检索结果-内蒙古大学图书馆

计量学报 2024年第10期45卷 1533-1540页

作者：刘烽陈学军张磊杨康福建农林大学机电工程学院福建福州350108 莆田学院新能源装备检测福建省高校重点实验室福建莆田351100 福州大学机械工程及自动化学院福建福州350116

针对变分模态分解(VMD)的分解层数K和惩罚因子α难以选择问题,提出了用减法平均优化器(SABO)对参数寻优的方法。首先,采用SABO对K和α进行寻优,输出最优参数组合并代入到VMD中,将原始振动信号分解得到K个模态分量;然后,用最大包络峭度... 详细信息

针对变分模态分解(VMD)的分解层数K和惩罚因子α难以选择问题,提出了用减法平均优化器(SABO)对参数寻优的方法。首先,采用SABO对K和α进行寻优,输出最优参数组合并代入到VMD中,将原始振动信号分解得到K个模态分量;然后,用最大包络峭度为指标提取K个模态分量中峭度最大的分量作为最优分量,并计算其相关时域和熵理论特征参数构造特征向量样本集;最后,将特征向量样本集输入到经网格搜索和五折交叉验证调参的支持向量机(SVM)中进行故障诊断。为了验证该方法的有效性,利用凯斯西储大学轴承数据集进行实验,实验结果表明:该方法分类效果更好,准确率达到99.44%;基于江南大学3种不同工况的轴承数据实验,最终故障诊断准确率都达到了95%以上。

关键词：力学计量滚动轴承故障诊断变分模态分解减法平均优化器包络峭度优化算法

来源：评论

学校读者我要写书评

暂无评论

多策略改进蛇优化算法在机械臂时间最优轨迹规划的应用

引用

机械科学与技术 2024年

作者：游智超卢振坤夏冰寒姜永文广西民族大学电子信息学院

针对电动汽车充电机械臂时间最优轨迹规划的问题，提出一种多策略改进的蛇优化算法(MSSO)。以AR4六轴机械臂为研究对象，建立运动学模型，并通过5-7-5多项式构造关节的运动轨迹。在蛇优化算法的基础上，引入混沌-动态反向学习初始化种... 详细信息

针对电动汽车充电机械臂时间最优轨迹规划的问题，提出一种多策略改进的蛇优化算法(MSSO)。以AR4六轴机械臂为研究对象，建立运动学模型，并通过5-7-5多项式构造关节的运动轨迹。在蛇优化算法的基础上，引入混沌-动态反向学习初始化种群，利用减法平均优化器改善勘探阶段的收敛速度，增加蛇群搜寻巢穴机制降低随机搜索行为的盲目性，采用基于边界选择的折射反向学习替换局部最劣解，提出基于自适应高斯-柯西变异的垂直交叉策略，增强算法跳出局部最优的能力。经CEC2005及CEC2022测试并与六种元启发式算法比较验证，MSSO求解性能表现优异。算法应用于以时间为优化目标的机械臂轨迹规划，优化后的关节运行时间得到大幅缩短，获得的运动学曲线平滑连续且无突变，验证了该算法在处理工程类问题中的理论可行性及优越性。

关键词： 5-7-5多项式混沌-动态反向学习减法平均优化器搜寻巢穴边界选择垂直交叉

来源：评论

学校读者我要写书评

暂无评论

基于SABO优化VMD-WTD-SVM的滚动轴承故障诊断模型

引用

制造技术与机床 2024年第7期 32-39,47页

作者：逯帆西安工程大学机电工程学院陕西西安710000

针对滚动轴承在运转过程中发生故障时故障类型难以提取和识别的问题,文章提出了一种基于减法平均优化器(subtraction-average-based optimizer,SABO)优化变分模态分解(variational mode decomposition,VMD)联合小波阈值去噪(wavelet threshold denoising,WTD)来提取故障特征,并与支持向量机(SVM)相融合的滚动轴承故障诊断模型。首先,以最小包络熵为适应度函数,通过SABO优化VMD中关键参数组合(K,α)的选取。其次,根据得到的参数对故障信号进行VMD分解,通过包络熵值和峭度值选择其中的有效分量再次进行WTD处理,重构后得到最佳信号分量。最后,计算最佳信号分量对应的9个特征数据作为当前信号的特征向量,并输入到SVM进行训练和故障识别。与其他方法相比,本模型在滚动轴承故障诊断方面表现更为突出,故障识别准确率达到了98.666 7%,具有良好的实际应用价值。

