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287篇文章
< 1 2 … 15 >
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：
Dung Beetle Optimization Algorithm Based on Bounded Reflection Optimization and Multi-Strategy Fusion for Multi-UAV Trajectory Planning 认领 引用
1
作者 Weicong Tan Qiwu Wu +2 位作者 Lingzhi Jiang Tao Tong Yunchen Su 《Computers, Materials & Continua》 SCIE EI 2025年第11期3621-3652,共32页
This study introduces a novel algorithm known as the dung beetle optimization algorithm based on bounded reflection optimization andmulti-strategy fusion(BFDBO),which is designed to tackle the complexities associated ... This study introduces a novel algorithm known as the dung beetle optimization algorithm based on bounded reflection optimization andmulti-strategy fusion(BFDBO),which is designed to tackle the complexities associated with multi-UAV collaborative trajectory planning in intricate battlefield environments.Initially,a collaborative planning cost function for the multi-UAV system is formulated,thereby converting the trajectory planning challenge into an optimization problem.Building on the foundational dung beetle optimization(DBO)algorithm,BFDBO incorporates three significant innovations:a boundary reflection mechanism,an adaptive mixed exploration strategy,and a dynamic multi-scale mutation strategy.These enhancements are intended to optimize the equilibrium between local exploration and global exploitation,facilitating the discovery of globally optimal trajectories thatminimize the cost function.Numerical simulations utilizing the CEC2022 benchmark function indicate that all three enhancements of BFDBOpositively influence its performance,resulting in accelerated convergence and improved optimization accuracy relative to leading optimization algorithms.In two battlefield scenarios of varying complexities,BFDBO achieved a minimum of a 39% reduction in total trajectory planning costs when compared to DBO and three other highperformance variants,while also demonstrating superior average runtime.This evidence underscores the effectiveness and applicability of BFDBO in practical,real-world contexts. 展开更多
关键词 Dung beetle optimizer algorithm swarm intelligence multi-UAV trajectory planning complex environments
暂未订购 下载PDF
基于IDBO-LightGBM的光伏阵列故障诊断方法 认领 引用 被引量：4
2
作者 吴亚钧 王璐 张金江 《电源学报》 CSCD 北大核心 2026年第4期122-132,共11页
