基于聚类与粒子群极限学习机的航空发动机推力估计器设计 被引量：11

1

作者 宋汉强 李本威 +1 位作者 张赟 蒋科艺 《推进技术》 EI CAS CSCD 北大核心 2017年第6期1379-1385,共7页

针对航空发动机推力不可测,部件级模型求解推力精度不高、实时性差的问题,提出了基于快速寻找密度极点聚类与粒子群极限学习机的航空发动机推力估计方法。首先利用基于快速寻找密度极点的聚类算法对全工况范围内的台架试车数据聚类,然... 针对航空发动机推力不可测,部件级模型求解推力精度不高、实时性差的问题,提出了基于快速寻找密度极点聚类与粒子群极限学习机的航空发动机推力估计方法。首先利用基于快速寻找密度极点的聚类算法对全工况范围内的台架试车数据聚类,然后在每一个子类中,用粒子群极限学习机设计了子推力估计器。在子类推力估计过程中,为使网络拓扑结构最优,用粒子群算法寻找极限学习机的最优隐层神经元数目的方法。训练与测试表明,推力估计测试相对误差最大值为3.06‰,优于传统的RBF(7.25‰)与BP(14.84‰)神经网络方法,能够满足直接推力控制与机载在线实时状态评估的需求,且可将方法扩展到其他不可测参数的估计。 展开更多

关键词 航空发动机 推力估计 快速寻找密度极点聚类 粒子群极限学习机 直接推力控制

下载PDF 职称材料

基于电子舌的掺假羊奶快速定量预测模型 被引量：8

2

作者 韩慧 王志强 +3 位作者 李彩虹 马泽亮 国婷婷 殷廷家 《食品与机械》 CSCD 北大核心 2018年第12期53-56,共4页

为实现对掺假羊奶的快速、客观辨别,模仿人体味觉感知机理研制了一套便携式电子舌检测系统,并建立了一种能够快速鉴别掺假羊奶的新方法。系统检测时,首先对样本溶液进行大幅脉冲扫描,用以获取掺假羊奶的"指纹"信息,然后利用... 为实现对掺假羊奶的快速、客观辨别,模仿人体味觉感知机理研制了一套便携式电子舌检测系统,并建立了一种能够快速鉴别掺假羊奶的新方法。系统检测时,首先对样本溶液进行大幅脉冲扫描,用以获取掺假羊奶的"指纹"信息,然后利用离散小波变换(discrete wavelet transform,DWT)对"指纹"数据中的特征信息进行提取,最后在此基础上,采用主成分分析(principal component analysis,PCA)方法对不同掺假比例的羊奶进行定性辨别。采用粒子群优化极限学习机(Particle swarm optimization extreme learning machine,PSO-ELM)对不同掺假比例的羊奶进行了定量预测。通过试验数据得出,PCA对6种不同掺假比例的羊奶区分达到100%,区分效果好。PSO-ELM羊奶纯度预测模型拟合曲线非常接近实测值曲线,因此采用PSO-ELM方法建立掺假羊奶纯度定量预测模型具有较高的预测精度。 展开更多

关键词 电子舌 羊奶掺假 牛奶 主成分分析 粒子群优化极限学习机 预测模型

下载PDF 职称材料

基于EEMD-HW-PSO-ELM耦合模型的排土场边坡位移预测模型 被引量：3

3

作者 康恩胜 赵泽熙 孟海东 《黄金科学技术》 CSCD 2022年第4期594-602,共9页

为了准确预测小样本、非线性特点的排土场边坡位移,提出了一种基于经验模态分解法、三次指数平滑法和粒子群优化极限学习机的EEMD-HW-PSO-ELM边坡位移组合预测模型。以伊敏露天矿排土场GPS位移监测数据为例,验证该模型的有效性。研究结... 为了准确预测小样本、非线性特点的排土场边坡位移,提出了一种基于经验模态分解法、三次指数平滑法和粒子群优化极限学习机的EEMD-HW-PSO-ELM边坡位移组合预测模型。以伊敏露天矿排土场GPS位移监测数据为例,验证该模型的有效性。研究结果表明:EEMD模型分解后的边坡位移时间序列包括4个IMF分量和1个余量,将分解后的数据重构为趋势项和波动项,物理意义明确。分别选择三次指数平滑法和粒子群优化极限学习机预测趋势项和波动项位移,将分项预测结果的等权叠加值作为最终预测结果,预测值的平均相对误差为0.38%,均方根误差为1.15。选择了BP模型和Elman模型进行对比预测,结果表明组合预测模型的预测效果较好,能够为边坡安全管理提供理论依据。 展开更多

