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73篇文章
< 1 2 … 4 >
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：
Multistrategy Improved Aquila Optimizer for Test Case Prioritization 认领 引用
1
作者 Jiali Chen Jiheng Zhang +3 位作者 Xiaojie Chen Chong Zeng Honghui Yi Heming Jia 《Computers, Materials & Continua》 SCIE EI 2026年第8期2328-2362,共35页
Traditional heuristic algorithms often fall into local optima and converge slowly when test case prioritization is addressed in regression testing,making them inadequate for complex real-world scenarios.The Aquila opt... Traditional heuristic algorithms often fall into local optima and converge slowly when test case prioritization is addressed in regression testing,making them inadequate for complex real-world scenarios.The Aquila optimizer,a novel metaheuristic algorithm,demonstrates strong global exploration capability but still faces limitations,including insufficient exploitation capability and slow convergence.To overcome these challenges,a multi-strategy improved chaotic Cauchy inverse cumulative distribution Aquila optimizer for test case prioritization is proposed.First,a logistic–sine–cosine composite chaotic mapping is introduced during the initialization phase of the Aquila optimizer to increase population diversity.Second,the mutated random walk strategy is used to improve global exploration,further enhancing the global search ability of the Aquila optimizer.Moreover,during the narrowed exploration and narrowed exploitation phases,the Cauchy inverse cumulative distribution flight replaces the Lévy flight strategy to reallocate individual positions,strengthening individuals’optimization capability and preventing the algorithm from becoming trapped in local optima.Finally,in the later iteration stage,the specular reflection learning strategy is used to perturb the optimal individual positions and improve the Aquila optimizer’s convergence accuracy and comprehensive optimization performance.Five Java projects were selected from the Defects4J benchmark datasets to conduct comparative experiments with the Aquila optimizer and seven other metaheuristic algorithms.The results demonstrate the effectiveness and superiority of the improved algorithm in test case prioritization.It achieves average improvements of approximately 4.96%in the average percentage of fault detection,3.82%in the average percentage of block coverage,and 5.64%in the average percentage of decision coverage,enabling faster coverage of code blocks and branches.The results provide an efficient priority sorting solution for complex regression testing scenarios. 展开更多
关键词 Heuristic algorithm search-based software engineering(SBSE) Aquila optimizer(AO) test case prioritization(TCP) average percentage of fault detection(APFD) average percentage of block coverage(APBC) average percentage of decision coverage(APDC)
暂未订购 下载PDF
基于IAO-VMD与SO-PNN的输电线路故障诊断方法 认领 引用 被引量：1
2
作者 卢万杰 马磐 《高压电器》 CAS CSCD 北大核心 2026年第7期193-203,共11页
