期刊文献+
共找到46篇文章
< 1 2 3 >
每页显示 20 50 100
基于油中溶解气体分析的DBN-SSAELM变压器故障诊断方法 被引量:29
1
作者 王艳 李伟 +2 位作者 赵洪山 张嘉琳 申宗旺 《电力系统保护与控制》 EI CSCD 北大核心 2023年第4期32-42,共11页
为了保证油浸式变压器故障诊断精度的同时,提高诊断方法的收敛速度以及泛化能力,提出一种基于DBN-SSAELM的变压器故障诊断方法。首先,利用深度置信网络(deep belief networks, DBN)对油中溶解气体浓度比值数据进行特征提取。其次,利用... 为了保证油浸式变压器故障诊断精度的同时,提高诊断方法的收敛速度以及泛化能力,提出一种基于DBN-SSAELM的变压器故障诊断方法。首先,利用深度置信网络(deep belief networks, DBN)对油中溶解气体浓度比值数据进行特征提取。其次,利用具有较强学习能力的极限学习机(extreme learning machine, ELM)替换传统DBN分类模型中的Softmax分类器,深入分析特征值与故障类型之间的关联性,提高模型的收敛速度。然后,利用麻雀搜索算法(sparrow search algorithm, SSA)优化ELM模型的输入权值和隐藏层节点偏置,以提高模型诊断结果的准确率和稳定性。最后,选用准确率、查全率、查准率和收敛速度对优化前后的模型进行性能评估。最终实验结果表明:所提出的DBN-SSAELM变压器故障诊断方法,故障诊断准确率高、泛化能力强、稳定性好,平均准确率达到96.50%,适用于变压器故障诊断。 展开更多
关键词 变压器 故障诊断 深度置信网络 极限学习机 麻雀搜索算法
下载PDF
适应5G通信的配电网分布式供电恢复策略 被引量:18
2
作者 程晓平 章昊 +6 位作者 王同文 张骏 于洋 宋志伟 芮涛 周帆 林振锋 《科学技术与工程》 北大核心 2022年第5期1906-1913,共8页
针对配电网发生故障后的快速供电恢复需求,提出了一种适应第五代移动通信技术(5th generation mobile communication technology,5G)的配电网分布式供电恢复策略。该策略通过可靠性模型分析与深度搜索算法为负荷节点发出供电恢复请求提... 针对配电网发生故障后的快速供电恢复需求,提出了一种适应第五代移动通信技术(5th generation mobile communication technology,5G)的配电网分布式供电恢复策略。该策略通过可靠性模型分析与深度搜索算法为负荷节点发出供电恢复请求提供依据,从而将整个非故障停电区划分为多个独立的转供区域。联络开关节点则根据收到的供电恢复请求集合,以最大范围恢复重要负荷供电为目标,构建转供区域内的负荷优化模型,并将其转换为混合整数二阶锥问题进行求解。停电负荷节点与联络开关节点之间通过多轮信息交换,获得转供区域的供电恢复方案,进而实现整个非故障停电区的供电恢复。最后,通过系统仿真分析,验证了所提分布式供电恢复策略的可行性与有效性。 展开更多
关键词 5G通信 分布式供电恢复 深度搜索算法 混合整数二阶锥 负荷优化模型
下载PDF
基于ISSA-CNN-GRU模型的电动汽车充电负荷预测方法 被引量:14
3
作者 姚芳 汤俊豪 +1 位作者 陈盛华 董晓红 《电力系统保护与控制》 EI CSCD 北大核心 2023年第16期158-167,共10页
