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6,248篇文章
< 1 2 … 250 >
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SSA-BP和ICEEMDAN-NTEO算法的电缆故障识别及精确定位方法 认领 引用 被引量：3
1
作者 袁发庭 李昊樾 +4 位作者 李胡强 杨毅 简盛开 江宇晴 唐波 《电力科学与技术学报》 CAS CSCD 北大核心 2026年第2期127-144,共18页
现有电力电缆行波测距方法依赖初始行波的准确识别,存在故障定位不准确的问题。对此,基于电磁暂态仿真软件ATP-EMTP,建立10 kV电力电缆输电线路模型,提出基于麻雀搜索算法优化的BP神经网络和改进的Teager能量算子(novel teager energy o... 现有电力电缆行波测距方法依赖初始行波的准确识别,存在故障定位不准确的问题。对此,基于电磁暂态仿真软件ATP-EMTP,建立10 kV电力电缆输电线路模型,提出基于麻雀搜索算法优化的BP神经网络和改进的Teager能量算子(novel teager energy operator,NTEO)的双端行波定位方法。首先,建立电力电缆传输线路模型,研究不同工况下故障电流波形,利用基于麻雀搜索算法优化的反向传播神经网络(sparrow search algorithm-back propagation neural network,SSA-BP)算法识别电缆故障类型,训练集与测试集预测结果表明SSA-BP算法能够准确、快速辨识电力电缆故障类型。其次,通过对电缆三相电流进行相模变换,根据电力电缆不同故障类型选择合适的故障分量对电缆进行故障定位。再次,采用改进自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)算法对故障波形进行分解,滤除故障信号中的噪音干扰,通过NTEO算法增强初始行波波头特征,精确定位初始行波到达检测器的时间,实现电力电缆故障的精确定位。最后,采用仿真分析,对方法进行验证。研究结果表明:在考虑不同短路故障、接地电阻和故障距离等因素影响下,其故障识别精度达到98.3%;而CEEMD-NTEO和小波变换算法的故障定位精度分别为99.83%和99.67%,所提方法定位精度为99.88%。该研究成果为电缆故障准确识别和定位提供了重要理论依据。 展开更多
关键词 配电线路 双端行波定位 SSA-BP算法 NTEO算法 ICEEMDAN算法 ATP-EMTP
暂未订购 下载PDF
基于CS-BP-PID算法的烟叶密集烤房温度控制系统 认领 引用 被引量：1
2
作者 沈少君 闫九福 +4 位作者 卢雨 林晓路 杜超凡 朱荣光 孟令峰 《农机化研究》 北大核心 2026年第4期95-102,共8页
烟叶烘烤作为决定烟叶品质的核心环节,其温湿度控制的精准性至关重要。针对当前密集烤房多阶段温度控制精度差、波动范围大、响应时间长等直接影响烟叶色泽、香气、化学成分、经济价值等问题,设计了一种基于布谷鸟算法(CS)优化的BP神经... 烟叶烘烤作为决定烟叶品质的核心环节,其温湿度控制的精准性至关重要。针对当前密集烤房多阶段温度控制精度差、波动范围大、响应时间长等直接影响烟叶色泽、香气、化学成分、经济价值等问题,设计了一种基于布谷鸟算法(CS)优化的BP神经网络PID控制器。通过模拟布谷鸟的寄生行为和莱维飞行特性,对BP神经网络的初始权重进行优化,加快了BP神经网络的自学习速度,以实现密集烤房温度的快速精准调控,降低了超调量,提高了响应速度。同时,基于树莓派4B搭建了密集烤房温湿度控制试验平台,并对控制器性能进行了验证。结果表明:CS-BP-PID控制器上升时间为79.35 s,峰值时间为180.00 s,调节时间为249.38 s,最大超调量为3.25%,相比常规PID控制器缩短了38.18%,调节时间缩短了47.05%,峰值时间和最大超调量减少了50%以上,满足系统温度控制需求。通过多阶段烟叶烘烤试验,上等烟比例提高了14.45%,经济效益得到了显著提升。该控制器综合性能优良,达到了精准控温控湿的效果。 展开更多
