检索结果-内蒙古大学图书馆

西安邮电大学学报 2022年第6期27卷 52-66页

作者：王忠民郑镕林赵玉鹏贺炎西安邮电大学计算机学院陕西西安710121 西安邮电大学、西安市大数据与智能计算重点实验室陕西西安710121 西安邮电大学、陕西省网络数据分析与智能处理重点实验室陕西西安710121

通过检索脑电信号进行疲劳驾驶检测的相关文献,归纳了现有的研究成果,整理了当下主流的研究方法。分别介绍了脑电信号采集、预处理、特征提取和分类识别方法,综合比较了脑电信号分别在时域、频域和脑功能网络等特征提取方法的优势及局限... 详细信息

通过检索脑电信号进行疲劳驾驶检测的相关文献,归纳了现有的研究成果,整理了当下主流的研究方法。分别介绍了脑电信号采集、预处理、特征提取和分类识别方法,综合比较了脑电信号分别在时域、频域和脑功能网络等特征提取方法的优势及局限性,说明了脑电信号的各种特征属性以及脑电信号的空间特性,阐述了信号分析方法的适用场景,最后讨论了该领域未来的发展方向。

关键词：脑电信号疲劳驾驶特征提取脑网络

来源：评论

学校读者我要写书评

暂无评论

云边端协同驱动的陶瓷制造过程能效调度方法

引用

兵器装备工程学报 2024年第8期45卷 174-183页

作者：李敏马帅印殷磊孔宪光西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 西安邮电大学西安市大数据与智能计算重点实验室西安710121 西安邮电大学陕西省“四主体一联合”5G+工业互联网通讯终端技术校企联合研究中心西安710121 西安电子科技大学机电工程学院西安710071

陶瓷制造企业作为典型的多品种小批量高能耗制造企业,面临着能耗高、生产周期长、品种繁多、生产工艺复杂等问题,因此如何提高陶瓷制造的能源和资源利用效率,并进一步实现节能降耗,已经成为陶瓷企业亟需解决的重要问题。针对这一目标,... 详细信息

陶瓷制造企业作为典型的多品种小批量高能耗制造企业,面临着能耗高、生产周期长、品种繁多、生产工艺复杂等问题,因此如何提高陶瓷制造的能源和资源利用效率,并进一步实现节能降耗,已经成为陶瓷企业亟需解决的重要问题。针对这一目标,提出了一种云边端协同驱动的陶瓷制造过程能效调度架构,该架构依赖于云边端协同技术来支持陶瓷制造过程的调度优化。以最小化最大完工时间和最小化总能耗为优化目标,建立陶瓷制造过程柔性流水车间调度模型。利用灰狼优化算法具有较强的全局搜索能力的特性,使用灰狼优化算法求解调度模型。结合陶瓷工厂实际情况设计算例,并以其作为实验数据,验证了灰狼优化算法在陶瓷制造过程中柔性流水车间调度优化的有效性。

关键词：云边端协同柔性流水车间调度能效调度灰狼优化算法多目标优化

来源：评论

学校读者我要写书评

暂无评论

基于SSA−LSTM的转炉炼钢终点锰含量预测

引用

工程科学学报 2024年第10期46卷 1764-1775页

作者：马帅印高丽丽贺锦峰殷磊张茜胥军西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 西安邮电大学西安市大数据与智能计算重点实验室西安710121 西安邮电大学陕西省“四主体一联合”5G+工业互联网通讯终端技术校企联合研究中心西安710121 敬业钢铁有限公司石家庄050400 西安电子科技大学机电工程学院西安710071 中国电子科技集团公司第十研究所成都610036 西安电子科技大学广州研究院广州510555

锰是钢铁中重要的合金元素,加入适量锰元素能提高钢铁的性能.在转炉炼钢过程中锰元素的含量直接影响钢铁质量,锰元素加入过少会导致钢铁产品的硬度和强度不足,锰元素加入过量会导致钢铁过脆和生产成本增加.因此,合适的锰元素添加量对提... 详细信息

