基于特征选择和优化极限学习机的短期电力负荷预测 被引量：21

1

作者 商立群 李洪波 +2 位作者 侯亚东 黄辰浩 张建涛 《西安交通大学学报》 EI CAS CSCD 北大核心 2022年第4期165-175,共11页

针对负荷预测过程中特征量难以确定以及极限学习机(ELM)存在因随机产生的初始权值和阈值导致输出稳定性低的问题,提出了基于格拉姆施密特正交化与皮尔逊相关性分析相结合的特征选择方法(GSO-PCA)和改进灰狼算法(IGWO)优化ELM的短期电力... 针对负荷预测过程中特征量难以确定以及极限学习机(ELM)存在因随机产生的初始权值和阈值导致输出稳定性低的问题,提出了基于格拉姆施密特正交化与皮尔逊相关性分析相结合的特征选择方法(GSO-PCA)和改进灰狼算法(IGWO)优化ELM的短期电力负荷预测模型(IGWO-ELM)。对两种不同类型的特征分别使用GSO算法和PCA进行优选,并根据平均绝对百分比误差(MAPE)确定最优特征集,与传统的经验特征选择、最大互信息系数特征选择、随机森林特征选择比较,GSO-PCA特征选择的MAPE分别降低了1.3%、0.55%和0.83%,验证了其优越性;将Tent混沌映射和粒子群优化算法(PSO)融入到灰狼优化算法中,得到IGWO,并利用两种典型的测试函数对IGWO性能进行测试,证明了其具有更强的寻优能力;使用IGWO算法对ELM的初始权值和阈值进行动态优化,建立IGWO-ELM短期负荷预测模型。将拟合优度检验系数、平均绝对误差、均方根误差和MAPE作为评价指标,结合实例分析,与传统的模型进行比较。仿真结果表明:所提预测模型得到的4个评价指标分别为0.9978、54.90 kW、72.02 kW和1.52%,明显优于其他模型,验证了所提模型的有效性和优越性。 展开更多

关键词 短期电力负荷预测 极限学习机 灰狼优化算法 粒子群优化算法 Tent混沌映射 格拉姆施密特正交化 皮尔逊相关性分析

下载PDF 职称材料

基于PSO与ELM组合算法的短期光伏发电功率预测模型 被引量：17

2

作者 蒋建东 余沣 +2 位作者 董存 常朝辉 陈海刚 《郑州大学学报（理学版）》 CAS 北大核心 2019年第3期120-126,共7页

光伏发电功率受自然环境因素影响较大,具有很强的随机性和波动性,准确及时的光伏发电功率预测对电网的调度运行具有重要的意义.提出了一种基于PSO与ELM组合算法的短期光伏发电功率预测模型.该模型通过调整粒子群优化算法(particle swarm... 光伏发电功率受自然环境因素影响较大,具有很强的随机性和波动性,准确及时的光伏发电功率预测对电网的调度运行具有重要的意义.提出了一种基于PSO与ELM组合算法的短期光伏发电功率预测模型.该模型通过调整粒子群优化算法(particle swarm optimization, PSO)不同阶段的寻优重点,为极限学习机(extreme learning machine, ELM)设定出了最佳网络参数,避免了ELM随机产生输入层权值和隐含层阈值造成的网络不稳定问题.同时结合传统神经网络和ELM网络隐含层节点选取原则为组合模型,设定了最佳隐含层节点数,提高了模型预测精度.实际算例验证了组合算法模型能够有效提高短期光伏发电功率预测的预测精度. 展开更多

