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48篇文章
< 1 2 3 >
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
1
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
基于能耗模型与HHO算法的混动采棉机作业路径规划 认领 引用
2
作者 沈跃 张蓝珂 +2 位作者 温浩军 杨锋 刘慧 《农业机械学报》 EI CAS CSCD 北大核心 2026年第10期10-21,共12页
为解决在新疆棉田环境下混动采棉机作业路径难以实地规划,优化混动采棉机在各棉田块中不同行驶角度下作业能耗,以及其在棉田块间转移序列差异化导致的能耗浪费等问题,本文研究了一种基于能耗模型与哈里斯鹰优化(Harris hawks optimizati... 为解决在新疆棉田环境下混动采棉机作业路径难以实地规划,优化混动采棉机在各棉田块中不同行驶角度下作业能耗,以及其在棉田块间转移序列差异化导致的能耗浪费等问题,本文研究了一种基于能耗模型与哈里斯鹰优化(Harris hawks optimization,HHO)算法的作业路径规划方法。通过易于获取的高精度电子地图结合采棉机在棉田块边界处采收需求,构建并校准符合实际作业需求的棉田模型。分析混动采棉机动力特性及整机参数,并考虑转弯模式与能耗量化关系,构建以作业总能耗为优化目标的棉田块内混动采棉机作业能耗模型。引入基于距离矩阵的贪婪启发式策略及非线性能量衰减因子解决哈里斯鹰优化算法在求解转移序列时存在的原生缺陷,合理消除转移序列中冗余路径产生的能耗浪费。试验结果表明,加入能耗模型后混动采棉机作业能耗降低率达42.80%、路径长度降低率达51.13%、生产效率提升率达44.02%;改进HHO算法后求解的转移序列路径降低率达6.13%,验证了所提作业路径规划方法的有效性。 展开更多
关键词 混动采棉机 路径规划 能耗模型 HHO算法
暂未订购 下载PDF
基于SHHO-SVR算法的锂电池剩余使用寿命预测 认领 引用 被引量：1
3
作者 冯雅馨 金辉 +2 位作者 葛红娟 王天宇 颜柏城 《测控技术》 2026年第1期31-36,51,共6页
锂离子电池因性能优越而被应用于各类航空器中,准确预测其剩余使用寿命(Remaining Useful Life,RUL)至关重要。支持向量回归(Support Vector Regression,SVR)常用于RUL预测,但其性能受参数设置影响显著,通常需要引入优化算法进行参数寻... 锂离子电池因性能优越而被应用于各类航空器中,准确预测其剩余使用寿命(Remaining Useful Life,RUL)至关重要。支持向量回归(Support Vector Regression,SVR)常用于RUL预测,但其性能受参数设置影响显著,通常需要引入优化算法进行参数寻优。当前常用于参数优化的哈里斯鹰优化(Harris Hawks Optimization,HHO)算法存在易陷入局部最优的问题。为此,通过引入Skew Tent混沌映射、融合麻雀搜索算法(Sparrow Search Algorithm,SSA)并结合多精英引导与贪婪策略,提出麻雀哈里斯鹰优化(Sparrow Harris Hawks Optimization,SHHO)算法。在19个标准测试函数和NASA锂电池数据集上的实验表明,SHHO算法具有更优的收敛精度,能有效避开局部最优,基于SHHO-SVR算法的锂电池RUL预测模型的预测精度更高,均方根误差平均降低超过50%,对寿命终止点的预测更准确。 展开更多
关键词 锂离子电池 剩余使用寿命预测 哈里斯鹰优化算法 支持向量回归 麻雀搜索算法
暂未订购 下载PDF
融合HHO算法和混合聚类算法的多源异构数据自动分类 认领 引用
4
作者 宁丽萍 《吉林大学学报（信息科学版）》 CAS 2026年第4期1008-1014,共7页