针对输电线路中短路故障诊断识别率较低的问题,文中提出了一种基于改进天鹰优化算法(improved aquila optimization algorithm)优化VMD与蛇算法(snake optimizer,SO)优化概率神经网络(probabilistic neural network)相结合的输电线路故... 针对输电线路中短路故障诊断识别率较低的问题,文中提出了一种基于改进天鹰优化算法(improved aquila optimization algorithm)优化VMD与蛇算法(snake optimizer,SO)优化概率神经网络(probabilistic neural network)相结合的输电线路故障诊断方法。首先利用MATLAB/Simulink软件搭建输电线路的仿真模型,分别模拟不同类型的短路故障,并选取三相故障电压信号作为故障源。然后采用singer混沌映射、反向学习、分段式非线性递减权重和柯西变异等策略对天鹰算法进行改进。接着利用改进后的天鹰优化算法对VMD两个影响因子进行参数寻优。最后利用优化后的VMD对三相故障电压信号进行分解,并计算各分量的样本熵值,构建成输电线路的故障特征集,将故障特征集划分成训练集与测试集输入到SO-PNN的识别模型中进行故障诊断。并分别与PNN、DELM等故障诊断模型进行对比。通过仿真实验可知,文中提出的诊断模型可以更加准确地完成诊断,诊断率高达93%以上,具有较好的故障识别能力。 展开更多
关键词 输电线路 变分模态分解 改进天鹰优化算法 样本熵 概率神经网络
暂未订购 下载PDF
Chaotic Aquila Optimization Algorithm for Solving Phase Equilibrium Problems and Parameter Estimation of Semi-empirical Models 认领 引用 被引量：2
3
作者 Oguz Emrah Turgut Mert Sinan Turgut Erhan Kırtepe 《Journal of Bionic Engineering》 SCIE EI CSCD 2024年第1期486-526,共41页
This research study aims to enhance the optimization performance of a newly emerged Aquila Optimization algorithm by incorporating chaotic sequences rather than using uniformly generated Gaussian random numbers.This w... This research study aims to enhance the optimization performance of a newly emerged Aquila Optimization algorithm by incorporating chaotic sequences rather than using uniformly generated Gaussian random numbers.This work employs 25 different chaotic maps under the framework of Aquila Optimizer.It considers the ten best chaotic variants for performance evaluation on multidimensional test functions composed of unimodal and multimodal problems,which have yet to be studied in past literature works.It was found that Ikeda chaotic map enhanced Aquila Optimization algorithm yields the best predictions and becomes the leading method in most of the cases.To test the effectivity of this chaotic variant on real-world optimization problems,it is employed on two constrained engineering design problems,and its effectiveness has been verified.Finally,phase equilibrium and semi-empirical parameter estimation problems have been solved by the proposed method,and respective solutions have been compared with those obtained from state-of-art optimizers.It is observed that CH01 can successfully cope with the restrictive nonlinearities and nonconvexities of parameter estimation and phase equilibrium problems,showing the capabilities of yielding minimum prediction error values of no more than 0.05 compared to the remaining algorithms utilized in the performance benchmarking process. 展开更多
关键词 Aquila optimization algorithm Chaotic maps Parameter estimation Phase equilibrium Unconstrained optimization
Modified aquila optimizer for forecasting oil production 认领 引用 被引量：7
4
作者 Mohammed A.A.Al-qaness Ahmed A.Ewees +2 位作者 Hong Fan Ayman Mutahar AlRassas Mohamed Abd Elaziz 《Geo-Spatial Information Science》 SCIE EI CSCD 2022年第4期519-535,共17页