为提高光伏阵列故障诊断的准确率,提出1种基于改进蜣螂优化IDBO(improved dung beetle optimazation)算法优化轻量级梯度提升机Light GBM(light gradient boosting machine)的光伏阵列故障诊断方法。通过IDBO对LightGBM中的特定超参数... 为提高光伏阵列故障诊断的准确率,提出1种基于改进蜣螂优化IDBO(improved dung beetle optimazation)算法优化轻量级梯度提升机Light GBM(light gradient boosting machine)的光伏阵列故障诊断方法。通过IDBO对LightGBM中的特定超参数进行寻优,建立基于IDBO-LightGBM的光伏阵列故障诊断模型。为有效区分各种故障,使用从电流-电压曲线中提取的特征点。为验证所提方法的效果,对模型进行仿真分析,将所提方法与LightGBM算法、DBO-LightGBM算法、其他决策树算法和支持向量机算法进行对比,验证了所提方法的稳定性与准确率。 展开更多
关键词 光伏阵列 故障诊断 改进蜣螂优化算法 轻量级梯度提升机
暂未订购 下载PDF
Elite Dung Beetle Optimization Algorithm for Multi-UAV Cooperative Search in Mountainous Environments 认领 引用 被引量：5
3
作者 Xiaoyong Zhang Wei Yue 《Journal of Bionic Engineering》 SCIE EI CSCD 2024年第4期1677-1694,共18页
This paper aims to address the problem of multi-UAV cooperative search for multiple targets in a mountainous environment,considering the constraints of UAV dynamics and prior environmental information.Firstly,using th... This paper aims to address the problem of multi-UAV cooperative search for multiple targets in a mountainous environment,considering the constraints of UAV dynamics and prior environmental information.Firstly,using the target probability distribution map,two strategies of information fusion and information diffusion are employed to solve the problem of environmental information inconsistency caused by different UAVs searching different areas,thereby improving the coordination of UAV groups.Secondly,the task region is decomposed into several high-value sub-regions by using data clustering method.Based on this,a hierarchical search strategy is proposed,which allows precise or rough search in different probability areas by adjusting the altitude of the aircraft,thereby improving the search efficiency.Third,the Elite Dung Beetle Optimization Algorithm(EDBOA)is proposed based on bionics by accurately simulating the social behavior of dung beetles to plan paths that satisfy the UAV dynamics constraints and adapt to the mountainous terrain,where the mountain is considered as an obstacle to be avoided.Finally,the objective function for path optimization is formulated by considering factors such as coverage within the task region,smoothness of the search path,and path length.The effectiveness and superiority of the proposed schemes are verified by the simulation. 展开更多
关键词 Mountainous environment Multi-UAV cooperative search Environment information consistency Elite dung beetle optimization algorithm(EDBOA) Path planning
基于螺旋觅食DBO算法的轮式巡检机器人路径避障 认领 引用 被引量：1
4
作者 段晓亮 付丽琴 陈慧敏 《机械制造与自动化》 2026年第1期229-235,共7页