针对多源异构数据的柔性重构需求需要处理数据细节和异常情况较多,使其在对多源异构数据进行分类时,难以通过捕获其隐藏特征,整合多源异构数据的相似数据,导致分类的准确性较低的问题,提出融合HHO(Harris Hawks Optimization)算法和混... 针对多源异构数据的柔性重构需求需要处理数据细节和异常情况较多,使其在对多源异构数据进行分类时,难以通过捕获其隐藏特征,整合多源异构数据的相似数据,导致分类的准确性较低的问题,提出融合HHO(Harris Hawks Optimization)算法和混合聚类算法的多源异构数据自动分类方法。利用低秩表示策略,捕捉多源异构数据的隐藏特征,获取其全局结构信息,提高数据质量和一致性。组合蚁群聚类算法与K-means算法,设计出混合聚类算法,通过利用K-means算法修正组合蚁群聚类算法中的蚁巢消减误差,实现多源异构数据的相似数据分组。将混合聚类算法与HHO算法结合,通过更新个体适应度值,确定HHO算法的最佳类中心,实现相似分组后多源异构数据的自动分类。实验结果表明,经分类结果的混淆矩阵和内聚度的评估结果共同验证,所提方法不仅能自动分类多源异构数据,且类别边界清晰,数据点分布紧凑,使混淆矩阵对角线上的真实值更高,内聚度均值高达98.86°,具有较高的分类准确性。 展开更多
关键词 多源异构数据 低秩表示 HHO算法 混合聚类算法 自动分类
暂未订购 下载PDF
Improved HHO algorithm based on good point set and nonlinear convergence formula 认领 引用 被引量：5
5
作者 Guo Hairu Meng Xueyao +1 位作者 Liu Yongli Liu Shen 《The Journal of China Universities of Posts and Telecommunications》 EI CSCD 2021年第2期48-67,共20页
Harris hawks optimization(HHO)algorithm is an efficient method of solving function optimization problems.However,it is still confronted with some limitations in terms of low precision,low convergence speed and stagnat... Harris hawks optimization(HHO)algorithm is an efficient method of solving function optimization problems.However,it is still confronted with some limitations in terms of low precision,low convergence speed and stagnation to local optimum.To this end,an improved HHO(IHHO)algorithm based on good point set and nonlinear convergence formula is proposed.First,a good point set is used to initialize the positions of the population uniformly and randomly in the whole search area.Second,a nonlinear exponential convergence formula is designed to balance exploration stage and exploitation stage of IHHO algorithm,aiming to find all the areas containing the solutions more comprehensively and accurately.The proposed IHHO algorithm tests 17 