检索结果-内蒙古大学图书馆

电网技术 2025年第2期49卷 511-521,I0035-I0037页

作者：戴宇欣张俊乔骥沈阳武余及舟许沛东张科高天露白昱阳武汉大学电气与自动化学院湖北省武汉市430072 中国电力科学研究院有限公司北京市海淀区100192 中国长江三峡集团有限公司湖北省武汉市430010

新能源出力具有强不确定性,为新型电力系统的调度、控制带来了极大的挑战。为实现精准的新能源出力场景建模,首先,针对常规新能源场站超短期出力的不确定性,该文提出一种改进的去噪扩散概率模型,结合改进的自注意力机制设计适配新能源... 详细信息

新能源出力具有强不确定性,为新型电力系统的调度、控制带来了极大的挑战。为实现精准的新能源出力场景建模,首先,针对常规新能源场站超短期出力的不确定性,该文提出一种改进的去噪扩散概率模型,结合改进的自注意力机制设计适配新能源超短期出力场景生成的神经网络架构,以更好地捕捉新能源出力时序上的相关性,拟合其概率分布,从而实现新能源场站超短期出力场景的生成;然后,针对新建新能源场站历史数据不足问题,提出基于模型迁移的新建新能源场站超短期出力场景生成框架,从而在小样本条件下完成场景生成模型的构建。最后,在美国国家可再生能源实验室开源的风电、光伏出力数据集上进行了算例分析,算例结果表明所提模型在各项评价指标上较生成对抗网络、变分自编码器以及无模型迁移具有显著的性能提升。

关键词：新能源场景生成去噪扩散概率模型自注意力机制模型迁移

来源：评论

学校读者我要写书评

暂无评论

基于模型迁移方法的高超声速飞行器建模

引用

北京航空航天大学学报 2016年第12期42卷 2640-2647页

作者：王浩亮李清东任章赵启伦董希旺刘菲北京航空航天大学飞行器控制一体化技术重点实验室北京100083

高超声速飞行器的研发是一个小批量多批次的过程。为了降低实验成本缩短建模周期,引入了模型迁移方法计算具有相似外形的高超声速飞行器的气动参数。首先研究了一种评价飞行器气动外形间仿射相似度的方法,当相似度满足要求时,可使用模... 详细信息

高超声速飞行器的研发是一个小批量多批次的过程。为了降低实验成本缩短建模周期,引入了模型迁移方法计算具有相似外形的高超声速飞行器的气动参数。首先研究了一种评价飞行器气动外形间仿射相似度的方法,当相似度满足要求时,可使用模型迁移方法计算新飞行器的气动参数。接着基于高超声速相似律,使用基飞行器的气动参数对新飞行器气动参数初次迁移。当初次迁移结果不能满足建模精度要求时,应用偏差校正的方法对迁移过程修正。最后为了消除飞行高度对高超声速流黏性的影响,引入高超声速边界层理论迁移飞行器不同高度上的气动参数。通过对仿真结果的分析,验证了模型迁移方法对具有相似外形的高超声速飞行器建模的有效性。

关键词：高超声速飞行器仿射相似度高超声速相似律模型迁移高超声速边界层理论

来源：评论

学校读者我要写书评

暂无评论

基于模型迁移的苹果光学特征参数反演

引用

农业机械学报 2020年第11期51卷 264-271页

作者：徐焕良周冰清王浩云李亦白胡华东黄芬南京农业大学信息科技学院南京210095 南京农业大学农业工程博士后流动站南京210031

针对现有水果组织光学特征参数反演方法耗时费力、普适性较差的问题,提出了一种基于模型迁移的光学特征参数反演方法。以苹果为例,构造仿真双层生物组织模型;基于蒙特卡洛(Monte Carlo)原理进行光子传输模拟,生成150万光亮度分布图,将... 详细信息

