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7篇文章
< 1 >
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
基于SABO-NARX的非线性结构损伤建模 认领 引用
2
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SABO-VMD-Adaboost-RF的直流电机噪声源识别 认领 引用 被引量：2
3
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
工业机器人关节健康状态评估方法的研究 认领 引用
4
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
基于SABO-GRU-Attention的锂电池SOC估计 认领 引用 被引量：3
5
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
基于ISABO-IBiLSTM模型的刀具磨损预测方法 认领 引用 被引量：8
6
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
基于优化变分模态分解和包络峭度的轴承故障诊断 认领 引用 被引量：12
7
作者 刘烽 陈学军 +1 位作者 张磊 杨康 《计量学报》 CSCD 北大核心 2024年第10期1533-1540,共8页
针对变分模态分解(VMD)的分解层数K和惩罚因子α难以选择问题,提出了用减法平均优化器(SABO)对参数寻优的方法。首先,采用SABO对K和α进行寻优,输出最优参数组合并代入到VMD中,将原始振动信号分解得到K个模态分量;然后,用最大包络峭度... 针对变分模态分解(VMD)的分解层数K和惩罚因子α难以选择问题,提出了用减法平均优化器(SABO)对参数寻优的方法。首先,采用SABO对K和α进行寻优,输出最优参数组合并代入到VMD中,将原始振动信号分解得到K个模态分量;然后,用最大包络峭度为指标提取K个模态分量中峭度最大的分量作为最优分量,并计算其相关时域和熵理论特征参数构造特征向量样本集;最后,将特征向量样本集输入到经网格搜索和五折交叉验证调参的支持向量机(SVM)中进行故障诊断。为了验证该方法的有效性,利用凯斯西储大学轴承数据集进行实验,实验结果表明:该方法分类效果更好,准确率达到99.44%;基于江南大学3种不同工况的轴承数据实验,最终故障诊断准确率都达到了95%以上。 展开更多
关键词 力学计量 滚动轴承 故障诊断 变分模态分解 减法平均优化器 包络峭度 优化算法
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 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