电动汽车用户充电行为的随机性,给电动汽车充电站充电负荷的短期预测带来极大挑战。针对在多因素影响下电动汽车充电站充电负荷短期预测精度低的问题,提出一种基于改进麻雀搜索算法-卷积神经网络-门控循环神经网络(improved sparrow sea... 电动汽车用户充电行为的随机性,给电动汽车充电站充电负荷的短期预测带来极大挑战。针对在多因素影响下电动汽车充电站充电负荷短期预测精度低的问题,提出一种基于改进麻雀搜索算法-卷积神经网络-门控循环神经网络(improved sparrow search algorithm-convolutional neural network-gated recurrent unit neural network, ISSACNN-GRU)模型的电动汽车充电站充电负荷短期预测方法。首先,构建包含气温、日期类型、节假日3种充电负荷显著影响因素与历史充电负荷的输入特征矩阵。然后,融合CNN在特征提取、数据降维和GRU神经网络在时间序列预测上的优势,搭建CNN-GRU混合神经网络模型,使用基于混合策略的ISSA算法优化混合神经网络模型的超参数。最后,在优化后的CNN-GRU模型中输入特征矩阵实现充电站充电负荷的短期预测。以美国ANN-DATA公开数据集中充电站的历史负荷数据作为实际算例,与随机森林、CNN、GRU神经网络、CNN-GRU模型以及分别用贝叶斯优化、粒子群优化、标准麻雀优化算法进行超参数调优的CNN-GRU模型相比,实验结果表明所提方法具有更好的预测效果。 展开更多
关键词 深度学习 卷积神经网络 门控循环单元 麻雀搜索算法 电动汽车 充电负荷
下载PDF
基于漏磁场和深度信念网络的变压器绕组变形诊断研究 被引量:14
4
作者 邓祥力 吴文强 +1 位作者 杨梅 朱慧 《变压器》 2021年第8期42-48,共7页
针对变压器绕组变形故障诊断问题,提出了一种利用变压器漏磁场信息作为分类属性的深度信念网络绕组变形故障诊断方法,并通过仿真测试验证了其有效性。
关键词 有限元 漏磁场 变形分类 深度信念网络 麻雀搜索算法
下载PDF
面向语音识别系统的黑盒对抗攻击方法 被引量:10
5
作者 陈晋音 叶林辉 +2 位作者 郑海斌 杨奕涛 俞山青 《小型微型计算机系统》 CSCD 北大核心 2020年第5期1019-1029,共11页
随着深度学习方法在语音识别系统中的广泛应用,尤其是在自动驾驶、身份认证等安全等级较高的应用,语音识别系统的安全问题至关重要.深度学习给语音识别系统带来更便捷的训练步骤、更高的识别准确率的同时,也给系统的安全性带来了潜在风... 随着深度学习方法在语音识别系统中的广泛应用,尤其是在自动驾驶、身份认证等安全等级较高的应用,语音识别系统的安全问题至关重要.深度学习给语音识别系统带来更便捷的训练步骤、更高的识别准确率的同时,也给系统的安全性带来了潜在风险.最近的研究表明深度神经网络容易受到对输入数据添加细微扰动的对抗攻击,导致模型输出错误的预测结果.当基于深度学习的语音识别系统被外加的细微扰动所攻击,自动驾驶汽车将会被恶意语音攻击执行危险操作,给自动驾驶系统带来了严重的安全隐患.针对语音识别系统的安全性,本文提出了一种面向语音识别系统的黑盒对抗攻击方法,采用布谷鸟搜索算法自动生成对抗语音样本,实现目标攻击.最后,利用生成的对抗语音样本攻击语音识别系统,挖掘当前性能优异的语音识别系统存在的安全漏洞,将本文提出的黑盒攻击方法在公共语音数据集、谷歌语音命令数据集、GTZAN数据集和LibriSpeech数据集上展开实验,验证了黑盒攻击方法的有效性.更进一步,利用对抗样本对其他语音识别系统进行攻击,验证其具有较强攻击迁移性,并对生成的对抗样本进行了主观评价试验,探究其隐蔽性. 展开更多
关键词 语音识别 深度学习 布谷鸟搜索算法 对抗攻击 黑盒攻击