关键词 光伏发电 功率预测 极限学习机 粒子群优化算法 预测精度

下载PDF 职称材料

基于极限学习机的风电机组主轴承故障诊断方法 被引量：16

3

作者 卢锦玲 绳菲菲 赵洪山 《可再生能源》 CAS 北大核心 2016年第11期1588-1594,共7页

针对传统故障诊断方法在风电机组主轴承的故障诊断中诊断准确率不高的问题,引入了一种改进粒子群优化(PSO)算法,并结合交叉验证(CV)优化极限学习机(ELM)的方法。利用ELM建立故障诊断模型,采用主轴承振动信号的代表性时域特征参数作为模... 针对传统故障诊断方法在风电机组主轴承的故障诊断中诊断准确率不高的问题,引入了一种改进粒子群优化(PSO)算法,并结合交叉验证(CV)优化极限学习机(ELM)的方法。利用ELM建立故障诊断模型,采用主轴承振动信号的代表性时域特征参数作为模型输入,结合改进PSO算法和CV用于模型的参数优化,用于风电机组主轴承的故障诊断。实例分析表明,文章提出的方法可以快速、有效地诊断风电机组主轴承的故障,与LS-SVM,SVM和BPNN等方法相比,诊断准确率更高。 展开更多

关键词 风电机组 主轴承 故障诊断 极限学习机 改进粒子群优化算法

下载PDF 职称材料

基于优化极限学习机的工业控制系统入侵检测 被引量：11

4

作者 赵国新 陈志炼 +3 位作者 魏战红 刘昱 宋非凡 郭家伟 《计算机工程与设计》 北大核心 2020年第3期608-613,共6页

为解决极限学习机(ELM)随机给定输入权值和隐含层结点的阈值,导致泛化能力和精度不理想的问题,提出混合自适应量子粒子群(HAQPSO)优化算法对输入权值和隐含层结点的阈值进行参数寻优。在量子粒子群优化算法的基础上,加入差分策略和Levy... 为解决极限学习机(ELM)随机给定输入权值和隐含层结点的阈值,导致泛化能力和精度不理想的问题,提出混合自适应量子粒子群(HAQPSO)优化算法对输入权值和隐含层结点的阈值进行参数寻优。在量子粒子群优化算法的基础上,加入差分策略和Levy飞行策略,采用自适应改变的控制方法控制收缩-扩张系数,有效避免算法的早熟,增强算法全局寻优能力,通过对典型函数的测试验证了该算法的优越性。构建基于HAQPSO优化ELM的工控入侵检测模型,将仿真结果与其它算法进行比较,HAQPSO优化后的ELM在准确率、精确率和召回率等指标上都有明显提升。 展开更多

关键词 极限学习机 量子粒子群优化算法 差分策略 Levy飞行策略 工控入侵检测

下载PDF 职称材料

基于数据驱动的高炉料面优化决策模型研究 被引量：9

5

作者 李艳姣 张森 +1 位作者 尹怡欣 张杰 《控制理论与应用》 EI CAS CSCD 北大核心 2018年第3期324-334,共11页

高炉炼铁是一个典型的高能耗、高排放、高污染的工业环节.合理的炉料分布能够形成更加合理的煤气流分布,使得炉内的化学反应更加充分,对高炉长期稳顺运行和节能减排具有重要作用.本文针对基于经验的料面形状决策不能根据炉况变化做出准... 高炉炼铁是一个典型的高能耗、高排放、高污染的工业环节.合理的炉料分布能够形成更加合理的煤气流分布,使得炉内的化学反应更加充分,对高炉长期稳顺运行和节能减排具有重要作用.本文针对基于经验的料面形状决策不能根据炉况变化做出准确和及时的调控的缺陷,提出了基于数据驱动的高炉料面形状优化决策模型.首先,基于现场采集的数据,在考虑高炉生产实际情况约束和变量上下限约束的情况下,建立了以煤气利用率为评价函数的料面优化模型.然后,为了提高模型的精度和决策性能,提出了一种误差补偿超限学习机(extreme learning machine,ELM)方法用于建立料面优化过程模型,以减少模型与实际生产过程之间的误差.在此基础上,采用带有约束条件的自适应粒子群算法对模型进行求解.最后,通过仿真实验验证了所建模型和优化方法的有效性,实验结果表明所构建的高炉料面优化决策模型能够及时根据生产情况的变化给出合理的料面形状,满足现场生产的需求,使高炉高效稳定运行. 展开更多