为了解决常规轮式机器人路径避障规划方法容易出现收敛慢、易得局部最优及路径平滑性差的不足,提出一种基于螺旋觅食蜣螂优化算法的机器人路径规划方法。引入PWLCM混沌映射与精英随机对立学习种群初始化、权重因子非线性递减、结合黏菌... 为了解决常规轮式机器人路径避障规划方法容易出现收敛慢、易得局部最优及路径平滑性差的不足,提出一种基于螺旋觅食蜣螂优化算法的机器人路径规划方法。引入PWLCM混沌映射与精英随机对立学习种群初始化、权重因子非线性递减、结合黏菌优化算法的螺旋觅食及t分布变异对算法搜索性能进行改进。以栅格地图为基础构建路径规划模型,兼顾路径长度及其平滑性设计评估个体搜索质量的适应度函数,并利用改进蜣螂优化算法对最优路径迭代寻优。结果表明:改进算法路径长度更短且平滑性更好,求解效率更高,能有效解决轮式机器人路径规划问题。 展开更多
关键词 轮式机器人 路径规划 蜣螂优化算法 t分布 对立学习
暂未订购 下载PDF
基于IDBO–BP神经网络的巷道围岩松动圈厚度预测模型 认领 引用
5
作者 余一松 郭奇峰 +2 位作者 晋方杰 刘佳伟 王勇兵 《工程科学学报》 EI CAS CSCD 北大核心 2026年第7期1470-1483,共14页
松动圈厚度是巷道围岩稳定性评价不可或缺的关键参数,准确预测松动圈厚度对于地下工程安全具有重要意义.本文选取能够充分反映松动圈特征的五个关键因素,巷道埋深、巷道跨度、掘进断面积、岩体单轴抗压强度以及节理发育程度作为松动圈... 松动圈厚度是巷道围岩稳定性评价不可或缺的关键参数,准确预测松动圈厚度对于地下工程安全具有重要意义.本文选取能够充分反映松动圈特征的五个关键因素,巷道埋深、巷道跨度、掘进断面积、岩体单轴抗压强度以及节理发育程度作为松动圈厚度的预测指标.在蜣螂优化(DBO)算法的基础上,通过引入Chebyshev混沌映射、黄金正弦策略和动态权重系数,构建了一种多策略融合的改进蜣螂优化算法(IDBO),并将其用于优化BP神经网络的初始权值和阈值,从而构建了基于IDBO–BP神经网络的松动圈厚度预测模型.利用102组松动圈实例数据对该模型的适用性和可靠性进行了验证.同时,采用Spearman相关性分析评估了各预测指标与松动圈厚度之间的相关程度,并通过R2、MAE、MBE和RMSE等指标对IDBO–BP神经网络模型的预测性能进行了系统评价.最后,将所构建模型应用于某金矿不同埋深巷道的松动圈厚度预测,以进一步验证其工程应用效果.结果表明:在5个预测指标中,节理发育程度与松动圈厚度的相关性最强,掘进断面积最弱;相比于BP和DBO–BP模型,IDBO–BP预测模型对于训练集与测试集的预测位置偏离程度更小,预测精度更高;与SVM、RF、PLS、BP、DBO–BP相比,IDBO–BP的R2值最接近1,MAE、MBE和RMSE值最小,表明IDBO–BP预测性能最好、迭代速度最快,预测精度最高;IDBO–BP模型对三个水平巷道的松动圈厚度预测平均误差为8.2%,相较于BP和DBO–BP模型,分别减少了9.3%和5.3%,预测精度得到较大提升,进一步证明了所提模型的可靠性. 展开更多
关键词 松动圈 BP神经网络 蜣螂优化算法 预测模型 模型性能评估
暂未订购 下载PDF
CW-MIDBO-ELM:一种考虑天气影响的光伏功率优化组合预测模型 认领 引用
6
作者 马彦宏 付国力 +2 位作者 高敬更 张红 姬文宣 《科学技术与工程》 EI 北大核心 2026年第13期5521-5530,共10页
因受太阳辐射、风速和温度等因素的影响,光伏发电的功率会产生较大的波动,在进行大规模光伏并网时,这种波动会对电力系统的运行和调度造成很大的困难,因此,准确的光伏发电功率预测对确保电网稳定运营起着很大的作用。提出了一种结合自... 因受太阳辐射、风速和温度等因素的影响,光伏发电的功率会产生较大的波动,在进行大规模光伏并网时,这种波动会对电力系统的运行和调度造成很大的困难,因此,准确的光伏发电功率预测对确保电网稳定运营起着很大的作用。提出了一种结合自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与小波分析(wavelet analysis)、多策略融合改进的蜣螂优化算法(multi-strategy improved dung beetle optimization,MIDBO)和极限学习机(extreme learning machine,ELM)的光伏功率组合预测模型,即CW-MIDBO-ELM。使用CEEMDAN联合小波降噪对影响光伏输出功率的关键影响因素进行分解重构,降低影响因素序列的非平稳性,并对蜣螂算法进行多策略融合改进,优化ELM算法的连接权重和隐含层偏置参数,提高ELM算法的网络稳定性和预测准确性。通过实验验证,所提出的光伏功率组合模型在预测性能上有明显提升。 展开更多
关键词 光伏功率预测 极限学习机 蜣螂优化算法 自适应噪声完备集合经验模态分解
暂未订购 下载PDF
基于IDBO-SVM模型的短时交通流预测 认领 引用
7
作者 孙泰屹 汪子豪 《公路交通科技》 CAS CSCD 北大核心 2026年第4期36-45,共10页
