检索结果-内蒙古大学图书馆

电子测量技术 2024年第24期47卷 57-64页

作者：张柄棋刘云平王爽程勇南京信息工程大学南京210044

传统路径规划算法存在效率低、易陷入局部最优解、收敛精度低等问题,减法平均优化算法相比其他算法参数少、原理更简单,但其在搜索过程中会忽略最优值的影响,导致算法陷入局部最优解。针对此问题,本文提出一种融合多策略改进的减法平均... 详细信息

传统路径规划算法存在效率低、易陷入局部最优解、收敛精度低等问题,减法平均优化算法相比其他算法参数少、原理更简单,但其在搜索过程中会忽略最优值的影响,导致算法陷入局部最优解。针对此问题,本文提出一种融合多策略改进的减法平均优化算法用于路径规划。首先采用Tent混沌映射初始化搜索代理种群,保证种群多样性;引入自适应引导机制,使算法能够随着迭代次数来自适应地选择更优的更新方式;在搜索代理更新方式中融合正余弦算法的种群更新策略,利用正余弦算法良好的波动振荡性,平衡算法的全局和局部搜索,更好的保证算法的收敛精度。最后选用7个基准测试函数并设置不同的栅格地图环境,对提出的算法进行仿真与测试。结果表明本文提出的算法具有更好的收敛精度和速度,且路径规划的性能指标更优、规划效果更好。

关键词：路径规划减法平均优化算法正余弦算法自适应

来源：评论

学校读者我要写书评

暂无评论

基于改进的减法平均优化算法与BP神经网络的人脸识别

引用

中北大学学报（自然科学版） 2024年第6期45卷 725-736页

作者：杨泽锐胡红萍中北大学数学学院山西太原030051

本文在减法平均优化算法(Subtraction Average-Based Optimizer,SABO)的初始化阶段引入了混沌映射,并与黄金正弦算法结合,提出了改进的减法平均优化算法(Improved Subtraction Average-Based Opti-mizer,ISABO),解决了减法平均优化算法可能陷入到局部最优解的问题,并通过23个基准函数的极值寻优验证了ISABO的有效性。针对静态的人脸图像的分类识别问题,本文依次利用直方图均衡化处理方法和高斯滤波处理方法进行图像预处理,再利用主成分分析法(Principal Component Analysis,PCA)对图像进行特征提取,最后利用ISABO算法优化BP神经网络实现人脸图像分类,这样建立了基于ISABO和BP神经网络的人脸识别模型ISABO-BP。实验结果表明,本文提出的ISABO-BP在ORL人脸数据库的人脸识别平均准确率为97.50%,优于其他比较算法,并且拥有良好的稳定性,有效降低了误识率、拒识率以及拒错比。

关键词：人脸识别主成分分析法减法平均优化算法黄金正弦算法混沌映射 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于优化VMD-NLM与1DDRSN的齿轮箱故障诊断方法

引用

机械传动 2025年第5期 150-160页

作者：万志国赵伟王治国窦益华西安石油大学机械工程学院

【目的】针对在噪声干扰情况下齿轮箱故障诊断准确率不佳的问题，基于优化变分模态分解（Variational Mode Decomposition, VMD）和非局部均值滤波（Non-Local Means, NLM）的去噪方法，与一维深度残差收缩网络（1Dimensional Deep Resi... 详细信息

【目的】针对在噪声干扰情况下齿轮箱故障诊断准确率不佳的问题，基于优化变分模态分解（Variational Mode Decomposition, VMD）和非局部均值滤波（Non-Local Means, NLM）的去噪方法，与一维深度残差收缩网络（1Dimensional Deep Residual Shrinkage Network, 1DDRSN）相结合，构建了一种全新的齿轮箱故障诊断方法。【方法】首先，使用减法平均优化（Subtraction-Average-Based Opti-mizer, SABO）算法对VMD中的参数进行自动寻优；其次，使用样本熵筛选VMD后的各模态分量（Intrinsic Mode Function, IMF），对含有噪声的分量进行NLM去噪重构；再次，引入将注意力机制和软阈值化相结合的残差网络，建立1DDRSN模型；最后，将去噪重构的信号输入至1DDRSN进行故障诊断识别，并通过DDS试验台进行了验证。【结果】结果表明，去噪后的信号与原始信号相比，使故障准确率提升了3.16%，说明优化VMD-NLM具有较好的降噪效果；1DDRSN诊断准确率达到了99.33%，与卷积神经网络（Convolutional Neural Network, CNN）、ResNet相比，准确率分别提升了5.97%、1.17%，验证了该方法的可行性和诊断效果的准确性。