关键词 高炉布料 料面优化 煤气利用率 约束条件 超限学习机 自适应粒子群算法

下载PDF 职称材料

基于改进粒子群优化极限学习机的弹丸参数辨识 被引量：4

6

作者 夏悠然 管军 易文俊 《系统工程与电子技术》 EI CSCD 北大核心 2023年第2期521-529,共9页

针对随机产生输入权重和隐含层神经元阈值导致利用极限学习机辨识弹丸气动参数时会出现辨识结果发散问题,本文将粒子群算法与极限学习机结合,并且引入自适应更新策略以及粒子变异策略,提出了一种自适应变异粒子群优化极限学习机算法。... 针对随机产生输入权重和隐含层神经元阈值导致利用极限学习机辨识弹丸气动参数时会出现辨识结果发散问题,本文将粒子群算法与极限学习机结合,并且引入自适应更新策略以及粒子变异策略,提出了一种自适应变异粒子群优化极限学习机算法。该算法利用自适应变异粒子群算法寻优产生极限学习机的输入权重和隐含层阈值,有效改善算法性能。仿真实验表明,利用自适应变异粒子群优化极限学习机算法辨识弹丸气动参数,精度高、收敛速度快,能够充分满足实际工程需要。 展开更多

关键词 弹丸 气动参数辨识 极限学习机 粒子群优化算法 自适应更新策略 粒子变异策略

下载PDF 职称材料

基于MFOA-ELM的水质等级预测研究 被引量：7

7

作者 孙小杰 孙学伟 《中国农机化学报》 北大核心 2019年第8期176-181,共6页

为提高水质评价模型的预测精度和适用性,针对极限学习机性能受输入权重W_i和隐含层偏置b_i的影响,提出一种基于修正因子的果蝇算法优化ELM的水质评价模型。选择2012—2017年巢湖水质监测数据为研究对象,与FOA-ELM、PSO-ELM、GA-ELM和EL... 为提高水质评价模型的预测精度和适用性,针对极限学习机性能受输入权重W_i和隐含层偏置b_i的影响,提出一种基于修正因子的果蝇算法优化ELM的水质评价模型。选择2012—2017年巢湖水质监测数据为研究对象,与FOA-ELM、PSO-ELM、GA-ELM和ELM对比发现,MFOA-ELM具有更高的预测精度,精度高达98.36%,并且具有更快的收敛速度,可以广泛地应用于水质评价和预测。 展开更多

关键词 果蝇优化算法 极限学习机 水质评价 粒子群算法 修正因子

下载PDF 职称材料

基于PSO-ELM的热力系统参数预测 被引量：6

8

作者 赵丽娟 马良玉 王晓霞 《电力科学与工程》 2018年第3期70-74,共5页

高精度的参数预测对热力系统变负荷过程中的实时监控和故障诊断有着至关重要的意义。极端学习机是一种单隐层前馈神经网络,具有泛化能力强,学习速度快等优点。但是,由于输入权值和偏差的随机性使得ELM需要较多的隐含层节点才能达到理想... 高精度的参数预测对热力系统变负荷过程中的实时监控和故障诊断有着至关重要的意义。极端学习机是一种单隐层前馈神经网络,具有泛化能力强,学习速度快等优点。但是,由于输入权值和偏差的随机性使得ELM需要较多的隐含层节点才能达到理想精度,为了提高极端学习机对热力系统参数的预测精度,利用粒子群算法优化极端学习机的输入权值矩阵和隐含层偏差,从而计算出输出权值矩阵。仿真实验结果表明,相比ELM算法,经过粒子群优化的极端学习机对热力系统参数的预测具有较高的精度。 展开更多

