期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
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3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 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：
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
1
作者 任少君 朱保宇 +3 位作者 翁琪航 张逸佳 邓志平 司风琪 《中国电机工程学报》 EI CSCD 北大核心 2024年第18期7309-7320,I0017,共13页
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... 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。 展开更多
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
下载PDF
基于物理信息神经网络的生物质气化产物分布预测方法
2
作者 邓志平 任少君 +2 位作者 翁琪航 朱保宇 司风琪 《动力工程学报》 CAS CSCD 北大核心 2024年第5期719-726,共8页
机器学习方法已经在生物质气化建模中展现出广阔的应用前景。然而,机器学习模型主要依赖于实验数据,并不考虑气化中的反应机理,在数据样本不充分的情况下模型所表现出的实际关联特性与机理规律之间存在严重偏差。为此,提出一种基于物理... 机器学习方法已经在生物质气化建模中展现出广阔的应用前景。然而,机器学习模型主要依赖于实验数据,并不考虑气化中的反应机理,在数据样本不充分的情况下模型所表现出的实际关联特性与机理规律之间存在严重偏差。为此,提出一种基于物理信息神经网络(PINN)的生物质气化产物分布预测方法,该方法将真实实验数据与先验机理进行无缝衔接,在人工神经网络(ANN)模型中嵌入边界约束和关键参数间的单调性关系,通过自动微分技术进行辅助优化,实现模型的高效训练。结果表明:PINN模型的决定系数大于0.89,均方根误差小于4%,其总体预测精度要优于随机森林(RF)、支持向量机(SVM)和ANN 3种纯拟合机器学习模型;PINN模型能够严格服从边界约束和先验机理单调性关系,表现出更好的可解释性和泛化能力。 展开更多
关键词 生物质气化 机器学习模型 物理信息神经网络 机理约束
下载PDF
基于SFFS-RBPCA的高维复杂工业过程故障诊断方法研究
3
作者 金寅峰 翁琪航 +1 位作者 任少君 司风琪 《热能动力工程》 CAS CSCD 北大核心 2024年第2期175-183,共9页
基于重构的故障分离方法能够抑制残差污染影响,有效降低误诊率,但该类方法计算量会随系统维度和故障变量数量呈指数级上升,难以直接应用于高维复杂工业过程的在线故障诊断。因此,提出的主成分分析法是一种基于序列特征选择算法的重构主... 基于重构的故障分离方法能够抑制残差污染影响,有效降低误诊率,但该类方法计算量会随系统维度和故障变量数量呈指数级上升,难以直接应用于高维复杂工业过程的在线故障诊断。因此,提出的主成分分析法是一种基于序列特征选择算法的重构主成分分析故障诊断方法,该方法基于历史数据建立主成分分析监测模型,利用综合指标对实时数据进行故障检测,在故障分离过程中引入序列特征选择方法来定位故障变量,并采用数学仿真算例和实际工程算例对该方法的诊断性能进行验证。结果表明:所提方法可以在较小计算量的情况下保证高诊出率和低误诊率,在诊断精度和诊断效率之间达到良好平衡,能够有效处理高维系统复杂故障,满足了在线诊断需求。 展开更多
关键词 故障诊断 主成分分析 复杂工业过程 特征选择
原文传递
已选择0条
导出题录 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 下一页 到第 页
使用帮助 返回顶部