Oil production estimation plays a critical role in economic plans for local governments and organizations.Therefore,many studies applied different Artificial Intelligence(AI)based meth-ods to estimate oil production i... Oil production estimation plays a critical role in economic plans for local governments and organizations.Therefore,many studies applied different Artificial Intelligence(AI)based meth-ods to estimate oil production in different countries.The Adaptive Neuro-Fuzzy Inference System(ANFIS)is a well-known model that has been successfully employed in various applica-tions,including time-series forecasting.However,the ANFIS model faces critical shortcomings in its parameters during the configuration process.From this point,this paper works to solve the drawbacks of the ANFIS by optimizing ANFIS parameters using a modified Aquila Optimizer(AO)with the Opposition-Based Learning(OBL)technique.The main idea of the developed model,AOOBL-ANFIS,is to enhance the search process of the AO and use the AOOBL to boost the performance of the ANFIS.The proposed model is evaluated using real-world oil produc-tion datasets collected from different oilfields using several performance metrics,including Root Mean Square Error(RMSE),Mean Absolute Error(MAE),coefficient of determination(R2),Standard Deviation(Std),and computational time.Moreover,the AOOBL-ANFIS model is compared to several modified ANFIS models include Particle Swarm Optimization(PSO)-ANFIS,Grey Wolf Optimizer(GWO)-ANFIS,Sine Cosine Algorithm(SCA)-ANFIS,Slime Mold Algorithm(SMA)-ANFIS,and Genetic Algorithm(GA)-ANFIS,respectively.Additionally,it is compared to well-known time series forecasting methods,namely,Autoregressive Integrated Moving Average(ARIMA),Long Short-Term Memory(LSTM),Seasonal Autoregressive Integrated Moving Average(SARIMA),and Neural Network(NN).The outcomes verified the high performance of the AOOBL-ANFIS,which outperformed the classic ANFIS model and the compared models. 展开更多
关键词 Oil production ANFIS opposition-based learning(OBL) Aquila Optimizer(AO) time series forecasting Tahe oilfield Sunah oilfield
暂未订购 下载PDF
改进AO优化算法的折反射全景镜头畸变参数估计 认领 引用 被引量：1
5
作者 张越 张宁 徐熙平 《中国光学（中英文）》 EI CAS CSCD 北大核心 2025年第1期89-104,共16页
针对现有镜头畸变参数估计方法存在精度低、易陷入局部最优解的问题,提出了一种基于改进天鹰优化算法的折反射全景相机镜头畸变参数方法。首先,通过融合混沌映射、自适应调节策略和通讯交流策略,增强了天鹰优化算法的寻优能力,解决了其... 针对现有镜头畸变参数估计方法存在精度低、易陷入局部最优解的问题,提出了一种基于改进天鹰优化算法的折反射全景相机镜头畸变参数方法。首先,通过融合混沌映射、自适应调节策略和通讯交流策略,增强了天鹰优化算法的寻优能力,解决了其收敛速度慢且容易陷入局部最优解的问题;其次,通过空间中直线对应的畸变边缘和单参数除法模型推导并确定畸变参数分布范围;然后,构建包含畸变参数的优化目标函数;最后,采用改进的天鹰优化算法对优化目标函数寻优求得最佳畸变参数。通过对标准图库图像和全景图像的校正结果进行分析,本文提出的方法估计的主点误差在0.5 pixel以内,径向畸变系数误差在2.5%以内,能够有效估计镜头畸变参数并实现全景图像畸变校正。本文方法提高了视觉导航系统在环境感知任务下的图像质量,在工程应用中具有潜在价值。 展开更多
关键词 折反射全景相机 天鹰优化算法 混沌映射 直线特征 畸变校正
暂未订购 下载PDF
基于多策略改进AO算法的自导引机器人路径规划 认领 引用 被引量：1
6
作者 李生明 杨红 李肇阳 《机械设计与研究》 CSCD 北大核心 2025年第4期326-333,339,共8页