关键词 烟叶密集烤房 温度控制系统 CS-BP-PID算法
暂未订购 下载PDF
基于GA-BP神经网络的碳纤维复合芯导线压接缺陷识别方法 认领 引用 被引量：1
3
作者 杜志叶 黄子韧 +2 位作者 俸波 岳国华 廖永力 《电工技术学报》 EI CSCD 北大核心 2026年第1期315-328,共14页
碳纤维复合芯导线因其低碳节能等特性,在输电线路的增容改造中有着良好的应用前景。但碳纤维芯棒十分脆弱,技术工艺不成熟,由于压接不良导致的断线事故时有发生,制约了该技术的推广应用。为此,该文针对断裂和少压两种严重压接缺陷,提出... 碳纤维复合芯导线因其低碳节能等特性,在输电线路的增容改造中有着良好的应用前景。但碳纤维芯棒十分脆弱,技术工艺不成熟,由于压接不良导致的断线事故时有发生,制约了该技术的推广应用。为此,该文针对断裂和少压两种严重压接缺陷,提出一种碳纤维复合芯导线压接缺陷的漏磁检测信号缺陷特征提取方法。通过实验优化,以漏磁检测信号数据中7个峰值点的幅值、21个相对位置信息和7个波形类型信息作为缺陷判断特征值,有效地提高了缺陷种类和缺陷程度识别的准确度。对碳纤维芯导线进行磁性制备,并研制相对应的漏磁检测装置,生产106根不同类型、不同程度的碳纤维芯压接缺陷样品,得到613组漏磁检测信号数据并完成特征值提取,搭建基于遗传算法(GA)的反向传播(BP)神经网络。实测数据表明,该方法可以有效地完成对碳纤维复合芯导线压接缺陷类型的识别,同时对缺陷程度的识别准确率可达到94.31%。 展开更多
关键词 碳纤维复合芯导线 缺陷识别 磁性制备 漏磁检测 遗传算法 BP神经网络
暂未订购 下载PDF
基于HHO-BP神经网络的混合动力重型拖拉机机电耦合系统故障诊断 认领 引用 被引量：1
4
作者 邓晓亭 宋思雨 +1 位作者 鲁植雄 朱烨均 《农业工程学报》 EI CAS CSCD 北大核心 2026年第7期37-47,共11页
混合动力拖拉机的故障诊断对保障设备安全运行具有重要工程意义。混联式混合动力重型拖拉机中混合动力耦合箱对整个传动系统的安全稳定性起到重要作用,该研究提出一种耦合箱的机械故障诊断方法。针对混合动力耦合箱的5种常见故障类型进... 混合动力拖拉机的故障诊断对保障设备安全运行具有重要工程意义。混联式混合动力重型拖拉机中混合动力耦合箱对整个传动系统的安全稳定性起到重要作用,该研究提出一种耦合箱的机械故障诊断方法。针对混合动力耦合箱的5种常见故障类型进行分析,并基于这些故障类型开展算法研究。传统故障诊断方法在提取振动信号特征时常因敏感度不够而难以区分微弱故障信号,同时,基于BP(back propagation)神经网络的模型易陷入局部最优,影响诊断精度与效率。针对上述问题,本文首次将哈里斯鹰优化(harris hawks optimization,HHO)算法引入BP网络参数寻优,并结合时频域特征设计了一种HHO-BP神经网络故障诊断方法。通过加速度振动传感器采集箱体的振动信号,对420组原始信号数据进行处理,提取时频域故障特征。分别构建BP神经网络、PSO-BP(particle swarm optimization-back propagation)神经网络和HHO-BP神经网络故障诊断模型,并进行对比分析。精确率、召回率和F1分数等评价指标的对比结果表明,HHO-BP模型的整体性能优于其他两种模型。在分类平均准确率方面,HHO-BP模型达到98.26%,分别比BP和PSOBP模型提高了6.36和5.54个百分点。综合对比结果表明,HHO-BP优化算法在混合动力耦合箱机械故障诊断中表现出良好的稳定性和判断能力,可为解决混合动力重型拖拉机的机电耦合系统机械故障问题提供有效途径。 展开更多
关键词 拖拉机 故障诊断 混合动力 混合动力耦合箱 BP神经网络 HHO优化算法
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
5
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