【目标】为精准进行短时交通流预测,挖掘交通流数据潜在价值,同时为交通管理部门和出行者提供科学决策依据,提出基于改进蜣螂优化算法(IDBO)优化支持向量机(SVM)的短时交通流预测模型(IDBO-SVM)。【方法】通过引入Bernoulli混沌映射解... 【目标】为精准进行短时交通流预测,挖掘交通流数据潜在价值,同时为交通管理部门和出行者提供科学决策依据,提出基于改进蜣螂优化算法(IDBO)优化支持向量机(SVM)的短时交通流预测模型(IDBO-SVM)。【方法】通过引入Bernoulli混沌映射解决传统DBO算法初始种群分布不均问题,避免算法陷入局部最优;加入自适应权重因子改进偷窃蜣螂位置更新公式,平衡算法全局搜索与局部开发能力;融入差分进化(DE)策略增强算法后期收敛能力,提升模型精度;选取8个基准测试函数对IDBO算法进行仿真验证,再基于英国M6高速公路真实交通流数据,将IDBO-SVM模型与PSO-SVM,DE-SVM,DBO-SVM模型进行预测性能对比,以验证所提出模型的有效性。【结果】仿真结果表明,IDBO算法在单峰、多峰和固定维多峰测试函数上均具备出色的寻优性能,寻优速度和精度较传统算法显著提升;预测结果显示,IDBO-SVM模型MAE为23.14(改善0.11~3.53),RMSE值为30.79(改善0.21~4.57),MAPE值为3.77改善(0.005~0.87),预测精度大幅优于对比模型,能够实现短时交通流精准预测。【结论】该IDBO-SVM模型通过多维度改进蜣螂算法优化SVM参数,有效克服了传统模型的性能缺陷,可精准完成短时交通流预测,具有一定应用前景。 展开更多
关键词 智能交通 短时交通流预测 改进蜣螂优化算法 支持向量机 群智能算法
暂未订购 下载PDF
基于FDBO+Informer-ECANet的齿轮箱故障诊断分析 认领 引用
8
作者 李婷婷 贾东 《机械传动》 北大核心 2026年第3期161-171,共11页
【目的】基于智能优化算法与深度神经网络的齿轮箱故障诊断方法逐渐成为研究热点,但仍然存在较多问题。为了解决强噪声环境下齿轮故障特征提取难、诊断准确率低的问题,提出一种基于融合增强型蜣螂优化(Fusion-enhanced Dung Beetle Opti... 【目的】基于智能优化算法与深度神经网络的齿轮箱故障诊断方法逐渐成为研究热点,但仍然存在较多问题。为了解决强噪声环境下齿轮故障特征提取难、诊断准确率低的问题,提出一种基于融合增强型蜣螂优化(Fusion-enhanced Dung Beetle Optimization,FDBO)算法、Informer模型和通道注意力机制(Efficient Channel Attention Network,ECANet)模块的齿轮箱故障诊断方法。【方法】首先,针对现有蜣螂优化(Dung Beetle Optimization,DBO)算法全局搜索能力不足、易陷入局部最优等问题,引入融合Fuch混沌映射兼逆反向学习策略、自适应步长策略与凸透镜成像反转策略集成、随机差异变异策略,提高算法的全局搜索能力;其次,基于Informer模型出色的长时间序列处理能力,高效提取出序列数据中的全局特征与局部特征;尤其针对包含长时间依赖关系的故障信号,该模型可展现出极高的分类性能;再次,在Informer模型的编辑器中引入ECANet模块,对Informer提取的特征进行通道级的自适应校准,提高模型对重要特征的关注度,以增强特征表达能力、减少噪声干扰;最后,通过FDBO算法对Informer-ECANet模型多个超参数进行寻优,确定最优参数组合,以增强模型的诊断能力和泛化性能。【结果】试验结果表明,在无噪声条件下,所提模型准确率达100%;在加入-6 dB的高斯白噪声下准确率仍达到94.4%,验证了所提模型的优越性,为齿轮箱故障诊断提供了一种新型有效的智能方法。 展开更多
关键词 融合增强型蜣螂优化算法 Informer模型 ECANet模块 随机差异变异策略
暂未订购 下载PDF
前馈网络CDBO优化算法机器人全局路径规划研究 认领 引用
9
作者 刘俊毅 《计算机科学与探索》 CSCD 北大核心 2026年第5期1339-1354,共16页
随着机器人技术的发展,路径规划已成为智能化系统中的核心问题。针对传统蜣螂优化(DBO)算法在搜索能力和收敛效率方面的不足,提出一种融合多策略的改进型DBO算法。该算法引入Fuch混沌映射与前馈神经网络模型结合的初始化机制,有效增加... 随着机器人技术的发展,路径规划已成为智能化系统中的核心问题。针对传统蜣螂优化(DBO)算法在搜索能力和收敛效率方面的不足,提出一种融合多策略的改进型DBO算法。该算法引入Fuch混沌映射与前馈神经网络模型结合的初始化机制,有效增加搜索空间的多样性,避免搜索过程中可能出现的局部最优。整合自适应精英反向学习与非线性螺旋搜索策略,以提升全局搜索能力与稳定性。设计多方向指数正弦扰动机制,实现自适应偷窃搜索,加快收敛速度并规避局部最优陷阱。为强化局部优化能力,进一步融合了粒子群优化(PSO)的动态差异变异更新策略。实验结果表明,改进型DBO算法在复杂环境下的路径规划性能优于传统DBO算法,不仅在路径长度上平均缩短了10.3%,而且在全局搜索、避障能力及路径平滑性方面均表现出显著的优势。这一改进算法的提出,为机器人路径规划问题提供了新的思路,并具有较强的实际应用价值。 展开更多
关键词 蜣螂优化(DBO)算法 Fuch混沌映射 自适应精英反向学习策略 多方向指数正弦自适应偷窃策略 路径规划
暂未订购 下载PDF
基于DBO-FOPID控制器的无刷直流电机DTC控制 认领 引用
10
作者 黄康 刘杭 +1 位作者 孙浩 夏伟 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2026年第6期739-746,共8页