传统自导引机器人(AGV)路径规划方法容易出现收敛慢和易得局部最优的不足,为此,提出多策略改进天鹰优化的路径规划算法(MSIAO)。为了提升搜索精度,引入混沌Tent对立学习策略,以避免伪随机初始化对解空间遍历的不足,丰富初始路径的多样性... 传统自导引机器人(AGV)路径规划方法容易出现收敛慢和易得局部最优的不足,为此,提出多策略改进天鹰优化的路径规划算法(MSIAO)。为了提升搜索精度,引入混沌Tent对立学习策略,以避免伪随机初始化对解空间遍历的不足,丰富初始路径的多样性;在近地面攻击阶段,设计非线性自适应飞行斜率策略,以提升目标攻击精度;在低空飞行阶段,提出黄金正弦机制以提升局部开发能力;同时,利用自适应t分布变异策略,以避免陷入局部最优。结合栅格地图建立机器人路径规划模型,基于路径长度和平滑性构建适应度函数,用于评估搜索个体的优劣,实现对路径规划的迭代寻优。利用6个不同特征的基准函数对算法的搜索性能进行数值具有更高的仿真,同时建立不同复杂度的栅格地图对改进算法的最优路径搜索性能进行实证分析。结果表明,MSIAO算法方面具有显著的搜索精度,生成的路径平滑、安全且无碰撞,具备更短的路径长度,在解决路径规划控制问题方面具有显著的性能优势。 展开更多
关键词 自导引机器人 路径规划 天鹰优化算法 栅格地图 路径平滑
暂未订购 下载PDF
基于IAO-RF联合模型的锂电池SOC估计 认领 引用
7
作者 于仲安 揭朝富 +1 位作者 甘子荣 王涛 《科学技术与工程》 EI 北大核心 2025年第32期13856-13863,共8页
针对锂离子电池荷电状态(state of charge, SOC)估算时存在估计效率不高,估计精度低以及受电池温度影响较大的问题,提出一种改进天鹰优化算法(improved aquila optimizer algorithm, IAO)和随机森林算法(random forest algorithm, RF)... 针对锂离子电池荷电状态(state of charge, SOC)估算时存在估计效率不高,估计精度低以及受电池温度影响较大的问题,提出一种改进天鹰优化算法(improved aquila optimizer algorithm, IAO)和随机森林算法(random forest algorithm, RF)相联合的预测模型来估计锂离子电池SOC。采用改进的天鹰优化算法来优化随机森林的超参数,提升模型的泛化性能与抗干扰能力,避免陷入局部最佳缺陷。经实验表明,在考虑到温度对电池SOC影响下,单一的随机森林估计锂电池SOC的平均绝对误差(mean absolute error, MAE)为2.77%,均方根误差(root mean square error, RMSE)为3.73%,而基于IAO-RF联合预测模型估计锂电池SOC的MAE为0.407%,RMSE为0.871%,相较于单一的随机森林,平均绝对误差降低了0.85倍,根均方误差也降低了0.77倍,比其他SOC预测模型均有不同程度的提升。可见IAO-RF模型在考虑温度对电池的影响下,不仅显著提升了SOC的估计的精度,还有效降低了极大误差对整体SOC估计的干扰,表现出优越性能同时也兼顾了估计的时效性,对电池管理系统(battery management system, BMS)研究存在一定价值。 展开更多
关键词 锂离子电池 电池荷电状态(SOC)估计 改进天鹰优化算法(IAO) 随机森林算法(RF) 电池管理系统(BMS)
暂未订购 下载PDF
基于AO-AVOA-BP神经网络模型的锂电池SOH预测 认领 引用 被引量：1
8
作者 李军毅 汪兴兴 +2 位作者 陈祥 陈林飞 邓业林 《电子测量技术》 北大核心 2025年第4期71-79,共9页
为提供准确可靠的锂电池健康状态预测,提出了一种基于非洲秃鹫优化算法融合天鹰优化算法优化BP神经网络的预测模型。通过对电池充电过程中的电压、电流和温度数据的分析,基于灰色关联分析验证健康因子与电池SOH的相关性,确定4个健康因... 为提供准确可靠的锂电池健康状态预测,提出了一种基于非洲秃鹫优化算法融合天鹰优化算法优化BP神经网络的预测模型。通过对电池充电过程中的电压、电流和温度数据的分析,基于灰色关联分析验证健康因子与电池SOH的相关性,确定4个健康因子作为模型的输入,结合基于AO-AVOA优化的BP神经网络模型,实现更精确的SOH预测。将提出的模型与其他优化模型对锂电池SOH进行预测,对各项指标进行对比分析,结果表明,所提出的预测模型平均绝对误差小于0.0089,均方根误差小于0.0112,平均绝对百分比误差小于1.4512%,具有精度高、泛化性强等特点,可有效用于锂电池的SOH预测。 展开更多
关键词 锂电池 健康状态 BP神经网络 非洲秃鹫优化算法 天鹰优化算法
暂未订购 下载PDF
多策略改进的CS-IAO算法在联合循环热电联产机组负荷分配优化中的应用 认领 引用 被引量：1
9
作者 张易宣 黄伟 《热能动力工程》 CAS CSCD 北大核心 2025年第8期121-130,共10页
针对区域型燃气-蒸汽联合循环热电联产机组因热电分配不合理导致能耗高、经济性差的问题,以某地区域型燃气-蒸汽联合循环热电联产机组为研究对象,提出两段式负荷分配优化模型,依次针对单机及区域型机组的负荷优化问题进行研究。引入改... 针对区域型燃气-蒸汽联合循环热电联产机组因热电分配不合理导致能耗高、经济性差的问题,以某地区域型燃气-蒸汽联合循环热电联产机组为研究对象,提出两段式负荷分配优化模型,依次针对单机及区域型机组的负荷优化问题进行研究。引入改进型天鹰(CS-IAO)算法,进行负荷优化计算,并在Matlab R2022b环境下采用测试函数分别与粒子群算法(PSO)、灰狼算法(GWO)、传统的天鹰算法(AO)进行对比,证明了改进算法的可行性。结合实际运行数据,采用CS-IAO算法对负荷优化模型进行计算。结果表明:在所研究的某区域型燃气-蒸汽联合循环机组内3台单机的气耗率分别减少0.14、0.18和0.83 t/(MW·h);10种工况下的整体经济效益提升幅度在1.187%~1.870%之间,实现了单机能源利用率的提高和区域型机组经济效益的增加。 展开更多
关键词 燃气-蒸汽联合循环 热电联产 天鹰优化算法 CS-IAO 负荷分配优化
暂未订购 下载PDF
Multi-strategy enhanced Aquila optimization algorithm 认领 引用
10
作者 Guo Hairu Zhao Longfei Liu Yongli 《The Journal of China Universities of Posts and Telecommunications》 EI CSCD 2026年第1期34-49,共16页
