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88篇文章
< 1 2 … 5 >
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：
Improved Multi-Fusion Black-Winged Kite Algorithm for Optimizing Stochastic Configuration Networks for Lithium Battery Remaining Life Prediction 认领 引用 被引量：1
1
作者 Yuheng Yin Lin Wang 《Energy Engineering》 EI 2025年第7期2845-2864,共20页
The accurate estimation of lithium battery state of health(SOH)plays an important role in the health management of battery systems.In order to improve the prediction accuracy of SOH,this paper proposes a stochastic co... The accurate estimation of lithium battery state of health(SOH)plays an important role in the health management of battery systems.In order to improve the prediction accuracy of SOH,this paper proposes a stochastic configuration network based on a multi-converged black-winged kite search algorithm,called SBKA-CLSCN.Firstly,the indirect health index(HI)of the battery is extracted by combining it with Person correlation coefficients in the battery charging and discharging cycle point data.Secondly,to address the problem that the black-winged kite optimization algorithm(BKA)falls into the local optimum problem and improve the convergence speed,the Sine chaotic black-winged kite search algorithm(SBKA)is designed,which mainly utilizes the Sine mapping and the golden-sine strategy to enhance the algorithm’s global optimality search ability;secondly,the Cauchy distribution and Laplace regularization techniques are used in the SCN model,which is referred to as CLSCN,thereby improving the model’s overall search capability and generalization ability.Finally,the performance of SBKA and SBKA-CLSCN is evaluated using eight benchmark functions and the CALCE battery dataset,respectively,and compared in comparison with the Long Short-Term Memory(LSTM)model and the Gated Recurrent Unit(GRU)model,and the experimental results demonstrate the feasibility and effectiveness of the SBKA-CLSCN algorithm. 展开更多
关键词 Random configuration networks black-winged kite algorithm sine chaotic mapping laplace transform
暂未订购 下载PDF
A Novel Black-Winged Kite Algorithm with Deep Learning for Autism Detection of Privacy Preserved Data 认领 引用
2
作者 Kalyani Nagarajan Sasikumar Rajagopalan 《Journal of Bionic Engineering》 SCIE EI CSCD 2025年第4期1985-2011,共27页