针对现有水果组织光学特征参数反演方法耗时费力、普适性较差的问题,提出了一种基于模型迁移的光学特征参数反演方法。以苹果为例,构造仿真双层生物组织模型;基于蒙特卡洛(Monte Carlo)原理进行光子传输模拟,生成150万光亮度分布图,将光亮度分布图作为数据集输入构造好的8层卷积神经网络(CNN)上进行训练,得到预训练模型;再将训练好的模型迁移到实际测得的含有4000幅苹果高光谱点光源图像的数据集上进行微调,从而完成对光学参数的反演。将本文方法与其他几种算法的反演结果进行分析比较,结果表明,在实测数据集较小的情况下,该方法对苹果光学特征参数的反演结果为果皮吸收系数87.26%、果肉吸收系数90.53%、果皮散射系数86.66%、果肉散射系数87.57%,反演准确率高于其他算法,预训练模型基于大量仿真模型的光亮度分布图经由训练而得到,具有良好的普适性。本研究为解决水果光学特征参数反演中建模数据量不足问题提供了方法参考。

关键词：苹果光学特征参数仿真模型卷积神经网络模型迁移

来源：评论

学校读者我要写书评

暂无评论

基于改进宽度模型迁移学习的不同负载下滚动轴承状态快速分类方法

引用

电子与信息学报 2023年第5期45卷 1824-1832页

作者：康守强杨佳轩王玉静王庆岩梁欣涛 MIKULOVICH V I 哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 白俄罗斯国立大学明斯克220030

针对深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题,该文提出一种基于改进宽度模型迁移学习的滚动轴承状态快速分类方法。该方法首先对不同负载下滚动轴承振动信号进行快速傅里叶变换,构建频域... 详细信息

针对深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题,该文提出一种基于改进宽度模型迁移学习的滚动轴承状态快速分类方法。该方法首先对不同负载下滚动轴承振动信号进行快速傅里叶变换,构建频域幅值序列数据集,并选取某种或某些负载数据集作为源域,其他负载数据集作为目标域;其次以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口,并在增强层引入Maxout激活函数构建改进的BLS网络,同时引入遗传算法优化网络节点结构,建立基于源域数据的预训练模型;最后将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络,并利用少量目标域样本微调网络建立状态分类模型。实验结果表明,所提方法平均训练时间为32.6 s,平均测试准确率为98.9%。对比其他方法,所提方法可以在更短的时间内建立分类模型并获得良好的分类准确率。

关键词：滚动轴承快速分类宽度学习系统模型迁移

来源：评论

学校读者我要写书评

暂无评论

基于数据增强和模型迁移的生物质气化产物分布预测方法

引用

中国电机工程学报 2024年第18期44卷 7309-7320,I0017页

作者：任少君朱保宇翁琪航张逸佳邓志平司风琪能源热转换及其过程测控教育部重点实验室(东南大学) 江苏省南京市210096

生物质气化产物预测对于实现气化炉精准调控具有重要意义。机器学习方法计算速度快、拟合精度高,但由于实验样本不足,难以构建高可信预测模型。为此,该文提出基于数据增强和模型迁移的生物质气化产物分布预测方法。首先,构建生物质气化... 详细信息

生物质气化产物预测对于实现气化炉精准调控具有重要意义。机器学习方法计算速度快、拟合精度高,但由于实验样本不足,难以构建高可信预测模型。为此,该文提出基于数据增强和模型迁移的生物质气化产物分布预测方法。首先,构建生物质气化动力学模型并生成充足仿真数据来实现样本增强;然后,建立基于仿真数据的神经网络预训练模型,并在预训练模型基础上增加线性和非线性校准网络,利用实验数据对校准网络进行更新,将预训练模型迁移至与实验数据适配的特征空间。最后,采用该方法构建某木质生物质的气化预测模型,结果表明,该方法仅用4组训练样本就能够准确预测5组测试样本,其中决定性系数R~2为0.98,均方根误差为0.64%。与现有方法相比,该文方法在模型泛化和可解释方面均表现出一定优势。