基于IWOA-BP的红松人工林枯落针叶层火蔓延速率预测模型 认领 引用 被引量：1
6
作者 黄天棋 辛颖 张敏 《南京林业大学学报（自然科学版）》 CAS CSCD 北大核心 2026年第2期29-36,共8页
【目的】红松(Pinus koraiensis)针叶油脂含量较高,存在极高的森林火灾风险,地表火蔓延是其主要的火灾传播方式。本研究通过构建地表火蔓延速率预测模型,为红松人工林的火灾防控提供科学依据。【方法】以黑龙江省凉水地区红松人工林枯... 【目的】红松(Pinus koraiensis)针叶油脂含量较高,存在极高的森林火灾风险,地表火蔓延是其主要的火灾传播方式。本研究通过构建地表火蔓延速率预测模型,为红松人工林的火灾防控提供科学依据。【方法】以黑龙江省凉水地区红松人工林枯落针叶层为材料,进行松针含水率为0、5%、10%、15%、20%,坡度为0、5°、10°、15°,风速为0、1、2、3、4、5 m/s的360组室内点烧试验,根据热电偶法测定火蔓延速率,构建改进鲸鱼优化算法(IWOA)-BP神经网络模型对火蔓延速率进行预测,并与3种模型(WOA-BP神经网络、GA-BP神经网络和PSO-BP神经网络)进行预测结果对比。【结果】坡度、风速与火蔓延速度均呈极显著正相关(P<0.01),含水率与火蔓延速度呈显著负相关(P<0.05);火蔓延速率随可燃物含水率的增加而降低,随风速和坡度的增加而升高,在风速为4 m/s时,火蔓延增长速率达到最大值。IWOA算法引入Tent混沌映射、改进非线性收敛因子、增加自适应权重和Levy飞行运动,增加了算法的随机性和多样性,提高了收敛速度,同时避免陷入局部最优,具备较高预测精度和鲁棒性;IWOA优化的BP神经网络模型精度和稳定性明显高于其他3种模型,对实测数据的模型适应度最佳。【结论】IWOA-BP神经网络模型能有效地预测红松人工林枯落针叶层的火蔓延速率,为林火防控与森林地表凋落物的火蔓延速率预测模型研究提供科学指导。 展开更多
关键词 红松人工林 火蔓延速率 点烧试验 改进鲸鱼优化算法(IWOA)算法 BP神经网络
暂未订购 下载PDF
基于改进PSO-BO-BP的拖拉机双燃料发动机性能预测 认领 引用 被引量：1
7
作者 陈晖 王冰心 +1 位作者 黄镇财 计端 《农机化研究》 北大核心 2026年第1期268-276,共9页
为提高拖拉机双燃料发动机性能与排放预测模型的性能,提出了一种融合改进粒子群优化算法(IMPSO)、贝叶斯优化(BO)和反向传播(BP)的协同预测模型(IMPSO-BO-BP)。基于发动机台架试验数据,通过整合IMPSO全局搜索、BO概率推理和BP梯度更新机... 为提高拖拉机双燃料发动机性能与排放预测模型的性能,提出了一种融合改进粒子群优化算法(IMPSO)、贝叶斯优化(BO)和反向传播(BP)的协同预测模型(IMPSO-BO-BP)。基于发动机台架试验数据,通过整合IMPSO全局搜索、BO概率推理和BP梯度更新机制,构建多尺度优化模型。结果表明:BO解析了神经网络隐含层维度与学习率的非线性耦合效应,确定隐含层神经元数量24、学习率0.00215为最优参数组合,表明模型复杂度与学习率调控对泛化性能的协同约束作用;性能预测中,IMPSO-BO-BP对制动热效率(BTE)和制动燃料消耗率(BSFC)的预测平均绝对百分比误差(MAPE)与均方根误差(RMSE)较BO-BP模型降低25%~40%,R2提升至0.995及以上,验证了其对物理主导型非线性关系的高精度建模能力;排放预测方面,模型对CO、NOx和HC的MAPE为3.403%、5.223%、3.413%,R2达0.9925、0.9942、0.9946,RMSE为56.429、45.709、335.322,虽精度略低于性能参数预测,但较BO-BP模型仍提升显著。研究证实多算法协同机制通过全局优化与局部收敛的互补效应,可显著提升模型精度和鲁棒性,为拖拉机双燃料发动机多目标优化控制和低排放设计提供了可靠的建模工具。 展开更多
关键词 双燃料发动机 性能预测 BP神经网络 改进粒子群优化算法
暂未订购 下载PDF
基于PSO-BP的水质监测系统设计 认领 引用 被引量：1