Autism Spectrum Disorder(ASD)is a complex neurodevelopmental condition that causes multiple challenges in behavioral and communication activities.In the medical field,the data related to ASD,the security measures are ... Autism Spectrum Disorder(ASD)is a complex neurodevelopmental condition that causes multiple challenges in behavioral and communication activities.In the medical field,the data related to ASD,the security measures are integrated in this research responsibly and effectively to develop the Mobile Neuron Attention Stage-by-Stage Network(MNASNet)model,which is the integration of both Mobile Network(MobileNet)and Neuron Attention Stage-by-Stage.The steps followed to detect ASD with privacy-preserved data are data normalization,data augmentation,and K-Anonymization.The clinical data of individuals are taken initially and preprocessed using the Z-score Normalization.Then,data augmentation is performed using the oversampling technique.Subsequently,K-Anonymization is effectuated by utilizing the Black-winged Kite Algorithm to ensure the privacy of medical data,where the best fitness solution is based on data utility and privacy.Finally,after improving the data privacy,the developed approach MNASNet is implemented for ASD detection,which achieves highly accurate results compared to traditional methods to detect autism behavior.Hence,the final results illustrate that the proposed MNASNet achieves an accuracy of 92.9%,TPR of 95.9%,and TNR of 90.9%at the k-samples of 8. 展开更多
关键词 Mobile network Neuron attention stage-by-stage Z-score normalization K-Anonymization Black-winged Kite Algorithm
Optimization of Truss Structures Using Nature-Inspired Algorithms with Frequency and Stress Constraints 认领 引用 被引量：1
3
作者 Sanjog Chhetri Sapkota Liborio Cavaleri +3 位作者 Ajaya Khatri Siddhi Pandey Satish Paudel Panagiotis G.Asteris 《Computer Modeling in Engineering & Sciences》 SCIE EI 2026年第1期436-464,共29页
Optimization is the key to obtaining efficient utilization of resources in structural design.Due to the complex nature of truss systems,this study presents a method based on metaheuristic modelling that minimises stru... Optimization is the key to obtaining efficient utilization of resources in structural design.Due to the complex nature of truss systems,this study presents a method based on metaheuristic modelling that minimises structural weight under stress and frequency constraints.Two new