关键词 高压加热器 参数预测 极端学习机 粒子群算法

下载PDF 职称材料

改进人工蜂群算法优化ELM分类模型 被引量：5

9

作者 赵虎 左开伟 覃永震 《计算机测量与控制》 2016年第10期251-254,共4页

针对极限学习机(Extreme Learning Machine,ELM)参数优化问题,提出改进人工蜂群算法(Improvement Artificial bee colony,IABC)优化ELM分类模型;算法采用解更新策略池代替固定不变的更新策略,将邻域搜索自适应化;优化侦察蜂搜索方式,利... 针对极限学习机(Extreme Learning Machine,ELM)参数优化问题,提出改进人工蜂群算法(Improvement Artificial bee colony,IABC)优化ELM分类模型;算法采用解更新策略池代替固定不变的更新策略,将邻域搜索自适应化;优化侦察蜂搜索方式,利用Kent映射产生均匀性更优的初始随机数序列;在分类数据集中,将IABC-ELM分类模型同ELM、PSO-ELM分类模型进行对比实验;实验中,IABC-ELM模型取得了最佳的分类结果,得到了最低的输出权重范数;结果表明,IABC-ELM模型分类效果显著优于对比模型,证实了IABC算法优化ELM分类模型的有效性和优越性。 展开更多

关键词 计算机应用技术 极限学习机 人工蜂群算法 分类模型 Kent映射

下载PDF 职称材料

基于ICEEMDAN-IPSO-ELM的硅油溶解气体浓度组合预测方法 被引量：1

10

作者 李长云 杨静雨 +3 位作者 连鸿松 郑东升 赖永华 刘慧鑫 《高电压技术》 EI CAS CSCD 北大核心 2023年第9期3887-3897,共11页

高压电缆充油终端作为电力系统中传输电能的重要设备,对充油电缆终端内填充的硅油溶解气体浓度进行可靠预测,可为硅油的故障诊断提供一定的支撑。因此,提出一种基于局部异常因子与ICEEMDAN-IPSO-ELM的硅油中溶解气体浓度预测模型。首先... 高压电缆充油终端作为电力系统中传输电能的重要设备,对充油电缆终端内填充的硅油溶解气体浓度进行可靠预测,可为硅油的故障诊断提供一定的支撑。因此,提出一种基于局部异常因子与ICEEMDAN-IPSO-ELM的硅油中溶解气体浓度预测模型。首先,搭建模拟电缆终端内部硅油老化实验平台,通过色谱分析获得硅油中溶解气体浓度序列,进而对硅油中溶解气体浓度时间序列进行数据清洗,采用局部离群因子检测方法判断异常值并进行合理的修正,进而采用改进自适应白噪声完全集合经验模态分解将修正后的硅油中溶解气体浓度序列进行分解,得到不同时间尺度的本征模态函数分量,可以有效降低高、低频分量间的相互影响;其次,针对具有不同特征的频率分量搭建极限学习机网络预测模型,针对极限学习机模型参数较难选取的问题,采用改进粒子群优化方法对模型的权值和阈值参数寻优求解,在一定程度上优化了粒子群方法的寻优能力,并提高了组合预测方法的可靠性;最后,将不同频率分量的计算结果加和,便可得到硅油中溶解气体浓度的预测含量。具体实例表明,与其他预测模型相比,该方法能够可靠预测出硅油中溶解气体含量的未来走势,为硅油故障诊断技术提供了有力的保障。 展开更多

关键词 高压电缆充油终端 局部离群因子 极限学习机 硅油中溶解气体 改进粒子群优化算法 改进自适应白噪声完全集合经验模态分解

下载PDF 职称材料

基于改进灰狼算法优化ELM的边坡稳定性评价

11

作者 马艳梅 毕晓茜 《长春工程学院学报（自然科学版）》 2023年第3期24-28,共5页

采用改进的灰狼算法对极限学习机进行了优化,以改善边坡稳定性评估的准确性。首先,在GWO中加入了逆向和非线性的收敛因子,并给出了一种新的GWO优化方法;其次,为了改善ELM的性能,利用IGWO算法优化了ELM的输入层次权重和隐含层偏差,从而... 采用改进的灰狼算法对极限学习机进行了优化,以改善边坡稳定性评估的准确性。首先,在GWO中加入了逆向和非线性的收敛因子,并给出了一种新的GWO优化方法;其次,为了改善ELM的性能,利用IGWO算法优化了ELM的输入层次权重和隐含层偏差,从而得到了IGWO-ELM的最佳模式。最后,选取重度、黏聚力、摩擦角、边坡角和坡高5个指标作为边坡稳定性评估参数,研究结果表明,与ELM、PSOELM、GWO-ELM相比,应用IGWO-ELM对边坡的稳定性进行评估,其结果更为准确。 展开更多

