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28篇文章
< 1 2 >
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：
一种基于VMD-SABO-XGBoost的隐伏断层密集度预测模型及分区评价方法 认领 引用
1
作者 华明国 周爱桃 +4 位作者 马帅 王一达 李延续 李康 李梦瑶 《煤矿安全》 CAS 北大核心 2026年第4期144-155,共12页
隐伏断层是煤矿生产中的重要地质问题,隐伏断层的规模往往较小,难以进行准确预测。为研究适用于隐伏断层预测的机器学习优化算法,提出了一种基于VMD-SABO-XGBoost的隐伏断层密集度预测模型和断层复杂程度分区评价方法。利用变分模态分解... 隐伏断层是煤矿生产中的重要地质问题,隐伏断层的规模往往较小,难以进行准确预测。为研究适用于隐伏断层预测的机器学习优化算法,提出了一种基于VMD-SABO-XGBoost的隐伏断层密集度预测模型和断层复杂程度分区评价方法。利用变分模态分解(VMD)算法将矿井现场搜集的瓦斯含量、坚固性系数等初始数据分解为多个模态分量,对其进行特征提取,并通过灰色关联分析法计算预测特征的关联度排名,其中断层强度参数、断层分维值、瓦斯含量、煤层底板倾角变异系数、坚固性系数5项特征指标与断层赋存关联度最大;在SABO寻优算法中引入精英反向学习和自适应权重因子,解决模型过早陷入“局部最优解”、收敛性能较差以及特征种群多样性不足的问题,通过实验验证优化前后算法的准确率差异,证明优化后的SABO极大提高了收敛效率,模型预测准确度升高;结合XGBoost机器学习算法组成隐伏断层预测模型。以山西长治某矿井3#煤掘进工作面断层为实验对象,建立断层类型综合分区评价等级,并作为预测标签与传统使用的XGBoost模型、VMD-XGBoost模型和SABO-XGBoost模型进行对比,结果显示,VMD-SABO-XGBoost模型预测精度最高。经过实例验证,和现场实际断层复杂程度对应,验证了该方法的准确性和适应性,可以应用于预测矿井隐伏断层密集度和复杂程度。 展开更多
关键词 隐伏断层 密集度预测 变分模态分解 SABO算法优化 XGBoost
暂未订购 下载PDF
引水工程边坡位移SABO-LSTM监测模型及风险状态研究 认领 引用
2
作者 黄铭 王鹏飞 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2026年第7期997-1002,共6页
文章利用减法平均优化算法(subtraction-average-based optimizer,SABO)对长短期记忆网络(long shortterm memory,LSTM)模型进行优化,建立SABO-LSTM引水工程边坡位移监测模型,实现了对边坡位移规律的准确预测。并以边坡各测点位移和位... 文章利用减法平均优化算法(subtraction-average-based optimizer,SABO)对长短期记忆网络(long shortterm memory,LSTM)模型进行优化,建立SABO-LSTM引水工程边坡位移监测模型,实现了对边坡位移规律的准确预测。并以边坡各测点位移和位移速率为评估指标,根据各指标数据特征采用置信区间法对其进行风险状态分级,基于区间数距离计算得到各指标的基本概率分配;然后结合D-S(Dempster-Shafer)证据理论对各指标基本概率进行融合,利用融合结果对边坡位移风险状态进行评估,并结合监测模型预测结果,实现了对边坡位移风险状态的预评估。该研究结果可为边坡位移预测及风险状态评估提供技术参考。 展开更多
关键词 引水工程边坡 SABO-LSTM模型 置信区间法 D-S证据理论 风险状态
暂未订购 下载PDF
基于SABO-NARX的非线性结构损伤建模 认领 引用
3
作者 申向英 李少义 +4 位作者 陈汉新 王雷 王志刚 梁晓培 史朝辉 《机床与液压》 北大核心 2026年第7期195-200,共6页
传统非线性自回归外生输入(NARX)模型在结构损伤检测中,因模型参数选择不稳定,常导致参数辨识精度较低,进而影响损伤检测的准确性。为了解决这一问题,基于SABO算法对NARX模型参数进行辨识,通过迭代优化自动搜索最优参数组合,实现模型结... 传统非线性自回归外生输入(NARX)模型在结构损伤检测中,因模型参数选择不稳定,常导致参数辨识精度较低,进而影响损伤检测的准确性。为了解决这一问题,基于SABO算法对NARX模型参数进行辨识,通过迭代优化自动搜索最优参数组合,实现模型结构与参数的协同优化,从而提升预测精度和鲁棒性。进一步,利用模型参数对不同损伤结构非线性动力学特性的敏感性,实现对结构损伤程度的有效识别。实验结果表明:SABO算法通过动态调整搜索方向,显著提升了参数辨识精度。优化后的模型参数对不同损伤程度的铝合金薄板呈现出明显的区分度:随着裂纹不断加深,模型参数亦呈增大趋势。与基于AIC准则的模型相比,SABO优化后的模型在预测精度和损伤区分度上均表现出显著优势。Bootstrap验证进一步表明:模型在非裂纹区与裂纹区的拟合度(R 2>90%)均保持较高水平,且置信区间重叠显著,验证了该方法良好的鲁棒性,为结构健康监测提供了一种兼具高精度和强鲁棒性的新途径。 展开更多
关键词 损伤识别 NARX模型 SABO算法 非线性动力学建模
暂未订购 下载PDF
基于ICEEMDAN-SABO-LSTM的滚动轴承故障诊断 认领 引用