algorithms,the Red Kite Optimization Algorithm(ROA)and Secretary Bird Optimization Algorithm(SBOA),are utilized on five benchmark trusses with 10,18,37,72,and 200-bar trusses.Both algorithms are evaluated against benchmarks in the literature.The results indicate that SBOA always reaches a lighter optimal.Designs with reducing structural weight ranging from 0.02%to 0.15%compared to ROA,and up to 6%–8%as compared to conventional algorithms.In addition,SBOA can achieve 15%–20%faster convergence speed and 10%–18%reduction in computational time with a smaller standard deviation over independent runs,which demonstrates its robustness and reliability.It is indicated that the adaptive exploration mechanism of SBOA,especially its Levy flight–based search strategy,can obviously improve optimization performance for low-and high-dimensional trusses.The research has implications in the context of promoting bio-inspired optimization techniques by demonstrating the viability of SBOA,a reliable model for large-scale structural design that provides significant enhancements in performance and convergence behavior. 展开更多
关键词 Optimization truss structures nature-inspired algorithms meta-heuristic algorithms red kite opti-mization algorithm secretary bird optimization algorithm
暂未订购 下载PDF
基于双层优化和卡尔曼滤波分频框架的电动汽车负荷预测 认领 引用 被引量：1
4
作者 许晓敏 杨梦琪 +3 位作者 李湘颖 肖亮 关晓 杨溢 《科学技术与工程》 EI 北大核心 2026年第9期3817-3829,共13页
在“双碳”战略目标的推动下,低碳绿色的出行需求带动了电动汽车的规模化普及。为提升电动汽车充电负荷预测精度,支撑电网稳定运行与充电设施优化调度,提出一种基于双层优化和无迹卡尔曼滤波算法(unscented Kalman filter, UKF)分频集... 在“双碳”战略目标的推动下,低碳绿色的出行需求带动了电动汽车的规模化普及。为提升电动汽车充电负荷预测精度,支撑电网稳定运行与充电设施优化调度,提出一种基于双层优化和无迹卡尔曼滤波算法(unscented Kalman filter, UKF)分频集成框架(decomposition-ensemble learning prediction, DEP)的电动汽车负荷预测模型。首先,构建BKA-VMD分解模型,引入黑翅鸢优化算法(black-winged kite algorithm, BKA)对变分模态分解(variational mode decomposition, VMD)参数进行自适应寻优,提高分解的稳定性与模态特征提取能力。其次,运用改进的极光优化算法(improved polar lights optimization, IPLO)优化预测模型超参数,使用UKF-Transformer-LSTM、UKF-Transformer、LSTM模型分别对高中低频分量进行预测,增强模型在全局搜索与局部开发之间的平衡性,提升预测的收敛性与鲁棒性。最后,选取H区域电动汽车充电站的充电负荷数据进行实证分析。结果表明,本文模型在多类性能指标上显著优于对比模型,R2达0.9941,适用于电动汽车充电超短期负荷预测,能够为EV负荷实时调度与充电站分钟级响应等应用场景提供支持。 展开更多
关键词 黑翅鸢优化算法 变分模态分解 极光优化算法 无迹卡尔曼滤波算法 分解预测框架
暂未订购 下载PDF
基于BKA优化多算法模型的铁路危岩落石风险评估研究 认领 引用
5
作者 靳春玲 陆浩伟 +2 位作者 贡力 党丹丹 郭芮 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2026年第2期902-912,共11页