关键词：变分模态分解减法平均优化算法非局部均值去噪 1DDRSN 故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于SABO-LSTM的高铁沿线短期风速预测方法

引用

科学技术与工程 2025年第9期25卷 3880-3887页

作者：牛兆吉李德仓胥如迅陈晓强兰州交通大学机电技术研究所兰州730070 甘肃省物流及运输装备信息化工程技术研究中心兰州730070 甘肃省物流与运输装备行业技术中心兰州730070

准确的高铁沿线风速预测是铁路灾害预警系统的基础需求,为了提升应对和处理强风灾害致突发事件的能力,提出一种基于减法平均优化(subtraction average based optimizer,SABO)算法优化长短时记忆(long short-term memory,LSTM)神经网络... 详细信息

准确的高铁沿线风速预测是铁路灾害预警系统的基础需求,为了提升应对和处理强风灾害致突发事件的能力,提出一种基于减法平均优化(subtraction average based optimizer,SABO)算法优化长短时记忆(long short-term memory,LSTM)神经网络的高铁沿线短期风速预测方法。首先,针对风速非线性和非平稳特性,采用极小化极大(min-max,MM)方法对风速数据进行归一化处理;其次,采用SABO算法中的“-v”方法对LSTM模型的关键参数搜索寻优,并构建风速预测模型;最后,以中国宝兰高铁沿线风速采集点采集的实测风速数据为例,对模型进行有效性检验。实验结果表明:SABO算法的寻优效果更加良好,预测精度更高,所建模型的平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和均方根误差(route mean square error,RMSE)分别仅为11.96%、1.23%和16.47%,决定系数(r-square,R^(2))为0.995。与其他模型相比,通过SABO算法优化后的LSTM神经网络在短期风速预测上具有较好的拟合效果和更高的预测精度,可为高铁沿线大风预测预警提供一种新的方法和思路。

关键词：高铁风速预测减法平均优化算法长短时记忆神经网络

来源：评论

学校读者我要写书评

暂无评论

基于SABO-VMD-IWT与LSTM的变负载滚动轴承故障诊断

引用

组合机床与自动化加工技术 2025年第3期 192-198页

作者：郗涛王龙王莉静天津工业大学机械工程学院天津300387 天津城建大学控制与机械工程学院天津300384

针对滚动轴承在强干扰噪声、变负载工况下故障特征难以提取和故障识别不准确问题,提出了一种减法平均优化算法(SABO)-变分模态分解(VMD)-小波阈值降噪(IWT)的故障特征提取与长短时记忆神经网络(LSTM)相融合的滚动轴承故障诊断模型。同时... 详细信息

针对滚动轴承在强干扰噪声、变负载工况下故障特征难以提取和故障识别不准确问题,提出了一种减法平均优化算法(SABO)-变分模态分解(VMD)-小波阈值降噪(IWT)的故障特征提取与长短时记忆神经网络(LSTM)相融合的滚动轴承故障诊断模型。同时,提出了一种新的阈值函数,克服了传统软硬阈值的缺点,提高了降噪的精度。首先,通过SABO-VMD-IWT对信号进行降噪;然后,提取降噪重构后信号的包络谱值作为故障特征向量;最后,在某大学公开数据基础上构建了低、中、高3种变负载、强干扰噪声的数据集,把提取的特征向量输入到LSTM中进行训练,并使用不同负载数据集进行交叉测试。结果表明,在噪声干扰、负载动态变化条件下,此模型的准确率达到97.08%,验证了本模型的有效性。