8
作者 张凌飞 赵明玉 +2 位作者 赵展文 陈博行 陈洋洋 《现代电子技术》 北大核心 2026年第4期33-41,共9页
为提高水质监测系统覆盖范围并提升系统鲁棒性,设计一种以LoRa技术为通信方式,结合BP神经网络的水质监测系统。利用多节点采集水质的温度、pH值、总溶解固体(TDS)、氧化还原电位(ORP)等参数,通过无线传输技术将数据传输至汇聚节点,之后... 为提高水质监测系统覆盖范围并提升系统鲁棒性,设计一种以LoRa技术为通信方式,结合BP神经网络的水质监测系统。利用多节点采集水质的温度、pH值、总溶解固体(TDS)、氧化还原电位(ORP)等参数,通过无线传输技术将数据传输至汇聚节点,之后上传至云端物联网平台并实时下载到本地数据库,以支持网络模型处理和数据可视化分析,实现了多区域信息采集。再结合粒子群优化(PSO)算法优化BP神经网络的水质参数预测模型,实现对水质参数的预测补充,以提高系统的鲁棒性。通过实验验证系统水质信息采集的准确性以及参数预测模型的可靠性,结果表明,粒子群优化算法优化的BP神经网络模型对于pH值、温度、TDS和ORP四个参数的预测平均绝对百分比误差分别降低0.8269%、1.9475%、1.1039%和0.3125%,能够满足监测系统的需求。 展开更多
关键词 水质监测 无线传输 LoRa技术 粒子群优化算法 BP神经网络 参数预测
暂未订购 下载PDF
融合增量学习机制的COA-BP模型及其线形预测 认领 引用
9
作者 邬晓光 邓志海 +2 位作者 汪俊光 侯学军 李红 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2026年第5期96-107,共12页
在进行大跨度连续刚构桥悬臂施工线形控制时,现有预测方法在模型构建与学习机制两方面存在系统性缺陷(传统方法非线性拟合能力弱,机器学习模型易陷入局部最优或泛化性能不足,且普遍采用“离线训练、固定参数”的静态建模范式),难以动态... 在进行大跨度连续刚构桥悬臂施工线形控制时,现有预测方法在模型构建与学习机制两方面存在系统性缺陷(传统方法非线性拟合能力弱,机器学习模型易陷入局部最优或泛化性能不足,且普遍采用“离线训练、固定参数”的静态建模范式),难以动态适应施工过程中结构响应的时变特性与误差累积规律。为克服该问题,研究提出一种融合小龙虾优化算法(COA)与BP神经网络的COA-BP模型,并创新性引入增量学习机制。首先,基于FEA NX建立精细化实体有限元模型,结合混凝土容重、弹性模量、预应力张拉控制应力等关键参数的变异性,采用拉丁超立方群抽样生成输入参数组合,反算各梁段理论立模标高;实测标高由现场施工完成后获取,二者差值作为模型输出目标。然后通过COA算法优化BP网络的初始权值与阈值,有效提升模型收敛速度与全局搜索能力。在此基础上,设计分阶段学习策略,3、4、5号块为静态学习阶段,利用实测与理论标高差值完成模型初始化,从6号块起进入增量学习阶段,模型基于预测结果指导立模标高调整,并在每阶段施工完成后将新实测数据对应的标高差值纳入训练集,实现“边施工、边学习、边优化”的动态闭环。研究还依托实际连续刚构桥工程进行验证,结果表明,6号块纠偏后最大误差为-1.8 mm,后续梁段预测误差持续收敛,预测曲线平滑下降,显著优于传统方法的预测效果,验证了所提出COA-BP模型在提升线形预测精度与适应性方面的有效性。 展开更多
关键词 线形预测 连续刚构桥 小龙虾算法 BP神经网络 增量学习 COA-BP模型 桥梁工程
暂未订购 下载PDF
基于BP算法的复合域大规模S盒FPGA优化与实现 认领 引用
10
作者 张磊 代景晨 +3 位作者 洪睿鹏 肖超恩 李国元 王建新 《现代电子技术》 北大核心 2026年第13期96-104,共9页