functions and uses Wilcoxon test to verify the effectiveness.The results indicate that IHHO algorithm not only has faster convergence speed than other comparative algorithms,but also improves the accuracy of solution effectively and enhances its robustness under low dimensional and high dimensional conditions. 展开更多
关键词 HHO algorithm local optimum good point set nonlinear formula multi-dimension
暂未订购 下载PDF
HHO优化L-CNN的滚动轴承故障诊断 认领 引用
6
作者 崔坤 樊鑫宇 +2 位作者 刘美 何思颖 李庆 《计算机应用文摘》 2026年第16期104-106,共3页
针对轻量化卷积神经网络(L-CNN)在滚动轴承故障诊断中因学习率设置不合理而影响模型收敛和诊断精度的问题,采用哈里斯鹰优化(HHO)算法对L-CNN的学习率进行寻优。以模型损失值为适应度,通过鹰群位置迭代确定较优学习率,并利用优化后的L-... 针对轻量化卷积神经网络(L-CNN)在滚动轴承故障诊断中因学习率设置不合理而影响模型收敛和诊断精度的问题,采用哈里斯鹰优化(HHO)算法对L-CNN的学习率进行寻优。以模型损失值为适应度,通过鹰群位置迭代确定较优学习率,并利用优化后的L-CNN识别4种轴承状态(正常、外圈故障、内圈故障与滚动体缺失)。实验结果表明,该方法的故障诊断准确率达到92.75%,较学习率为0.01的L-CNN提高1.77个百分点,且训练过程具有较好的收敛性。 展开更多
关键词 HHO算法 L-CNN 自适应学习率 故障诊断
暂未订购 下载PDF
基于HHO算法的煤矿掘进工作面低照度视频多目标自动识别方法 认领 引用
7
作者 曹帅 杨健 +1 位作者 吴先亮 巫海军 《煤矿机械》 2026年第8期242-247,共6页
煤矿掘进工作面存在频闪光、反煤尘遮蔽等非线性照度衰减,在识别过程中易出现噪声淹没弱目标、帧间配准失准等特征退化现象,降低了识别准确率。为此,提出了一种基于哈里斯鹰优化(HHO)算法的煤矿掘进工作面低照度视频多目标自动识别方法... 煤矿掘进工作面存在频闪光、反煤尘遮蔽等非线性照度衰减,在识别过程中易出现噪声淹没弱目标、帧间配准失准等特征退化现象,降低了识别准确率。为此,提出了一种基于哈里斯鹰优化(HHO)算法的煤矿掘进工作面低照度视频多目标自动识别方法。在直方图均衡化处理中设计分级概率密度函数,应用HHO算法对分级概率密度函数的参数展开优化,根据自适应参数寻优结果抑制由噪声和帧间失准引发的特征退化,增强帧间亮度一致性与梯度分布稳定性,缓解非线性照度衰减,完成煤矿掘进工作面低照度视频增强。通过亮度显著性检测技术定位增强后低照度视频中的感兴趣区域,采用多尺度方向梯度直方图(HOG)特征提取方法,将低照度视频图像分割为单元和块,计算梯度方向直方图,形成高维特征向量。引入支持向量机(SVM)分类器对提取的高维特征向量展开分类,实现煤矿掘进工作面低照度视频多目标自动识别。试验结果表明,该方法可将视频的峰值信噪比值提升至24.32 dB,在不同照度场景下多目标动态分散识别覆盖率始终高于90%,可获取高准确率的多目标自动识别结果。 展开更多
关键词 多目标自动识别 HHO算法 煤矿掘进工作面 低照度视频
暂未订购 下载PDF
基于HHO-XFEM的地下结构裂缝智能反演识别研究 认领 引用 被引量：1
8
作者 高玮 袁硕 +2 位作者 贾超 谢渊 葛双双 《应用基础与工程科学学报》 EI CSCD 北大核心 2025年第2期585-598,共14页