4
作者 段宜征 《机械工程师》 2026年第8期30-33,共4页
针对滚动轴承的故障特征提取和模式识别自适应较弱的问题,提出了改进自适应噪声完备集合经验模式分解(ICEEMDAN)结合减法平均优化器算法(SABO)优化长短期记忆网络(LSTM)的滚动轴承故障诊断方法。首先,对滚动轴承的振动信号进行ICEEMDAN... 针对滚动轴承的故障特征提取和模式识别自适应较弱的问题,提出了改进自适应噪声完备集合经验模式分解(ICEEMDAN)结合减法平均优化器算法(SABO)优化长短期记忆网络(LSTM)的滚动轴承故障诊断方法。首先,对滚动轴承的振动信号进行ICEEMDAN分解;其次,计算由各本征模态分量的近似熵、样本熵、模糊熵及排列熵组成的混合熵,并作为故障特征向量;最后,将特征向量输入SABO-LSTM分类模型,完成整个故障诊断流程;利用凯斯西储大学(CWRU)轴承故障数据集,验证该方法的有效性。试验结果表明,SABO-LSTM故障诊断方法准确率达到了99.06%。 展开更多
关键词 滚动轴承 排列熵 SABO LSTM 故障诊断
暂未订购 下载PDF
基于SABO-VMD的数控机床元动作单元故障可诊断性评价 认领 引用 被引量：5
5
作者 葛红玉 赵展 +1 位作者 郭安祥 孙佳瑞 《中国机械工程》 EI CAS CSCD 北大核心 2025年第8期1774-1783,共10页
为了判断并量化元动作单元故障诊断的难度,提出一种元动作单元的故障可诊断性评价方法。利用减法平均优化算法(SABO)优化的变分模态分解(VMD)对元动作单元的故障信号进行分解,利用峭度准则筛选IMF分量,构建基于包络熵的元动作单元特征向... 为了判断并量化元动作单元故障诊断的难度,提出一种元动作单元的故障可诊断性评价方法。利用减法平均优化算法(SABO)优化的变分模态分解(VMD)对元动作单元的故障信号进行分解,利用峭度准则筛选IMF分量,构建基于包络熵的元动作单元特征向量;以余弦距离作为相似性度量指标,将故障可诊断性定量评价问题转换为不同故障模式下振动信号特征向量的相似性度量问题;构建元动作单元故障可诊断性评价矩阵,从而建立元动作单元的故障可诊断性评价指标。最后以蜗轮元动作单元为例进行实验验证分析,结果表明所提方法能够实现元动作单元不同故障模式的可诊断性的定量评价。 展开更多
关键词 元动作单元 故障可诊断性 减法平均优化算法 变分模态分解
暂未订购 下载PDF
基于SABO-VMD-IWT与LSTM的变负载滚动轴承故障诊断 认领 引用 被引量：6
6
作者 郗涛 王龙 王莉静 《组合机床与自动化加工技术》 北大核心 2025年第3期192-198,共7页
针对滚动轴承在强干扰噪声、变负载工况下故障特征难以提取和故障识别不准确问题,提出了一种减法平均优化算法(SABO)-变分模态分解(VMD)-小波阈值降噪(IWT)的故障特征提取与长短时记忆神经网络(LSTM)相融合的滚动轴承故障诊断模型。同时... 针对滚动轴承在强干扰噪声、变负载工况下故障特征难以提取和故障识别不准确问题,提出了一种减法平均优化算法(SABO)-变分模态分解(VMD)-小波阈值降噪(IWT)的故障特征提取与长短时记忆神经网络(LSTM)相融合的滚动轴承故障诊断模型。同时,提出了一种新的阈值函数,克服了传统软硬阈值的缺点,提高了降噪的精度。首先,通过SABO-VMD-IWT对信号进行降噪;然后,提取降噪重构后信号的包络谱值作为故障特征向量;最后,在某大学公开数据基础上构建了低、中、高3种变负载、强干扰噪声的数据集,把提取的特征向量输入到LSTM中进行训练,并使用不同负载数据集进行交叉测试。结果表明,在噪声干扰、负载动态变化条件下,此模型的准确率达到97.08%,验证了本模型的有效性。 展开更多
关键词 变负载滚动轴承 减法平均优化算法 变分模态分解 改进阈值 长短时记忆网络
暂未订购 下载PDF
基于SABO-VMD-Adaboost-RF的直流电机噪声源识别 认领 引用 被引量：2
7
作者 祁丽春 《常熟理工学院学报》 2025年第2期75-83,共9页
原始噪声信号中包含了多种电机噪声激励源以及环境噪声,使得从信号中识别出各个噪声源变得困难.为解决这一问题,本研究提出了一种基于SABO(Subtraction-Average-Based Optimizer,SABO)优化算法的变分模态分解(Variational Mode Decompos... 原始噪声信号中包含了多种电机噪声激励源以及环境噪声,使得从信号中识别出各个噪声源变得困难.为解决这一问题,本研究提出了一种基于SABO(Subtraction-Average-Based Optimizer,SABO)优化算法的变分模态分解(Variational Mode Decomposition,VMD)结合经过增强学习(Adaboost)迭代优化的随机森林(Random Forest,RF)的方法.首先,通过SABO优化算法寻找VMD的最佳参数并代入VMD算法中,利用优化后的VMD对原始信号进行处理.然后对数据进行特征提取,并利用Adaboost算法对随机森林RF进行迭代优化,最后利用优化后的RF对这些特征数据进行训练和分类识别.结果表明,该方法能够准确地识别出电机的正常噪声信号、由转子不平衡引起的机械振动噪声过大的信号、由径向电磁力波引起的噪声过大的信号和由轴承装配不稳产生的噪声信号,为直流电机降噪及结构优化提供了理论依据. 展开更多
关键词 直流电机 噪声源识别 SABO优化算法 变分模态分解 增强学习 随机森林