在复杂地质与环境条件下,山区铁路沿线危岩落石灾害对线路运行安全与稳定构成显著威胁。为提升灾害识别精度与防控能力,本文构建了一种基于黑翅鸢算法(black kite algorithm,BKA)优化的多算法融合模型,用于铁路沿线危岩落石灾害风险的... 在复杂地质与环境条件下,山区铁路沿线危岩落石灾害对线路运行安全与稳定构成显著威胁。为提升灾害识别精度与防控能力,本文构建了一种基于黑翅鸢算法(black kite algorithm,BKA)优化的多算法融合模型,用于铁路沿线危岩落石灾害风险的定量化评估。该模型以反向传播神经网络(back propagation neural network,BPNN)为核心,融合主成分分析(principal component analysis,PCA)降维与Elastic Net特征选择技术,并利用BKA优化BPNN的初始权重与偏置参数,从而加快收敛速度并提升预测稳定性。构建了涵盖地形、岩性、荷载、防护等12项指标的多层次风险评估指标体系,系统表征危岩致灾机理。以焦柳铁路与黔桂铁路沿线典型高风险边坡为研究对象,采用K折交叉验证(K=10)验证模型在复杂地质条件下的鲁棒性与泛化能力。实验结果表明,所提模型的预测准确率达到90.0%、决定系数R2为0.899、AUC值为0.909,均优于WOA(whale optimization algorithm)优化模型(80.0%、0.797、0.818)、PSO优化模型(77.5%、0.723、0.786)及传统BPNN(75.0%、0.646、0.737)。尤其在Ⅲ级和Ⅳ级高风险等级识别中,模型召回率达100%,F1-score为1.0,分类边界清晰且稳定性强。基于预测结果提出了分级防控策略,并从施工可达性与推广潜力等方面验证了其工程适用性。研究成果为山区铁路危岩落石灾害的精细化管理与防控提供了实用决策支持工具,并为更广泛的地质灾害风险评估方法研究提供了参考。 展开更多
关键词 黑翅鸢算法 多算法融合模型 危岩落石灾害 山区铁路 风险评估
暂未订购 下载PDF
高速动车组抗蛇行减振器故障诊断方法研究 认领 引用
6
作者 刘源 代亮成 +4 位作者 池茂儒 高红星 黄韬 周荻 谭磊 《中南大学学报（自然科学版）》 EI CSCD 北大核心 2026年第5期1934-1947,共14页
针对高速动车组抗蛇行减振器在强噪声环境下传统故障诊断方法经验依赖性强、精度不高的问题,提出一种多源数据驱动的抗蛇行减振器故障诊断方法。首先,采用小波同步提取变换(wavelet synchroextracting transform,WSET)对多通道振动信号... 针对高速动车组抗蛇行减振器在强噪声环境下传统故障诊断方法经验依赖性强、精度不高的问题,提出一种多源数据驱动的抗蛇行减振器故障诊断方法。首先,采用小波同步提取变换(wavelet synchroextracting transform,WSET)对多通道振动信号进行时频分析,生成高分辨率时频图像并构建数据集;其次,设计混合诊断模型YDFD-NET(yaw damper fault diagnosis network),通过卷积神经网络(convolutional neural network,CNN)自适应提取深层特征,并集成黑翅鸢算法(black-winged kite algorithm,BKA)优化的最小二乘支持向量机(least squares support vector machine,LSSVM)实现故障诊断。研究结果表明:在速度为400 km/h的动车新轮工况下,4类典型故障的诊断准确率达100%;四通道融合策略较单通道提升精度43.8%,显著优于双/三通道方案;WSET预处理使诊断精度提升7.8%,并加快训练速度;该诊断模型YDFD-NET跨工况泛化性强,在速度为80~480 km/h及复杂转向架、车轮踏面耦合条件下,其平均准确率达99.23%。 展开更多
关键词 高速动车组 抗蛇行减振器 故障诊断 黑翅鸢算法 卷积神经网络
暂未订购 下载PDF
融合组合采样和IBKA-KELM的油浸式变压器故障诊断方法 认领 引用
7
作者 刘可真 张昌豪 +3 位作者 盛戈皞 赵勇军 陈阳 邱印能 《电力系统及其自动化学报》 CSCD 北大核心 2026年第6期122-133,共12页
为解决变压器故障小样本数量不足及不均衡特性导致故障诊断精度低的问题,提出一种融合少数类过采样与加权编辑最近邻算法组合采样和改进黑翅鸢算法优化核极限学习机的变压器故障诊断方法。首先,基于非均衡故障数据集构建加权异构值差异... 为解决变压器故障小样本数量不足及不均衡特性导致故障诊断精度低的问题,提出一种融合少数类过采样与加权编辑最近邻算法组合采样和改进黑翅鸢算法优化核极限学习机的变压器故障诊断方法。首先,基于非均衡故障数据集构建加权异构值差异度量空间,重构样本邻域关系,并融合编辑最近邻算法清洗过采样噪声,增强小样本的局部密度和类间区分度,为训练诊断模型提供充足的均衡样本;此外,建立气体特征比值矩阵,并采用最大信息系数结合随机森林筛选最优特征子集,以提升特征表征能力;最后,利用混合策略改进的改进黑翅鸢算法寻优核极限学习机的结构参数,构建改进黑翅鸢算法-核极限学习机故障诊断模型,实现了多分类故障样本的准确辨识。实验结果表明,相较于少数类过采样、自适应合成抽样法等传统过采样方法,所提的组合采样方法有效增强了不平衡样本特征,诊断准确率达96.05%,验证了所提方法的有效性。 展开更多
关键词 变压器 故障诊断 组合采样 改进黑翅鸢算法 核极限学习机
暂未订购 下载PDF
一种融合降噪算法和CNN-BKA-LSSVM的叶片泵故障诊断方法 认领 引用
8
