挖掘行业用户负荷可调节潜力,提出了基于MPA-CNN-LSTM融合模型与置信区间修正的行业用户负荷潜力评估策略。首先,在原有负荷特性基础上提出负荷削减特性表征同一行业不同用户负荷削减类别及方式作为MPA-CNNLSTM预测模型输入;其次,依据响应用户实际调节潜力基于MPA算法优化的CNN-LSTM神经网络进行训练并预测行业用户可调节潜力;最后,通过置信区间修正法修正行业用户可调节潜力,提高预测准确性。 展开更多
关键词 负荷削减特性 MPA算法优化 CNN-LSTM 置信区间修正 潜力评估
暂未订购 下载PDF
结合特征分析和V-PSA-LSTM的锂离子电池SOH预估 认领 引用
13
作者 高治军 戴瑞 +1 位作者 宁一 郭喜峰 《电源学报》 CSCD 北大核心 2026年第6期177-188,共12页
针对锂离子电池循环使用中的容量回升现象及其精准预估问题,提出了一种整合特征分析与创新变分金字塔切分注意力长短期记忆V-PSA-LSTM(variational pyramid split attention long short-term memory)网络模型的方法。该方法对锂离子电... 针对锂离子电池循环使用中的容量回升现象及其精准预估问题,提出了一种整合特征分析与创新变分金字塔切分注意力长短期记忆V-PSA-LSTM(variational pyramid split attention long short-term memory)网络模型的方法。该方法对锂离子电池进行特征分析,通过Pearson相关系数筛选出与电池健康状态SOH(state of health)密切相关的健康特征,以揭示电池容量动态恢复等关键特性。提出的创新V-PSA-LSTM网络模型方案,将周期变异激活机制融入金字塔切分注意力PSA(pyramid split attention)算法中优化长短期记忆LSTM(long short-term memory)网络,旨在强化LSTM模型对锂离子电池SOH的演化规律,特别是循环过程中容量起伏变化的精准捕获能力。经验证,V-PSA-LSTM模型在预估锂离子电池SOH时,显著减小了预估误差,均方根误差RMSE(root mean square error)和平均绝对误差MAE(mean absolute error)分别为0.0022和0.0018,展示了在解决电池容量回升问题和其精准预估问题上的优越性能。 展开更多
关键词 锂离子电池 PSA算法 周期变异激活 长短期记忆算法 健康特征提取
暂未订购 下载PDF
基于改进LSTM算法的无线网络DDoS攻击防御方法 认领 引用
14
作者 徐伟 冷静 《现代电子技术》 北大核心 2026年第8期61-64,70,共4页
为有效防御无线网络中的DDoS攻击,保证网络服务的连续性与稳定性及安全通信,提出一种基于改进LSTM算法的无线网络DDoS攻击防御方法。该方法分析无线网络中DDoS攻击的模式特点和影响,确定网络在攻击下的流量变化规律;在LSTM算法中添加门... 为有效防御无线网络中的DDoS攻击,保证网络服务的连续性与稳定性及安全通信,提出一种基于改进LSTM算法的无线网络DDoS攻击防御方法。该方法分析无线网络中DDoS攻击的模式特点和影响,确定网络在攻击下的流量变化规律;在LSTM算法中添加门控机制和存储单元,构建BiLSTM网络,以快速捕获DDoS攻击下无线网络中所有节点的流量数据集;依据检测结果,采用弹性一致性算法拦截异常流量,从而实现对无线网络DDoS的防御。实验结果表明,所提方法可以快速、准确地检测流量表中的无线网络DDoS攻击,实现有效防御,数据包转发成功率大于96%,对无线网络DDoS攻击具有很好的防御效果,可以保证网络服务的连续性。 展开更多
关键词 改进LSTM算法 无线网络 DDoS攻击 攻击防御 弹性一致性 流量数据 攻击模式
暂未订购 下载PDF
基于MSWOA-Transformer-LSTM混合神经网络的沿海高桩码头结构健康监测数据预测方法研究 认领 引用
15
作者 刘红彪 王之祥 +4 位作者 刘慧芳 罗德通 齐方利 张路刚 薛德清 《振动与冲击》 EI CSCD 北大核心 2026年第11期144-154,共11页