暂未订购 下载PDF
基于SABO优化VMD⁃LSTM的滚动轴承状态监测 认领 引用 被引量：1
8
作者 侯兴达 王靖岳 +1 位作者 周浩 丁建明 《车辆与动力技术》 2025年第2期43-48,共6页
针对滚动轴承运行过程中振动信号呈现出非线性、非平稳的特性,导致轴承状态监测难度较的点大,提出一种基于优化变分模态分解并结合长短时记忆神经网络的齿轮箱轴承状态监测模型.利用减法优化器优化变分模态分解的两个重要分解参数,通过... 针对滚动轴承运行过程中振动信号呈现出非线性、非平稳的特性,导致轴承状态监测难度较的点大,提出一种基于优化变分模态分解并结合长短时记忆神经网络的齿轮箱轴承状态监测模型.利用减法优化器优化变分模态分解的两个重要分解参数,通过最小包络熵的准则,提取最佳模态分量,计算其9种时域特征,输入长短时记忆神经网络对其训练与测试.经过轴承振动数据集验证分析,准确率高达97.3%,又经过对比其他模型,证明所提方法可以精准识别轴承状态,并验证了该模型的可行性. 展开更多
关键词 滚动轴承 变分模态分解 长短时记忆神经网络 减法优化器 状态监测
暂未订购 下载PDF
基于SABO-LSTM的高铁沿线短期风速预测方法 认领 引用 被引量：2
9
作者 牛兆吉 李德仓 +1 位作者 胥如迅 陈晓强 《科学技术与工程》 EI 北大核心 2025年第9期3880-3887,共8页
准确的高铁沿线风速预测是铁路灾害预警系统的基础需求,为了提升应对和处理强风灾害致突发事件的能力,提出一种基于减法平均优化(subtraction average based optimizer,SABO)算法优化长短时记忆(long short-term memory,LSTM)神经网络... 准确的高铁沿线风速预测是铁路灾害预警系统的基础需求,为了提升应对和处理强风灾害致突发事件的能力,提出一种基于减法平均优化(subtraction average based optimizer,SABO)算法优化长短时记忆(long short-term memory,LSTM)神经网络的高铁沿线短期风速预测方法。首先,针对风速非线性和非平稳特性,采用极小化极大(min-max,MM)方法对风速数据进行归一化处理;其次,采用SABO算法中的“-v”方法对LSTM模型的关键参数搜索寻优,并构建风速预测模型;最后,以中国宝兰高铁沿线风速采集点采集的实测风速数据为例,对模型进行有效性检验。实验结果表明:SABO算法的寻优效果更加良好,预测精度更高,所建模型的平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和均方根误差(route mean square error,RMSE)分别仅为11.96%、1.23%和16.47%,决定系数(r-square,R2)为0.995。与其他模型相比,通过SABO算法优化后的LSTM神经网络在短期风速预测上具有较好的拟合效果和更高的预测精度,可为高铁沿线大风预测预警提供一种新的方法和思路。 展开更多
关键词 高铁 风速预测 减法平均优化算法 长短时记忆神经网络
暂未订购 下载PDF
压力容器气体泄漏的GSABO-VMD与CNN-SVM分类方法研究 认领 引用 被引量：2
10
作者 张涛 张诗云 +1 位作者 孙君峰 朱菊香 《自动化与仪表》 2025年第2期93-98,共6页
以压力容器气体泄漏展开研究,提出了一种融合黄金正弦的减法平均优化器(subtraction-average-based optimizer with golden sine,GSABO)、优化变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural ne... 以压力容器气体泄漏展开研究,提出了一种融合黄金正弦的减法平均优化器(subtraction-average-based optimizer with golden sine,GSABO)、优化变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural network,CNN)与支持向量机(support vector machine,SVM)联合分类检测的方法。首先,引入了融合黄金正弦的减法平均优化器对变分模态分解的参数模态个数K和惩罚参数α进行寻优,将最小包络熵为适应度函数得到最佳的K和惩罚参数α,计算最佳IMF分量的9种时域指标构建特征向量,输入CNN-SVM联合的分类方法进行特征提取并对气体泄漏情况进行识别。经实验分析,提出的引入融合黄金正弦的减法平均优化器优化后的VMD方法能够有效地自适应获取最优参数组,然后对压力容器气体泄漏声波信号进行特征提取,选取最优的特征组合输入CNNSVM联合分类检测,得到泄漏与否判别准确率高达99.16%,有助于对后续研究进一步开展。 展开更多
关键词 压力容器泄漏 气体泄漏检测 变分模态分解 减法平均优化器 黄金正弦 气体泄漏识别 卷积神经网络 支持向量机
暂未订购 下载PDF
Effects of spillway types on debris flow trajectory and scour behind a sabo dam 认领 引用 被引量：6
11
作者 CHEN Hua-yong CUI Peng +1 位作者 CHEN Jian-gang TANG Jin-bo 《Journal of Mountain Science》 SCIE CSCD 2016年第2期203-212,共10页