关键词：变负载滚动轴承减法平均优化算法变分模态分解改进阈值长短时记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于VMD精细复合多尺度散布熵和SABO-SVM的滚动轴承故障诊断

引用

电工技术 2025年第3期 159-163页

作者：姜薇季瑞青王青庆顾磊上海上电漕泾发电有限公司上海201507

为解决电机轴承故障特征提取困难以及故障诊断率低的问题,提出了一种变分模态分解(VMD)联合精细复合多尺度散布熵的电机轴承故障特征提取方法。首先,将电机电流信号的总谐波畸变率和电机振动信号一同进行VMD多层分解;之后,依据局部最小... 详细信息

为解决电机轴承故障特征提取困难以及故障诊断率低的问题,提出了一种变分模态分解(VMD)联合精细复合多尺度散布熵的电机轴承故障特征提取方法。首先,将电机电流信号的总谐波畸变率和电机振动信号一同进行VMD多层分解;之后,依据局部最小包络熵准则遴选最优IMF分量,并求取其5个尺度下的精细复合多尺度散布熵,从而构成特征向量矩阵;最后,将减法平均优化算法输入优化支持向量机中。实验表明,该方法对多种轴承故障的诊断准确率达94.3%,与PSO-SVM、SSA-SVM方法相比更具优越性。

关键词：变分模态分解精细复合多尺度散布熵减法平均优化算法支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于GSABO-ICEEMDAN-KELM在气体绝缘封闭开关设备局部放电故障诊断中的应用

引用

南方电网技术 2024年

作者：王思涵马宏忠孙维葛威陈悦林河海大学电气与动力工程学院

气体绝缘封闭开关设备（gas-insulatedswitchgear,GIS）在生产运行时存在多种绝缘缺陷，准确识别绝缘缺陷导致的局部放电信号对保障GIS设备及电力系统安全有重大意义。采用融合黄金正弦算法（goldensinealgorithm,Golden-SA）改进减法... 详细信息

气体绝缘封闭开关设备（gas-insulatedswitchgear,GIS）在生产运行时存在多种绝缘缺陷，准确识别绝缘缺陷导致的局部放电信号对保障GIS设备及电力系统安全有重大意义。采用融合黄金正弦算法（goldensinealgorithm,Golden-SA）改进减法优化（subtraction-average-based optimizer, SABO）算法得到融合黄金正弦改进SABO优化算法(GSABO)对改进的完全自适应噪声集合经验模态分解（improved complete ensemble empirical mode decomposition with adaptive noise）与核极限学习机（kernel extreme learning machine）进行参数寻优以实现对GIS局部放电故障的识别。首先，针对SABO可能陷入局部最优、收敛速度不够理想等问题，引入混沌映射与黄金正弦对其进行改进；然后，搭建实验平台采集四种典型局部放电信号，利用GSABO-ICEEMDAN对其进行分解并利用相关系数法筛选有效的模态分量；最后计算筛选后模态分量的样本熵形成特征矩阵，将其输入GSABO-KELM进行故障分类识别。通过实验分析表明，相比于未改进的SABO算法，GSABO在跳出局部最优、收敛速度与精度上有明显的优势。结合其他传统算法进行对比，GSABO-ICEEMDAN-KELM的识别准确率可达99.1667%，以此证明此算法的准确性与优越性，对于GIS局部放电故障诊断的工程应用具有参考意义。

关键词：气体绝缘组合电器局部放电 ICEEMDAN 减法平均优化算法黄金正弦算法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

基于改进SABO-BP算法的电网谐波预测

引用

广东电力 2024年第2期37卷 56-65页

作者：吕鸿王玲朱远哲杜婉琳刘宁杨冬海岑宝仪广东电网有限责任公司电力科学研究院广东广州510080 广东省电力装备可靠性企业重点实验室广东广州510080 深圳市中电电力技术股份有限公司广东深圳518040