结构健康监测(structural health monitoring,SHM)系统在长期运行中会产生海量监测数据,为了实现码头结构安全状态的快速预测,需建立高效的数据预测模型。针对现有的结构健康监测数据预测模型训练效率低、模型预测精度不足、泛化能力弱... 结构健康监测(structural health monitoring,SHM)系统在长期运行中会产生海量监测数据,为了实现码头结构安全状态的快速预测,需建立高效的数据预测模型。针对现有的结构健康监测数据预测模型训练效率低、模型预测精度不足、泛化能力弱及易陷入局部最优等问题,提出了一种基于Transformer网络、长短期记忆网络(long short-term memory,LSTM)和基于混合策略改进的鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MSWOA)相结合的监测数据预测分析模型,即MSWOA-Transformer-LSTM(MTL)模型,并针对天津港某高桩码头健康监测系统实测的结构应变、保护电位和温度等多源数据进行了分析和预测。结果表明,因MSWOA方法的引入,MTL模型的寻优精度和收敛速度明显提升。同时,通过与Transformer-GRU(gated recurrent unit)、Transformer-LSTM和WOA-Transformer-LSTM(WTL)等神经网络模型的预测结果对比可知,MTL模型在预测任务中均表现出更高的精度和更好的稳定性。 展开更多
关键词 结构健康监测(SHM) 混合策略改进的鲸鱼优化算法(MSWOA) 长短期记忆网络(LSTM) Transformer 高桩码头 数据预测
暂未订购 下载PDF
企业财务欺诈预警:基于自适应ChiMerge-LSTM的体系框架 认领 引用
16
作者 陈朝焰 韩冬梅 《管理现代化》 CSSCI 北大核心 2026年第2期67-75,共9页
企业财务欺诈行为会破坏资本市场秩序,传统预警方法因忽略欺诈年度附近的异常数据变化而存在局限性。为提高预警精度,构建一种融合异常变动指标与自适应ChiMerge-LSTM的智能预警体系框架。首先,通过差分、比率和相对比率操作构建三类异... 企业财务欺诈行为会破坏资本市场秩序,传统预警方法因忽略欺诈年度附近的异常数据变化而存在局限性。为提高预警精度,构建一种融合异常变动指标与自适应ChiMerge-LSTM的智能预警体系框架。首先,通过差分、比率和相对比率操作构建三类异常变动指标,捕捉欺诈年度附近多个季度的财务数据异常特征;其次,设计自适应ChiMerge算法进行特征变换,结合WOE与IV值优化特征变化过程,增强特征稳健性;最后,采用LSTM-ANN混合模型提取时序特征并输出欺诈概率,通过动态阈值生成红绿灯预警信号。基于中国A股上市公司季度数据的实证分析表明:1)12季度(3年)是我国企业财务欺诈预警的最优观测周期;2)差分异常指标效果最优;3)ChiMerge特征变换能有效提升预警模型的性能;4)LSTM在时序特征提取上性能优于GRU和CNN。该研究可为监管部门提供能实时监控的风险识别工具,企业管理者可依据预警信号提前排查财务风险,投资者能据此调整决策以规避损失。 展开更多
关键词 公司财务欺诈 预警体系框架 ChiMerge算法 LSTM网络 异常变动指标
暂未订购 下载PDF
基于OOA-VMD与LSTM的变转速滚动轴承故障诊断 认领 引用
17
作者 郗涛 王虎 王莉静 《中国工程机械学报》 北大核心 2026年第1期144-149,共6页
为解决在变转速工况下滚动轴承故障诊断的问题,提出一种鱼鹰优化算法(OOA)-变分模态分解(VMD)的故障特征提取与长短时记忆网络(LSTM)相融合的故障诊断方法。首先,利用OOA,对VMD算法中的重要参数进行优化,解决信号分解过程中VMD的参数设... 为解决在变转速工况下滚动轴承故障诊断的问题,提出一种鱼鹰优化算法(OOA)-变分模态分解(VMD)的故障特征提取与长短时记忆网络(LSTM)相融合的故障诊断方法。首先,利用OOA,对VMD算法中的重要参数进行优化,解决信号分解过程中VMD的参数设置问题;其次,对重构信号进行Hilbert变换,提取包络谱值作为故障特征向量;最后,采用轴承数据集,基于LSTM网络算法进行故障诊断训练、检验和分析。结果表明:本文方法具有较好的故障特征提取能力,且故障识别率达到99.33%。 展开更多
关键词 变转速 滚动轴承 OOA算法 变分模态分解(VMD) 长短时记忆网络(LSTM)
暂未订购 下载PDF
基于改进1DCNN-LSTM的防冲钻孔机器人钻进煤岩性状识别 认领 引用
18
作者 司垒 刘扬 +5 位作者 王忠宾 顾进恒 魏东 戴剑博 李鑫 赵杨奇 《矿业科学学报》 CAS CSCD 北大核心 2026年第1期206-217,共12页
