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4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：
基于数据挖掘的直接空冷机组背压预测及优化 被引量：3
1
作者 刘宇航 顾煜炯 +3 位作者 郑庆帅 李子浩 马吉伟 宋光雄 《热力发电》 CAS CSCD 北大核心 2023年第5期127-135,共9页
为实现直接空冷机组冷端优化,以机组历史运行数据为基础结合数据挖掘与深度学习算法,提出了一种直接空冷机组冷端运行优化方法。首先,对获取的历史运行数据进行稳态筛选、工况划分,结合高斯混合模型算法确定机组多元工况下背压基准区间... 为实现直接空冷机组冷端优化,以机组历史运行数据为基础结合数据挖掘与深度学习算法,提出了一种直接空冷机组冷端运行优化方法。首先,对获取的历史运行数据进行稳态筛选、工况划分,结合高斯混合模型算法确定机组多元工况下背压基准区间;然后,使用Spearman系数法选取特征变量,结合门控循环单元神经网络构建直接空冷机组背压预测模型,对比背压基准区间与背压预测值给出背压的优化建议和预警信息;最后,将该方法应用于某亚临界300 MW空冷凝汽式机组。研究结果表明:提出的背压优化方法能够给出有效的背压预警信息,实现空冷机组冷端优化运行。 展开更多
关键词 直接空冷机组 背压优化 数据挖掘 基准区间 门控循环单元神经网络
下载PDF
基于优化VMD-GRU的滚动轴承剩余使用寿命预测
2
作者 郗涛 王锴 王莉静 《中国工程机械学报》 北大核心 2024年第1期101-106,共6页
为了提高滚动轴承剩余使用寿命(RUL)的预测精度,提出了一种变分模态分解(VMD)和门控循环神经网络(GRU)融合算法的滚动轴承RUL预测模型VMD-GRU。首先,该模型通过阿基米德优化算法(AOA)优化的VMD算法对原始振动信号进行分解;然后,利用最... 为了提高滚动轴承剩余使用寿命(RUL)的预测精度,提出了一种变分模态分解(VMD)和门控循环神经网络(GRU)融合算法的滚动轴承RUL预测模型VMD-GRU。首先,该模型通过阿基米德优化算法(AOA)优化的VMD算法对原始振动信号进行分解;然后,利用最小包络熵准则选择最佳模态分量进行退化特征提取;再通过核主成分分析进行特征降维;最后,为保证模型准确率,通过鹈鹕优化算法(POA)优化GRU中的超参数,并根据不同故障类型建立GRU剩余寿命预测模型。使用XJTU-SY标准数据集进行剩余寿命预测验证,实验结果表明:与传统未结合故障类型提取退化特征和建立预测模型方法相比,VMD-GRU模型均方根误差和平均绝对误差分别降低了26.28%和27.17%。 展开更多
关键词 滚动轴承 剩余寿命预测 变分模态分解(VMD) 门控循环神经网络(gru) 阿基米德优化算法(AOA) 鹈鹕优化算法(POA)
下载PDF
汽温联合控制系统改进GRU控制算法研究 被引量：1
3
作者 齐传杰 何同祥 +1 位作者 陈博文 黄嵘 《仪器仪表用户》 2023年第4期85-89,共5页
针对超临界机组直流锅炉汽水系统所具有的大惯性、大迟延等特点,研究如何联合控制主汽温和中间点温度。首先,基于某600MW超临界机组运行数据,以中间点温度、主汽温度系统作为被控对象进行建模;然后,设计出一款改进的门控循环单元神经网... 针对超临界机组直流锅炉汽水系统所具有的大惯性、大迟延等特点,研究如何联合控制主汽温和中间点温度。首先,基于某600MW超临界机组运行数据,以中间点温度、主汽温度系统作为被控对象进行建模;然后,设计出一款改进的门控循环单元神经网络(GRU)的控制器,神经网络各项权值通过麻雀搜索算法优化;最后,将该控制器应用于中间点温度主汽温联合控制。结果表明,相比于传统门控循环单元神经网络控制的单独主汽温控制,本文提出的控制器取得了更好的控制效果。 展开更多
关键词 主汽温控制 门控循环单元神经网络(gru) 中间点温度 麻雀搜索算法
下载PDF
基于速度预测与自适应差分进化算法的混合动力汽车能量管理策略 被引量：1
4
作者 韦福敏 刘鑫 +1 位作者 许恩永 吴雨轮 《科学技术与工程》 北大核心 2022年第24期10726-10736,共11页
为提高单行星排构型的混合动力汽车(hybrid electric vehicle, HEV)的燃油经济性,降低车辆燃油消耗量,提出了一种基于门控循环单元神经网络(gated recurrent unit neural network, GRU-NN)速度预测模型与自适应差分进化(adaptive differ... 为提高单行星排构型的混合动力汽车(hybrid electric vehicle, HEV)的燃油经济性,降低车辆燃油消耗量,提出了一种基于门控循环单元神经网络(gated recurrent unit neural network, GRU-NN)速度预测模型与自适应差分进化(adaptive differential evolution, A-DE)算法的能量管理策略,在模型预测控制(model predictive control, MPC)框架下预测未来车辆的行车速度,将整个工况内的全局优化求解问题转化为在预测时域内的局部优化求解,以发动机燃油消耗量最低与行车过程电池荷电状态(state of charge, SOC)平衡为目标,利用A-DE算法实现预测域内的最优控制序列求解。仿真结果表明:在实车采集的道路工况下,基于GRU-NN与A-DE算法的能量管理策略相较于等效燃油消耗最小策略(equivalent consumption minimization strategy, ECMS)燃油消耗量减少了4.55%,相较于动态规划燃油经济性达到了93.04%。 展开更多
关键词 混合动力汽车 能量管理策略 自适应差分进化算法(A-DE) 门控循环单元神经网络(gru-NN) 速度预测
下载PDF
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