锰是钢铁中重要的合金元素,加入适量锰元素能提高钢铁的性能.在转炉炼钢过程中锰元素的含量直接影响钢铁质量,锰元素加入过少会导致钢铁产品的硬度和强度不足,锰元素加入过量会导致钢铁过脆和生产成本增加.因此,合适的锰元素添加量对提升钢铁质量与减少冶炼成本具有重要意义.转炉炼钢过程中锰元素的添加量主要通过终点锰预测的结果来确定,然而,终点锰含量多少受到多个因素的综合影响,其中包括氧化反应进程和合金中其他元素的添加量,影响因素呈现非线性、高耦合的特征,导致终点锰预测难度大.针对转炉炼钢终点锰预测过程中数据有含噪声、强耦合性等问题,提出了一个转炉炼钢终点锰含量预测研究架构,基于长短期记忆网络(Long Short-term memory,LSTM)预测模型,引入奇异谱分析(Singular spectral analysis,SSA)方法去除终点锰预测过程中非线性、非平稳序列的高频噪声,提出了一种基于SSA−LSTM的终点锰含量预测方法.利用河北敬业钢铁有限公司转炉炼钢生产数据验证所提预测方法的平均绝对误差为1.19%,均方根误差为1.48%.结果表明,该方法能够解决数据存在较多噪声及非线性等问题;与已有的时间序列预测方法相比,经过SSA处理的预测误差均有所减小,证明了该方法的有效性,为实际生产过程中精准加入合金提供了依据.

关键词：转炉炼钢终点锰预测奇异谱分析长短期记忆网络预测方法

来源：评论

学校读者我要写书评

暂无评论

数据驱动的污水处理高密池混凝加药预测研究

引用

给水排水 2024年第2期50卷 158-166页

作者：马帅印王晨卢津孔宪光殷磊陈改革张茜西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 西安邮电大学西安市大数据与智能计算重点实验室西安710121 西安邮电大学陕西省“四主体一联合”5G+工业互联网通讯终端技术校企联合研究中心西安710121 西安电子科技大学机电工程学院西安710071 中国电子科技集团公司第十研究所成都610036

高密池是污水处理工艺流程中关键且复杂的一个环节,而混凝加药过程在高密池中扮演重要的角色,针对混凝加药非线性、大迟滞性、不确定因素较多的特性,为实现加药量的预测控制,达到降低成本的目的。提出主成分分析(Principal Component An... 详细信息

高密池是污水处理工艺流程中关键且复杂的一个环节,而混凝加药过程在高密池中扮演重要的角色,针对混凝加药非线性、大迟滞性、不确定因素较多的特性,为实现加药量的预测控制,达到降低成本的目的。提出主成分分析(Principal Component Analysis,PCA)和极限学习机(Extreme Learning Machine,ELM)以及长短记忆神经网络(Long Short-Term Memory,LSTM)残差组合预测方法,PCA降维和LSTM残差优化能够有效提高ELM的预测精度,同时对模型参数进行优化可以得到最优方法。利用污水处理数据进行验证,所提预测方法的平均绝对误差为0.14%,均方误差根为0.63%。试验结果表明,该方法在预测精度上明显优于随机森林等机器学习预测方法,为混凝加药量的预测和控制提供了可靠的依据,并具有实际应用价值。

关键词：高密池混凝加药组合预测极限学习机机器学习

来源：评论

学校读者我要写书评

暂无评论

基于特征加权集成学习的陶瓷制造能效预测方法研究

引用

计算机集成制造系统 2023年

作者：马帅印李敏殷磊孔宪光王超胥军西安邮电大学计算机学院西安邮电大学陕西省网络数据分析与智能处理重点实验室西安邮电大学西安市大数据与智能计算重点实验室西安邮电大学陕西省“四主体一联合”5G+工业互联网通讯终端技术校企联合研究中心西安电子科技大学机电工程学院惠达卫浴股份有限公司西安电子科技大学广州研究院先进制造技术创新中心

陶瓷制造作为典型的高能耗制造行业，其节能降耗一直是备受关注的热点问题之一。企业可通过能效预测找到节能降耗的切入点，从而降低生产能耗和提高生产能效。通过分析生产流程中的能耗数据，建立能效预测模型，准确预测生产过程的能源... 详细信息

陶瓷制造作为典型的高能耗制造行业，其节能降耗一直是备受关注的热点问题之一。企业可通过能效预测找到节能降耗的切入点，从而降低生产能耗和提高生产能效。通过分析生产流程中的能耗数据，建立能效预测模型，准确预测生产过程的能源消耗，并为能效优化提供支撑，以实现高能耗产业的绿色制造与可持续发展。针对上述目标，提出基于特征加权Stacking集成学习的陶瓷制造能效预测方法，首先，通过分析不同模型的预测性能和相关性，确定线性回归、极端随机树、极限梯度提升树和k-最近邻作为基学习器；然后，根据预测精度对不同基学习器进行特征加权；最后，将加权后基学习器的预测结果进行集成，使用轻量级梯度提升算法作为元模型进行预测。基于陶瓷制造数据集，对提出的方法进行验证，结果表明：特征加权Stacking集成学习模型的预测精度要显著高于传统Stacking集成学习预测模型和单一基学习器模型，证明了所提方法的有效性，为实现绿色制造与可持续发展提供理论支撑。

关键词：陶瓷制造能效预测 Stacking集成学习模型特征加权

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：