关键词：轴承故障诊断减法平均优化器变分模态分解小波阈值去噪支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于改进动态模态分解的水轮机空化状态识别研究

基于改进动态模态分解的水轮机空化状态识别研究

引用

作者：邓常亮西安理工大学

学位级别：硕士

水轮机是水力机械进行能量转换的重要设备,在长期运行过程中可能会遭受空化问题的影响,导致设备性能下降、效率降低甚至发生故障,因此实时监测和准确识别水轮机的空化状态对于设备的安全运行和性能优化具有重要意义。传统信号分析和模... 详细信息

水轮机是水力机械进行能量转换的重要设备,在长期运行过程中可能会遭受空化问题的影响,导致设备性能下降、效率降低甚至发生故障,因此实时监测和准确识别水轮机的空化状态对于设备的安全运行和性能优化具有重要意义。传统信号分析和模态分解方法,对具有非平稳、非线性特点的水轮机空化信号进行处理时存在模态混叠、端点效应及参数依赖等问题,而动态模态分解算法作为从流场领域引申而来的一种新颖的模态分解算法,可以将信号分解为一系列单频模态分量,有效捕捉信号的频谱特征,很好的避免了上述问题,在水轮机空化特征提取和状态监测领域有很大的应用的潜力。论文以动态模态分解算法为基础,通过优化算法对相空间重构Hankel矩阵结构进行优化、对分解截断秩进行自适应选取,进一步改进动态模态分解算法,提高信号的时变特性分析能力。结合改进动态模态分解算法与极限学习机算法,建立空化状态识别模型,进而实现对水轮机空化状态的精确识别。主要研究内容如下: (1)基于IEPE型振动加速度传感器、USB4431采集卡硬件设备和LabVIEW软件设计出一套数据采集系统,通过集成测试验证了采集系统的合理性。在某电站混流式水轮机真机进行空化实验,利用采集系统对振动信号进行数据采集。 (2)采用粒子群优化算法对采集信号重构Hnakel矩阵的行数进行优化,减小重构误差;利用最优奇异值硬阈值技术对分解截断秩进行自适应选取,避免手动调参耗时长的问题,达到对动态模态分解算法进行改进的目的。构建仿真信号对改进算法的可行性和有效性进行验证,利用改进算法对采集到的振动信号进行分解重构、提取时频域特征值。采用方差分析法进行特征筛选,构建出表征空化的特征向量矩阵。 (3)通过极限学习机算法对水轮机空化进行分类识别训练,并与随机森林、BP神经网络进行对比,结果表明:极限学习机的训练速度更快、识别精度更高。利用减法优化平均器算对极限学习机模型的初始化参数进行寻优,并引入灰狼算法和粒子群算法作为对比算法得到SABO-ELM、GWO-ELM和PSO-ELM模型。对比特征筛选前后原始极限学习机模型的识别准确率及特征筛选后三种优化ELM模型和传统ELM模型的分类识别准确率,结果表明:特征筛选后ELM模型的平均识别准确率提高了2.96%,特征筛选有助于增强模型的预测性能;三种优化ELM模型的识别精度均优于传统ELM模型,其中SABO-ELM模型的平均准确率最高,相较于ELM模型准确率提高了7.91%。

关键词：空化动态模态分解最优奇异值硬阈值技术极限学习机减法平均优化器

来源：评论

学校读者我要写书评

暂无评论

电力变压器器身结构状态数字化评估技术研究

电力变压器器身结构状态数字化评估技术研究

引用

作者：刘子铜沈阳工业大学

学位级别：硕士

随着我国电力行业的高速发展以及电网趋向数字化转型的推进,电力变压器作为电力系统中的核心枢纽设备,确保其正常运行对保障电网供电质量以及可靠性极为重要。随着电力系统中长期运行累积负荷以及偶发的短路故障冲击,易导致电力变压器... 详细信息

