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382篇文章
< 1 2 … 20 >
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：
Application of the improved dung beetle optimizer,muti-head attention and hybrid deep learning algorithms to groundwater depth prediction in the Ningxia area,China 认领 引用 被引量：2
1
作者 Jiarui Cai Bo Sun +5 位作者 Huijun Wang Yi Zheng Siyu Zhou Huixin Li Yanyan Huang Peishu Zong 《Atmospheric and Oceanic Science Letters》 CSCD 2025年第1期18-23,共6页
Due to the lack of accurate data and complex parameterization,the prediction of groundwater depth is a chal-lenge for numerical models.Machine learning can effectively solve this issue and has been proven useful in th... Due to the lack of accurate data and complex parameterization,the prediction of groundwater depth is a chal-lenge for numerical models.Machine learning can effectively solve this issue and has been proven useful in the prediction of groundwater depth in many areas.In this study,two new models are applied to the prediction of groundwater depth in the Ningxia area,China.The two models combine the improved dung beetle optimizer(DBO)algorithm with two deep learning models:The Multi-head Attention-Convolution Neural Network-Long Short Term Memory networks(MH-CNN-LSTM)and the Multi-head Attention-Convolution Neural Network-Gated Recurrent Unit(MH-CNN-GRU).The models with DBO show better prediction performance,with larger R(correlation coefficient),RPD(residual prediction deviation),and lower RMSE(root-mean-square error).Com-pared with the models with the original DBO,the R and RPD of models with the improved DBO increase by over 1.5%,and the RMSE decreases by over 1.8%,indicating better prediction results.In addition,compared with the multiple linear regression model,a traditional statistical model,deep learning models have better prediction performance. 展开更多
关键词 Groundwater depth Multi-head attention Improved dung beetle optimizer CNN-LSTM CNN-GRU Ningxia
暂未订购 下载PDF
Dung Beetle Optimization Algorithm Based on Bounded Reflection Optimization and Multi-Strategy Fusion for Multi-UAV Trajectory Planning 认领 引用
2
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
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
Optimized VMD algorithm for noise reduction of absorption spectra of CO2 认领 引用
4
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