地下结构的裂损是影响其安全状态的一种重要因素,为了识别运营期交通地下结构的安全状态,基于无损检测信息,采用新型智能优化算法——哈里斯鹰优化(Harris Hawks Optimization,HHO)算法,并结合扩展有限元(Extended Finite Element Metho... 地下结构的裂损是影响其安全状态的一种重要因素,为了识别运营期交通地下结构的安全状态,基于无损检测信息,采用新型智能优化算法——哈里斯鹰优化(Harris Hawks Optimization,HHO)算法,并结合扩展有限元(Extended Finite Element Method,XFEM)技术,提出一种地下结构裂缝反演识别的HHO-XFEM新方法,并开展了静力与动力工况下的结构裂缝反演识别研究.研究结果表明:静力条件下反演裂缝的长度相对误差为2.5%,倾角相对误差为3.4%;而动力条件下反演裂缝的长度误差为6.9%,倾角误差为3.0%.总体反演识别效果良好. 展开更多
关键词 地下结构 裂缝 智能反演识别 HHO算法 XFEM 动力反映 安全状态
暂未订购 下载PDF
基于IHHO-SVM的电动汽车车内声品质评价模型的研究 认领 引用
9
作者 王洁 邱溢阳 +3 位作者 刘天伦 李明荣 丁羽萱 夏周洋 《软件工程》 2025年第6期73-78,共6页
针对电动汽车内部噪声特性变化,构建适用于电动汽车的声品质评价预测模型。对预处理的车内噪声样本进行主客观评价分析,筛选出有效的主观评价结果,并利用随机森林特征分析,提取车内噪声客观评价特征,构建模型样本库。为提高预测精度和... 针对电动汽车内部噪声特性变化,构建适用于电动汽车的声品质评价预测模型。对预处理的车内噪声样本进行主客观评价分析,筛选出有效的主观评价结果,并利用随机森林特征分析,提取车内噪声客观评价特征,构建模型样本库。为提高预测精度和泛化能力,提出基于改进哈里斯鹰算法(IHHO)的支持向量机(SVM)模型。对比SVM、HHO-SVM和IHHO-SVM 3个模型匀速和加速工况下的均方误差(MSE)和决定系数(R2)。其中,IHHO-SVM的R2分别为0.983和0.984,预测结果的相对误差更低;MSE分别为0.056和0.012。以上结果验证了IHHO-SVM模型在电动汽车声品质评价中的优越性。 展开更多
关键词 电动汽车 声品质 哈里斯鹰算法 SVM模型 评价系统
暂未订购 下载PDF
基于HHO-ANN混合算法的钢箱梁桥有限元模型修正 认领 引用 被引量：1
10
作者 李月峰 贺国京 《公路工程》 2025年第5期88-96,共9页
为了提高钢箱梁桥有限元模型的精度,提出了一种基于哈里斯鹰优化算法(HHO)与人工神经网络(ANN)相结合的HHO-ANN混合优化模型修正方法。以湖南省长沙市某钢箱梁桥为例,通过实桥环境振动测试,获取桥梁前11阶模态的实测自振频率,并建立初... 为了提高钢箱梁桥有限元模型的精度,提出了一种基于哈里斯鹰优化算法(HHO)与人工神经网络(ANN)相结合的HHO-ANN混合优化模型修正方法。以湖南省长沙市某钢箱梁桥为例,通过实桥环境振动测试,获取桥梁前11阶模态的实测自振频率,并建立初始有限元模型和目标函数。采用HHO算法优化ANN的权重与偏置值,完成对有限元模型修正参数的搜索和优化。研究结果表明,修正后的HHO-ANN模型在预测桥梁自振频率方面具有较高的精度,相较于传统ANN模型,其均方根误差(RMSE)和平均绝对值百分比误差(MAPE)显著降低。修正后模型的计算结果与实测结果高度一致,前八阶模态的误差绝对值均低于6%,模态保证准则(MAC)值均高于0.9,进一步验证了模型的可靠性和准确性。此外,修正后的有限元模型在静态响应和高阶频率预测方面也表现出良好的泛化性能。研究表明,HHO-ANN混合算法可有效提高有限元模型的精度和鲁棒性,为类似桥梁结构的动力与静力分析提供了可行的技术路径和重要参考价值。 展开更多
关键词 钢箱梁桥 有限元模型 哈里斯鹰算法 人工神经网络 环境振动测试
暂未订购 下载PDF
基于HHO-BP神经网络的混凝土坝温控措施智能优选 认领 引用 被引量：1
11
作者 苏敏 王祥 +3 位作者 王帅 章伟 程永亮 向紫怡 《江淮水利科技》 2025年第5期9-15,共7页