关键词：生物质气化气化产物预测机器学习模型迁移数据增强

来源：评论

学校读者我要写书评

暂无评论

基于无监督深度模型迁移的滚动轴承寿命预测方法

引用

自动化学报 2023年第12期49卷 2627-2638页

作者：康守强邢颖怡王玉静王庆岩谢金宝 MIKULOVICH Vladimir Ivanovich 哈尔滨理工大学测控技术与通信工程学院哈尔滨150000 海南师范大学物理与电子工程学院海口571158 白俄罗斯国立大学明斯克220030白俄罗斯

针对实际中某种工况滚动轴承带标签振动数据获取困难,健康指标难以构建及寿命预测误差大的问题,提出一种基于无监督深度模型迁移的滚动轴承剩余使用寿命(Remaining useful life,RUL)预测方法.该方法首先对滚动轴承全寿命周期振动数据提... 详细信息

针对实际中某种工况滚动轴承带标签振动数据获取困难,健康指标难以构建及寿命预测误差大的问题,提出一种基于无监督深度模型迁移的滚动轴承剩余使用寿命(Remaining useful life,RUL)预测方法.该方法首先对滚动轴承全寿命周期振动数据提取均方根(Root mean square,RMS)特征,并引入新的自下而上(Bottom-up,BUP)时间序列分割算法将特征序列分割为正常期、退化期和衰退期3种状态;对振动信号经快速傅里叶(Fast Fourier transform,FFT)变换后的幅值序列进行状态信息标记,并将其输入到新增卷积层的全卷积神经网络(Full convolutional neural network,FCN)中,提取深层特征,得到预训练模型;提出将预训练模型的梯度作为一种“特征”与传统预训练模型特征一起参与目标域网络训练过程,从而得到状态识别模型;利用状态概率估计法结合状态识别模型建立滚动轴承寿命预测模型.实验验证所提方法无需构建健康指标,可实现无监督条件下不同工况滚动轴承剩余寿命预测,并获得较好的效果.

关键词：滚动轴承不同工况模型迁移状态识别剩余使用寿命

来源：评论

学校读者我要写书评

暂无评论

基于Anchors设计和模型迁移的钢轨内部伤损检测方法

引用

铁道学报 2023年第10期45卷 112-119页

作者：吴福培谢晓扬黄耿楠吴涛李昇平汕头大学工学院广东汕头515063 广州特种机电设备检测研究院广东广州510180

钢轨内部伤损的准确检测是保障列车安全运行的重要环节,如何提高伤损检测算法的泛化能力和鲁棒性是当前自动检测该类伤损面临的主要问题。为此,提出一种基于Anchors设计和模型迁移的钢轨内部伤损检测方法。首先,采用图像数据增强技术扩... 详细信息

钢轨内部伤损的准确检测是保障列车安全运行的重要环节,如何提高伤损检测算法的泛化能力和鲁棒性是当前自动检测该类伤损面临的主要问题。为此,提出一种基于Anchors设计和模型迁移的钢轨内部伤损检测方法。首先,采用图像数据增强技术扩充现有图像数据集,获取适量的训练样本。其次,设计以交并比为距离度量的K-means聚类算法获取新的Anchors多维度约束,提高伤损检测精度。最后,在基于改进Faster R-CNN模型的迁移学习方法基础上,训练所提的钢轨伤损检测模型。试验结果表明,本文检测方法所得精确率、召回率和F 1值均达到99%,对不同类型的内部伤损取得了较好的检测效果;与现有方法相比,本文所提方法的识别准确率高、误报率低,可有效检测钢轨内部伤损。