为解决MK-3算法大规模S盒硬件实现资源占用量大、同构函数组合数爆炸的问题,文中提出一种基于XOR数量最少的S盒硬件实现优化方法。首先,通过多项式基的复合域GF(((24)2)2)将S盒优化方法转换为同构矩阵与同构逆矩阵二元矩阵乘XO... 为解决MK-3算法大规模S盒硬件实现资源占用量大、同构函数组合数爆炸的问题,文中提出一种基于XOR数量最少的S盒硬件实现优化方法。首先,通过多项式基的复合域GF(((24)2)2)将S盒优化方法转换为同构矩阵与同构逆矩阵二元矩阵乘XOR数量最小问题;其次,基于BP算法筛选得到最优同构矩阵和同构逆矩阵;最后,采用Vivado开发环境进行FPGA实现。实验结果表明,基于BP算法优化的S盒FPGA实现时钟频率LUT达到了0.41621,与已有的方案相比,该方法在降低硬件资源消耗的同时提高了时钟频率,取得了较好的优化效果。 展开更多
关键词 分组密码算法 S盒 BP算法 MK-3算法 同构函数 有限域 多项式基 FPGA
暂未订购 下载PDF
基于GA优化BP神经网络预测开关柜内部设备温度 认领 引用
11
作者 桑仲庆 袁会生 +4 位作者 游一民 戴冬云 周顺雄 廖权昌 姜维云 《高压电器》 CAS CSCD 北大核心 2026年第8期34-42,共9页
由于开关柜通入电流后,内部设备会产生热量,当温度长期超出阈值,会造成设备损坏无法保证安全,因此需要对开关柜内部温度进行监测,提前对柜内设备的温度进行预测,方便对设备进行维护。为了能够准确预测开关柜内部设备温度,基于BP神经网络... 由于开关柜通入电流后,内部设备会产生热量,当温度长期超出阈值,会造成设备损坏无法保证安全,因此需要对开关柜内部温度进行监测,提前对柜内设备的温度进行预测,方便对设备进行维护。为了能够准确预测开关柜内部设备温度,基于BP神经网络,采用GA算法对BP神经网络优化,提出GA-BP神经网络开关柜内部设备温度预测模型。首先分析影响开关柜温度上升的影响因素,并将其作为预测模型的输入数据;再通过预测模型的训练与测试;最后通过衡量指标来评价网络模型的优劣。测试结果表明,该方法能够有效预测开关柜内部设备的温度值,为变电站内设备进行维护提供了便利。 展开更多
关键词 开关柜 预测 温度 BP神经网络 GA算法
暂未订购 下载PDF
基于GA-BP神经网络的露天矿山排土场边坡失稳预测 认领 引用 被引量：1
12
作者 谢尊贤 马浩浩 +1 位作者 江松 武潇云 《中国安全科学学报》 EI CAS CSCD 北大核心 2026年第3期81-88,共8页
为提高矿山排土场边坡失稳预测的准确性与可靠性,构建一种基于改进遗传算法(GA)优化反向传播(BP)神经网络的露天矿山排土场边坡失稳预测模型。利用GA全局优化BP神经网络的权值和阈值,并引入Levenberg-Marquardt(LM)算法以提升网络收敛效... 为提高矿山排土场边坡失稳预测的准确性与可靠性,构建一种基于改进遗传算法(GA)优化反向传播(BP)神经网络的露天矿山排土场边坡失稳预测模型。利用GA全局优化BP神经网络的权值和阈值,并引入Levenberg-Marquardt(LM)算法以提升网络收敛效率;选取台阶坡面角、岩土内应力、台阶高度、地表位移、孔隙水压力等10个关键指标作为输入,以边坡安全系数为输出,并通过150组矿山案例数据进行模型训练与验证。结果表明:相较于传统BP模型,GA-BP模型的均方误差(MSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别降低46.9%、25.4%和5.38%,预测值更贴近安全系数阈值(Fs=1.2),预测灵敏度和稳定性显著提升。皮尔森相关性分析进一步显示,地表位移与内部位移(0.98)、孔隙水压力与降雨量(0.75)呈强相关性,验证了输入指标的合理性。 展开更多
关键词 遗传算法(GA) 反向传播(BP)神经网络 露天矿山 排土场 边坡失稳预测 安全系数
暂未订购 下载PDF
基于PSO-BP算法的平-摆筛参数交互对分层效果的影响 认领 引用
13
作者 牛福生 张红梅 +2 位作者 张晋霞 王研 于晓东 《矿产综合利用》 CAS 2026年第1期151-160,共10页