下载PDF
基于改进VMD-MCKD和深度残差网络的风机齿轮箱故障诊断 被引量:3
6
作者 蔡昌春 何捷 +2 位作者 承敏钢 张能文 王全凯 《山东电力技术》 2024年第2期67-78,共12页
行星齿轮箱是风电机组传动系统中的重要部件,其运行工况复杂,背景噪声大,导致齿轮早期故障信号微弱且极易受背景噪声的影响。针对风电机组齿轮箱早期故障特征难以有效提取,齿轮故障难以识别的问题,提出一种风机齿轮箱故障诊断方法。首先... 行星齿轮箱是风电机组传动系统中的重要部件,其运行工况复杂,背景噪声大,导致齿轮早期故障信号微弱且极易受背景噪声的影响。针对风电机组齿轮箱早期故障特征难以有效提取,齿轮故障难以识别的问题,提出一种风机齿轮箱故障诊断方法。首先,通过变分模态分解算法(variational mode decomposition,VMD)分解风机齿轮箱原始振动信号,获得振动信号故障的最优模态分量;接着,利用最大相关峭度解卷积算法(maximum correlated kurtosis decnvolution,MCKD)通过解卷积重构最优模态分量,削弱背景噪声增强故障冲击成分,获得故障特征;同时利用麻雀搜索算法(sparrow search algorithm,SSA)优化惩罚因子α、模态分解个数K、滤波器阶数L和反褶积周期T等参数,提升振动信号故障特征提取的准确度;最后,构建基于深度残差网络(deep residual network,ResNet)的齿轮箱故障诊断模型,建立齿轮箱故障特征与类别的非线性映射关系,实现风机齿轮箱故障分类识别。实验结果表明,所提风机齿轮箱故障诊断方法的准确率达到97.48%,相较其他方法在信号特征提取和故障诊断效率方面有明显提高。 展开更多
关键词 齿轮故障诊断 变分模态分解 最大相关峭度解卷积 深度残差网络 麻雀搜索算法
下载PDF
基于CS优化深度学习卷积神经网络的目标检测算法 被引量:7
7
作者 谌颃 孙道宗 《机床与液压》 北大核心 2020年第6期187-192,共6页
目前对于形状比较复杂且密集摆放的工件,传统的工业机器人视觉分拣技术已经无法有效检测和识别。因此,为了提高生产线上分拣工件检测的准确率,提出了一种基于布谷鸟搜索算法(Cuckoo Search,CS)优化深度学习卷积神经网络(Convolutional N... 目前对于形状比较复杂且密集摆放的工件,传统的工业机器人视觉分拣技术已经无法有效检测和识别。因此,为了提高生产线上分拣工件检测的准确率,提出了一种基于布谷鸟搜索算法(Cuckoo Search,CS)优化深度学习卷积神经网络(Convolutional Neural Network,CNN)的目标检测算法。首先对视觉分拣系统的组成进行了分析。然后采用经典的Faster R-CNN的模型结构来实现目标检测,并将CS优化算法应用到CNN模型的参数训练中,解决了反向传播的局部最优问题,同时提高了迭代速度。工件检测实验结果表明:相比于传统的CNN模型,提出CS-CNN模型具有更好的目标检测的准确率,提高了网络的收敛速度。 展开更多
关键词 深度学习 卷积神经网络 工业机器人 视觉分拣 目标检测 布谷鸟搜索算法
下载PDF
基于深度神经网络模型的风电机组传动系统状态监测方法 被引量:6
8
作者 王印松 石建涛 《电力科学与工程》 2021年第9期26-34,共9页