针对混凝土坝在高温季节施工过程中,采用传统的BP神经网络或PSO、GA等优化算法进行温控措施优选时,存在局部搜索性能较差、收敛速度较慢等问题,研究基于施工中的山阡里大坝混凝土施工温度控制标准,建立了HHOBP神经网络智能优选模型,并... 针对混凝土坝在高温季节施工过程中,采用传统的BP神经网络或PSO、GA等优化算法进行温控措施优选时,存在局部搜索性能较差、收敛速度较慢等问题,研究基于施工中的山阡里大坝混凝土施工温度控制标准,建立了HHOBP神经网络智能优选模型,并采用正交设计和温度场仿真计算获得学习样本对模型进行训练,优选确定了该坝5—8月份的浇筑温度、通水水温和通水流量。HHO-BP神经网络模型的最终适应度值均低于0.4,迭代次数仅为31次,且采用HHO-BP神经网络模型优选温控措施所获得的高温季节不同月份最高温度和最大降温速率接近《大体积混凝土施工标准》中的温度控制标准,各月份的平均差值仅为0.13℃和0.073℃/d。研究结果表明采用HHO-BP神经网络模型进行温控措施优选收敛速度快,性能好。 展开更多
关键词 混凝土坝 温控措施 智能优选 温度场分析 HHO算法
暂未订购 下载PDF
基于CNN-HHO模型的风电叶片激光除冰速度预测研究 认领 引用
12
作者 董科锋 金英连 +3 位作者 吴善强 周唯逸 傅凌焜 王斌锐 《中国计量大学学报》 2025年第2期219-226,共8页
目的:针对风电叶片激光除冰过程中易引发的叶片表面热损伤问题,提出一种基于CNN-HHO模型的激光除冰速度预测方法。方法:采用卷积神经网络(convolutional neural network,CNN)模型预测激光除冰速度,并引入哈里斯鹰优化(Harris hawk optim... 目的:针对风电叶片激光除冰过程中易引发的叶片表面热损伤问题,提出一种基于CNN-HHO模型的激光除冰速度预测方法。方法:采用卷积神经网络(convolutional neural network,CNN)模型预测激光除冰速度,并引入哈里斯鹰优化(Harris hawk optimization,HHO)算法,优化CNN模型的超参数空间,形成CNN-HHO优化模型。结果:对比分析优化前后的CNN模型性能发现,经HHO算法优化后,模型平均绝对百分比误差MAPE(mean absolute percentage error,MAPE)减小了2.78%,决定系数R2增加了0.004。进一步将CNN-HHO预测模型与反向传播(back propagation,BP)、BP-HHO、极限学习机(extreme learning machine,ELM)、ELM-HHO和CNN预测模型进行对比分析,结合泰勒图可视化分析表明,CNN-HHO模型的各项性能评价指标均表现最佳,其MAPE=3.42%,R2=0.992。结论:所设计的CNN-HHO模型能够实现高精度的激光除冰速度预测,为风电叶片激光除冰工艺参数的智能调控提供了重要的理论支撑。 展开更多
关键词 风电叶片激光除冰 HHO算法 CNN模型 除冰速度预测
暂未订购 下载PDF
基于能量-熵特征和改进堆叠降噪自编码器的水轮机空化状态识别方法 认领 引用 被引量：2
13
作者 刘圳 刘忠 +2 位作者 邹淑云 周泽华 乔帅程 《发电技术》 CSCD 2026年第1期176-184,共9页
【目的】针对混流式水轮机空化声发射(acoustic emission,AE)信号受背景噪声干扰、故障难以识别的问题,提出一种基于能量-熵特征和哈里斯鹰优化(Harris hawks optimization,HHO)算法联合3折交叉验证(3-fold crossvalidation,3Fold)优化... 【目的】针对混流式水轮机空化声发射(acoustic emission,AE)信号受背景噪声干扰、故障难以识别的问题,提出一种基于能量-熵特征和哈里斯鹰优化(Harris hawks optimization,HHO)算法联合3折交叉验证(3-fold crossvalidation,3Fold)优化堆叠降噪自编码器(stacked denoising auto encoder,SDAE)的状态识别方法。