Fed-HOER: Federated Hybrid-Optimized Emotion Recognition Framework Using DBO-FLA Metaheuristic Optimization 认领 引用
5
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
Rapid Determination of Hemicellulose Content in Corn Stalks by Near-infrared Spectroscopy Based on Dung Beetle Optimizer 认领 引用
6
作者 Baihong TONG Jinming LIU Jianfei SHI 《Agricultural Biotechnology》 2024年第5期83-85,92,共3页
Corn stalks are a kind of common organic fertilizer and feed material in agriculture in China,as well as an important source of modern biomass energy and new materials.Hemicellulose is an important component in corn s... Corn stalks are a kind of common organic fertilizer and feed material in agriculture in China,as well as an important source of modern biomass energy and new materials.Hemicellulose is an important component in corn stalks,and it is very important to determine its content in corn stalks.In this paper,the feasibility of near-infrared spectroscopy(NIRS)combined with chemometrics for rapid detection of hemicellulose content in corn stalks was studied.In order to improve the accuracy of NIRS detection,a new intelligent optimization algorithm,dung beetle optimizer(DBO),was applied to select characteristic wavelengths of NIRS.Its modeling performance was compared with that based on characteristic wavelength selection using genetic algorithm(GA)and binary particle swarm optimization(BPSO),and it was found that the characteristic wavelength selection performance of DBO was excellent,and the regression accuracy of hemicellulose quantitative detection model established by its preferred characteristic wavelengths was better than the above two intelligent optimization algorithms. 展开更多
关键词 Hemicellulose Near-infrared spectrum Characteristic wavelength selection Intelligent optimization algorithm Dung beetle algorithm
暂未订购 下载PDF
基于SABO-VMD与改进KELM的水电机组故障诊断 认领 引用 被引量：3
7
作者 张彬桥 高志伟 +1 位作者 陈庆松 章泽生 《人民长江》 北大核心 2026年第6期252-259,276,共8页
为了提高水电机组故障诊断的精度,提出一种由减法平均优化算法(SABO)优化变分模态分解(VMD)及改进蜣螂优化算法(IDBO)-核极限学习机(KELM)联合构建的水电机组故障诊断模型。首先,采用SABO算法来优化VMD的重要参数(惩罚因子α和分解个数... 为了提高水电机组故障诊断的精度,提出一种由减法平均优化算法(SABO)优化变分模态分解(VMD)及改进蜣螂优化算法(IDBO)-核极限学习机(KELM)联合构建的水电机组故障诊断模型。首先,采用SABO算法来优化VMD的重要参数(惩罚因子α和分解个数K);提取SABO-VMD分解排列熵与互信息熵的复合函数最小本征模态分量(IMF)作为最优分量,计算其相关时域特征参数并构建故障信号特征向量;然后引入Tent混沌映射和自适应t分布扰动多种策略对蜣螂优化算法进行改进,并利用IDBO算法对KELM模型进行参数优化,构建IDBO-KELM水电机组故障诊断模型;最后采用转子实验平台模拟机组轴系故障,对模型进行验证。验证结果表明:该方法在水电机组轴系故障诊断方面的准确率达到99.375%。研究成果可为高精度水电机组故障诊断提供思路和方案。 展开更多