大型风电机组传动系统运行工况复杂,运维人员无法实时了解其运行状态。针对这一情况,提出一种基于深度神经网络模型(DNN)的状态监测方法。首先,BP算法训练DNN模型时容易陷入局部最小值和过拟合,因此,将麻雀搜索算法(SSA)与BP算法结合,... 大型风电机组传动系统运行工况复杂,运维人员无法实时了解其运行状态。针对这一情况,提出一种基于深度神经网络模型(DNN)的状态监测方法。首先,BP算法训练DNN模型时容易陷入局部最小值和过拟合,因此,将麻雀搜索算法(SSA)与BP算法结合,提出一种SSA优化BP算法训练DNN模型的方法。然后,采用风电机组SCADA系统数据建立DNN模型来估计风电机组传动系统的关键运行参数,利用估计参数的残差信息构建T2统计量应用于状态监测,并给出T2统计量报警限的确定方法。最后,将提出的DNN训练方法与其他方法进行对比并将该方法应用于某风电机组传动系统状态监测。结果表明,SSA优化BP算法能够有效避免局部最小值和过拟合,该状态监测方法能够提前预警风电机组传动系统的异常状态。 展开更多
关键词 风电机组 深度神经网络 麻雀搜索算法 状态监测
下载PDF
基于SSA-LSTM的瓦斯浓度预测模型 被引量:1
9
作者 兰永青 乔元栋 +2 位作者 程虹铭 雷利兴 罗化峰 《工矿自动化》 CSCD 北大核心 2024年第2期90-97,共8页
为了更好地捕捉瓦斯浓度的时变规律及有效信息,实现对采煤工作面瓦斯浓度的精准预测,采用麻雀搜索算法(SSA)优化长短期记忆(LSTM)网络,提出了一种基于SSA-LSTM的瓦斯浓度预测模型。采用均值替换法对原始瓦斯浓度时序数据中的缺失数据及... 为了更好地捕捉瓦斯浓度的时变规律及有效信息,实现对采煤工作面瓦斯浓度的精准预测,采用麻雀搜索算法(SSA)优化长短期记忆(LSTM)网络,提出了一种基于SSA-LSTM的瓦斯浓度预测模型。采用均值替换法对原始瓦斯浓度时序数据中的缺失数据及异常数据进行处理,再进行归一化和小波阈值降噪;对比测试了SSA与灰狼优化(GWO)算法、粒子群优化(PSO)算法的性能差异,验证了SSA在寻优精度、收敛速度和适应能力等方面的优势;利用SSA的自适应性依次对LSTM的学习率、隐藏层节点个数、正则化参数等超参数进行寻优,以此来提高全局寻优能力,避免预测模型陷入局部最优;将得到的最佳超参数组合代入LSTM网络模型中,输出预测结果。将SSA-LSTM与LSTM、GWO-LSTM、PSO-LSTM瓦斯浓度预测模型进行比较,实验结果表明:基于SSA-LSTM的瓦斯浓度预测模型的均方根误差(RMSE)较LSTM,PSO-LSTM,GWO-LSTM分别减少了77.8%,58.9%,69.7%;平均绝对误差(MAE)分别减少了83.9%,37.8%,70%,采用SSA优化的LSTM预测模型相较于传统LSTM模型具有更高的预测精度和鲁棒性。 展开更多
关键词 瓦斯浓度预测 时序预测 深度学习 长短期记忆网络 麻雀搜索算法 超参数寻优
下载PDF
基于FISSA-DBN模型的风电机组运行状态监测 被引量:4
10
作者 周凌 赵前程 +2 位作者 朱岸锋 杨三英 阳雪兵 《振动.测试与诊断》 EI CSCD 北大核心 2023年第1期80-87,199,共9页
为提高风电机组运行效率,降低风电场运营成本,对风电机组运行状态监测显得尤为重要,提出一种基于数据采集与监控(supervisory control and data acquisition,简称SCADA)系统和萤火虫改进麻雀搜索算法优化深度置信网络(firefly improved ... 为提高风电机组运行效率,降低风电场运营成本,对风电机组运行状态监测显得尤为重要,提出一种基于数据采集与监控(supervisory control and data acquisition,简称SCADA)系统和萤火虫改进麻雀搜索算法优化深度置信网络(firefly improved sparrow search algorithm optimized deep belief network,简称FISSA-DBN)的风电机组状态监测新方法。