Debris flows are one of the common natural hazards in mountainous areas.They often cause devastating damage to the lives and property of local people.The sabo dam construction along a debris flow valley is considered ... Debris flows are one of the common natural hazards in mountainous areas.They often cause devastating damage to the lives and property of local people.The sabo dam construction along a debris flow valley is considered to be a useful method for hazard mitigation.Previous work has concentrated on the different types of sabo dams such as close-type sabo dam,open-type sabo dam.However,little attention has been paid to the spillway structure of sabo dam.In the paper,a new type of spillway structure with lateral contraction was proposed.Debris flow patterns under four different spillway structures were investigated.The projection theory was employed to predict trajectory of debris flow out from the spillway and to estimate the incident angle and terminal velocity before it plunged into the scour hole behind the sabo dam.The results indicated that the estimated data were in good agreement with the experimental ones.The discrepancy between the estimated and experimental values of main parameters remained below 21.82%(relative error).Additionally,the effects of debris flow scales under different spillway structures were considered to study the scour law.Although the debris flow pattern and scour law behind the sabo dam under different operating conditions was analyzed in this paper,further study on the scour mechanism andthe maximum scour depth estimation based on scour theory is still required in the future. 展开更多
关键词 Debris Flow Spillway Sabo dam Flow trajectory Velocity Scour
暂未订购 下载PDF
Local Scour and the Laws of Scour Pit's Shape Downstream of Debris Flow Sabo Dam 认领 引用 被引量：6
12
作者 PAN Hua-li YANG Shun +1 位作者 OU Guo-qiang HUANG Jiang-cheng 《Journal of Mountain Science》 SCIE CSCD 2013年第6期1063-1073,共11页
The erosion shape and the law of development of debris flow sabo dam downstream is a weak part in the study on debris flow erosion. The shape and development of scour pit have an important effect on the stability and ... The erosion shape and the law of development of debris flow sabo dam downstream is a weak part in the study on debris flow erosion. The shape and development of scour pit have an