以平-摆双运行模式直线振动筛参数:振幅、振频、振动方向角和摆动角度为研究对象,探究不同参数交互作用对分层效果的影响。【目的】为更加直观地分析振动筛的筛分参数与分层效果的复杂影响关系以及筛分过程中料体群的动态特性规律,便于... 以平-摆双运行模式直线振动筛参数:振幅、振频、振动方向角和摆动角度为研究对象,探究不同参数交互作用对分层效果的影响。【目的】为更加直观地分析振动筛的筛分参数与分层效果的复杂影响关系以及筛分过程中料体群的动态特性规律,便于开展振动筛参数优化研究,提升料体筛分分层效果及筛分效率。【方法】首先使用solid works建立振动筛简化三维模型,使用正交实验法设计实验方案,并将实验方案中对应因素水平导入EDEM中,以神经网络为载体探究振动筛的振幅、振动频率、振动方向角和摆动角度四个参数与分层效果的变化规律,对获得的数据结果进行深度学习。【结果】将筛分参数与不同分层效果进行影响权重分析,发现振动频率、振动幅度、振动方向角和摆动角度的影响效果最为显著,故以这四种参数组合表征振动筛运行状态,以明晰不同参数对料体分层效果的变化规律。当振幅为3.4 mm,振频为14.8 Hz,振动方向角为44.1°,摆动角度为0.6°时,料体群分层效果明显,细粒级物料总体分布于筛面端。【结论】本文以筛机振动参数为变量和料体分层效果为优化目标,以期为振动筛优化设计提供启发。 展开更多
关键词 振动筛 振动参数 离散元 分层沉降比 PSO-BP算法
暂未订购 下载PDF
利用WOA-BP算法的区域GNSS高程异常拟合方法 认领 引用
14
作者 李翥 卢献健 +3 位作者 唐长增 宋晓辉 胡鹏程 唐诗华 《桂林理工大学学报》 CAS 北大核心 2026年第1期83-87,共5页
针对区域性GNSS高程拟合模型中选择最佳参数困难的问题,提出了WOA-BP算法的区域GNSS高程异常拟合方法。利用鲸鱼算法(WOA)在全局搜索中寻优能力强、操作简单、调整参数少的特点,为BP神经网络寻找到合适的权值和阈值参数,将优化后的权值... 针对区域性GNSS高程拟合模型中选择最佳参数困难的问题,提出了WOA-BP算法的区域GNSS高程异常拟合方法。利用鲸鱼算法(WOA)在全局搜索中寻优能力强、操作简单、调整参数少的特点,为BP神经网络寻找到合适的权值和阈值参数,将优化后的权值和阈值参数代入到BP神经网络模型中进行训练,从而提高组合算法模型拟合的预测精度和收敛速度。通过实际工程案例中部分GNSS水准重合点数据进行拟合实验,将WOA-BP神经网络算法与BP神经网络、最小二乘支持向量机(LSSVM)法的结果进行对比。结果表明,WOA-BP神经网络模型在使用中具有更强的稳定性、更高的预测精度,可应用于区域GNSS高程拟合的预测。 展开更多
关键词 GNSS高程拟合 BP神经网络 鲸鱼算法
暂未订购 下载PDF
基于IFA-BP神经网络模型的变电站碳排放预测 认领 引用
15
作者 王巍 李智威 +5 位作者 张赵阳 张洪 周蠡 王振 黄放 王灿 《广西师范大学学报（自然科学版）》 CAS 北大核心 2026年第2期103-114,共12页
针对现有变电站碳排放量预测模型存在考虑指标较少、数据更新慢等问题,本文提出一种基于改进萤火虫算法(improved firefly algorithm,IFA)优化反向传播(back propagation,BP)神经网络的变电站碳排放预测模型。首先,针对萤火虫算法(firef... 针对现有变电站碳排放量预测模型存在考虑指标较少、数据更新慢等问题,本文提出一种基于改进萤火虫算法(improved firefly algorithm,IFA)优化反向传播(back propagation,BP)神经网络的变电站碳排放预测模型。首先,针对萤火虫算法(firefly algorithm,FA)收敛速度过慢以及易陷入局部最优等问题,引入教与学因子,修改萤火虫位置更新过程,以提高群体适应度。其次,引入IFA算法对BP神经网络模型进行超参数寻优,并构建IFA-BP神经网络预测模型。然后,基于CRITIC法筛选预测模型输入层的关键碳排放指标。最后,利用训练集数据训练预测模型,基于训练好的模型对变电站的碳排放量进行预测。仿真结果表明,相较于3种对比方案,本文IFA-BP神经网络预测模型分别在均方根误差(root mean square error,RMSE)上降低59.61%、15.77%和26.65%,在决定系数(coefficient of determination,R2)上提高5.66%、1.46%和1.15%,充分验证了本文所提变电站碳排放预测模型的可行性与优越性。 展开更多