文章采用一种直接转矩控制(direct torque control,DTC)方案,将参考扭矩直接与估计扭矩进行比较,并将误差提供给控制器,从而实现极低转矩纹波下的直流无刷电机(brushless direct current motor,BLDC)控制。相较于传统的整数阶比例-积分... 文章采用一种直接转矩控制(direct torque control,DTC)方案,将参考扭矩直接与估计扭矩进行比较,并将误差提供给控制器,从而实现极低转矩纹波下的直流无刷电机(brushless direct current motor,BLDC)控制。相较于传统的整数阶比例-积分-微分(proportion-integration-differentiation,PID)控制器,分数阶PID(fractional order PID,FOPID)控制器的可调参数由过去的KP、KI、KD增加为KP、KI、KD、λ、μ,可调参数数量的增加能够更好地反映控制对象的非线性特性和时变性质,从而提升控制系统的鲁棒性。为避免PID参数过于依赖专家经验的缺点,采用蜣螂优化(dung beetle optimization,DBO)算法对FOPID进行自适应参数整定;并在MATLAB/Simulink环境中搭建BLDC的DTC控制模型,将所提出的基于DBO-FOPID控制器的BLDC直接转矩控制与基于粒子群优化(particle swarm optimization,PSO)算法的FOPID控制器的BLDC直接转矩控制、基于麻雀搜索优化算法(sparrow search algorithm,SSA)的FOPID控制器的BLDC直接转矩控制以及基于PI(proportion integration)控制器的BLDC速度控制等方法进行对比。仿真对比结果验证了所提出的控制器能够以极低的转矩脉动实现对电机转矩的有效控制。 展开更多
关键词 分数阶比例-积分-微分(FOPID)控制器 直接转矩控制(DTC) 蜣螂优化(DBO)算法 参数整定
暂未订购 下载PDF
改进ADBO-ASRS-AFPN的悬臂式掘进机主传动故障诊断方法 认领 引用
11
作者 吕圣林 《机电工程》 CAS 北大核心 2026年第1期92-101,共10页
现有的悬臂式掘进机主传动系统故障诊断方法,存在诊断精度低且深度学习故障诊断模型超参数敏感等问题,为此,提出了一种基于自适应蜣螂优化的自适应频谱与残差递进渐近式特征金字塔网络(ADBO-ASRS-AFPN)的故障诊断方法。首先,使用了自适... 现有的悬臂式掘进机主传动系统故障诊断方法,存在诊断精度低且深度学习故障诊断模型超参数敏感等问题,为此,提出了一种基于自适应蜣螂优化的自适应频谱与残差递进渐近式特征金字塔网络(ADBO-ASRS-AFPN)的故障诊断方法。首先,使用了自适应频谱模块,对振动信号进行了自适应高频噪声滤除;然后,采用了残差递进特征提取模块,提取了信号的多尺度时域特征;接着,对多个尺度特征采用渐近式特征金字塔进行了故障特征的语义协同增强,针对模型性能对超参数敏感的问题,引入了自适应蜣螂优化算法对该算法的关键超参数进行了自适应寻优;最后,利用模拟故障实验数据对故障诊断方法的有效性和优越性进行了验证。研究结果表明:该模型在典型工况上的故障诊断准确率达到98.23%,采用对比实验验证了该模型与其他传统模型相比具有一定的优越性;开展了消融实验,验证了各组成模块对该模型性能提升的贡献。该研究结果可为悬臂式掘进机主传动系统的故障诊断提供新方法。 展开更多
关键词 采掘机械 机械传动系统 自适应频谱模块 深度学习 优化算法 自适应蜣螂优化的自适应频谱与残差递进渐近式特征金字塔网络
暂未订购 下载PDF
基于DBO-XGBoost模型和EWMA控制图的海上风电机组发电机轴承故障预测方法 认领 引用 被引量：2
12
作者 吴青 王霄 +4 位作者 陶彦亭 宋泽爽 徐凌桦 闫建国 邢学树 《机械强度》 CAS CSCD 北大核心 2026年第1期133-142,共10页
【目的】为及时发现海上风电机组发电机轴承的故障,提出一种基于蜣螂优化(Dung Beetle Optimizer,DBO)算法和极端梯度提升树(eXtreme Gradient Boosting,XGBoost)模型的DBO-XGBoost发电机轴承温度预测模型,并结合指数加权移动平均值(Exp... 【目的】为及时发现海上风电机组发电机轴承的故障,提出一种基于蜣螂优化(Dung Beetle Optimizer,DBO)算法和极端梯度提升树(eXtreme Gradient Boosting,XGBoost)模型的DBO-XGBoost发电机轴承温度预测模型,并结合指数加权移动平均值(Exponentially Weighted Moving Average,EWMA)控制图实现发电机轴承的故障预测。【方法】首先,通过最大互信息系数(Maximal Information Coefficient,MIC)选取数据采集与监视控制(Supervisory Control And Data Acquisition,SCADA)系统中能准确表征发电机轴承状态的关键特征,并将其输入DBO-XGBoost模型中,对正常工况下的发电机轴承温度进行预测。其次,使用马氏距离(Mahalanobis Distance,MD)衡量真实值与预测值之间的偏差,并将MD序列输入基于EWMA控制图的变点检测算法中,以获取故障出现的变点,从而实现故障预测。最后,基于特征的重要性构建轴承故障模式知识图谱。【结果】结果表明,所提方法能对正常工况下发电机轴承的温度实现较为精准的预测,并能提前3天对故障进行预警,与通过设定单一阈值进行故障预警的方法相比,所提方法能更准确地检测到故障发生的时间。构建的轴承故障模式知识图谱为运维人员提供了可视化的运维决策支持。 展开更多
关键词 海上风电机组 蜣螂优化算法 发电机轴承 故障预测 指数加权移动平均值
暂未订购 下载PDF
基于CEEMDAN-DBO-VMD-TCN-BiGRU的短期风电功率预测 认领 引用 被引量：1
13
作者 陈旭东 卞礼杰 +3 位作者 马刚 陈浩 詹孝升 彭乐瑶 《综合智慧能源》 CAS 2026年第1期13-22,共10页