important effect on the stability and safety of debris flow sabo dam, which determines the foundational depth of the dam and the design of protective measures downstream. Study on the scouring law of sabo dam downstream can evaluate the erosion range and reasonably arrange auxiliary protective engineering. Therefore, a series of flume experiments are carried out including different debris flow characteristics （density is varying from 1.5 t/m3 to 2.1 t/m~） and different gully longitudinal slopes. The result shows that the scour pit appears as an oval shape in a plane and deep in the middle while superficial at the ends in the longitudinal section, the position of the maximum depth point moves towards downstream with an increase of flume slope angle. The maximum depth of scour pit is mainly affected by the longitudinal slope of gully, density of debris flow, and the characteristics of gully composition （particle size and the viscosity of soil）. The result also indicates that the viscosity of soil will weaken the erosion extent. The interior slopes of scour pit are different between the upstream and the downstream, and the downstream slope is smaller than the upper one. For the viscous and non-viscous sands with the same distribution of gradation, the interior slope of non- viscous sand is smaller than the viscous sand.According to tbe regression analysis on the experimental data, the quantitative relationship between the interior slope of scour pit, slope of repose under water and the longitudinal slope of gully is established and it can be used to calculate the interior slope of scour pit. The results can provide the basis for the parameter design of the debris flow control engineering foundation. 展开更多
关键词 Scour pit Debris flow Sabo dam Scouring law Interior slope Flume experiment
暂未订购 下载PDF
基于SABO优化ELM网络的电子式电压互感器误差预测 认领 引用
13
作者 张雪映 康振南 +1 位作者 黄思宇 刘易斯 《电工技术》 2025年第14期124-126,130,共3页
提出了一种基于减法平均优化(SABO)算法优化极限学习机(ELM)的电子式电压互感器(EVT)误差预测方法。首先,介绍了ELM和SABO算法的基本原理,并在此基础上阐述了SABO优化ELM网络参数的流程;其次,以江苏某变电站实际EVT误差数据为研究对象,... 提出了一种基于减法平均优化(SABO)算法优化极限学习机(ELM)的电子式电压互感器(EVT)误差预测方法。首先,介绍了ELM和SABO算法的基本原理,并在此基础上阐述了SABO优化ELM网络参数的流程;其次,以江苏某变电站实际EVT误差数据为研究对象,对其进行了预处理;最后,将所提模型与常见的预测模型——卷积长短期记忆神经网络(CNN-LSTM)和卷积门控循环单元(CNN-GRU)的预测结果进行了对比分析。结果表明SABO优化的ELM网络对EVT误差的预测结果最好,评价指标最优,为准确评估EVT的误差状态提供另一可靠的方案。 展开更多
关键词 电子式电压互感器 误差预测 减法平均优化算法 极限学习机
暂未订购 下载PDF