随着我国电力行业的高速发展以及电网趋向数字化转型的推进,电力变压器作为电力系统中的核心枢纽设备,确保其正常运行对保障电网供电质量以及可靠性极为重要。随着电力系统中长期运行累积负荷以及偶发的短路故障冲击,易导致电力变压器器身结构机械出现故障,并已逐渐成为变压器运行故障的主要因素。振动分析法通过在箱体外部测量振动数据,并通过振动信号分析来评估变压器是否存在机械结构故障,保障电力系统的安全稳定。为了更准确有效地辨识变压器器身机械结构状态,本文提出一种电力变压器器身结构状态数字化评估技术研究。主要研究内容包括: (1)基于变压器实体参数和振动特性,构建了电力变压器数字化计算模型。从理论上分析了铁心绕组振动机理、变压器内部振动的传递以及油箱振动信号的构成。 (2)分别基于一台400kVA试验样机以及一台500k V变压器的数字化模型,在正常负载以及多种故障工况下进行仿真计算,并参照试验测点位置提取油箱多测点振动加速度数据。搭建了试验振动信号采集平台,并基于试验样机采集不同工况运行时多测点振动信号。通过试验采集振动信号与仿真提取数据对比,验证了数字化模型的正确性,并将仿真提取振动数据与试验采集振动信号集成作为振动信号数据样本集。 (3)针对不同运行状态下振动信号样本通过小波变换进行二维时频特征分析,基于减法平均优化器算法优化变分模态分解,选取最小样本熵作为适应度函数。通过改进变分模态分解以及小波包变换对原始振动信号进行双重特征提取,得到多个合适带宽的信号分量,计算各信号分量的能量熵、排列熵、样本熵以及多尺度模糊熵,并进行特征对比分析,分析结果选取各信号分量能量熵作为振动特征矢量。 (4)基于模糊层次分析法对两种信号分解方法中提取的特征能量分别进行权重分配,通过特征能量与模糊权重加权计算综合特征值。将综合特征值作为输入向量,通过减法平均优化器算法优化概率神经网络作为变压器器身结构状态评估模型,并对振动信号样本进行训练评估。基于相同振动信号样本集通过BP神经网络、概率神经网络以及支持向量机算法进行训练诊断并将诊断结果与评估模型进行对比,验证了提出的综合状态评估模型具有更高的准确度和有效性。基于变压器运行参数以及振动信号分析数据搭建了数字化评估平台,可视化显示多测点振动信号、特征分析和状态评估结果。

关键词：电力变压器综合特征提取模糊层次分析法减法平均优化器概率神经网络

来源：评论

学校读者我要写书评

暂无评论

矿山机械设备异常状态分析与检测模型研究及应用

矿山机械设备异常状态分析与检测模型研究及应用

引用

作者：潘庆杰西安建筑科技大学

学位级别：硕士

随着“智慧矿山”政策的持续推进,矿山机械设备的信息化运行、智能异常检测以及预防性维护变得更加重要。机械设备的突发性故障常常导致重大安全事故和经济损失。工业物联网的发展使得传感器能够采集大量的设备运行数据,为设备异常检测... 详细信息