【方法】首先,利用变分模态分解算法对信号进行分解,得到一系列固有模态函数。其次,提取相关系数最大的2个固有模态函数的能量和熵特征,构建12维特征向量,输入识别模型。再次,利用HHO算法联合3Fold,对SDAE的超参数进行优化。最后,将HHO-3Fold-SDAE算法与其他算法寻优得到的最优参数分别输入模型中运行,并进行对比分析。【结果】与其他算法相比,HHO-3Fold-SDAE算法具有更小的准确率方差、损失率以及更高的平均准确率;相较于SDAE,其测试集平均准确率提高了6%;相较于HHO-SDAE,其测试集平均准确率提高了4%,准确率方差降低了17%。【结论】所提方法可用于水轮机空化AE信号的分类识别,可为水力机械状态监测提供参考。 展开更多
关键词 水力发电 水轮机 空化状态识别 哈里斯鹰优化(HHO)算法 堆叠降噪自编码器(SDAE) 熵
暂未订购 下载PDF
基于改进HHO算法的微电网分级均流稳压控制方法 认领 引用
14
作者 黄璜 《电工技术》 2025年第23期95-98,共4页
固定权重哈里斯鹰优化算法难以在全局探索与局部开发间自适应调整,易陷入局部最优,导致均流输出差、稳压控制不佳。为此提出基于改进哈里斯鹰优化算法的控制方法,先构建数学模型及分级控制多目标优化问题,再引入自适应权重和动态调整策... 固定权重哈里斯鹰优化算法难以在全局探索与局部开发间自适应调整,易陷入局部最优,导致均流输出差、稳压控制不佳。为此提出基于改进哈里斯鹰优化算法的控制方法,先构建数学模型及分级控制多目标优化问题,再引入自适应权重和动态调整策略提升算法性能,通过多步骤求解输出最优控制策略。实验表明,相较于现有方法,该方法在分配均衡度、电压稳定性等方面均有显著提升,能有效提高微电网的运行效率和可靠性。 展开更多
关键词 哈里斯鹰优化算法 微电网 稳压控制 均流输出
暂未订购 下载PDF
可持续导向的自适应HHO算法优化滨河公园生态通道布局 认领 引用
15
作者 陈淑芬 《北方建筑》 2025年第6期87-91,共5页
由于城市建设功能性和土地使用性质等多种因素的限制,开放性滨河公园生态通道布局缺乏合理性,无法实现生态资源的有效覆盖。因此,提出一种可持续建筑导向的自适应HHO算法,以优化开放性滨河公园生态通道布局。基于可持续建筑导向原理,计... 由于城市建设功能性和土地使用性质等多种因素的限制,开放性滨河公园生态通道布局缺乏合理性,无法实现生态资源的有效覆盖。因此,提出一种可持续建筑导向的自适应HHO算法,以优化开放性滨河公园生态通道布局。基于可持续建筑导向原理,计算公园生态通道的退化度,并结合最小干扰原则和生态连通性原则构造布局成本和可达面积函数。通过聚合加权转化,得到单一决策目标。采用园林系数法确定公园景观面积占比,并基于恒定的城市街道结构与占地面积,结合通道布局面积限制规则,设立布局形状边界条件。引入自适应HHO算法,对目标函数进行优化输出,得到布局策略。以某公园为主要研究对象,结合项目所在地的实际环境情况,利用所提方法对其生态通道布局进行优化,得到的可达面积比>0.7,具有更好的优化效果。 展开更多
关键词 可持续建筑导向 自适应HHO算法 开放性滨河公园 生态通道布局 生态退化度
暂未订购 下载PDF
基于多策略改进哈里斯鹰优化算法的危化品泄漏源反演 认领 引用
16
作者 陈增强 齐聪聪 +1 位作者 赵怡雯 程义 《上海交通大学学报》 EI CAS CSCD 北大核心 2026年第5期860-870,I0001,I0002,共11页
危化品气体泄漏事故严重威胁公共安全与环境,精准定位泄漏源强度和位置至关重要.针对传统泄漏源反算方法存在耗时长、精度不足等问题,提出了一种基于多策略改进的哈里斯鹰优化算法,用于气体泄漏扩散事故的高效反演.首先,通过Logistic-T... 危化品气体泄漏事故严重威胁公共安全与环境,精准定位泄漏源强度和位置至关重要.针对传统泄漏源反算方法存在耗时长、精度不足等问题,提出了一种基于多策略改进的哈里斯鹰优化算法,用于气体泄漏扩散事故的高效反演.首先,通过Logistic-Tent复合混沌映射初始化鹰群的位置,以提高种群多样性和全局搜索能力;其次,引入精英等级策略对种群进行科学划分,以此强化算法的局部搜索能力和寻优精确度;最后,采用对数函数非线性衰减策略灵活调整逃逸能量,确保算法性能实现平滑过渡与优化.实验结果表明,改进后的哈里斯鹰优化算法在优化效率和反演精度方面均有显著提升,即便在复杂地形条件下,也能将泄漏源位置和强度的相对误差精确控制在1.00%以内.该方法极大地提升了泄漏源定位的精准度和响应速度,为事故应急辅助决策提供了坚实可靠的解决方案. 展开更多