关键词 水电机组故障诊断 减法平均优化算法 模态分解 改进蜣螂优化算法 核极限学习机
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
8
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
基于IDBO-LSTM神经网络的异步电机故障辨识 认领 引用 被引量：1
9
作者 梁天添 杨健雄 钱振明 《大连交通大学学报》 CAS 2026年第1期130-139,共10页
针对长短期记忆神经网络(Long Short Term Memory Neural Network,LSTMNN)在辨识异步电机故障时,因人工选择网络超参数导致的辨识精度下降问题,提出一种改进的蜣螂优化算法寻优LSTMNN的重要参数。首先,建立具有定子匝间短路故障的异步... 针对长短期记忆神经网络(Long Short Term Memory Neural Network,LSTMNN)在辨识异步电机故障时,因人工选择网络超参数导致的辨识精度下降问题,提出一种改进的蜣螂优化算法寻优LSTMNN的重要参数。首先,建立具有定子匝间短路故障的异步电机系统模型;其次,利用精英反向学习策略、分段线性混沌映射、动态混沌权重因子和动态权重系数等方法改进蜣螂优化算法;最后,使用改进蜣螂优化算法对LSTMNN的关键超参数进行寻优。仿真结果表明,相较于基于蜣螂优化算法和基于改进麻雀算法的LSTMNN,提出的优化LSTMNN对故障及其他变量的辨识均方根误差分别降低了51.93%、36.49%,平均绝对误差分别降低了56.83%、43.99%,平均绝对百分误差分别降低了29.91%、22.25%,表明采用改进的蜣螂优化算法对LSTMNN的关键超参数寻优,可显著提高LSTM网络对电机故障及其他变量的辨识能力。 展开更多
关键词 异步电机 故障辨识 长短期记忆神经网络 改进的蜣螂优化算法
暂未订购 下载PDF
基于无人机路径优化算法的高墩桥梁三维建模和裂缝检测方法 认领 引用 被引量：3
10
作者 殷新锋 傅鑫 +2 位作者 全阳 黄胄 徐东风 《湘潭大学学报（自然科学版）》 CAS 2026年第1期36-51,共16页
【目的】该文介绍了一种针对山区高墩桥梁的无人机路径优化算法,旨在实现精细航线规划与快速建模.【方法】首先运用无人机五向航摄方法构建粗略倾斜摄影模型,随后采用改进蜣螂优化算法(TDBO)进行精细航线规划,生成精细化桥墩模型,进而... 【目的】该文介绍了一种针对山区高墩桥梁的无人机路径优化算法,旨在实现精细航线规划与快速建模.【方法】首先运用无人机五向航摄方法构建粗略倾斜摄影模型,随后采用改进蜣螂优化算法(TDBO)进行精细航线规划,生成精细化桥墩模型,进而评估模型精度.同时基于Matlab软件,开发自动化程序实现对桥墩表面裂缝的自动检测和定量分析.为验证该算法的有效性与裂缝识别方法的准确性,研究选取湖北某高墩桥梁为研究对象.【结果】结果表明:TDBO显著提高了桥梁三维建模的精确度,平面最大误差为0.059 m,中误差为0.051 m;高程最大误差为0.178 m,中误差为0.147 m.【结论】无人机裂缝识别程序展现出高精度,裂缝识别精度超过90%,宽度误差小于10%,且能准确定位裂缝. 展开更多
关键词 无人机倾斜摄影 高墩桥梁 三维建模 改进蜣螂优化算法 航线规划
暂未订购 下载PDF
基于改进蜣螂优化算法的轴承数字孪生模型的动态故障注入研究 认领 引用 被引量：1
11
作者 刘素艳 董一林 +1 位作者 乔一鸣 马增强 《机械工程学报》 EI CAS CSCD 北大核心 2026年第3期446-457,共12页
在实际应用中,故障样本的缺乏和故障样本类别的不平衡往往限制了诊断的有效性。为了解决轴承故障样本不平衡的问题,文中设计了一种基于动态故障注入的数字孪生系统,该系统不仅能够反映正常运行状态,还能生成不同故障的样本。系统分为代... 在实际应用中,故障样本的缺乏和故障样本类别的不平衡往往限制了诊断的有效性。为了解决轴承故障样本不平衡的问题,文中设计了一种基于动态故障注入的数字孪生系统,该系统不仅能够反映正常运行状态,还能生成不同故障的样本。系统分为代理模型部分和参数识别部分:代理模型部分采用故障点冲击响应的二自由轴承动力学模型,利用四阶变步长龙格-库塔法进行仿真计算,生成模拟振动数据;参数识别部分将原算法与Chebyshev混沌映射、黄金正弦策略与自适应权重因子方法相结合并改进其适应度函数,提出改进的蜣螂优化算法,该算法可以通过实测振动数据识别动力学参数,构建数字孪生系统,实现动态故障注入。通过实验证明,该系统生成的故障数据相比于使用逆物理信息神经网络、CycleGAN和GAN生成的数据,具有更高的准确率。另外,通过该系统扩充外圈故障数据后,诊断模型的整体诊断准确率提高了8.9%,外圈故障的诊断准确率提高了26.7%,分别达到99.8%和99.5%,为滚动轴承故障诊断中故障样本不均衡问题提供一定的参考。 展开更多
关键词 数字孪生 轴承动力学模型 改进蜣螂优化算法 动态故障注入 样本不平衡
暂未订购 下载PDF
光伏并网系统电磁暂态仿真模型的两阶段参数辨识方法 认领 引用
12
作者 曾琦 戴华庆 +3 位作者 高仕林 郑宗生 王渝红 刘子琦 《电力自动化设备》 EI CSCD 北大核心 2026年第8期39-48,共10页