关键词 极限学习机 边坡稳定性 灰狼优化算法 反向学习 粒子群算法

下载PDF 职称材料

极端学习机算法的改进及应用研究 被引量：4

12

作者 牛培峰 马云鹏 +2 位作者 刘魏岩 卢青 杨潇 《燕山大学学报》 CAS 北大核心 2015年第2期127-132,共6页

极端学习机是一种新型的单隐藏层前馈神经网络模型,其输入权值和隐藏层阈值随机设置,其输出权值解析计算得到。因此,其运算速度是传统的BP神经网络的数千倍,而且具有良好的模型辨识能力。然而,极端学习机的输入权值和隐藏层阈值是随机... 极端学习机是一种新型的单隐藏层前馈神经网络模型,其输入权值和隐藏层阈值随机设置,其输出权值解析计算得到。因此,其运算速度是传统的BP神经网络的数千倍,而且具有良好的模型辨识能力。然而,极端学习机的输入权值和隐藏层阈值是随机设定的,可能不是使网络训练目标能达到全局最小值时的最优模型参数。针对此不足,本文采用最小二乘思想确定极端学习机的输入权值和隐藏层阈值。同时,将改进的极端学习机算法应用于电站锅炉的燃烧热效率建模,并与BP、原始极端学习机、粒子群优化极端学习机和"教与学"优化极端学习机算法进行比较,证明了改进算法的有效性。 展开更多

关键词 极端学习机 粒子群算法 “教与学”优化算法 最小二乘思想

下载PDF 职称材料

基于超限学习机的WSNs链路质量评估方法 被引量：4

13

作者 刘琳岚 许江波 +1 位作者 陈宇斌 舒坚 《北京邮电大学学报》 EI CAS CSCD 北大核心 2018年第1期134-138,共5页

提出基于超限学习机的链路质量评估方法.选择非对称性指标、信噪比变异系数、均值信噪比为链路质量参数,以包接收率为链路质量评价指标,划分链路质量等级;采用粒子群算法优化超限学习机的输入层权重和偏置参数,构建链路质量评估模型.不... 提出基于超限学习机的链路质量评估方法.选择非对称性指标、信噪比变异系数、均值信噪比为链路质量参数,以包接收率为链路质量评价指标,划分链路质量等级;采用粒子群算法优化超限学习机的输入层权重和偏置参数,构建链路质量评估模型.不同场景下的实验结果表明,与支持向量分类机评估方法相比,所提方法具有更高的评估准确率. 展开更多

关键词 无线传感器网络 链路质量评估 超限学习机 粒子群优化算法

原文传递

应用PSO-KELM模型预测水文时间序列 被引量：4

14

作者 涂异 汪金能 +3 位作者 朱曲平 安雪玮 梅艺 陈东祖 《中国农村水利水电》 北大核心 2018年第7期21-24,共4页

水文时间序列预测对于水文水利决策有着重要的意义。鉴于水文时间序列的复杂性,提出了一种水文时间序列的混合核PSO-KELM预测模型:将极限学习机(extreme learning machine,ELM)模型应用于水文时序预测研究,基于多核学习思想,构造由径向... 水文时间序列预测对于水文水利决策有着重要的意义。鉴于水文时间序列的复杂性,提出了一种水文时间序列的混合核PSO-KELM预测模型:将极限学习机(extreme learning machine,ELM)模型应用于水文时序预测研究,基于多核学习思想,构造由径向基核函数和多项式核函数加权构成的混合核函数,其综合了径向基核函数和多项式核函数的优点,并通过粒子群算法(particle swarm optimization,PSO)对模型的参数进行寻优,避免了人工操作造成的繁琐性和主观性。兰州站年径流量和金沟河流域年径流量实测数据被用来验证新模型合理性。通过两个算例表明:新模型能够获取比BP模型、RBF模型更好的结果。 展开更多

