期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于优化XGBoost算法的玄武岩纤维增强混凝土电阻率预测模型 认领 引用
1
作者 张轶 张彪 +1 位作者 邓翔文 何宏杰 《混凝土》 CAS 北大核心 2026年第2期30-38,共9页
基于电阻率(ER)来评估玄武岩纤维增强混凝土(BFRC)的综合性能具有重要意义。基于此,开发了新型乌燕鸥优化XGBoost(STOA-XGBoost)算法,利用已有20篇文献中的1171组数据建立了BFRC-ER的预测模型。利用SHAP法分析了每个特征的重要性。随后... 基于电阻率(ER)来评估玄武岩纤维增强混凝土(BFRC)的综合性能具有重要意义。基于此,开发了新型乌燕鸥优化XGBoost(STOA-XGBoost)算法,利用已有20篇文献中的1171组数据建立了BFRC-ER的预测模型。利用SHAP法分析了每个特征的重要性。随后,为了便于工程人员使用,借助STOA-XGBoost模型的底层代码开发了BFRC-ER的图形用户界面(GUI)。结果表明,STOA-XGBoost模型的预测值最接近实际值,残差分布的均值和方差更小,5个性能评估指标(R2=0.983,MAPE=0.281,RMSE=3.553,MAE=2.115,MSE=12.61)均表现最为优异。进一步地,特征重要性分析表明环境湿度和龄期与BFRC-ER的相关性最高。结合GUI和特征重要性分析结果,可以优化BFRC的配料并预测其ER,进而生产出高性能BFRC。 展开更多
关键词 玄武岩纤维 XGBoost算法 STOA算法 电阻率 图形用户界面 SHAP法
暂未订购 下载PDF
基于多尺度模糊熵和STOA-SVM的风机轴承故障诊断 认领 引用 被引量:15
2
作者 汤占军 孙润发 《电机与控制应用》 2021年第12期66-70,共5页
针对风机轴承振动信号故障特征提取困难的问题,提出了一种基于多尺度模糊熵(MFE)特征提取,并结合乌燕鸥优化算法(STOA)优化支持向量机(SVM)的风机轴承故障诊断方法。首先采集原始振动信号并计算其多层次模糊熵,其次构造故障特征向量集... 针对风机轴承振动信号故障特征提取困难的问题,提出了一种基于多尺度模糊熵(MFE)特征提取,并结合乌燕鸥优化算法(STOA)优化支持向量机(SVM)的风机轴承故障诊断方法。首先采集原始振动信号并计算其多层次模糊熵,其次构造故障特征向量集合作为SVM的输入,最后采用STOA优化SVM对轴承故障进行分类诊断。通过凯斯西储大学轴承振动数据进行仿真,结果显示轴承故障诊断准确率达到了99.3%,证明了所提方法具有较高的准确度和有效性。 展开更多
关键词 风机轴承 多尺度模糊熵 乌燕鸥优化算法 支持向量机 故障诊断
暂未订购 下载PDF
基于改进VMD与改进Res-DBN的配网变压器故障诊断研究 认领 引用
3
作者 犹珀玉 《国外电子测量技术》 2026年第4期181-186,218,共6页
为提高变压器故障诊断的精度,提出一种基于改进变分模态分解(Variational Mode Decomposition,VMD)与改进残差深度信念网络(Residual Deep Belief Network,Res-DBN)的配网变压器故障诊断方法。首先采用乌燕鸥算法(Sooty Tern Optimizati... 为提高变压器故障诊断的精度,提出一种基于改进变分模态分解(Variational Mode Decomposition,VMD)与改进残差深度信念网络(Residual Deep Belief Network,Res-DBN)的配网变压器故障诊断方法。首先采用乌燕鸥算法(Sooty Tern Optimization Algorithm,STOA)对VMD算法的参数进行优化,并删除虚假分量,提出改进VMD算法;然后在Res-DBN网络中引入分层加权信息增强方法,并采用花朵授粉算法(Flower Pollination Algorithm,FPA)对其超参数进行优化,提出改进Res-DBN网络;最后采用改进VMD算法提取变压器故障振动信号特征,并输入改进Res-DBN网络中进行故障诊断。结果表明,本文方法对不同类型的变压器故障诊断的准确率、误报率、漏报率分别为97.28%、3.44%和3.59%。因此,该方法可提高变压器故障诊断的精度,对提升变压器运行的稳定性和安全性提供了技术支持。 展开更多
关键词 变压器 故障诊断 VMD算法 Res-DBN网络 STOA算法 花朵授粉算法
暂未订购 下载PDF
上一页 1 下一页 到第
在线咨询 使用帮助 返回顶部 意见反馈