作者 郭锐 李博闻 +5 位作者 问亚鹏 张佳奇 陈鹏飞 熊陈生 王建伟 蔡伟 《机床与液压》 北大核心 2026年第13期163-169,共7页
针对叶片泵在高压重载荷工况工作易发生故障,且高噪声环境导致信号提取困难、故障诊断精度低,进而影响液压系统安全稳定的问题,提出一种融合三角优化器(TTAO)优化变分模态分解(VMD)的降噪算法和CNN-BKALSSVM模型的故障诊断方法。对叶片... 针对叶片泵在高压重载荷工况工作易发生故障,且高噪声环境导致信号提取困难、故障诊断精度低,进而影响液压系统安全稳定的问题,提出一种融合三角优化器(TTAO)优化变分模态分解(VMD)的降噪算法和CNN-BKALSSVM模型的故障诊断方法。对叶片泵典型磨损故障的振动信号进行预处理,采用TTAO-VMD降噪算法对其进行降噪;采用小波同步提取变换(WSET)实现振动信号的时频域转换,将一维振动信号转换为二维时频分布图并作为输入;利用CNN-BKA-LSSVM模型进行故障诊断;最后,搭建叶片泵故障模拟实验台,获取5种工况的振动信号进行实验验证,并与CNN和CNN-LSSVM模型进行对比。结果表明:CNN模型和CNN-LSSVM模型的识别准确率分别为96.82%和98.16%,而CNN-BKA-LSSVM模型识别准确率达99.16%,表明该模型具有更高的诊断精度。研究为高噪声环境下液压元件智能故障诊断提供了有效方法。 展开更多
关键词 叶片泵 故障诊断 三角优化器 变分模态分解 小波同步提取变换 黑翅鸢优化算法
暂未订购 下载PDF
基于多尺度极值点峰距优化Shapelet的分类方法及应用 认领 引用
9
作者 刘大鹏 罗嘉宾 +3 位作者 刘勇 穆勇 张淑清 胡皓 《计量学报》 CSCD 北大核心 2026年第5期739-747,共9页
Shapelet用于时间序列特征提取时,子序列的发现过程耗时较长,候选子序列的长度范围难以确定,需要涉及大量的计算和比较,提出一种基于多尺度极值点峰距和改进Shapelet的分类方法。包络峭度作为适应度函数,通过黑翅鸢优化算法对特征模态... Shapelet用于时间序列特征提取时,子序列的发现过程耗时较长,候选子序列的长度范围难以确定,需要涉及大量的计算和比较,提出一种基于多尺度极值点峰距和改进Shapelet的分类方法。包络峭度作为适应度函数,通过黑翅鸢优化算法对特征模态分解进行参数寻优,将扰动信号分解为多个模态分量,利用排列组合熵进行模态优化筛选,得到多个尺度的IMF极值点峰距,求得最佳的子序列长度范围;然后改进了Shapelet方法,通过子序列块、多损失函数和欧氏距离初始化权重的改进,可直接学习接近最优的子序列片段,从而实现快速分类。利用电能质量扰动仿真信号和多工况轴承信号对所提出的方法进行了验证,对16种仿真环境下的电能质量扰动识别准确率达98.75%,对多工况轴承数据集的分类准确率也高达98.00%,表明所提算法能够快速、准确地进行信号分类识别。 展开更多
关键词 电学计量 电能质量扰动 信号分类识别 Shapelet 多尺度极值点峰距 轴承故障 黑翅鸢优化算法
暂未订购 下载PDF
基于双目标的王甫洲水利工程复合土工膜渗透系数反演 认领 引用
10
作者 王廷 颜剑 黄耀英 《水电能源科学》 北大核心 2026年第3期152-156,67,共5页
针对基于单一测压管监测值的复合土工膜渗透系数反演易出现的多解问题,结合王甫洲水利工程土石围堤排水沟实测单宽增量流量和围堤测压管实测水位,以渗流量和测压管水位为双目标,建立复合土工膜渗透系数反演数学优化模型,采用正交设计-... 针对基于单一测压管监测值的复合土工膜渗透系数反演易出现的多解问题,结合王甫洲水利工程土石围堤排水沟实测单宽增量流量和围堤测压管实测水位,以渗流量和测压管水位为双目标,建立复合土工膜渗透系数反演数学优化模型,采用正交设计-数值计算-黑翅鸢算法优化的BP神经网络与红嘴蓝鹊寻优算法相结合的方法进行求解。结果表明,以单宽增量流量和测压管水位为双目标进行反演分析,可以改善复合土工膜防渗土石坝渗流场反演问题的多解性,反演结果的计算值与实测值相对误差在3%以内;王甫洲水利工程右岸围堤复合土工膜的渗透系数在服役20年之后增长至8.94×10-13m/s,较初始值增大约9倍,未出现明显劣化现象。 展开更多
关键词 复合土工膜 渗透系数 单宽增量流量 测压管水位 黑翅鸢优化算法 红嘴蓝鹊寻优算法
暂未订购 下载PDF
融合反向学习和拟牛顿策略的黑翅鸢算法 认领 引用
11
作者 赵宁 汪廷华 朱雅婷 《赣南师范大学学报》 2026年第3期94-101,共8页
针对黑翅鸢算法(black-winged kite algorithm, BKA)存在的全局搜索能力不足和种群多样性衰退问题,提出一种融合反向学习和拟牛顿策略的黑翅鸢算法(BKA integrating opposition-based learning and quasi-newton strategy, OQBKA).该算... 针对黑翅鸢算法(black-winged kite algorithm, BKA)存在的全局搜索能力不足和种群多样性衰退问题,提出一种融合反向学习和拟牛顿策略的黑翅鸢算法(BKA integrating opposition-based learning and quasi-newton strategy, OQBKA).该算法在迁徙阶段引入凸透镜反向成像策略,增强种群空间分布,帮助个体跳出局部最优;在迭代后期融合拟牛顿法,提升局部寻优精度与收敛性能.CEC2017测试函数的消融实验表明,两种策略具有良好的互补性,且融合两种策略后能显著提升算法在各类函数上的求解能力;CEC2022测试集上的进一步实验验证了OQBKA在探索与开发能力平衡以及搜索精度方面的优越表现. 展开更多