提升风电功率预测的准确性对于保障电网安全与稳定运行至关重要。然而,风电具有高度的随机性和波动性,传统预测方法在特征提取和建模能力方面存在不足。为此,提出一种融合完全自适应噪声集合经验模态分解(CEEMDAN)、蜣螂优化(DBO)算法... 提升风电功率预测的准确性对于保障电网安全与稳定运行至关重要。然而,风电具有高度的随机性和波动性,传统预测方法在特征提取和建模能力方面存在不足。为此,提出一种融合完全自适应噪声集合经验模态分解(CEEMDAN)、蜣螂优化(DBO)算法、变分模态分解(VMD)、时间卷积网络(TCN)与双向门控循环单元(BiGRU)的短期风电功率预测模型CEEMDAN-DBO-VMD-TCN-BiGRU。利用CEEMDAN对原始风电功率数据进行分解,提取内在模态函数(IMF)以捕捉时间序列的关键特征;通过样本熵与K-means聚类将IMF划分为高频、中频和低频分量,选取高频分量采用DBO优化的VMD进行二次分解,以提高特征提取效果并降低计算复杂度;所有分量经归一化处理后输入TCN-BiGRU组合模型进行预测,各分量预测结果经叠加与反归一化处理获得最终预测值。试验结果显示,相较于对比模型,该模型的预测精度最优,验证了所提模型的有效性、稳定性和应用潜力。 展开更多
关键词 风电功率预测 完全自适应噪声集合经验模态分解 蜣螂优化算法 变分模态分解 样本熵 K-means聚类 时间卷积网络 双向门控循环单元
暂未订购 下载PDF
Fed-HOER: Federated Hybrid-Optimized Emotion Recognition Framework Using DBO-FLA Metaheuristic Optimization 认领 引用
14
作者 Mohammed Shukur Alfaras Oguz Karan +1 位作者 Sefer Kurnaz Ayca Kurnaz Turkben 《Computers, Materials & Continua》 SCIE EI 2026年第8期1673-1699,共27页
Despite deep learning’s high precision in emotion identification,centralized training is associated with privacy and scalability concerns.The privacy-preserving federated learning model,Federated Hybrid-Optimized Emo... Despite deep learning’s high precision in emotion identification,centralized training is associated with privacy and scalability concerns.The privacy-preserving federated learning model,Federated Hybrid-Optimized Emotion Recognition(Fed-HOER),introduced in this paper is an auto-tuning hyperparameters optimizer based on a hybrid Dung Beetle Optimizer-Fick’s Law Algorithm(DBO-FLA)optimizer.The global and local searches are optimized at two levels,and validation loss is minimized by 22%–24%without sharing raw data.The experiments on Extended Cohn–Kanade(CK+),Japanese Female Facial Expressions(JAFFE),and Karolinska Directed Emotional Faces(KDEF)exhibit a high generalization rate with a mean accuracy of 98.14.The findings demonstrate that Fed-HOER is statistically significantly better than baseline configurations.The results show that the suggested framework offers a favorable trade-off between predictive accuracy and privacy protection,which is why it can be used in the healthcare,educational,and other emotion-related fields. 展开更多
关键词 Emotion recognition affective computing federated learning Dung Beetle Optimizer(DBO) Fick’s Law Algorithm(FLA) hybrid metaheuristic optimization privacy preservation convolutional neural networks(CNN)
暂未订购 下载PDF
Optimized VMD algorithm for noise reduction of absorption spectra of CO2 认领 引用
15
作者 Ru Zhang Junfen Wang +3 位作者 Xuemei Shi Mingliang Li Zhanmin Zhao Han Wang 《Optoelectronics Letters》 EI 2026年第1期23-28,共6页