关键词 哈里斯鹰优化算法 Logistic-Tent复合混沌映射 源强反算 非线性衰减
暂未订购 下载PDF
基于电力测控感知数据的发电-售电侧协同优化系统设计 认领 引用
17
作者 王维 陈萍 +2 位作者 马笑天 吴彬彬 赵瑞峰 《国外电子测量技术》 2026年第3期283-288,共6页
针对新型电力系统中存在的测控数据碎片化、计量精度不足以及数据处理与优化决策脱节等问题,设计了一套基于电力测控感知数据的发电-售电侧协同优化系统。该系统融合多源数据采集与先进信号处理技术,通过卡尔曼滤波、滑动平均滤波及计... 针对新型电力系统中存在的测控数据碎片化、计量精度不足以及数据处理与优化决策脱节等问题,设计了一套基于电力测控感知数据的发电-售电侧协同优化系统。该系统融合多源数据采集与先进信号处理技术,通过卡尔曼滤波、滑动平均滤波及计量标准源校准等手段,显著提升数据质量。在此基础上,系统嵌入一种融合区间校正机制的哈里斯鹰优化(Harris Hawks Optimization,HHO)算法,实现测控数据与优化决策之间的深度耦合。基于河北南网实际运行数据,本系统与5类先进算法及传统测控系统进行了对比验证。结果表明,所提数据采集精度达到0.2级,信号处理延迟不超过32 ms,计量误差降低3.8%;所提出的改进HHO算法较标准版本,优化时间缩短29.3%,适应度值降低29.0%,约束满足率提升至98.7%;在运行效果方面,优化策略使电网绝对峰谷差减小10.1%,新能源消纳量提升9.6%,发电企业单位成本降低6.3%,售电公司收益率提升3.2%。该系统有效实现了测控性能与经济技术效果的协同提升,可有效平衡电力市场多主体经济利益。 展开更多
关键词 电力测控系统 数据采集与信号处理 计量校准 HHO算法 智能计量终端
暂未订购 下载PDF
双向经验引导与极端个体调控的HHO算法 认领 引用 被引量：2
18
作者 柴岩 任生 《计算机科学与探索》 CSCD 北大核心 2023年第9期2118-2136,共19页
为进一步提升哈里斯鹰优化算法(HHO)的寻优精度和迭代速度,提出一种双向经验引导与极端个体调控的HHO算法(BEHHO)。首先采用Circle混沌映射均匀化初始种群,有效规避个体聚集情形并提升哈里斯鹰群体对解空间区域的覆盖性,奠定算法寻优基... 为进一步提升哈里斯鹰优化算法(HHO)的寻优精度和迭代速度,提出一种双向经验引导与极端个体调控的HHO算法(BEHHO)。首先采用Circle混沌映射均匀化初始种群,有效规避个体聚集情形并提升哈里斯鹰群体对解空间区域的覆盖性,奠定算法寻优基础;其次引入双向经验引导策略来强化算法的围捕机制,依托全局最优个体和历史最优个体的进化经验引导个体寻优方向,且配合自适应随机个体的差分扰动项来强化种群探索邻域能力,提升算法的收敛精度;再者考虑算法中极端个体对全局更新过程的重要影响,利用t-分布变异最优个体来避免算法陷入局部极值区,并以动态反向学习产生最差个体的反向解来间接提高算法的收敛速度,同时采用贪婪原则保留优势个体的方式确保算法子代精度趋于更优;最后基于马尔科夫链分析算法的全局收敛性。通过对基准测试函数的寻优对比分析、Wilcoxon秩和检验以及CEC2014复杂函数的对比分析,验证了改进算法优异的求解性能和健壮的鲁棒性,并以工程优化中焊接梁设计问题验证了BEHHO算法处理实际问题时的优越性。 展开更多
关键词 哈里斯鹰优化算法(HHO) Circle混沌映射 双向经验引导 极端个体调控 全局收敛性 工程优化
暂未订购 下载PDF
车联网任务卸载的动态双种群哈里斯鹰优化 认领 引用