基于SABO-GRU-Attention的锂电池SOC估计 认领 引用 被引量：3
14
作者 薛家祥 王凌云 《电源技术》 CAS 北大核心 2024年第11期2169-2173,共5页
提出一种基于SABO-GRU-Attention(subtraction average based optimizer-gate recurrent unitattention)的锂电池SOC(state of charge)估计方法。采用基于平均减法优化算法自适应更新GRU神经网络的超参数,融合SE(squeeze and excitation... 提出一种基于SABO-GRU-Attention(subtraction average based optimizer-gate recurrent unitattention)的锂电池SOC(state of charge)估计方法。采用基于平均减法优化算法自适应更新GRU神经网络的超参数,融合SE(squeeze and excitation)注意力机制自适应分配各通道权重,提高学习效率。对马里兰大学电池数据集进行预处理,输入电压、电流参数,进行锂电池充放电仿真实验,并搭建锂电池荷电状态实验平台进行储能锂电池充放电实验。结果表明,提出的SOC神经网络估计模型明显优于LSTM、GRU以及PSO-GRU等模型,具有较高的估计精度与应用价值。 展开更多
关键词 SOC估计 SABO算法 GRU神经网络 Attention机制
暂未订购 下载PDF
Sabo works在日本的发展和应用 认领 引用 被引量：1
15
作者 陈晓利 《地震地质》 北大核心 2009年第1期197-205,共9页
泥石流、滑坡等自然灾害的发生往往都造成人民生命财产和社会经济的巨大损失,严重危害着人类的生活,影响到社会、经济以及自然环境的持续发展。如何预防和降低这类灾害的损失,是人类社会,尤其是发展中国家面临的巨大问题。中国也是深受... 泥石流、滑坡等自然灾害的发生往往都造成人民生命财产和社会经济的巨大损失,严重危害着人类的生活,影响到社会、经济以及自然环境的持续发展。如何预防和降低这类灾害的损失,是人类社会,尤其是发展中国家面临的巨大问题。中国也是深受泥石流、滑坡等灾害影响严重的国家之一。2008年5月12日的汶川地震引发滑坡、崩塌众多,凸现了对这类灾害进行治理的紧迫性和必要性。文中通过介绍日本Sabo works的发展和目前应用情况,为中国泥石流、滑坡等灾害的防治工作提供有益借鉴。 展开更多
关键词 沉积灾害 滑坡 泥石流 Sabo Works减灾
暂未订购 下载PDF
基于ISABO-IBiLSTM模型的刀具磨损预测方法 认领 引用 被引量：8
16
作者 曾浩 曹华军 董俭雄 《中国机械工程》 EI CAS CSCD 北大核心 2024年第11期1995-2006,共12页
针对现有的刀具磨损预测方法因为缺少优化算法及网络结构不完善而导致预测精度不高的问题,提出了一种将改进的减法优化器(SABO)算法和改进的双向长短时记忆(BiLSTM)网络相结合的刀具磨损状态预测模型(ISABO-IBiLSTM模型)。首先,采用截... 针对现有的刀具磨损预测方法因为缺少优化算法及网络结构不完善而导致预测精度不高的问题,提出了一种将改进的减法优化器(SABO)算法和改进的双向长短时记忆(BiLSTM)网络相结合的刀具磨损状态预测模型(ISABO-IBiLSTM模型)。首先,采用截断法、Hampel滤波法、改进的完全自适应噪声集合经验模态分解(ICEEMDAN)-改进的小波阈值降噪法对加速度振动信号与力信号数据进行预处理。然后,提取预处理后的信号数据的时域、频域、时频域特征,并通过斯皮尔曼和最大互信息相关系数筛选特征,构建模型的输入。最后,利用改进的SABO算法对改进后的BiLSTM网络进行参数寻优,基于所得到的优化参数训练网络实现磨损预测。实验数据分析结果表明,所提出的ISABO-IBiLSTM模型对刀具磨损量的预测精度为98.49%~98.83%,较BiLSTM模型、改进的BiLSTM模型、改进的卷积神经网络(ICNN)-BiLSTM模型有了较大的提高。 展开更多
关键词 刀具磨损预测 减法优化器算法 双向长短时记忆网络 信号处理 深度学习
暂未订购 下载PDF
基于SABO优化VMD-WTD-SVM的滚动轴承故障诊断模型 认领 引用 被引量：12
17
作者 逯帆 《制造技术与机床》 北大核心 2024年第7期32-39,47,共8页
针对滚动轴承在运转过程中发生故障时故障类型难以提取和识别的问题,文章提出了一种基于减法平均优化器(subtraction-average-based optimizer,SABO)优化变分模态分解(variational mode decomposition,VMD)联合小波阈值去噪(wavelet thr... 针对滚动轴承在运转过程中发生故障时故障类型难以提取和识别的问题,文章提出了一种基于减法平均优化器(subtraction-average-based optimizer,SABO)优化变分模态分解(variational mode decomposition,VMD)联合小波阈值去噪(wavelet threshold denoising,WTD)来提取故障特征,并与支持向量机(SVM)相融合的滚动轴承故障诊断模型。首先,以最小包络熵为适应度函数,通过SABO优化VMD中关键参数组合(K,α)的选取。其次,根据得到的参数对故障信号进行VMD分解,通过包络熵值和峭度值选择其中的有效分量再次进行WTD处理,重构后得到最佳信号分量。最后,计算最佳信号分量对应的9个特征数据作为当前信号的特征向量,并输入到SVM进行训练和故障识别。与其他方法相比,本模型在滚动轴承故障诊断方面表现更为突出,故障识别准确率达到了98.666 7%,具有良好的实际应用价值。 展开更多