The end tidal carbon dioxide(EtCO2)is crucial for monitoring patients respiratory function,which reflects the status of lung ventilation and gas exchange.Therefore,achieving accurate measurements of EtCO2holds s... The end tidal carbon dioxide(EtCO2)is crucial for monitoring patients respiratory function,which reflects the status of lung ventilation and gas exchange.Therefore,achieving accurate measurements of EtCO2holds significant importance in clinical practice.The measurements of EtCO2based on wavelength modulation-direct absorption spectroscopy(WM-DAS)had great advantages and the noise reduction of spectrum was very important.An optimized variational mode decomposition(VMD)algorithm improved by the dung beetle optimization algorithm and wavelet packet denoising algorithm was proposed to enhance the measurement accuracy of EtCO2concentration.The dung beetle optimization algorithm was used to obtain the optimal number of decomposition mode layers K and secondary penalty factorα.The optimal parameters were used to decompose the original transmitted light intensity signal with noise,and a series of intrinsic mode functions(IMFs)were obtained.Pearson correlation coefficient(R)was used to select the pure signal and the noisy signal,and the noisy signal was denoised by wavelet packet denoising algorithm.The transmitted light intensity signal was reconstructed by the signal processed by wavelet packet denoising algorithm and the pure signal.The results showed that the proposed algorithm could effectively remove the noise of signal of transmitted light intensity and improve the accuracy of concentration measurements of EtCO2. 展开更多
关键词 monitoring patients respiratory functionwhich Variational Mode Decomposition Wavelet Packet Denoising noise reduction spectrum end tidal carbon dioxide etco Dung Beetle Optimization Algorithm dung be lung ventilation
暂未订购 下载PDF
基于DBO的蒸汽换热系统PID参数优化方法研究 认领 引用
16
作者 朱宏燃 林硕 +3 位作者 韩忠华 臧春华 苏宝玉 李振杰 《化工自动化及仪表》 CAS 2026年第3期457-464,480,共8页
提出一种PID区间控制方法,消除系统稳态时因噪声引起的阀门振荡。提出一种将积分绝对误差指标与自定义阀门开度指标相结合的综合性能评估指标,对系统性能进行评估。当系统的评估结果不满足需求时,以综合性能指标作为目标函数,采用蜣螂优... 提出一种PID区间控制方法,消除系统稳态时因噪声引起的阀门振荡。提出一种将积分绝对误差指标与自定义阀门开度指标相结合的综合性能评估指标,对系统性能进行评估。当系统的评估结果不满足需求时,以综合性能指标作为目标函数,采用蜣螂优化(DBO)算法对控制器参数进行动态寻优。最后通过仿真实验验证了该方法的有效性。 展开更多
关键词 PID控制器 蜣螂优化算法 区间控制 性能评估 参数优化
暂未订购 下载PDF
基于VMD-DBO-SVM的缺陷的非线性超声检测方法 认领 引用
17
作者 刘雨昊 李少义 +3 位作者 吴坚 陈汉新 王耕 章立恒 《噪声与振动控制》 CSCD 北大核心 2026年第1期309-315,共7页
