-
题名基于非洲秃鹫算法优化卷积神经网络的重叠峰解析方法
- 1
-
-
作者
牛传乐
李芳
任顺
陆安祥
-
机构
三峡大学计算机与信息学院
北京市农林科学院质量标准与检测技术研究所
-
出处
《科学技术与工程》
北大核心
2024年第16期6592-6599,共8页
-
基金
现代农业(桃)产业技术体系(CARS-30-2-06)。
-
文摘
利用光谱仪器检测土壤中重金属时,由于仪器分辨率较低,峰位相近元素的特征峰会产生重叠。光谱重叠峰严重影响定量分析结果的准确性,为了得到准确的重金属含量需要进行光谱重叠峰分解。提出利用非洲秃鹫算法优化卷积神经网络(AVOA-CNN)的重叠峰解析方法。首先,利用高斯函数模型模拟出150个双高斯含噪光谱重叠峰和43个三高斯含噪光谱重叠峰,选择不同小波基函数进行光谱数据去噪,以信噪比和均方根误差(root mean square error, RMSE)为评价指标,最终确定coif 3小波基函数,使用导数法进行光谱重叠峰预处理。然后,使用AVOA-CNN获得卷积神经网络(convolutional neural network, CNN)预测结果,解析结果表明:AVOA-CNN成功分解重叠峰且准确率高,双高斯光谱重叠峰和三高斯光谱重叠峰参数(峰强度,峰位,峰宽)的最大相对误差平均值分别为3.15%和5.90%。最后对比麻雀搜索算法优化CNN、CNN与AVOA-CNN,结果显示AVOA-CNN模型预测准确率最高。
-
关键词
光谱仪器
重叠峰解析
非洲秃鹫算法(avoa)
卷积神经网络(CNN)
-
Keywords
spectral instrument
overlapping peak analysis
african vulture optimization algorithm(avoa)
convolutional neural network(CNN)
-
分类号
O433
[机械工程—光学工程]
-
-
题名一种自适应选取参数的改进变分模态分解方法
- 2
-
-
作者
李志强
李德文
左洪福
蔡景
张营
-
机构
南京林业大学汽车与交通工程学院
南京航空航天大学民航学院
-
出处
《机电工程》
CAS
北大核心
2024年第6期980-991,共12页
-
基金
国家自然科学基金与民航联合基金重点资助项目(U1933202)。
-
文摘
针对传统的变分模态分解(VMD)方法中模态数和惩罚参数难以确定的问题,提出了一种自适应选取参数的改进变分模态分解方法。首先,综合考虑了故障的冲击性和周期性特点,以Gini指数和谱峰比指标为基础构建了加权谱峰比(WSPR)指标;然后,采用非洲秃鹫优化算法(AVOA)进行了寻优,得到了最佳的模态数和惩罚参数组合,克服了人为主观选择参数的弊端;最后,在VMD分解信号后,利用加权谱峰比最大原则自适应选取了敏感内涵模态分量,对最佳IMF进行了包络解调分析,提取了滚动轴承早期故障特征,利用仿真信号、单一故障滚动轴承试验信号及复合故障滚动轴承试验信号对所述方法进行了验证。实验结果表明:该方法可以准确地提取出仿真信号的故障频率(100 Hz)、单一故障信号的故障频率(236.4 Hz)和复合故障信号的故障频率(内圈故障频率149.14 Hz、外圈故障频率86.39 Hz),并且在与其他方法和指标的对比中,其最佳IMF的包络谱图中故障特征频率及其倍数频的谱峰更加明显,准确率更高且鲁棒性更强。研究结果表明:该方法能够有效提取轴承早期故障信号的微弱特征,实现故障类型准确识别的目的。
-
关键词
滚动轴承
早期故障诊断
变分模态分解
模态数
惩罚参数
非洲秃鹫优化算法
加权谱峰比指标
-
Keywords
rolling bearing
early fault diagnosis
variational mode decomposition(VMD)
number of modes
penalty parameters
african vulture optimization algorithm(avoa)
weighted spectrum peak ratio(WSPR)index
-
分类号
TH133.33
[机械工程—机械制造及自动化]
-