Although the Aquila optimization(AO) algorithm demonstrates promising results in various optimization tasks, it is still easy to fall into local optima, particularly when addressing more intricate problems. To tackle ... Although the Aquila optimization(AO) algorithm demonstrates promising results in various optimization tasks, it is still easy to fall into local optima, particularly when addressing more intricate problems. To tackle this issue, a reinforced tent-enhanced AO(RTEAO) algorithm that incorporates multiple strategic integrations was proposed in this paper. During the initialization phase, a tent chaotic mapping method is employed to enhance population diversity. To update individual positions iteratively, an elite reverse learning strategy and an optimal retention mechanism are employed to circumvent local optima. Experimental evaluations on the CEC2005 test functions demonstrate significant improvements in both convergence speed and accuracy. Furthermore, the RTEAO algorithm showcases remarkable optimization performance in practical applications, specifically in the calibration of a back propagation(BP) neural network for regression analysis on the Boston Housing Price Dataset and Wisconsin Breast Cancer Dataset, thereby affirming its efficacy and versatility in confronting real-world optimization challenges. 展开更多
关键词 Aquila optimization(AO) reinforced tent-enhanced AO(RTEAO) tent chaotic mapping elite reverse learning optimal retention mechanism back propagation(BP)neural network
暂未订购 下载PDF
基于天鹰算法与BP神经网络混合模型的X射线柔性材料屏蔽性能优化 认领 引用 被引量：1
11
作者 王宇桐 朱伟杰 +4 位作者 魏昊 李君 原林 王博宇 刘洋 《辐射防护》 CAS CSCD 北大核心 2026年第2期106-115,共10页
提出了一种天鹰算法(AO)与BP神经网络相结合的方法,以优化X射线屏蔽材料的组分,实现对不同能量区段X射线的屏蔽。通过XCOM程序筛选具有K吸收边互补特性的功能元素,并利用蒙特卡罗方法计算不同质量配比下的透射粒子数,利用此数据集训练B... 提出了一种天鹰算法(AO)与BP神经网络相结合的方法,以优化X射线屏蔽材料的组分,实现对不同能量区段X射线的屏蔽。通过XCOM程序筛选具有K吸收边互补特性的功能元素,并利用蒙特卡罗方法计算不同质量配比下的透射粒子数,利用此数据集训练BP神经网络,将训练结果与蒙特卡罗模拟结果对比分析,并采用沙普利加和解释(SHAP)量化分析各元素对屏蔽率的贡献程度,再通过AO算法求解最优元素质量配比方案,最后通过蒙特卡罗模拟对优化结果进行屏蔽性能的模拟测试与对比分析。结果表明,当W、Bi、Gd、Sm和SEBS质量配比为0.0188∶0.2610∶0.0581∶0.1621∶0.5000时,在100 kV管电压下屏蔽率可达75.51%,此时材料密度为1.6007 g/cm3。该方法丰富了复合屏蔽材料研发和应用优化计算方法。 展开更多
关键词 辐射屏蔽 X射线 AO算法 BP神经网络 蒙特卡罗 优化设计
暂未订购 下载PDF
A Control-based Transition Reinforced Optimization Process for Multi-level Threshold Image Segmentation 认领 引用
12
作者 Wei Wang Peiying Zhang +5 位作者 Saleh Ali Alomari Raed Abu Zitar Aseel Smerat Mohamed Sharaf Absalom E.Ezugwu Laith Abualigah 《Journal of Bionic Engineering》 SCIE EI CSCD 2026年第2期1061-1087,共27页
In this study,we present a novel approach to multi-threshold image segmentation using an adaptive method that combines the Ebola Optimization Search Algorithm(EOSA)with the Aquila Optimizer,termed the Integrated Enhan... In this study,we present a novel approach to multi-threshold image segmentation using an adaptive method that combines the Ebola Optimization Search Algorithm(EOSA)with the Aquila Optimizer,termed the Integrated Enhanced Ebola Optimization Search Algorithm(IEOSA).Our approach leverages this integration to produce high-quality segmented images.The IEOSA method introduces two distinct optimization mechanisms to identify optimal solutions.By blending the randomness of the Aquila Optimizer with the capabilities of