关键词 碳排放 变电站 改进萤火虫算法 BP神经网络 教与学因子
暂未订购 下载PDF
基于砂浆膜厚度的GA-BP神经网络混凝土流动性预测研究 认领 引用
16
作者 周理安 刘宇 +1 位作者 余晗之 梁运健 《混凝土》 CAS 北大核心 2026年第2期136-141,共6页
为精准预测混凝土流动性,通过量化砂浆膜厚度来研究其对混凝土坍落扩展度的影响,采用遗传算法优化BP神经网络,建立基于传统混凝土配合比和砂浆膜厚度两种扩展度预测模型。结果显示,增加砂浆膜厚度可以显著改善混凝土的流动性能。以砂浆... 为精准预测混凝土流动性,通过量化砂浆膜厚度来研究其对混凝土坍落扩展度的影响,采用遗传算法优化BP神经网络,建立基于传统混凝土配合比和砂浆膜厚度两种扩展度预测模型。结果显示,增加砂浆膜厚度可以显著改善混凝土的流动性能。以砂浆膜厚度、粗骨料最大粒径和减水剂掺量作为输入参数的GA-BP神经网络预测模型均方根误差比传统组分模型减少62.7%,平均相对误差为5.0%,决定系数达0.978。基于砂浆膜厚度的GA-BP神经网络模型对混凝土流动性有较好的预测精准度,可为混凝土配合比设计提供有力数据支撑。 展开更多
关键词 砂浆膜厚度 BP神经网络 遗传算法 混凝土流动性
暂未订购 下载PDF
基于BP神经网络与遗传算法优化的翅片式冷风机结霜量智能预测研究 认领 引用
17
作者 胡开永 欧亚磊 +3 位作者 刘峰 申中刚 吴冬夏 孙欢 《暖通空调》 2026年第8期56-61,168,共6页
冷风机结霜是影响制冷系统高效运行的重要原因之一。本文通过搭建翅片式冷风机结霜实验台,以环境空气温度、相对湿度、风速作为模型的输入特征建立反向传播(BP)神经网络模型预测结霜量,将皮尔逊相关系数(R)作为量化指标;同时使用遗传算... 冷风机结霜是影响制冷系统高效运行的重要原因之一。本文通过搭建翅片式冷风机结霜实验台,以环境空气温度、相对湿度、风速作为模型的输入特征建立反向传播(BP)神经网络模型预测结霜量,将皮尔逊相关系数(R)作为量化指标;同时使用遗传算法(GA)对预测模型进行优化。研究结果表明:翅片式冷风机BP神经网络结霜量预测模型(简称BP模型),在经过120次迭代后,模型均方误差(MSE)为0.0011208,训练集、验证集、测试集和整体的R值分别为0.95168、0.96303、0.96148、0.95486,模型预测性能良好;经GA优化后的BP神经网络结霜量预测模型(简称GA-BP模型)在第217次迭代后,验证集的MSE达到最小,为0.001368,训练集、验证集、测试集和整体的R值分别为0.97351、0.96097、0.97343、0.97146,均超过0.96,其中整体R值相较于优化前提升了1.74%,表明GA-BP模型比BP模型具有更高的预测精度。 展开更多
关键词 BP神经网络 遗传算法 翅片式冷风机 结霜 除霜 预测 迭代 相关系数
暂未订购 下载PDF
基于MPC的永磁同步电机GWO-BP神经网络控制 认领 引用
18
作者 张金亮 任钊月 +1 位作者 简炜 王志虎 《机械设计与制造》 北大核心 2026年第5期92-98,共7页
针对永磁同步电机单矢量模型预测控制在一个周期内只有一个基本电压矢量作用于逆变器,从而造成电流和转矩波动较大,尽管双矢量模型预测控制在一定程度能够改善该问题,但其电压矢量通过遍历法选择,存在计算量大、实时性差等问题,因此提... 针对永磁同步电机单矢量模型预测控制在一个周期内只有一个基本电压矢量作用于逆变器,从而造成电流和转矩波动较大,尽管双矢量模型预测控制在一定程度能够改善该问题,但其电压矢量通过遍历法选择,存在计算量大、实时性差等问题,因此提出了一种基于灰狼算法(Grey Wolf Optimizer,GWO)优化BP(Back Propagation,BP)神经网络的永磁同步电机控制方法。将原系统选择最优电压矢量过程看作是一种神经网络分类任务,通过原系统产生的大量离散数据离线训练网络,并利用GWO算法优化BP神经网络的初始权值和偏置,加快神经网络的训练速度和精度,训练好的网络代替模型预测控制,避免矢量遍历选择。最后仿真验证了该控制策略的可行性,有效的减小了电流和转矩的波动,提高了系统控制性能。 展开更多