关键词 黑翅鸢算法 优化 反向学习 拟牛顿策略
暂未订购 下载PDF
混合增强黑翅鸢优化算法及其应用 认领 引用
12
作者 王玉芳 程培浩 闫明 《计算机科学与探索》 CSCD 北大核心 2026年第1期99-121,共23页
针对黑翅鸢优化算法(BKA)收敛速度慢和易陷入局部最优的局限性,提出了一种混合增强黑翅鸢优化算法(HEBKA),旨在提升算法的全局搜索能力和优化性能。HEBKA通过引入红尾鹰优化算法替换BKA的攻击阶段,并结合Bernoulli混沌映射作为攻击调节... 针对黑翅鸢优化算法(BKA)收敛速度慢和易陷入局部最优的局限性,提出了一种混合增强黑翅鸢优化算法(HEBKA),旨在提升算法的全局搜索能力和优化性能。HEBKA通过引入红尾鹰优化算法替换BKA的攻击阶段,并结合Bernoulli混沌映射作为攻击调节因子,以简化算法流程并显著增强全局搜索能力,从而有效提高收敛效率。借鉴黑寡妇优化算法的信息素机制,HEBKA将种群划分为优秀个体和劣质个体两类:对优秀个体实施迁徙操作以引导种群向最优解方向移动,而对劣质个体施加随机扰动以增加种群的多样性,从而减少对领导者迁徙的盲目依赖,避免种群过早收敛。当种群出现聚集现象时,HEBKA针对最优个体引入正交试验-准反射扰动策略,通过正交试验设计高效探索解空间,并利用准反射机制引入适度扰动,进一步增强算法跳出局部最优的能力。为验证HEBKA的改进效果,在CEC2017测试函数集上开展了仿真实验,与多种优化算法进行收敛性分析及Wilcoxon非参数统计检验,结果表明HEBKA在收敛速度、优化精度和鲁棒性方面均显著优于对比算法,展现出优秀的全局搜索能力和稳定性。HEBKA被应用于二维和三维旅行商问题(TSP)的求解,通过在实际复杂优化问题中的表现,验证了其高效性和应用潜力。 展开更多
关键词 黑翅鸢优化算法 红尾鹰优化算法 劣质个体分类策略 正交试验-准反射扰动 旅行商问题
暂未订购 下载PDF
空中交通管制员工作效率量化评估方法 认领 引用
13
作者 夏正洪 胡征祎 李元直 《科学技术与工程》 EI 北大核心 2026年第2期848-854,共7页
面向动态空域环境下空中交通管理效能提升与资源配置优化需求,提出了一种基于多维工作负荷融合的空中交通管制员工作效率量化评估方法。通过解析管制效率与工作负荷的动态耦合机制,构建包含通话、监视、操作、思考及特情处置负荷的四维... 面向动态空域环境下空中交通管理效能提升与资源配置优化需求,提出了一种基于多维工作负荷融合的空中交通管制员工作效率量化评估方法。通过解析管制效率与工作负荷的动态耦合机制,构建包含通话、监视、操作、思考及特情处置负荷的四维评估指标体系,首次将特情处置因子纳入量化分析框架。采用熵权-层次分析组合赋权法确定指标主客观综合权重,并基于黑翅鸢优化算法(black-winged kite algorithm,BKA)改进高斯混合模型(Gaussian mixture model,GMM),建立管制工作效率分级评估模型。基于中国民航空管岗位职业技能大赛的视频音频数据实证表明:经优化的BKA-GMM模型可实现管制效率等级的精准分类,准确率和轮廓系数较传统GMM分别提升7.08%、9.82%,有效解决动态空域环境下管制效率量化评估难题,为精准识别管制瓶颈和优化资源调度提供理论依据。 展开更多
关键词 工作效率 管制员工作负荷 高斯混合模型 聚类评估 黑翅鸢优化算法
暂未订购 下载PDF
多策略改进的黑翅鸢优化算法及其工程实例应用 认领 引用
14
作者 王凯欣 田云娜 李奕轩 《计算机工程与应用》 EI CSCD 北大核心 2026年第15期112-132,共21页
针对黑翅鸢优化算法存在的探索与开发能力不平衡和易陷入局部极值的问题,提出一种多策略改进的黑翅鸢优化算法。在算法攻击阶段引入分阶段动态捕猎优化机制,使算法的全局探索与局部开发能力得到平衡;在算法迁徙阶段引入随机扰动与非线... 针对黑翅鸢优化算法存在的探索与开发能力不平衡和易陷入局部极值的问题,提出一种多策略改进的黑翅鸢优化算法。在算法攻击阶段引入分阶段动态捕猎优化机制,使算法的全局探索与局部开发能力得到平衡;在算法迁徙阶段引入随机扰动与非线性权重因子,有效地规避了算法陷入局部最优的风险。将所提算法与多种优化算法在各测试套件上进行对比实验,并采用Wilcoxon秩和检验以及Friedman检验对实验结果进行统计分析。实验结果表明,所提算法在优化精度、收敛性能以及鲁棒性方面显著优于各对比算法,且所提算法在处理高维复杂函数上高效可行。此外,将所提算法应用于18个现实世界工程实例约束优化问题的求解上,验证了所提算法的有效性与工程实用性。 展开更多
关键词 黑翅鸢优化算法 分阶段动态捕猎优化机制 随机扰动因子 非线性权重因子 工程优化问题
暂未订购 下载PDF
优化SVMD联合改进小波阈值的大坝渗流监测数据去噪 认领 引用
15
作者 傅蜀燕 杨石勇 +3 位作者 张燕明 李梦华 金思彤 欧斌 《科学技术与工程》 EI 北大核心 2026年第6期2564-2578,共15页