EOSA,we enhance the exploration potential of the algorithm.Additionally,we incorporate a self-transition learning system within the IEOSA to further boost its performance.To tackle multi-level threshold image segmentation,we apply Kapur’s entropy between-class variance within the IEOSA framework.Our findings show that the IEOSA-based techniques outperform other comparable methods,offering faster convergence and more stable segmentation results.Through comparative analysis using standard test images,we demonstrate that IEOSA achieves higher solution accuracy than other methods.Ultimately,the proposed IEOSA methodologies effectively address multi-level threshold image segmentation challenges,accurately segmenting even the minor errors that are often overlooked in high-resolution images. 展开更多
关键词 Ebola optimization search algorithm(EOSA) Aquila optimizer(AO) Multi-level threshold Image segmentation Transition mechanism
Innovative Deep Learning Models for Streamflow Forecasting in High Elevation Catchments 认领 引用
13
作者 Rana Muhammad Adnan Ikram Jing-Cheng Han +4 位作者 Ahmed A.Ewees Mo Wang Ozgur Kisi Salim Heddam Mohammad Zounemat-Kermani 《Computer Modeling in Engineering & Sciences》 SCIE EI 2026年第7期911-934,共24页
Two-phase optimized machine learning and deep learning models play a key role in enhancing the prediction accuracy of nonlinear time series modeling.This study assesses the performance of a novel two-phase optimized L... Two-phase optimized machine learning and deep learning models play a key role in enhancing the prediction accuracy of nonlinear time series modeling.This study assesses the performance of a novel two-phase optimized Long Short-Term Memory(LSTM)model with integration of Aquila Optimizer(AO)and Wild Horse Optimizer(WHO)in predicting monthly streamflow in a snow-fed catchment.The two-phase optimized LSTM-WHOAO model is compared with single-phase optimized models such as LSTM-GA(Genetic Algorithm),LSTM-GWO(Grey Wolf Optimizer),LSTM-WOA(Whale Optimization Algorithm),LSTM-AO,and LSTM-WHO.The outcomes acquired from the deep learning models were compared using four statistical measures:root-mean-square-error(RMSE),mean absolute error(MAE),Nash-Sutcliffe efficiency(NSE),and coefficient of determination(R²).The LSTM-WHOAO model exhibited the best performance during training,with a mean RMSE of 51.930 and an R² of 0.851.The LSTM-WHO model also demonstrated robust performance,achieving an average RMSE of 53.900 and an R² value of 0.840.Other models,such as LSTM-AO and LSTM-WOA,showed average RMSE of 57.135 and 58.978,respectively,indicating improved performance over the single LSTM model.For the testing stage,the LSTM-WHOAO model remained more effective than other models,with an average RMSE of 70.413 and an R²of 0.755.For peak streamflow events,the LSTM-WHOAO model had the lowest absolute error(201.4%),significantly reducing prediction error compared to other models such as LSTM-GA(333.9%)and LSTM(347.1%).For