关键词 水文时间序列 极限学习机 粒子群算法 混合核函数

下载PDF 职称材料

基于PSO和Stacking集成学习的保险杠工艺优化 被引量：3

15

作者 郑守银 张凌波 《塑料》 CAS CSCD 北大核心 2022年第4期22-27,共6页

结合保险杠在注塑成型过程中存在的体积收缩缺陷,采用Stacking集成学习方法建立了顶出时体积收缩率平均值的预测模型,并且对工艺参数进行优化。采用正交试验法设计试验方案,通过CAE软件分析并获得注塑成型过程温度、压力、时间等工艺参... 结合保险杠在注塑成型过程中存在的体积收缩缺陷,采用Stacking集成学习方法建立了顶出时体积收缩率平均值的预测模型,并且对工艺参数进行优化。采用正交试验法设计试验方案,通过CAE软件分析并获得注塑成型过程温度、压力、时间等工艺参数与顶出时体积收缩率的平均值的样本数据。使用极限学习机结合岭回归、支持向量机回归、K近邻回归建立RSK-ELM集成模型,仿真实验表明,集成模型具有更高的预测精度。以降低顶出时体积收缩率的平均值为目标,基于建立的集成模型,运用粒子群算法对工艺参数优化问题进行求解,实验结果表明,使用优化的工艺参数,得到顶出时体积收缩率平均值为3.453%,与正交试验表中的下限相比,减少了3.94%,有效地降低了产品的收缩变形。因此,利用上述方法能提高产品的质量。 展开更多

关键词 保险杠 体积收缩 Stacking集成学习 工艺参数 极限学习机 粒子群算法

下载PDF 职称材料

单绕组磁悬浮开关磁阻电机电磁分析与优化设计 被引量：4

16

作者 朱志莹 孙玉坤 +2 位作者 张仰飞 周云红 王正齐 《电机与控制应用》 北大核心 2015年第12期12-16,共5页

研究了单绕组磁悬浮开关磁阻电机电磁特性和结构优化设计方法。通过有限元分析计算得到电机悬浮力与结构参数的一般关系,以此选择定、转子极弧作为优化参数,并采用极限学习机构建优化模型,以提高悬浮力输出为目标,选用粒子群算法进行寻... 研究了单绕组磁悬浮开关磁阻电机电磁特性和结构优化设计方法。通过有限元分析计算得到电机悬浮力与结构参数的一般关系,以此选择定、转子极弧作为优化参数,并采用极限学习机构建优化模型,以提高悬浮力输出为目标,选用粒子群算法进行寻优。通过对比仿真结果表明所提算法的精度高、回归速度快,能够准确地寻取最优解。 展开更多

关键词 磁悬浮开关磁阻电机 优化设计 极限学习机 粒子群算法

下载PDF 职称材料

基于PCA-IPSO-ELM的集装箱船在泊时间预测

17

作者 李朝辉 董珊 李文立 《计算机仿真》 北大核心 2023年第7期126-131,共6页

集装箱船在泊时间是制定泊位计划的重要依据。针对在泊时间预测面向不确定性环境的特性,考虑适用模型预测性能,提出一种基于主成分分析(PCA)、非线性参数动态控制的改进粒子群算法(IPSO)和极限学习机(ELM)的在泊时间集成预测模型,以天... 集装箱船在泊时间是制定泊位计划的重要依据。针对在泊时间预测面向不确定性环境的特性,考虑适用模型预测性能,提出一种基于主成分分析(PCA)、非线性参数动态控制的改进粒子群算法(IPSO)和极限学习机(ELM)的在泊时间集成预测模型,以天津港集装箱船港口作业数据为预测样本进行了实证研究。对比仿真结果表明:与已有集装箱船在泊时间预测模型相比,PCA-IPSO-ELM集成预测模型具有更高的精准度和时效性,其中,改进后的粒子群算法也体现出了较强的全局探索能力及较好的稳定性。该模型可为制定泊位计划提供有力的数据支持,有助于港口制定科学高效的泊位计划。 展开更多