针对光伏并网系统电磁暂态(EMT)仿真参数弱可辨识性问题,提出了一种基于改进量子蜣螂优化(IQDBO)算法的两阶段参数辨识方法。根据物理意义差异,将参数划分为环境与电气参数集和控制器参数集:对于环境与电气参数,通过基于方差分解的Sobo... 针对光伏并网系统电磁暂态(EMT)仿真参数弱可辨识性问题,提出了一种基于改进量子蜣螂优化(IQDBO)算法的两阶段参数辨识方法。根据物理意义差异,将参数划分为环境与电气参数集和控制器参数集:对于环境与电气参数,通过基于方差分解的Sobol全局灵敏度分析筛选出关键参数;对于控制器参数,采用动态响应特征聚类与基于簇间均值差指标的无监督筛选策略,实现有效的参数空间降维。针对不同参数特性,构建了差异化的适应度函数,并引入集成量子角度编码与停滞扰动机制的IQDBO算法,分阶段完成参数辨识。算例分析表明,所提方法能有效压缩搜索空间、改善控制器参数的可辨识性。 展开更多
关键词 光伏并网系统 电磁暂态仿真模型 参数辨识 主导参数筛选 改进量子蜣螂优化算法 灵敏度分析
暂未订购 下载PDF
基于小世界理论及改进蜣螂算法的分布式电源规划方法 认领 引用
13
作者 张雨 王德辉 +3 位作者 蔡文洋 邹时容 王嘉延 谭海东 《南方电网技术》 CSCD 北大核心 2026年第7期90-100,共11页
针对分布式电源选址定容规划中求解维度高、离散与连续变量共存的问题,提出了一种先确定备选位置,再用启发式算法进行容量和位置优化的方法。首先,依据有功损耗改善率、介数中心性及紧密中心性3个指标对节点进行筛选,结合节点负荷情况... 针对分布式电源选址定容规划中求解维度高、离散与连续变量共存的问题,提出了一种先确定备选位置,再用启发式算法进行容量和位置优化的方法。首先,依据有功损耗改善率、介数中心性及紧密中心性3个指标对节点进行筛选,结合节点负荷情况对邻近节点进行合并,形成备选节点集。随后,构建了以最小化总有功损耗、电压稳定性和分布式电源总容量为目标的优化模型。为有效求解该模型,提出了一种基于混沌映射、自适应权重和莱维飞行策略的改进蜣螂算法,以优化备选节点中的分布式电源位置和容量。最后,通过IEEE-33和IEEE-69节点系统的仿真验证表明,所提方法在降低总有功损耗和节点电压偏差方面表现优异。 展开更多
关键词 分布式电源 选址定容 改进蜣螂算法 多目标优化
暂未订购 下载PDF
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
14
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
虚拟编队驱动的多机悬吊系统时空协同避障 认领 引用
15
作者 赵祥堂 吕斌 +2 位作者 赵志刚 苏程 孟佳东 《计算机工程与应用》 EI CSCD 北大核心 2026年第10期401-410,共10页
针对吊机末端驱动型悬吊系统多机运动时空一致性缺失与复杂环境避障的双重工程难题,提出虚拟编队驱动的时空协同避障方法。构建时间-空间双维度协同模型,将吊机末端空间位置约束与时间同步约束纳入统一框架;建立领导者-跟随者架构的虚... 针对吊机末端驱动型悬吊系统多机运动时空一致性缺失与复杂环境避障的双重工程难题,提出虚拟编队驱动的时空协同避障方法。构建时间-空间双维度协同模型,将吊机末端空间位置约束与时间同步约束纳入统一框架;建立领导者-跟随者架构的虚拟编队模型,提出时空并行协同策略(时间维度优化动作时序,空间维度规划编队整体避障轨迹);设计基于稳定蜣螂优化算法(stable dung beetle optimizer,SDBO)的避障规划方案,通过反向学习、正弦-余弦策略等改进策略提升算法全局搜索能力,并且引入环境复杂度自适应切换机制增强避障方法的动态适应性。通过仿真与实体实验验证该方法可实现复杂环境下的无碰撞轨迹规划,同时保证多机运动的同步性与协调性。研究结果为力位协同避障提供了吊机末端驱动维度的技术基础。 展开更多
关键词 悬吊系统 避障规划 时空协同 虚拟编队 稳定蜣螂优化(SDBO)算法 环境复杂度
暂未订购 下载PDF
基于改进深度极限学习机的电动汽车行驶里程预测 认领 引用
16
作者 严利鑫 高雅婷 +1 位作者 郭军华 李黄承成 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2026年第4期1019-1029,共11页
为实现对电动汽车行驶里程的准确预测,综合考虑电池性能与行驶参数,提出一种基于变分模态分解(VMD)算法与经过蜣螂优化(DBO)算法优化参数后的深度极限学习机(DELM)模型相结合的行驶里程预测方法。首先,通过探讨车辆运行状态、驾驶行为... 为实现对电动汽车行驶里程的准确预测,综合考虑电池性能与行驶参数,提出一种基于变分模态分解(VMD)算法与经过蜣螂优化(DBO)算法优化参数后的深度极限学习机(DELM)模型相结合的行驶里程预测方法。首先,通过探讨车辆运行状态、驾驶行为及外部环境对行驶里程的影响,构建包括百公里能耗、驾驶行为和环境温度在内的6项特征指标;其次,采用VMD算法降低原始数据的非线性和非平稳性,并利用DBO算法对DELM模型的参数进行优化,从而建立基于VMD-DBO-DELM集成算法的电动汽车行驶里程预测模型;最后,对所构建的预测模型与现有其他模型的预测结果进行比较分析。结果表明:VMD-DBODELM模型在预测性能方面显著优于其他模型,在两种工况下均表现出最高的预测精度,能准确拟合行驶里程的变化趋势。 展开更多