19
作者 蒋庆龙 金子龙 《计算机系统应用》 2026年第4期134-148,共15页
在车联网(Internet of Vehicles,IoV)与移动边缘计算(mobile edge computing,MEC)深度融合的背景下,如何在保障低时延与高可靠服务质量的同时实现高效任务卸载成为关键问题.哈里斯鹰优化(Harris hawks optimization,HHO)算法虽具较强的... 在车联网(Internet of Vehicles,IoV)与移动边缘计算(mobile edge computing,MEC)深度融合的背景下,如何在保障低时延与高可靠服务质量的同时实现高效任务卸载成为关键问题.哈里斯鹰优化(Harris hawks optimization,HHO)算法虽具较强的全局搜索能力,但在种群初始化、探索-开发切换及多样性维持方面仍存在不足,易陷入早熟收敛.为此,本文提出一种动态双种群哈里斯鹰优化(dynamic dual-population Harris hawks optimization,DDHHO)算法.该算法引入动态双种群协同演化(dynamic dual-population co-evolution,DDPC)机制,并结合L-T混沌初始化、非线性逃逸能量及非线性跳跃策略,实现全局探索与局部开发的自适应平衡.实验结果表明,在车联网MEC任务卸载场景中,DDHHO在系统总代价指标上较混合策略哈里斯鹰优化(MSHHO)算法、原始HHO、MASSFOA、IPSO与PSO分别降低约2.5%、3.2%、4.9%、6.0%和7.9%;在时延与能耗联合优化中亦展现出更快的收敛速度与更高的稳定性.研究结果验证了DDHHO的有效性与优越性,为车联网MEC资源管理提供了一种高效、稳定且可扩展的优化方案. 展开更多
关键词 移动边缘计算 车联网 任务卸载 哈里斯鹰优化算法 动态双种群协同演化机制
暂未订购 下载PDF
改进CNN-BiLSTM-Attention模型的短期电力负荷预测 认领 引用
20
作者 李泽洋 梁璐 +2 位作者 孙河川 马世文 高席丰 《重庆理工大学学报（自然科学）》 CAS 北大核心 2026年第6期197-203,共7页
针对传统CNN-BiLSTM-Attention在短期电力负荷预测中超参数寻优效率低、易陷入局部最优等问题,提出一种HHO-CNN-BiLSTM-Attention联合优化框架作为改进模型。结构方面,先由CNN(convolutional neural networks)提取负荷序列的局部模式特... 针对传统CNN-BiLSTM-Attention在短期电力负荷预测中超参数寻优效率低、易陷入局部最优等问题,提出一种HHO-CNN-BiLSTM-Attention联合优化框架作为改进模型。结构方面,先由CNN(convolutional neural networks)提取负荷序列的局部模式特征,再利用BiLSTM(Bi-directional long short-term memory)建模双向时序依赖,并引入多头注意力机制对关键时刻与关键特征进行自适应加权,增强对复杂非线性与长程相关性的表征能力。优化策略方面,设计负荷适配型HHO(harris hawks optimization)进行超参数协同搜索,面向学习率、正则化系数、BiLSTM神经元规模及注意力模块关键参数实现全局寻优,提升训练收敛效率与预测稳定性。实验结果显示,与基线模型相比,所提方法的RMSE与MAPE分别降低45.2%和44%,测试集MAPE最低达到1.04%;在高波动负荷场景中,预测精度提升16.5%~24.2%,表明其在复杂负荷场景下能够有效提升短期负荷预测精度与鲁棒性。 展开更多
关键词 短期电力负荷预测 改进CNN-BiLSTM-Attention模型 哈里斯鹰优化算法 多模态特征融合
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 3 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