提出一种基于变分模态分解(Variational Mode Decomposition,VMD)联合蜣螂优化算法(Dung Beetle Optimizer,DBO)和支持向量机(Support Vector Machine,SVM)的缺陷检测方法。该方法可以基于非线性超声检测有效探测金属板材试件中的裂缝,... 提出一种基于变分模态分解(Variational Mode Decomposition,VMD)联合蜣螂优化算法(Dung Beetle Optimizer,DBO)和支持向量机(Support Vector Machine,SVM)的缺陷检测方法。该方法可以基于非线性超声检测有效探测金属板材试件中的裂缝,并且对不同深度的裂缝试件进行分类。首先选择最佳参数对基波与二次谐波信号进行变分模态分解,在获得多个本征模态分量(Intrinsic Mode Function,IMF)后,选择与原始信号相关性系数高的IMF分量进行特征提取。最后将从基波和二次谐波中提取到的特征向量组成特征数据集,输入经过DBO优化后的SVM模型进行缺陷分类识别。结果证明,该模型的缺陷识别率可达到95%,并且识别准确率随着试件的损伤程度的增加而增大。 展开更多
关键词 振动与波 非线性超声检测 支持向量机 变分模态分解 蜣螂优化算法
暂未订购 下载PDF
基于FLADBO算法的永磁同步电机STSMO无感控制 认领 引用
18
作者 薛垚君 李昕涛 +2 位作者 韩子健 高云广 吴青峰 《组合机床与自动化加工技术》 北大核心 2026年第6期114-119,共6页
针对永磁同步电机(permanent magnet synchronous motor,PMSM)在复杂工况下的状态观测精度问题,提出了一种基于改进蜣螂优化算法的自适应超螺旋滑模观测器控制方法。首先建立了PMSM的精确数学模型,并在传统超螺旋滑模观测器(super-twist... 针对永磁同步电机(permanent magnet synchronous motor,PMSM)在复杂工况下的状态观测精度问题,提出了一种基于改进蜣螂优化算法的自适应超螺旋滑模观测器控制方法。首先建立了PMSM的精确数学模型,并在传统超螺旋滑模观测器(super-twisting sliding mode observer,STSMO)的基础上进行了3项关键改进:(1)引入双二阶广义积分器结构,有效抑制了高频噪声干扰并改善了相位滞后问题;(2)采用改进的蜣螂优化算法对滑模参数进行动态优化,实现了控制参数的自适应调整;(3)建立了在线迭代优化机制,使系统能够在运行过程中持续优化控制性能。为验证所提方法的有效性,在MATLAB/Simulink平台构建了完整的PMSM无传感器控制系统仿真模型。实验结果表明,与传统方法相比,FLADBO-STSMO在保持系统稳定性的同时,显著提高了转速和位置估计精度,具有更快的收敛速度和更强的抗干扰能力,为高性能PMSM控制提供了一种有效的解决方案。 展开更多
关键词 永磁同步电机 超螺旋滑模观测器 高频噪声 二阶广义积分器 改进蜣螂优化算法
暂未订购 下载PDF
基于模态分解和LSTM-IDBO-GRU的光伏功率预测研究 认领 引用
19
作者 朱婷 颜七笙 《动力工程学报》 CAS CSCD 北大核心 2026年第8期117-127,共11页
为提高光伏发电功率的预测精度,提出了一种基于霜冰优化算法(RIME)、变分模态分解(VMD)、长短期记忆网络(LSTM)和改进蜣螂优化算法(IDBO)优化门控循环单元(GRU)的光伏功率组合预测模型。该方法首先以最小包络熵作为优化算法的适应度函数... 为提高光伏发电功率的预测精度,提出了一种基于霜冰优化算法(RIME)、变分模态分解(VMD)、长短期记忆网络(LSTM)和改进蜣螂优化算法(IDBO)优化门控循环单元(GRU)的光伏功率组合预测模型。该方法首先以最小包络熵作为优化算法的适应度函数,使用RIME对VMD进行优化,寻找本征模态函数(IMF)分量的个数和惩罚因子的最优参数组合。其次,根据过零率将这些分量划分为低频和高频,低频分量使用LSTM模型进行预测,针对高频分量预测精度无法保证的问题,采用多种策略对传统的蜣螂优化算法进行改进,并利用IDBO-GRU模型对高频分量进行预测。最后,将预测结果重构得到光伏发电功率的最终结果。对比实验结果表明:相对于VMD-LSTM-GRU、RIME-VMD-LSTM-GRU和RIME-VMD-LSTM-蜣螂优化算法(DBO)-GRU模型,所提组合模型优于其他模型,各误差评价指标最小,具有更高的预测精度。 展开更多
关键词 光伏发电功率预测 霜冰优化算法 VMD 改进蜣螂优化算法 LSTM GRU
暂未订购 下载PDF
基于DBO-ELM的露天矿山爆破块度预测研究 认领 引用
20
作者 李春凯 白镕宇 +2 位作者 耿威 杜佳 汪文也 《世界有色金属》 2026年第2期107-110,共4页
露天矿山爆破作业复杂多样,多种因素、效应相互扰动,有效预测爆破效果和参数优化带来极大挑战。为了提升爆破效果、控制生产能耗,以爆破破碎度作为关键预测指标,构建基于多参数的混合智能模型。模型基于蜣螂算法优化的极限学习机(DBO-E... 露天矿山爆破作业复杂多样,多种因素、效应相互扰动,有效预测爆破效果和参数优化带来极大挑战。为了提升爆破效果、控制生产能耗,以爆破破碎度作为关键预测指标,构建基于多参数的混合智能模型。模型基于蜣螂算法优化的极限学习机(DBO-ELM)进行露天矿山爆破块度预测。此外,通过多种预测模型进行性能对比,DBO-ELM 模型在爆破块度预测方面表现最优,平均绝对误差(eMAE)为0.01868,相关系数(R2)高达0.98421,提高了爆破现场试验参数的可靠性与有效性。研究成果为露天矿爆破设计提供了科学依据,推动开采露天矿山的高效化与精细化发展。 展开更多
关键词 露天矿山 爆破块度预测 蜣螂算法 极限学习机 多目标预测
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 … 15 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