关键词 集装箱船在泊时间 主成分分析法 极限学习机 改进的粒子群优化算法 预测模型

下载PDF 职称材料

基于数据驱动的人力资源成本评估算法 被引量：3

18

作者 辛占华 聂婷 《现代电子技术》 北大核心 2018年第9期157-160,共4页

针对当前人力资源成本评估算法存在准确度低、效果差等难题,为了提高人力资源成本评估精度,设计了基于数据驱动的人力资源成本评估算法。收集人力资源成本评估数据,并采用混沌理论对数据进行重构,还原人力资源成本变化特点,通过极限学... 针对当前人力资源成本评估算法存在准确度低、效果差等难题,为了提高人力资源成本评估精度,设计了基于数据驱动的人力资源成本评估算法。收集人力资源成本评估数据,并采用混沌理论对数据进行重构,还原人力资源成本变化特点,通过极限学习机建立人力资源成本评估算法,并通过粒子群算法对极限学习机进行优化,最后进行了人力资源成本评估仿真实验。结果表明,所提算法可以反映人力资源成本的变化特点,改善了人力资源成本的评估结果,获得了比其他人力资源成本评估模型更优的结果,具有广泛的应用前景。 展开更多

关键词 人力管理 资源成本 评估模型 数据驱动 极限学习机 粒子群算法

下载PDF 职称材料

粒子群算法优化极限学习机的旋风分离器压降建模 被引量：3

19

作者 王兆熙 延会波 张玮 《天然气化工—C1化学与化工》 CAS 北大核心 2021年第4期119-125,共7页

旋风分离器是化工行业常用气固分离装置,准确地预测旋风分离器的压降性能,并对其进行设计和放大至关重要。当前旋风分离器压降模型存在建模时间较长和预测精度较差的问题,为此采用极限学习机(Extreme learning machine,ELM)对旋风分离... 旋风分离器是化工行业常用气固分离装置,准确地预测旋风分离器的压降性能,并对其进行设计和放大至关重要。当前旋风分离器压降模型存在建模时间较长和预测精度较差的问题,为此采用极限学习机(Extreme learning machine,ELM)对旋风分离器压降进行了建模,并引入粒子群优化(Particle swarm optimization,PSO)算法对ELM输入层到隐含层连接权值和阈值进行了优化,以降低ELM对隐含层节点数的需求,提高模型准确度和稳定性。研究表明,优化结果较标准ELM降低了对隐含层节点数的需求,模型测试集R2和MSE分别为0.9978和2.443×10^(-4),运行时间为15.74 s,相比标准ELM模型、统计模型和人工神经网络模型,所建基于PSO-ELM的旋风分离器压降模型有更好的泛化能力和鲁棒性,极大地缩短了预测时间。PSO-ELM建模算法可以作为一种有效的方法,为旋风分离器性能分析提供指导。 展开更多

关键词 极限学习机 粒子群优化算法 旋风分离器 建模 压降

下载PDF 职称材料

用于飞轮储能系统的轴向分相电机的电磁分析与优化设计 被引量：1

20

作者 朱志莹 朱海浪 +2 位作者 邵淋晶 李鑫雅 郭杰 《微电机》 2022年第3期34-39,共6页

针对轴向分相电机参数优化问题,在分析电机基本电磁特性的基础上,探究一种关键结构参数提取及其优化设计方法。首先,通过有限元分析探究电机悬浮及转矩性能与结构参数间的一般规律,并基于所得各结构参数的变化曲线进行敏感度分析,获取... 针对轴向分相电机参数优化问题,在分析电机基本电磁特性的基础上,探究一种关键结构参数提取及其优化设计方法。首先,通过有限元分析探究电机悬浮及转矩性能与结构参数间的一般规律,并基于所得各结构参数的变化曲线进行敏感度分析,获取待优化的关键结构参数。其次结合极限学习机学习速度快、建模精度高的优点,构建多目标统一优化模型。然后以改善平均悬浮力及转矩性能为优化目标,利用粒子群算法进行全局寻优以获得最优参数配置。有限元仿真结果表明,优化后电机的悬浮力和平均转矩分别提高了10.07%和6.67%,验证了所述优化方法的有效性。 展开更多

关键词 轴向分相电机 极限学习机 优化设计 粒子群算法

下载PDF 职称材料