为有效剔除大坝渗流监测数据中的噪声干扰,并全面保留信号中的原始特征。基于分解-筛选-去噪-重构的思想,提出了一种优化逐次变分模态分解(successive variational mode decomposition,SVMD)联合改进小波阈值(improved wavelet threshol... 为有效剔除大坝渗流监测数据中的噪声干扰,并全面保留信号中的原始特征。基于分解-筛选-去噪-重构的思想,提出了一种优化逐次变分模态分解(successive variational mode decomposition,SVMD)联合改进小波阈值(improved wavelet threshold,IWT)的大坝渗流监测数据去噪方法。首先,采用SVMD对大坝渗流监测数据进行分解,得到一系列模态分量,并借助黑翅鸢算法(black-winged kite algorithm,BKA)寻找SVMD的最优惩罚因子;其次,基于多尺度排列熵(multi-scale permutation entropy,MPE)和方差贡献率(variance contribution rate,VCR),将分解得到的模态分量细分为噪声主导分量和信号主导分量两类,并通过最大信息系数(maximal information coefficient,MIC)验证分量划分的合理性;最后,采用IWT对噪声主导分量进行去噪处理,并将去噪处理后分量与信号主导分量重构,得到最终去噪结果。仿真信号和实例分析结果表明,该方法显著提升了去噪性能,在去除大量噪声的同时有效保留了渗流信号中的关键信息,各项评价指标均表现优异,可为大坝渗流数据处理提供参考与借鉴。 展开更多
关键词 大坝渗流 逐次变分模态分解 黑翅鸢算法 多尺度排列熵 方差贡献率 改进小波阈值去噪
暂未订购 下载PDF
基于政策量化驱动的IBKA-TCN-TimesNet-BiLSTM天然气需求预测模型 认领 引用
16
作者 温泉 王宁 魏学华 《油气储运》 CAS 北大核心 2026年第3期346-359,共14页
【目的】天然气需求受经济波动、政策调控、季节变化等多重因素交织影响,政策动态效应与时序数据长短期依赖关系的耦合适配性不足严重制约其预测精度,为捕捉政策时序特征、强化模型对复杂场景的适配能力并提升预测精度,开展政策时序特... 【目的】天然气需求受经济波动、政策调控、季节变化等多重因素交织影响,政策动态效应与时序数据长短期依赖关系的耦合适配性不足严重制约其预测精度,为捕捉政策时序特征、强化模型对复杂场景的适配能力并提升预测精度,开展政策时序特征驱动的耦合预测模型研究尤为重要。【方法】首先,采用“线性插值+同月份历史均值插值”组合策略,处理影响因素特征序列中的数据缺失问题。其次,引入BorutaShap算法进行特征重要性筛选与降维,以剔除冗余特征、保留核心信息,降低模型输入维度。再次,构建政策性特征序列,整合政策层级差异、季节动态调整、时间衰减规律及协同冲突效应,实现政策因素的量化表征。同时依托时域卷积网络(Temporal Convolutional Network,TCN)捕捉长程趋势、时序二维变异建模网络(Temporal 2D-Variation Modeling Network,TimesNet)解析多尺度周期特征、双向长短期记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)刻画局部时序依赖,再引入政策门控机制动态调控特征权重,实现政策与时序数据的深度耦合,最后采用改进黑翅鸢算法(Improved Black-winged Kite Algorithm,IBKA)优化模型超参数,从而构建IBKA-TCN-TimesNet-BiLSTM天然气需求预测融合模型。【结果】为实现输入特征的精准筛选与维度优化,利用默认参数设定的XGBoost(eXtreme Gradient Boosting)模型,对原始数据集、插值后数据集、Deep Lasso筛选特征集、BorutaShap筛选特征集及其两两组合、三者联合特征集进行预测误差评估后发现,BorutaShap算法筛选效果最佳;新提出的基于政策量化驱动的IBKA-TCN-TimesNet-BiLSTM模型的预测精度优于其他对比模型,其平均绝对百分比误差、平均绝对误差、均方根误差分别为2.64%、9.42×108 m3、11.44×108 m3。【结论】该方法能有效适配政策与多因素影响下的天然气需求预测场景,可为天然气产供储销规划及行业决策提供参考依据。 展开更多
关键词 天然气需求 改进黑翅鸢算法 时域卷积网络 时序二维变异建模网络 双向长短期记忆网络
暂未订购 下载PDF
基于MSCNN-BKA-LSSVM的砂轮磨损状态识别研究 认领 引用
17
作者 尚连锋 王一帆 +3 位作者 周思康 张明柱 王宁宁 姚国光 《机床与液压》 北大核心 2026年第5期156-162,共7页
针对轴承套圈磨削过程中砂轮磨损状态识别精度低的问题,提出一种基于多尺度卷积神经网络(MSCNN)、黑翅鸢优化算法(BKA)和最小二乘支持向量机(LSSVM)的砂轮磨损状态识别模型。采集不同磨削工况下的砂轮全寿命周期声发射信号,使用部分集... 针对轴承套圈磨削过程中砂轮磨损状态识别精度低的问题,提出一种基于多尺度卷积神经网络(MSCNN)、黑翅鸢优化算法(BKA)和最小二乘支持向量机(LSSVM)的砂轮磨损状态识别模型。采集不同磨削工况下的砂轮全寿命周期声发射信号,使用部分集成局部特征尺度分解(PELCD)对声发射信号进行降噪处理,选取方差贡献率大于5%的本征尺度分量对信号进行重构;使用MSCNN提取信号特征,同时构建MSCNN全连接层结果特征数据集;最后,将特征集划分为训练集、验证集和测试集,使用BKA算法优化LSSVM的惩罚因子与核参数,以提升模型分类性能,并基于优化后的BKA-LSSVM实现磨损状态的识别。结果表明:经PELCD降噪后,MSCNN-BKA-LSSVM模型对砂轮初期、中期和严重磨损状态的识别准确率分别达到97.613%、96.322%和95.802%;消融实验中,在不同磨削工况下,模型的平均识别准确率达到97.309%,仅使用LSSVM的基准模型准确率为81.502%,加入BKA优化后的BKA-LSSVM模型准确率提升至88.195%。所建模型对砂轮磨损状态具有更好的泛化性能和识别效果。 展开更多