防冲钻孔机器人是高地应力矿井卸压作业的关键装备,其对钻进煤岩性状识别准确度直接影响钻孔卸压效率和卸压效果。本文针对当前煤岩钻进状态识别手段多依赖于人工经验,存在识别精度低、响应时间长、无法满足无人化钻孔卸压需求的问题,... 防冲钻孔机器人是高地应力矿井卸压作业的关键装备,其对钻进煤岩性状识别准确度直接影响钻孔卸压效率和卸压效果。本文针对当前煤岩钻进状态识别手段多依赖于人工经验,存在识别精度低、响应时间长、无法满足无人化钻孔卸压需求的问题,基于一维卷积神经网络(1DCNN)和长短时记忆网络(LSTM)并结合模拟实验提出了一种钻进过程煤岩性状识别方法。通过加入卷积块注意力机制(CBAM),提升模型识别准确率,并采用改进蜣螂优化(IDBO)算法对模型中超参数进行寻优,确定最优的网络参数组合。搭建煤岩钻进模拟试验台,制作6种典型煤岩试块,采集回转速度、回转扭矩、推进速度和推进压力等4类传感信号,开展相应的对比测试分析。结果表明:所提方法具有较高的钻进煤岩识别准确率,达到97.00%,明显优于1DCNN和1DCNN-LSTM,以及逻辑回归、支持向量机(SVM)、决策树、随机森林、K聚类、Transformer等方法。 展开更多
关键词 防冲钻孔机器人 钻进煤岩识别 一维卷积神经网络(1DCNN) 长短时记忆神经网络(LSTM) 改进蜣螂优化(IDWO)算法
暂未订购 下载PDF
结合松鼠搜索算法和LSTM的滚动轴承RUL预测 认领 引用
19
作者 张昌凡 高见 何静 《机械设计与制造》 北大核心 2026年第4期71-76,共6页
学习率和其下降因子是基于长短期人工神经网络(Long Short-Term Memory,简称LSTM)的滚动轴承剩余使用寿命(Remaining Useful Life,简称RUL)预测关键参数。然而,目前通过先验知识确定其参数值难以保证预测精度。为此,提出了一种通过松鼠... 学习率和其下降因子是基于长短期人工神经网络(Long Short-Term Memory,简称LSTM)的滚动轴承剩余使用寿命(Remaining Useful Life,简称RUL)预测关键参数。然而,目前通过先验知识确定其参数值难以保证预测精度。为此,提出了一种通过松鼠搜索算法(Squirrel Search Algorithm,简称SSA)对LSTM进行自动参数寻优的方法。首先,通过SSA对LSTM的学习率及其下降因子进行自动寻优;其次,通过优化后的LSTM模型进行预测,生成误差序列,同时通过引入完全自适应噪声集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,简称CEEDMAN)对原始误差进行重构,将重构误差与原始数据相结合,最后得到高精度的预测结果。研究表明:该方法能够更好地找到使LSTM预测精度更高的学习率与学习率下降因子的参数值,并且引入CEEMDAN能够有效降低预测误差,从而实现对于滚动轴承RUL预测精度的提高。 展开更多
关键词 剩余使用寿命 长短期记忆人工神经网络 松鼠搜索算法 完全自适应噪声集合经验模态分解 误差重构
暂未订购 下载PDF
基于VMD-SSA-LSTM的公交线路短时客流预测 认领 引用
20
作者 张丽莉 仲浩宇 《武汉理工大学学报（交通科学与工程版）》 2026年第3期477-484,共8页
城市公共交通客流具有非线性和非稳定性的特点,为提升公交线路短时客流观测数据的平稳性,减少LSTM模型预测时参数选取的主观性,提高短时客流预测的精度,利用VMD(变分模态分解)处理历史公交客流数据,并利用SSA(麻雀算法)优化LSTM隐含层... 城市公共交通客流具有非线性和非稳定性的特点,为提升公交线路短时客流观测数据的平稳性,减少LSTM模型预测时参数选取的主观性,提高短时客流预测的精度,利用VMD(变分模态分解)处理历史公交客流数据,并利用SSA(麻雀算法)优化LSTM隐含层神经元个数、训练次数和初始学习率,构建了公交线路短时客流预测组合模型(VMD-SSA-LSTM),并利用北京市1路公交IC卡数据进行验证.结果表明:VMD-SSA-LSTM模型在针对工作日和非工作日的短时客流预测中,预测结果的误差明显低于其他三种模型,这表明提出的组合模型能有效提高公交线路短时客流预测的精度,实现公交线路短时客流精准预测. 展开更多
关键词 公交线路客流 短时预测 LSTM 变分模态分解 麻雀算法 组合模型
暂未订购 下载PDF
已选0条
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 … 35 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