首先,对SCADA数据进行预处理分析,并利用专家系统和皮尔逊相关系数分析,相关分析选取输入参数和输出参数;其次,利用预处理数据集建立基于FISSA-DBN的风电机组运行状态监测新模型,根据模型预测值和实际输出值之间的重构值误差,以及指数加权移动平均阈值(exponentially weighted moving average,简称EWMA)判断是否有异常;最后,以华东某风电场实际数据为例进行实例验证。结果表明,所提出方法的预警时间比实际记录时间最早可提前4 d多。同时,将所提出方法与其他方法进行对比,结果表明该方法预警时间提前,模型预测误差更小。 展开更多
关键词 风电机组 深度置信网络 状态监测 麻雀搜索算法 指数加权移动平均阈值
下载PDF
基于混合果蝇算法的桩锚支护深基坑临界滑面搜索
11
作者 马泽宁 沙成满 路明浩 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第1期120-128,共9页
进行基坑整体稳定性分析常采用极限平衡法,但仍然需要依据经验试算一系列滑面,将安全系数最小的滑面确定为最危险滑面.针对此问题,提出将果蝇优化(FOA)算法与禁忌搜索(TS)算法融合,提出自适应步长的混合果蝇优化算法(HFOA),以克服基本... 进行基坑整体稳定性分析常采用极限平衡法,但仍然需要依据经验试算一系列滑面,将安全系数最小的滑面确定为最危险滑面.针对此问题,提出将果蝇优化(FOA)算法与禁忌搜索(TS)算法融合,提出自适应步长的混合果蝇优化算法(HFOA),以克服基本果蝇算法局部寻优精度不高且易陷入局部最优的缺点,确保获得全局最优解,并结合简化Bishop算法用于临界滑面的搜索.在Matlab中编程实现该算法,通过与6种启发式算法进行对比,结果表明,HFOA适用于均质土悬臂支护基坑、成层土和含软弱夹层的桩锚支护基坑,相较于遗传算法等6种算法具有更快的收敛速度、更高的收敛精度和可靠性,为深基坑临界滑动面搜索提供了一种新的求解策略. 展开更多
关键词 深基坑 整体稳定性 果蝇优化算法 禁忌搜索算法 最小安全系数
下载PDF
基于深度强化学习的微电网日前日内协调优化调度
12
作者 徐钰涵 季天瑶 李梦诗 《南方电网技术》 CSCD 北大核心 2024年第9期106-116,共11页
由于可再生能源发电的随机性和储能系统的时间序列耦合特性,在构建微电网经济调度模型时需要适当模拟不确定变量并相应地开发可高效处理多目标问题的优化算法。在此背景下提出了一种能够计及不确定性因素且高效的基于深度强化学习与启... 由于可再生能源发电的随机性和储能系统的时间序列耦合特性,在构建微电网经济调度模型时需要适当模拟不确定变量并相应地开发可高效处理多目标问题的优化算法。在此背景下提出了一种能够计及不确定性因素且高效的基于深度强化学习与启发式算法的微电网多时间尺度调度方法,以实现经济环保运行。所提方法从日前、日内两个时间尺度对微电网进行优化。日前优化阶段利用短期预测数据进行初步决策,以最小化运营成本。日内调度阶段以日前优化方案为参考,必要时对日前运行方案进行修正,以应对可再生能源的实时波动。将日内优化过程解耦为全局和局部两阶段,全局阶段被建模为一个非凸的非线性优化问题并采用启发式算法进行求解,局部阶段被建模为一个马尔可夫决策过程采用深度强化学习方法求解,将深度强化学习与启发式算法相结合提高了强化学习的训练速度和收敛性能,避免在复杂环境下的奖励函数设计困难问题。最后,算例分析验证了所提出的方案实现了调度成本和计算速度的优化,并且适用于微电网的实时调度。 展开更多