关键词：钢轨内部伤损缺陷检测深度学习 Faster R-CNN 模型迁移

来源：评论

学校读者我要写书评

暂无评论

基于有限PMU配置和模型迁移的电网故障诊断

引用

杭州电子科技大学学报(自然科学版) 2025年第1期45卷 28-35页

作者：孙畅夏永祥涂海程刘春山杭州电子科技大学通信工程学院浙江杭州310018

电网拓扑结构发生改变后,之前已训练好的神经网络故障诊断模型将不再适用于新拓扑电网的故障诊断。针对这一问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)和模型迁移的电网故障诊断方法。该模型使用同步相量测... 详细信息

电网拓扑结构发生改变后,之前已训练好的神经网络故障诊断模型将不再适用于新拓扑电网的故障诊断。针对这一问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)和模型迁移的电网故障诊断方法。该模型使用同步相量测量装置(Phasor Measurement Unit, PMU)采集到的电压、电流相量数据进行模型训练,在PMU设备有限时,仍能准确判断故障类型,并实现精准的故障定位。当电网拓扑改变时,通过模型迁移和少量新电网下的故障样本即可快速训练出新的故障诊断模型。新模型性能不亚于不使用迁移学习仅利用充足样本训练出的模型,减少了电网拓扑结构改变后模型训练对新样本的需求。

关键词：故障诊断量测数据故障线路定位卷积神经网络模型迁移

来源：评论

学校读者我要写书评

暂无评论

基于模型迁移方法的回转窑煅烧带温度软测量

引用

东北大学学报（自然科学版） 2011年第2期32卷 175-178页

作者：张立高宪文王介生赵娟平东北大学信息科学与工程学院辽宁沈阳110819

回转窑的煅烧带温度是其控制过程中一个非常重要的参数,但煅烧带温度难以直接获取并且缺少大量的实测数据进行软测量.为了在数据较少的情况下获得准确的软测量模型,并考虑到窑头温度与煅烧温度的相似性,引入了基于过程相似性进行模型迁... 详细信息

回转窑的煅烧带温度是其控制过程中一个非常重要的参数,但煅烧带温度难以直接获取并且缺少大量的实测数据进行软测量.为了在数据较少的情况下获得准确的软测量模型,并考虑到窑头温度与煅烧温度的相似性,引入了基于过程相似性进行模型迁移的方法(PMBPS).首先采用混沌混合学习算法训练T-S模糊神经网络,对具有大量准确测量值的窑头温度建模,然后用PMBPS算法对窑头温度模型进行规划修正,获得煅烧带温度的软测量模型.仿真验证了所提出的软测量建模方法的有效性.

关键词：回转窑煅烧带温度软测量 T-S模糊神经网络模型迁移

来源：评论

学校读者我要写书评

暂无评论

基于模型迁移方法的精炼炉钢水终点硫含量预报

引用

东北大学学报（自然科学版） 2014年第3期35卷 314-317页

作者：吕伍毛志忠袁平贾明兴东北大学信息科学与工程学院辽宁沈阳110819 东北大学流程工业综合自动化国家重点实验室辽宁沈阳110819

针对精炼炉(LF)钢水脱硫过程的非线性、强动态和多工况问题,提出了基于局部模型迁移方法的钢水硫含量终点预报模型.首先建立简化的机理模型捕捉主要的过程特性,然后采用模型迁移方法补偿机理简化和工况变化引起的预报误差.针对传统模型... 详细信息

针对精炼炉(LF)钢水脱硫过程的非线性、强动态和多工况问题,提出了基于局部模型迁移方法的钢水硫含量终点预报模型.首先建立简化的机理模型捕捉主要的过程特性,然后采用模型迁移方法补偿机理简化和工况变化引起的预报误差.针对传统模型迁移方法不能处理过程非线性问题,提出局部模型迁移方法,在输入空间内建立多个局部迁移模型,通过融合算法组合成全局迁移模型来自适应校正机理模型的偏差.由于充分利用了机理模型的优势,相比现有的智能预报模型,该方法具有良好的预报精度.最后,通过现场实际数据验证了所提方法的有效性.

关键词：精炼炉硫含量预报模型迁移聚类分析模糊TS

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：