关键词 砂轮 磨损状态识别 部分集成局部特征尺度分解 多尺度卷积神经网络 黑翅鸢优化算法 最小二乘支持向量机
暂未订购 下载PDF
基于BKA优化的CNN-SENet-LSTM模型在大坝变形预测中的应用 认领 引用
18
作者 李霞 何磊 郑元江 《水电能源科学》 北大核心 2026年第5期150-155,共6页
为改善大坝安全预警中由于大坝变形过程复杂且具有显著的非线性特性导致的大坝变形预警效果较差的问题,提出一种基于BKA优化算法用于优化LSTM超参数的变形预测组合模型CNN-SENet-LSTM(BCSL)。该模型利用CNN提取数据的局部特征,SE-Net注... 为改善大坝安全预警中由于大坝变形过程复杂且具有显著的非线性特性导致的大坝变形预警效果较差的问题,提出一种基于BKA优化算法用于优化LSTM超参数的变形预测组合模型CNN-SENet-LSTM(BCSL)。该模型利用CNN提取数据的局部特征,SE-Net注意力机制优化特征权重,LSTM捕捉特征与变形之间的关系,并通过BKA算法优化LSTM的超参数,提升模型预测能力。实例应用结果表明,BCSL模型对LG3及LG4测点的预测效果优于CNN-SENet-LSTM、CNN-LSTM、LSTM及HST模型,BCSL模型的各项误差指标(MMAE、MMSE、RRMSE、MMAPE、R2)均优于对比模型,说明BCSL模型显著提升了大坝变形预测中的预测精度及鲁棒性,为大坝安全评价、变形预测及风险预警等提供了有效的支持。 展开更多
关键词 卷积神经网络 SE注意力机制 长短期记忆神经网络 BKA优化算法 变形预测
暂未订购 下载PDF
基于多策略改进黑翅鸢算法的永磁同步电机控制策略 认领 引用
19
作者 刘涛 侯浩方 +1 位作者 吴霞 张烁 《现代电子技术》 北大核心 2026年第16期83-88,共6页
永磁同步电机(PMSM)控制系统中,线性方法难以适配其非线性特性,且参数整定依赖经验试凑,存在调试周期长且匹配精度不足等问题。而群智能算法凭借全局寻优机制,在电机控制中展现出显著优势,并逐步实现工程化应用。在黑翅鸢算法(BKA)解决P... 永磁同步电机(PMSM)控制系统中,线性方法难以适配其非线性特性,且参数整定依赖经验试凑,存在调试周期长且匹配精度不足等问题。而群智能算法凭借全局寻优机制,在电机控制中展现出显著优势,并逐步实现工程化应用。在黑翅鸢算法(BKA)解决PMSM控制系统参数整定寻优效率不足、精度不佳的基础上,提出改进型黑翅鸢算法(I-BKA)。该算法通过引入Tent混沌映射、黄金正弦策略和莱维飞行机制,构建多策略协同优化框架,以提升寻优效率。通过搭建PMSM调速系统仿真模型,设置空载启动、突加负载、突卸负载三种工况,将常规控制方案、标准BKA与I-BKA进行对比实验,分析三种算法下的转速、转矩动态响应数据。实验结果表明,相较于前两种方案,I-BKA控制下的PMSM系统转速动态特性显著改善,响应过程更加平滑,空载启动调节时间缩短46%,超调量抑制至2%以内,同时转矩响应速度与收敛精度均获得提升。 展开更多
关键词 永磁同步电机 黑翅鸢算法 Tent混沌映射 黄金正弦策略 莱维飞行 参数优化 抗扰性能 多工况
暂未订购 下载PDF
VMD结合小波包模糊熵和BKA-SVM的电机轴承故障诊断 认领 引用
20
作者 欧阳名三 陶伟 《中国舰船研究》 CSCD 北大核心 2026年第4期408-419,共12页
[目的]针对船舶电机滚动轴承故障信号不明显和故障特征难以捕捉所导致的故障诊断可靠性低的问题,提出一种融合变分模态分解(VMD)与小波包模糊熵(WPFE)的特征提取方案,并引入黑翅鸢算法优化的支持向量机(BKA-SVM)模型来实现故障诊断。[方... [目的]针对船舶电机滚动轴承故障信号不明显和故障特征难以捕捉所导致的故障诊断可靠性低的问题,提出一种融合变分模态分解(VMD)与小波包模糊熵(WPFE)的特征提取方案,并引入黑翅鸢算法优化的支持向量机(BKA-SVM)模型来实现故障诊断。[方法]首先,对采集的电机轴承振动信号进行VMD分解,根据最小包络熵原则选择最优固有模态函数(IMF)分量。然后,采用小波包技术对筛选出的最优IMF分量作进一步细化,并计算其模糊熵值。最后,构造BKA-SVM模型,导入特征数据进行故障诊断与分类。[结果]根据不同算法优化SVM的仿真对比试验与自建试验平台的验证结果,BKA-SVM模型对3组不同样本的诊断准确率高达98.33%~100%。相较于粒子群优化(PSO)算法、麻雀搜索算法(SSA)和牛顿-拉夫逊优化算法(NRBO)处理的SVM模型,BKA-SVM在滚动轴承的故障提取与诊断方面具有更好的分类效果和准确性。[结论]研究成果可为船舶电机轴承的故障诊断提供参考。 展开更多
关键词 船舶电机 滚动轴承 故障分析 变分模态分解 小波包模糊熵 黑翅鸢算法 支持向量机
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 … 5 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