随着“智慧矿山”政策的持续推进,矿山机械设备的信息化运行、智能异常检测以及预防性维护变得更加重要。机械设备的突发性故障常常导致重大安全事故和经济损失。工业物联网的发展使得传感器能够采集大量的设备运行数据,为设备异常检测提供了数据支持。然而传感器采集的数据存在冗余度高、噪声大以及相互之间关联密切的问题。近年来,基于深度学习的设备异常检测方法因其在噪声环境中强大的特征提取能力而备受关注,但仍然面临着网络调参过程复杂且耗时等问题,设备异常检测工作的实施依旧面临诸多困难。本文通过分析并处理设备传感器数据,优化深度学习模型来提高异常检测准确率。主要内容包括以下四部分: (1)提出了一种基于Bi LSTM-Attention模型的设备异常检测方法。首先详细介绍了本文使用的数据集并通过引导正则化随机森林方法对数据进行重要性分析和相关性分析,选择出强相关和非冗余的特征。然后利用双向LSTM网络同时学习数据的正向和反向特征并针对设备会因为内在或外在因素导致运行数据产生波动和噪声的问题,通过引入注意力机制,对特征维度信息进行挖掘,将重要的特征变量分配更多注意力以突出关键特征对预测结果的影响。通过对比实验分析验证了该模型在异常检测上的效果优于其他对比模型。 (2)提出了一种基于GSABO-CNN-Bi LSTM-Attention模型的设备异常检测方法。首先利用1DCNN从设备传感器数据中抽取经特征选择处理的整体特征,通过卷积和池化层对这些特征进行进一步的提取和降维处理。然后利用改进的减法平均优化器对模型中CNN的卷积核尺寸与数量以及Bi LSTM层的神经元数量等参数进行优化以得到最佳参数组合并节省人工调参时间,经对比实验验证该方法的异常检测率达到了98.16%,准确率达到了98.78%,体现了该模型的优越性。 (3)针对传统减法平均优化器收敛速度较慢且容易陷入局部最优的问题,本文对减法平均优化器进行了改进,采用Piecewise混沌映射生成随机数值替换搜索代理影响因素值,然后利用黄金正弦方法在全局寻优的优势,帮助减法平均优化器跳出局部最优解,提高了收敛速度,降低了出现局部极值的概率。 (4)异常检测系统开发。开发了一套矿山机械设备异常检测与预警的系统。系统内置了上述的GSABO-CNN-Bi LSTM-Attention模型来实现机械设备故障的提前准确预警,从而通知维护人员及时维护,其主要功能包括:用户管理模块、数据管理模块、异常检测模块和异常预警模块。

关键词：设备异常检测引导正则化随机森林卷积神经网络循环神经网络减法平均优化器

来源：评论

学校读者我要写书评

暂无评论

基于混合策略的蛇鹫优化算法的ML-DOA估计

引用

测试技术学报 2025年

作者：吕香茹王鹏中北大学数学学院

针对矢量水听器阵列信号波达方向（Direction of Arrival, DOA）估计中存在的估计精度不高、运算量大的问题，提出了一种改进蛇鹫优化算法的最大似然DOA估计方法。采用了4种策略对蛇鹫优化算法进行改进，在种群初始化时采用佳点集策略... 详细信息

针对矢量水听器阵列信号波达方向（Direction of Arrival, DOA）估计中存在的估计精度不高、运算量大的问题，提出了一种改进蛇鹫优化算法的最大似然DOA估计方法。采用了4种策略对蛇鹫优化算法进行改进，在种群初始化时采用佳点集策略进行改进，能够更加均匀地在搜索空间得到初始种群解，提高种群多样性；在进行位置更新时，引入减法平均优化器和柯西策略，能够扩大搜索范围，从而跳出局部最优；引入黄金正弦策略，不断向最优位置进行搜索，提高了算法的估计精度。将所提算法应用于最大似然DOA估计，实验结果表明：与灰狼优化算法、粒子群算法、正弦余弦算法、光学显微镜算法、蛇鹫优化算法的最大似然DOA估计方法相比，所提算法的最大似然DOA估计具有收敛速度快、估计精度高、运算量小和稳健性更好的性能。

关键词： DOA估计最大似然蛇鹫优化算法减法平均优化器黄金正弦策略

来源：评论

学校读者我要写书评

暂无评论

基于SABO-ELM模型的水轮机空化状态识别研究

引用

节能 2025年第1期44卷 126-132页

作者：杜涛曾东温乐邓常亮国家能源集团四川发电有限公司四川成都625400 西安理工大学水利水电学院陕西西安710048

基于减法平均优化器算法(SABO)优化的极限学习机(ELM)模型,对水轮机空化状态的监测和识别进行深入研究。对水轮机空化振动信号进行数据采集,采用基于奇异值差分谱截断值选取的动态模态分解(DMD)算法对空化信号进行分解降噪及特征提取,... 详细信息