peak streamflow events,the LSTM-WHOAO model had the lowest absolute error(201.4%),significantly reducing the prediction error compared to other models such as LSTM-GA(333.9%)and LSTM(347.1%).Models that incorporated snow-covered area(SCA)data,such as LSTM-WHOAO and LSTM-WHO,showed lower RMSE and higher R²values,underscoring the importance of considering snow cover dynamics in streamflow forecasting.The LSTM-WHOAO model proved to be the most successful,showing superior results in both the training and testing stages,as well as in peak streamflow predictions.By addressing the unique challenges of snow-fed catchments,this research offers valuable insights,especially into the application of advanced ML techniques in hydrology. 展开更多
关键词 Streamflow prediction long short-term memory genetic algorithm grey wolf optimizer whale optimization algorithm aquila optimizer wild horse optimizer algorithm snow covered area
暂未订购 下载PDF
基于GJO特征量优选的AO-RF的变压器故障诊断模型 认领 引用 被引量：13
14
作者 叶育林 刘森 +6 位作者 黄松 韩晓慧 杜振斌 李彬 吕杰 薛杨 赵春琳 《高压电器》 CAS CSCD 北大核心 2024年第5期99-107,共9页
在变压器故障诊断过程中,进行合理的特征优选,将有助于提高诊断模型的诊断精度,为此,文中提出了一种基于金豺优化算法(golden Jackal optimization,GJO)特征量优选与AO-RF的变压器故障诊断模型。首先,采用GJO对构建的21维变压器油中溶... 在变压器故障诊断过程中,进行合理的特征优选,将有助于提高诊断模型的诊断精度,为此,文中提出了一种基于金豺优化算法(golden Jackal optimization,GJO)特征量优选与AO-RF的变压器故障诊断模型。首先,采用GJO对构建的21维变压器油中溶解气体特征量进行优选;然后,根据GJO得到的特征优选结果,采用天鹰算法(aquila optimizer,AO)优化随机森林(random forest,RF)的变压器故障诊断模型对变压器故障进行诊断,并与不同特征量、不同故障诊断模型的诊断结果进行了对比。实验结果表明:GJO优选特征量相比21维原始特征、三比值法、无编码比值法以及AO优选特征量的故障诊断准确率可提高1.12%~25.78%,kappa系数可提高0.02~0.24;AO-RF故障诊断模型较RF、SVM、ELM、SSA-RF、WOA-RF、GJO-RF模型的诊断准确率可提高1.84%~15.86%,kappa系数可提高0.02~0.16,验证了所提方法的有效性和准确性。 展开更多
关键词 变压器 故障诊断 金豺算法 随机森林 天鹰算法
暂未订购 下载PDF
土石坝渗流性态分析的IAO-XGBoost集成学习模型与预测结果解释 认领 引用 被引量：43
15
作者 余红玲 王晓玲 +3 位作者 任炳昱 郑鸣蔚 吴国华 朱开渲 《水利学报》 EI CSCD 北大核心 2023年第10期1195-1209,共15页
针对现有土石坝渗流数值模拟方法计算效率较低、难以实时分析大坝渗流性态,而现有基于机器学习算法建立的代理模型又存在模型可解释性较差的问题,提出土石坝渗流性态分析的IAO-XGBoost集成学习模型,并基于Shapley加性解释(SHapley Addit... 针对现有土石坝渗流数值模拟方法计算效率较低、难以实时分析大坝渗流性态,而现有基于机器学习算法建立的代理模型又存在模型可解释性较差的问题,提出土石坝渗流性态分析的IAO-XGBoost集成学习模型,并基于Shapley加性解释(SHapley Additive exPlanation,SHAP)理论对预测结果进行解释。在采用多地质体自动建模方法和CFD技术对大坝渗流场进行计算分析的基础上,基于改进的天鹰(Improved Aquila Optimization,IAO)算法优化极限梯度提升(eXtreme Gradient Boosting,XGBoost)集成学习算法中的n_estimators、max_depth和learning_rate等超参数,进而建立基于IAO-XGBoost集成学习算法的大坝渗流性态指标预测模型,以揭示上下游水位和坝基地层渗透系数等输入特征变量与渗流性态指标模拟值间的复杂非线性映射关系。进一步地,将IAO-XGBoost集成学习算法与可解释机器学习框架SHAP理论相结合,挖掘影响大坝渗流性态指标预测结果的关键特征,并解释特征变量对渗流性态指标预测的影响。案例研究表明,IAO-XGBoost具有较高的预测精度,相比于IAO-GBDT、IAO-RF、IAO-DT和IAO-SVR算法,其预测精度分别提高了0.52%、11.64%、37.21%和25.07%;且相比于IAO-XGBoost、IAO-GBDT和IAO-RF算法的特征重要性分析方法,SHAP理论具有更强的模型可解释性,提高了预测结果的可信度。 展开更多
关键词 土石坝 渗流性态分析 XGBoost 可解释性 SHAP理论 改进的天鹰优化算法
暂未订购 下载PDF
主动前轮转向与防抱死制动系统的协调控制 认领 引用
16
作者 李晓龙 黄鹤 +4 位作者 田闯 李惟 杨澜 王会峰 高涛 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2026年第5期1059-1070,1118,共12页