关键词 微电网 多时间尺度 经济调度 深度强化学习 群搜索算法
下载PDF
深度信念网络在建筑能耗预测领域的应用研究 被引量:4
13
作者 侯博文 吴俊峰 +1 位作者 陈焕新 徐成良 《制冷技术》 2021年第5期72-77,99,共7页
本文以河南省某办公建筑夏季制冷季的能耗数据为研究对象,建立了基于深度信念网络的建筑空调能耗预测模型,针对原始数据中存在的不合理数据,分别采用时间序列分解法和箱线图法进行异常值检测,提出了一种对深度信念网络模型参数进行优化... 本文以河南省某办公建筑夏季制冷季的能耗数据为研究对象,建立了基于深度信念网络的建筑空调能耗预测模型,针对原始数据中存在的不合理数据,分别采用时间序列分解法和箱线图法进行异常值检测,提出了一种对深度信念网络模型参数进行优化的选择策略,采取实验和经验相结合的方法确定预测模型的最佳隐藏层层数和隐藏层节点数,然后采用布谷鸟搜索算法对预测模型中的核参数g和惩罚因子C进行寻优,得到模型最优参数。结果表明,优化后模型的平均绝对误差由1.72下降到1.05,优化效果显著。 展开更多
关键词 建筑能耗预测 深度信念网络 布谷鸟搜索算法 异常值检测
下载PDF
基于改进甲壳虫全域搜索算法的机织物疵点检测
14
作者 李杨 张永超 +2 位作者 彭来湖 胡旭东 袁嫣红 《纺织学报》 EI CAS CSCD 北大核心 2024年第10期89-94,共6页
为解决深度学习模型在面对跨场景的织物疵点检测时存在泛化性能差的问题,在甲壳虫全域搜索算法(BAS)的基础上添加了本地搜索能力构建了一种基于甲壳虫算法的混合算法,该算法可具体分为训练阶段和检测阶段。在训练阶段,通过对无疵点织物... 为解决深度学习模型在面对跨场景的织物疵点检测时存在泛化性能差的问题,在甲壳虫全域搜索算法(BAS)的基础上添加了本地搜索能力构建了一种基于甲壳虫算法的混合算法,该算法可具体分为训练阶段和检测阶段。在训练阶段,通过对无疵点织物进行训练构建二维Gabor滤波器,然后使用改进BAS的混合模型对Gabor滤波器的参数进行了优化,使改进后的算法具备全局搜索和局部搜索的能力;在检测阶段,根据在训练阶段获得最佳参数构造Gabor滤波器,对待检测的织物图像进行卷积运算,并对卷积后图像进行二值化处理,最终识别待测试织物是否含有疵点。实验结果表明:该方法的特征提取具有良好的类别区分性,更加集中在疵点范围内,检测准确率可达99.26%,具有良好的稳定性和泛化性能。 展开更多
关键词 深度学习 全域搜索算法 GABOR滤波器 织物疵点检测 泛化性能 图像识别
下载PDF
基于LSSA优化DBN的双有源桥变换器开路故障诊断 被引量:4
15
作者 赵莹莹 何怡刚 +2 位作者 杜博伦 邢致恺 汪磊 《电子测量与仪器学报》 CSCD 北大核心 2022年第4期56-64,共9页
针对双有源桥(dual active bridge,DAB)变换器中IGBT开路故障诊断精度较低的问题,提出基于莱维飞行麻雀搜索算法(Levy sparrow search algorithm,LSSA)优化深度信念网络(deep belief network,DBN)的故障诊断方法。首先,利用莱维飞行策... 针对双有源桥(dual active bridge,DAB)变换器中IGBT开路故障诊断精度较低的问题,提出基于莱维飞行麻雀搜索算法(Levy sparrow search algorithm,LSSA)优化深度信念网络(deep belief network,DBN)的故障诊断方法。首先,利用莱维飞行策略改进麻雀搜索算法的收敛速度和全局优化能力。然后将DBN的均方差作为适应度函数,利用LSSA寻找DBN的最优隐藏层单元数,根据得到的最优值建立DBN故障诊断模型。通过RT-LAB搭建DAB变换器半实物仿真系统,对变压器漏感电流信号进行故障诊断,在收敛速度、适应度值和诊断精度指标方面进行对比分析。实验结果表明诊断模型可以有效诊断DAB变换器开路故障,且诊断精度达到99%。 展开更多