基于减法平均优化器算法(SABO)优化的极限学习机(ELM)模型,对水轮机空化状态的监测和识别进行深入研究。对水轮机空化振动信号进行数据采集,采用基于奇异值差分谱截断值选取的动态模态分解(DMD)算法对空化信号进行分解降噪及特征提取,从而建立极限学习机空化状态识别模型;利用SABO算法对ELM模型的初始化参数进行优化,以提高模型的泛化能力和识别准确率。结果表明,与粒子群优化(PSO)和灰狼优化(GWO)的ELM模型相比,基于SABO优化的ELM模型在水轮机空化状态识别方面的迭代速度、寻优能力和优化效果表现更佳,与传统ELM模型相比,识别准确率提升了8.75%。

关键词：空化状态动态模态分解减法平均优化器极限学习机

来源：评论

学校读者我要写书评

暂无评论

基于VMD-SABO-KELM的光伏阵列故障诊断

引用

信息技术与信息化 2024年第7期 112-115页

作者：高昕钱亚丽安徽理工大学电气与信息工程学院安徽淮南232001

光伏阵列长期处于恶劣的室外环境,容易发生故障。为了进一步提高模型分类识别的准确率和泛化能力,提出一种基于变分模态分解(VMD)和减法平均优化器(SABO)优化核极限学习机(KELM)的光伏阵列故障诊断方法。首先,利用Matlab建立光伏阵列仿... 详细信息

光伏阵列长期处于恶劣的室外环境,容易发生故障。为了进一步提高模型分类识别的准确率和泛化能力,提出一种基于变分模态分解(VMD)和减法平均优化器(SABO)优化核极限学习机(KELM)的光伏阵列故障诊断方法。首先,利用Matlab建立光伏阵列仿真模型,设置故障点,获得不同故障数据。其次,利用VMD分解提取故障数据的九种特征向量,作为模型的输入量,故障类型作为输出层建立数据集。然后,采用SABO优化KELM的核参数和正则化参数,建立基于VMD-SABO-KELM的光伏阵列故障诊断模型。最后,通过实验对比,结果表明所提出的方法在分类准确度上高达99.52%,与未改进前的模型相比,展现出较高的准确性和优越性。

关键词：光伏阵列变分模态分解减法平均优化器核极限学习机故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于LCLSABO-KELM滚动轴承故障诊断方法研究

引用

制造技术与机床 2025年第2期 17-22页

作者：梁山齐兵李浩刘俊王锴王军沈阳化工大学计算机科学与技术学院辽宁沈阳110142 辽宁省化工过程工业智能化技术重点实验室辽宁沈阳110142 中国科学院沈阳自动化研究所辽宁沈阳110016 中国科学院网络化控制系统重点实验室辽宁沈阳110016 中国科学院机器人与智能制造创新研究院辽宁沈阳110016

为提高滚动轴承的故障诊断的分类精度,提出一种逻辑斯蒂柯西莱维减法平均优化(Logistic-Cauchy-Levy-subtraction average-based optimization,LCLSABO)算法,该算法融合了混沌(Logistic)映射策略、柯西(Cauchy)变异策略和莱维(Levy)飞行策略,用以优化核极限学习机(kernel extreme learning machine,KELM)的性能。首先,利用混沌映射策略优化减法平均优化算法的种群初始化,增强种群多样性;其次,结合柯西变异策略与莱维飞行策略,改进位移算法,提高全局搜索能力,有效避免陷入局部最优解;最后,采用LCLSABO算法优化KELM的核心参数,建立LCLSABO-KELM模型,对轴承故障进行分类与诊断。试验结果表明,与SABO-KELM模型、SSA-KELM模型、PSO-KELM模型及传统KELM模型相比,LCLSABO-KELM模型的故障诊断分类精度为98.63%,分别提升了0.97%、2.70%、3.90%和11.30%。这表明,该方法能够充分提取故障特征,显著提高故障诊断的分类精度,验证了该模型在滚动轴承故障诊断与分类中的优越性能。

关键词：减法平均优化器柯西变异策略莱维飞行策略轴承故障诊断 Logistic映射

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：