当前车辆防抱死制动系统(ABS)主要作用于汽车的纵向控制,车辆在复杂工况制动过程中会出现车身横向偏移的问题,为此提出基于改进天鹰优化算法优化的模糊顶层控制器,实现ABS与主动前轮转向系统(AFS)的协调控制.建立二自由度及七自由度车... 当前车辆防抱死制动系统(ABS)主要作用于汽车的纵向控制,车辆在复杂工况制动过程中会出现车身横向偏移的问题,为此提出基于改进天鹰优化算法优化的模糊顶层控制器,实现ABS与主动前轮转向系统(AFS)的协调控制.建立二自由度及七自由度车辆动力学模型,分析车辆运动特性.提出改进的天鹰优化算法,设计动态反向学习策略和基于停滞检测的扰动机制,增强全局寻优能力,优化模糊控制器的量化因子与比例因子.提出基于模糊控制的顶层控制器,对下层ABS和AFS的控制权重进行合理分配,确保ABS和AFS的控制协调性.利用改进天鹰优化算法对模糊顶层控制器进行优化,使得控制系统根据车辆不同转角及不同路况自动调节控制器的量化因子与比例因子,增强控制器的自适应学习能力.仿真验证结果表明:相较于传统ABS控制、基础模糊控制及天鹰优化算法优化控制,所提方法使横摆角速度峰值最高降低88.61%,质心侧偏角峰值最高减少69.69%,显著提升了车辆的横向稳定性与制动效率. 展开更多
关键词 防抱死制动系统(ABS) 天鹰优化算法 协调控制 主动前轮转向 参数整定 质心侧偏角
暂未订购 下载PDF
基于数字孪生和AO-ELM融合驱动的RH炉终点温度预报模型 认领 引用 被引量：12
17
作者 肖卓越 刘惠康 +1 位作者 柴琳 邓胤韬 《中国冶金》 CAS CSCD 北大核心 2024年第5期55-64,共10页
RH精炼炉作为钢铁冶炼过程中的关键设备,其终点温度对后期铸造和产品质量影响较大。为了尽可能准确地预报钢水的终点温度,提出基于数字孪生的RH炉终点温度预报方法,通过数字孪生体模型实现终点温度的精准预报。首先通过天鹰优化器优化... RH精炼炉作为钢铁冶炼过程中的关键设备,其终点温度对后期铸造和产品质量影响较大。为了尽可能准确地预报钢水的终点温度,提出基于数字孪生的RH炉终点温度预报方法,通过数字孪生体模型实现终点温度的精准预报。首先通过天鹰优化器优化极限学习机(AO-ELM)构建终点温度预报虚拟模型,根据物理空间中得到的实时炼钢数据,由AO-ELM模型获得初始预测值,同时更新孪生数据库;然后通过相似度搜索,在孪生数据库中找到相似的冶炼炉次,对比相似炉次下的预报值与实际值,对初始预报值进行加权误差修正,得到最终预报值。实际算例结果表明,所建模型相较于传统人工智能终点温度预报模型更加精准和可靠,对后续温度控制有较好的指导意义。 展开更多
关键词 RH炉 温度预报 数字孪生 天鹰优化器优化极限学习机(AO-ELM) 误差修正
暂未订购 下载PDF
IAO优化SVM的电机滚动轴承故障诊断 认领 引用 被引量：19
18
作者 李红月 高英杰 朱文昌 《电子测量技术》 北大核心 2022年第10期126-132,共7页
对于当前存在电机滚动轴承多种类型故障分类准确率不高的现象,提出一种改进天鹰优化算法(IAO)优化支持向量机(SVM)的电机滚动轴承故障诊断方法。首先,介绍了基本天鹰优化算法,然后引入Tent混沌映射和自适应权重对其改进,提高收敛速度,... 对于当前存在电机滚动轴承多种类型故障分类准确率不高的现象,提出一种改进天鹰优化算法(IAO)优化支持向量机(SVM)的电机滚动轴承故障诊断方法。首先,介绍了基本天鹰优化算法,然后引入Tent混沌映射和自适应权重对其改进,提高收敛速度,防止陷入局部最优;其次,对10种状态下的滚动轴承故障时域信号样本进行VMD分解,得到不同状态的时频域特征组成特征样本集。最后,利用IAO算法对支持向量机的惩罚参数(c)和核参数(g)进行优化,从而构建IAO-SVM滚动轴承故障诊断模型。最终结果表明,IAO-SVM诊断模型对电机滚动轴承10种状态下的故障诊断准确率最高达100%。 展开更多
关键词 滚动轴承 变分模态分解 天鹰优化算法 支持向量机 故障诊断
暂未订购 下载PDF
基于AO-VMD的往复压缩机故障特征提取方法 认领 引用 被引量：10
19
作者 李颖 王鹏 +1 位作者 吴仕虎 巴鹏 《机电工程》 CAS 北大核心 2023年第5期673-681,共9页
采用原始VMD方法对往复压缩机故障进行诊断时,往复压缩机易损部件的振动信号存在非平稳、非线性这一问题,为此,提出了一种使用天鹰算法(AO),以各分量样本熵的最小值作为适应度函数,对变分模态分解(VMD)进行优化分解的往复压缩机故障特... 采用原始VMD方法对往复压缩机故障进行诊断时,往复压缩机易损部件的振动信号存在非平稳、非线性这一问题,为此,提出了一种使用天鹰算法(AO),以各分量样本熵的最小值作为适应度函数,对变分模态分解(VMD)进行优化分解的往复压缩机故障特征提取方法。首先,对往复压缩机滑动轴承的故障进行了分析,对其不同状态下的振动信号进行了分析处理;然后,先使用小波消噪对振动信号进行了消噪处理,再分别使用原始VMD和AO-VMD新型分解方法对其进行了处理,并得到了BLIMF分量;最后,计算两种分解方法中各分量的多尺度样本熵(MSE)值,对不同状态的多尺度样本熵值进行了对比分析,从而实现了对往复压缩机各类故障的诊断。研究结果表明:AO-VMD方法利用AO强大的快速搜索和开发能力后,故障分类性能明显优于原始VMD分解方法,各类故障信号多尺度样本熵值区分明显;其省时方面效果显著,基于遗传算法优化VMD方法分解耗时427 s,而AO-VMD方法仅需165 s,满足故障诊断分解方法要求。 展开更多
关键词 容积型压缩机 变分模态分解 天鹰算法 故障诊断 多尺度样本熵 滑动轴承故障
暂未订购 下载PDF
基于自适应多元变分模态分解与多尺度特征提取的抽水蓄能机组振动趋势预测 认领 引用
20
作者 朱德全 程剑林 +3 位作者 王彤阳 杨贵程 吴月超 付文龙 《水电能源科学》 北大核心 2026年第2期227-231,205,共5页
抽水蓄能机组振动趋势的准确预测是评估设备运行状态的重要手段,为此提出了基于自适应多元模态分解与多尺度特征提取的抽水蓄能机组振动趋势预测方法。首先,利用多元变分模态分解(MVMD)对机组振动数据进行分解,并引入天鹰优化算法(AO)... 抽水蓄能机组振动趋势的准确预测是评估设备运行状态的重要手段,为此提出了基于自适应多元模态分解与多尺度特征提取的抽水蓄能机组振动趋势预测方法。首先,利用多元变分模态分解(MVMD)对机组振动数据进行分解,并引入天鹰优化算法(AO)自适应确定最优模态分解参数,获得不同频率成分的本征模态函数(IMFs);然后,采用多尺度卷积神经网络(MSCNN)提取子信号深层空间特征;最后,建立门控循环单元(GRU)预测模型对各分量进行预测,叠加各子序列的预测结果得到机组振动趋势最终的预测结果。通过与其他模型的对比分析,验证了所提模型的优越性。 展开更多
关键词 抽水蓄能机组 振动趋势预测 多元变分模态分解 天鹰优化算法 多尺度卷积神经网络 门控循环单元
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 … 4 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