关键词 永磁同步电机 模型预测控制 双矢量 灰狼算法 BP神经网络
暂未订购 下载PDF
GA-BP优化混合模型在强人工干预下复杂流域洪水演进预测中的应用 认领 引用
19
作者 雷晓辉 石鑫龙 +5 位作者 吴旭 陈一帆 龙岩 贾昊 段晨斐 刘冬冬 《南水北调与水利科技（中英文）》 CAS CSCD 北大核心 2026年第4期817-828,共12页
针对强人工干预下流域洪水演进过程非线性耦合强、传统机理模型难以精准刻画的问题,采用一种融合人工干预特征与智能优化的洪水预测方法,以大清河北支北河店断面为对象,选取安格庄出库、北易水及落宝滩流量作为多源输入,构建干预强度比... 针对强人工干预下流域洪水演进过程非线性耦合强、传统机理模型难以精准刻画的问题,采用一种融合人工干预特征与智能优化的洪水预测方法,以大清河北支北河店断面为对象,选取安格庄出库、北易水及落宝滩流量作为多源输入,构建干预强度比量化指标,并结合遗传算法(genetic algorithm,GA)优化BP神经网络(genetic algorithm-backpropagation,GA-BP),建立t+3 h实时预测模型。结果表明:优化后的GA-BP模型结构为6-5双隐藏层,其预测精度显著优于传统BP模型,测试集均方误差(mean squared error,EMS)降低40.6%至0.0011,决定系数R2提升至0.94;敏感性分析证实,水库调度信号(安格庄出库)是预测精度的主导因素;模型在各类工况下均表现稳定,其中在防洪决策的关键泄洪工况下精度最高(R2=0.99)。本研究为强人工干预流域的洪水实时精准预报提供了可解释、高可靠的技术解决方案。 展开更多
关键词 强人工干预 洪水预测 遗传算法 BP神经网络 GA-BP混合模型 大清河北支流域
暂未订购 下载PDF
基于PSO-BP神经网络与NSGA-II算法的超声滚压工艺参数优化 认领 引用
20
作者 兰叶深 饶楚楚 +1 位作者 陈超 吕云鹏 《机械工程材料》 CAS CSCD 北大核心 2026年第5期96-104,共9页
设计四因素五水平正交试验,对GCr15钢表面进行超声滚压加工,研究了转速、进给量、静压力和振幅对试验钢表面性能的影响。建立了基于PSO算法优化的PSO-BP神经网络,通过试验验证了预测精度,并与BP神经网络进行了对比;构建了以表面性能为... 设计四因素五水平正交试验,对GCr15钢表面进行超声滚压加工,研究了转速、进给量、静压力和振幅对试验钢表面性能的影响。建立了基于PSO算法优化的PSO-BP神经网络,通过试验验证了预测精度,并与BP神经网络进行了对比;构建了以表面性能为目标的多目标优化模型,以PSO-BP神经网络作为超声滚压工艺参数优化的映射关系,采用NSGA-Ⅱ算法和TOPSIS法进行多目标优化求解和最优工艺参数决策,并通过试验进行验证。结果表明:进给量对试验钢的表面粗糙度影响最显著,转速和振幅均对表面残余压应力影响显著,静压力对表面硬度影响最显著。多目标优化得到的最优超声滚压工艺参数为转速376 r·min−1,进给量0.16 mm·r−1,振幅10.30μm,静压力410 N。采用多目标优化后最优工艺参数加工的试验钢表面的粗糙度、残余压应力和硬度与PSO-BP模型预测值的相对误差均小于5%;与正交试验得到的最优工艺相比,表面粗糙度降低了17.96%,残余压应力和硬度分别提高了9.98%,9.08%。超声工艺参数优化后试验钢的表面综合性能提高,验证了PSO-BP神经网络结合NSGA-II算法的有效性。 展开更多
关键词 超声滚压 表面性能 PSO-BP神经网络 NSGA-II算法 工艺参数优化
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 … 250 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