针对日趋严重的电网谐波污染亟需大量谐波数据支撑分析和治理及电网谐波监测能力不足的问题,提出一种改进减法平均优化(subtraction average based optimizer, SABO)算法优化反向传播(back-propagation, BP)神经网络实现谐波预测,以缓... 详细信息

针对日趋严重的电网谐波污染亟需大量谐波数据支撑分析和治理及电网谐波监测能力不足的问题,提出一种改进减法平均优化(subtraction average based optimizer, SABO)算法优化反向传播(back-propagation, BP)神经网络实现谐波预测,以缓解当前谐波数据匮乏的问题。为了克服现有SABO算法易于陷入局部最优解,初始化时使用Logistic混沌映射替代随机数,同时迭代搜索中利用黄金正弦优化算法辅助SABO跳出局部最优,从而提高BP神经网络预测准确率。最后,以某省实际运行数据验证所提改进SABAO-BP模型在谐波电压畸变率及单次谐波电压含有率预测中均具有较高准确性。

关键词：电能质量谐波预测改进BP神经网络减法平均优化算法

来源：评论

学校读者我要写书评

暂无评论

基于SABO优化VMD与K-means++的机器人磨削颤振识别

引用

组合机床与自动化加工技术 2024年第6期 181-184,192页

作者：吴俊烨张浩顾波胡孟成南京工业大学机械与动力工程学院南京211816 江苏省工业装备数字制造及控制技术重点实验室南京211899

机器人由于低刚度特性导致加工中极易产生颤振,针对颤振特征频率提取与颤振识别问题,提出基于减法平均优化算法(SABO)对变分模态分解(VMD)中关键参数进行优化,筛选颤振敏感IMF分量并重组;根据颤振信号的频谱特性构建基于功率谱熵差(ΔP... 详细信息

机器人由于低刚度特性导致加工中极易产生颤振,针对颤振特征频率提取与颤振识别问题,提出基于减法平均优化算法(SABO)对变分模态分解(VMD)中关键参数进行优化,筛选颤振敏感IMF分量并重组;根据颤振信号的频谱特性构建基于功率谱熵差(ΔPSE)的颤振识别指标,采用K-means++算法对不同颤振类型进行辨识。实验结构表明,所提出的SABO-VMD-K-means++方法可以准确识别机器人磨削加工颤振类型,为机器人磨削颤振监测提供一定的指导。

关键词：机器人磨削颤振减法平均优化算法特征提取颤振类型识别

来源：评论

学校读者我要写书评

暂无评论

改进减法优化在GIS局部放电故障诊断中的应用

引用

自动化技术与应用 2024年

作者：张运张士勇黄晓巍张琦陈斌国网江苏省电力有限公司盐城供电分公司

针对气体绝缘组合电器（GIS）的绝缘缺陷导致局部放电的问题，提出一种基于改进减法优化算法（CSABO）的局部放电故障诊断方法。引入混沌和柯西变异理论改进减法优化算法，将其用于时变滤波经验模态分解（TVFEMD）和最小二乘支持向量机... 详细信息

针对气体绝缘组合电器（GIS）的绝缘缺陷导致局部放电的问题，提出一种基于改进减法优化算法（CSABO）的局部放电故障诊断方法。引入混沌和柯西变异理论改进减法优化算法，将其用于时变滤波经验模态分解（TVFEMD）和最小二乘支持向量机（LSSVM）的关键参数寻优;采用CSABO-TVFEMD分解四种典型故障特高频信号，利用相关系数对分量进行选取，以五项指标作为特征向量，输入CSABO-LSSVM中进行故障识别。实验结果表明，CSABO-TVFEMD-LSSVM方法相比于其他现有优化算法寻优效果更好、收敛速度更快，能够有效识别不同缺陷的局部放电信号，识别正确率高达98.33%，对GIS运维现场故障能进行有效诊断。

关键词：气体绝缘组合电器时变滤波经验模态分解减法平均优化算法局部放电故障诊断

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：