关键词 轴承故障诊断 减法平均优化器 变分模态分解 小波阈值去噪 支持向量机
暂未订购 下载PDF
THOMAS SABO于2017年秋/冬时尚季闪耀推出Royalty系列作品 认领 引用
18
《流行色》 2017年第7期32-32,共1页
华美斑斓的纹饰、时尚精致的细节以及由皇家蓝、紫色和深绿色构成的色彩组合--THOMAS SABO品牌以2017年秋/冬季新品系列中全新的Royalty子系列首次引入皇家格调。
关键词 创意总监 系列作品 时尚 色彩组合 Royalty THOMAS SABO 格调 纹饰 饰品 深绿色
暂未订购 下载PDF
Application of SABO-VMD-KELM in Fault Diagnosis of Wind Turbines 认领 引用
19
作者 Yuling HE Hao CUI 《Mechanical Engineering Science》 2023年第2期23-29,共7页
In order to improve the accuracy of wind turbine fault diagnosis,a wind turbine fault diagnosis method based on Subtraction-Average-Based Optimizer(SABO)optimized Variational Mode Decomposition(VMD)and Kernel Extreme ... In order to improve the accuracy of wind turbine fault diagnosis,a wind turbine fault diagnosis method based on Subtraction-Average-Based Optimizer(SABO)optimized Variational Mode Decomposition(VMD)and Kernel Extreme Learning Machine(KELM)is proposed.Firstly,the SABO algorithm was used to optimize the VMD parameters and decompose the original signal to obtain the best modal components,and then the nine features were calculated to obtain the feature vectors.Secondly,the SABO algorithm was used to optimize the KELM parameters,and the training set and the test set were divided according to different proportions.The results were compared with the optimized model without SABO algorithm.The experimental results show that the fault diagnosis method of wind turbine based on SABO-VMD-KELM model can achieve fault diagnosis quickly and effectively,and has higher accuracy. 展开更多
关键词 Wind turbine generator Fault diagnosis Subtraction-Average-Based Optimizer(SABO) Variational Mode Decomposition(VMD) Kernel Extreme Learning Machine(KELM)
暂未订购 下载PDF
工业机器人关节健康状态评估方法的研究 认领 引用
20
作者 刘海龙 南向曈 《今日自动化》 2026年第8期51-53,共3页
工业机器人是现代智能制造产业的核心装备之一,承担着关键的工艺执行职能,其核心伺服关节的健康状态,直接决定了整机的运行稳定性。文章提出一种基于数字孪生的工业机器人关节健康状态评估方法,通过构建数字孪生模型,结合改进的SABO-PN... 工业机器人是现代智能制造产业的核心装备之一,承担着关键的工艺执行职能,其核心伺服关节的健康状态,直接决定了整机的运行稳定性。文章提出一种基于数字孪生的工业机器人关节健康状态评估方法,通过构建数字孪生模型,结合改进的SABO-PNN算法,实现工业机器人关节健康状态的实时监测与评估。经数字孪生系统测试验证,该方法预测精准高效、实时性优异,可大幅降低工业机器人计划外停机的风险。 展开更多
关键词 数字孪生 工业机器人关节 健康评估 SABO-PNN算法
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 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