关键词 双有源桥变换器 深度信念网络 麻雀搜索算法 莱维飞行策略 故障诊断
下载PDF
基于MVMD-CapSA-DBN的工业多元负荷分类研究 被引量:3
16
作者 周孟然 张易平 +6 位作者 汪胜和 马金辉 高博 胡锋 朱梓伟 汪锟 刘宇 《河南师范大学学报(自然科学版)》 CAS 北大核心 2023年第3期123-130,共8页
针对多元电力负荷数据时间序列非平稳性、时序相关性和非线性等特性,为掌握电力负荷的变化规律和发展趋势,实现对电力负荷的科学管理,将工业多元负荷有功功率作为原始数据,提出MVMD-CapSA-DBN负荷分类模型.首先,利用改进停止准则的变分... 针对多元电力负荷数据时间序列非平稳性、时序相关性和非线性等特性,为掌握电力负荷的变化规律和发展趋势,实现对电力负荷的科学管理,将工业多元负荷有功功率作为原始数据,提出MVMD-CapSA-DBN负荷分类模型.首先,利用改进停止准则的变分模态分解(Variational Mode Decomposition,VMD)将数据分解,得到较为平稳的多个数据分量;之后,提取各分量能量值作为特征;最后,将0~1标准化的数据作为特征向量,输入经卷尾猴搜索算法(Capuchin Search Algorithm,CapSA)优化参数后的深度置信网络(Deep Belief Nets,DBN)信号分类.实验证明,可实现对工业多元负荷数据的有效分类,整体准确率在88.89%左右,部分负荷分类准确率可达100%. 展开更多
关键词 电力负荷 负荷分类 变分模态分解 深度信念网络 卷尾猴搜索算法
下载PDF
基于凌日搜索优化CNN/BI-GRU的电能质量扰动分类方法
17
作者 高帅 杨永超 +1 位作者 童占北 钟建伟 《湖北民族大学学报(自然科学版)》 CAS 2024年第3期361-367,共7页
针对复杂电能质量扰动分类方法识别准确率不高的问题,提出了一种基于凌日搜索优化多模态网络模型的电能质量扰动分类方法。首先,利用格拉姆角场对初始一维时序信号进行数据处理得到二维图像数据;然后,分别将时序信号与图像数据输入多模... 针对复杂电能质量扰动分类方法识别准确率不高的问题,提出了一种基于凌日搜索优化多模态网络模型的电能质量扰动分类方法。首先,利用格拉姆角场对初始一维时序信号进行数据处理得到二维图像数据;然后,分别将时序信号与图像数据输入多模态网络中进行特征提取,利用凌日搜索算法优化多模态网络参数,提升网络特征捕获能力;再通过特征融合模块,将时序特征和图像特征有效融合;最后,利用自注意力机制增强网络模型对下文信息的理解能力。结果表明,在无噪声环境下分类准确率达到99.2%,在不同信噪比环境下平均分类准确率达到98.3%。该研究能对新型电力系统中愈加复杂的电能质量扰动实现准确的分类,与传统分类方法相比鲁棒性较强。 展开更多
关键词 电能质量扰动 深度学习 格拉姆角场 特征融合 凌日搜索算法 自注意力机制
下载PDF
基于大数据技术的无线传感网络异常节点深度挖掘方法
18
作者 曾霞 宋一鸣 康利娟 《信息与电脑》 2024年第5期178-180,共3页