关键词 车辆工程 行驶里程预测 电动汽车 深度极限学习机 变分模态分解 蜣螂优化算法
基于智能算法优化BP神经网络模型的RC梁长期挠度预测 认领 引用
17
作者 陈雷 郝东晖 +3 位作者 许德方 卢祯辉 岳鑫鑫 张健 《江苏大学学报（自然科学版）》 CAS 北大核心 2026年第3期362-372,共11页
为了准确预测钢筋混凝土(reinforced concrete, RC)结构的长期挠度,并减少试验研究成本,提出了一种基于改进的蜣螂优化算法(enhanced dung beetle optimization, EDBO)和反向传播神经网络(back-propagation neural networks, BPNN)相结... 为了准确预测钢筋混凝土(reinforced concrete, RC)结构的长期挠度,并减少试验研究成本,提出了一种基于改进的蜣螂优化算法(enhanced dung beetle optimization, EDBO)和反向传播神经网络(back-propagation neural networks, BPNN)相结合的模型,即EDBO-BPNN模型.该模型通过EDBO技术对BPNN预测模型进行优化,从而提升模型的预测能力.通过EDBO-BPNN混合模型与现有模型对RC梁在复杂环境下的长期挠度进行预测,验证了所提混合模型的预测能力.结果表明:所提出的EDBO-BPNN模型在预测钢筋混凝土结构长期挠度方面兼具高精度和强稳定性;在精度上,EDBO-BPNN模型训练集和测试集的R2分别达到0.967 5和0.957 7,均高于对比模型;RMSE分别减小到4.242 5和5.442 7,MAE分别为2.416 1和4.008 0,4项误差指标均优于其他对比模型;在稳定性上,EDBO-BPNN模型训练集与测试集的R2差值仅为0.009 8,均远小于对比模型(最大R2差值达到0.160 7),且30次独立试验的箱线图分布最为紧凑,表明其泛化能力强,过拟合风险低. 展开更多
关键词 钢筋混凝土梁 长期挠度 BP神经网络 改进的蜣螂优化算法 机器学习模型
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
18
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
基于改进1DCNN-LSTM的防冲钻孔机器人钻进煤岩性状识别 认领 引用
19
作者 司垒 刘扬 +5 位作者 王忠宾 顾进恒 魏东 戴剑博 李鑫 赵杨奇 《矿业科学学报》 CAS CSCD 北大核心 2026年第1期206-217,共12页
防冲钻孔机器人是高地应力矿井卸压作业的关键装备,其对钻进煤岩性状识别准确度直接影响钻孔卸压效率和卸压效果。本文针对当前煤岩钻进状态识别手段多依赖于人工经验,存在识别精度低、响应时间长、无法满足无人化钻孔卸压需求的问题,... 防冲钻孔机器人是高地应力矿井卸压作业的关键装备,其对钻进煤岩性状识别准确度直接影响钻孔卸压效率和卸压效果。本文针对当前煤岩钻进状态识别手段多依赖于人工经验,存在识别精度低、响应时间长、无法满足无人化钻孔卸压需求的问题,基于一维卷积神经网络(1DCNN)和长短时记忆网络(LSTM)并结合模拟实验提出了一种钻进过程煤岩性状识别方法。通过加入卷积块注意力机制(CBAM),提升模型识别准确率,并采用改进蜣螂优化(IDBO)算法对模型中超参数进行寻优,确定最优的网络参数组合。搭建煤岩钻进模拟试验台,制作6种典型煤岩试块,采集回转速度、回转扭矩、推进速度和推进压力等4类传感信号,开展相应的对比测试分析。结果表明:所提方法具有较高的钻进煤岩识别准确率,达到97.00%,明显优于1DCNN和1DCNN-LSTM,以及逻辑回归、支持向量机(SVM)、决策树、随机森林、K聚类、Transformer等方法。 展开更多
关键词 防冲钻孔机器人 钻进煤岩识别 一维卷积神经网络(1DCNN) 长短时记忆神经网络(LSTM) 改进蜣螂优化(IDWO)算法
暂未订购 下载PDF
改进DBO算法的架廊机主梁多工况优化设计 认领 引用
20
作者 马华兵 单宏伟 +1 位作者 金仓 王刚锋 《机械设计与制造》 北大核心 2026年第2期21-26,32,共6页
为了在满足强度、刚度和稳定性等设计要求条件下,减轻架廊机自重,应用改进蜣螂算法对其主梁结构进行了多工况优化设计。通过对架廊机多工况载荷计算,建立主梁有限元模型并进行了力学分析。提出了一种融合鱼鹰优化算法与自适应t分布策略... 为了在满足强度、刚度和稳定性等设计要求条件下,减轻架廊机自重,应用改进蜣螂算法对其主梁结构进行了多工况优化设计。通过对架廊机多工况载荷计算,建立主梁有限元模型并进行了力学分析。提出了一种融合鱼鹰优化算法与自适应t分布策略的改进蜣螂优化算法(OTDBO),通过选取6种测试函数分别对OTDBO,DBO及其他4种常见优化算法进行对比,检验其收敛优越性,然后采用折中规划法,并结合设计规范和力学性能要求构建了主梁优化模型,实现了架廊机主梁的横截面尺寸优化。结果表明,OTDBO具有更好的收敛特性和寻优能力,优化后主梁重量减轻13.8%,且可满足整机设计要求。 展开更多
关键词 架廊机 主梁 优化设计 多工况 改进蜣螂优化算法
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 2 … 20 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