由于无线传感网络节点分布不规则,难以有效控制对异常节点的定位误差,为此提出基于大数据技术的无线传感网络异常节点深度挖掘方法。在节点均分布在目标区域范围内的前提下,构建无线传感网络组网模型,设置异常节点与网络中心节点之间的... 由于无线传感网络节点分布不规则,难以有效控制对异常节点的定位误差,为此提出基于大数据技术的无线传感网络异常节点深度挖掘方法。在节点均分布在目标区域范围内的前提下,构建无线传感网络组网模型,设置异常节点与网络中心节点之间的关系函数,之后采用大数据技术中的邻域搜索算法,对具体的网络异常节点位置进行深度挖掘定位。实验结果显示,基于大数据技术的无线传感网络异常节点深度挖掘方法在不同噪声状态下的异常节点定位误差始终稳定在2.0以内。 展开更多
关键词 大数据技术 无线传感网络 异常节点 深度挖掘 邻域搜索算法
下载PDF
基于HSS-MCC融合模型及SSA-BP神经网络开展深基坑超大变形预测研究
19
作者 倪小东 张宇科 +3 位作者 焉磊 王东兴 徐硕 王媛 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第9期35-45,共11页
软土环境下深基坑开挖变形特性研究中,多采用硬化类弹塑性模型进行分析,如HSS模型和MCC模型.南京河漫滩软土地区,深基坑开挖时局部常发生较大变形,部分土体变形状态介于小应变与大应变之间,单一模型无法准确预测土体变形特征.同时,BP神... 软土环境下深基坑开挖变形特性研究中,多采用硬化类弹塑性模型进行分析,如HSS模型和MCC模型.南京河漫滩软土地区,深基坑开挖时局部常发生较大变形,部分土体变形状态介于小应变与大应变之间,单一模型无法准确预测土体变形特征.同时,BP神经网络在基坑变形预测中得到广泛应用,但在训练过程中,权阈值易陷入局部最优解,影响预测的准确性.据此,依托南京地区典型软土深基坑工程,采用Midas中的HSS模型与MCC模型进行分析,比对两种模型的桩体变形量差异,并基于最小二乘准则对两模型进行线性融合,融合模型可对后续区段监测数据进行校准及补充.通过融合麻雀搜索算法对BP神经网络进行优化,在其训练过程中快速收敛,得到全局最优的权阈值,依托狭长基坑已开挖区段监测数据学习训练,进而依据后续区段浅部开挖揭露深部变形特征,预测结果与实测值吻合度较高.研究结果对软土地区深基坑大变形的预测研究具有重要参考价值. 展开更多
关键词 深基坑 大变形 HSS模型 MCC模型 BP神经网络 麻雀搜索算法
下载PDF
基于SSA-BP的深基坑地表变形预测研究
20
作者 石强 程泷 +1 位作者 杨展 赵嘉 《江西建材》 2024年第6期174-176,179,共4页
文中采用麻雀搜索算法优化BP神经网络,对深圳市某在建地铁车站深基坑周围地表沉降监测点进行变形预测。通过对基坑地表变形监测点DBC16-4的118期监测数据进行训练学习,并与粒子群算法优化BP神经网络、遗传算法优化BP神经网络和标准BP神... 文中采用麻雀搜索算法优化BP神经网络,对深圳市某在建地铁车站深基坑周围地表沉降监测点进行变形预测。通过对基坑地表变形监测点DBC16-4的118期监测数据进行训练学习,并与粒子群算法优化BP神经网络、遗传算法优化BP神经网络和标准BP神经网络横向对比,验证了训练效果。结果表明,麻雀搜索算法对BP神经网络权重寻优速度较快,收敛精度更高,麻雀搜索算法优化BP神经网络模型预测平均相对误差仅为1.72%,拟合精度较其他算法更高,预测效果良好。 展开更多
关键词 深基坑 地表沉降 变形预测 BP神经网络 麻雀搜索算法
下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部