关键词 排土场 边坡位移 耦合模型 集成经验模态分解 三次指数平滑法 粒子群优化极限学习机

下载PDF 职称材料

PSO-ELM在低压系统短路电流峰值预测中的应用 被引量：8

4

作者 唐玲玲 缪希仁 庄胜斌 《福州大学学报（自然科学版）》 CAS 北大核心 2020年第4期471-478,共8页

在短路电流早期检测的基础上,提出一种基于粒子群优化极端学习机(PSO-ELM)的短路电流峰值预测方法.利用短路电流暂态特性分析确定预测模型的输入特征量,采用粒子群算法对极端学习机的输入权值和隐层偏置进行优化,最后,将提出的预测算法... 在短路电流早期检测的基础上,提出一种基于粒子群优化极端学习机(PSO-ELM)的短路电流峰值预测方法.利用短路电流暂态特性分析确定预测模型的输入特征量,采用粒子群算法对极端学习机的输入权值和隐层偏置进行优化,最后,将提出的预测算法应用于低压多层级实验平台,并且与传统BP、ELM算法进行比较.实验结果表明,基于PSO-ELM模型的短路电流峰值预测方法能够在全相角范围内准确地预测短路电流峰值,可作为低压多层级系统全选择性保护的短路故障预测算法. 展开更多

关键词 低压系统 短路电流 峰值预测 粒子群优化极端学习机 全选择性保护

下载PDF 职称材料

基于VMD-ICMSE和半监督判别SOINN L-Isomap的滚动轴承故障诊断 被引量：3

5

作者 戚晓利 王振亚 +2 位作者 吴保林 叶绪丹 潘紫微 《振动与冲击》 EI CSCD 北大核心 2020年第4期252-260,共9页

针对从滚动轴承非线性、非平稳振动信号中提取故障特征困难的问题,提出一种基于半监督判别自组织增量学习神经网络界标点的等度规映射(SSDSL-Isomap)的滚动轴承故障诊断方法。利用基于变分模态分解的改进复合多尺度样本熵(VMD-ICMSE)从... 针对从滚动轴承非线性、非平稳振动信号中提取故障特征困难的问题,提出一种基于半监督判别自组织增量学习神经网络界标点的等度规映射(SSDSL-Isomap)的滚动轴承故障诊断方法。利用基于变分模态分解的改进复合多尺度样本熵(VMD-ICMSE)从复杂域提取振动信号的故障特征,构建高维故障特征集;采用SSDSL-Isomap方法对高维故障特征集进行维数约简,提取出利于识别的低维、敏感故障特征子集;应用粒子群优化极限学习机(PSO-ELM)分类器对低维故障特征进行故障识别,判别故障类型。VMD-ICMSE方法集成了VMD自适应分解非线性信号与ICMSE衡量时间序列复杂性程度的优势,提高故障特征提取能力;SSDSL-Isomap方法综合了全局流形结构、半监督型双约束图构建以及SOINN界标点选取的优点,增强故障分类能力。调心球轴承故障诊断实验分析结果表明,该方法对实验数据的故障识别率达到100%。 展开更多

关键词 故障诊断 滚动轴承 SSDSL-Isomap 变分模态分解(VMD) 改进复合多尺度熵(ICMSE) 粒子群优化极限学习机(PSO-ELM)

下载PDF 职称材料

基于POS-ELM的孤立性肺结节诊断方法研究 被引量：3

6

作者 葛磊 强彦 张伟 《科学技术与工程》 北大核心 2016年第36期55-60,67,共7页

在肺结节诊断方法研究中,传统机器学习诊断方法存在诊断性能不稳定的问题。为了提高孤立性肺结节的识别准确率,提出基于粒子群优化(particle swarm optimization,PSO)参数的极限学习机(extreme learning machine,ELM)辅助诊断方法。首... 在肺结节诊断方法研究中,传统机器学习诊断方法存在诊断性能不稳定的问题。为了提高孤立性肺结节的识别准确率,提出基于粒子群优化(particle swarm optimization,PSO)参数的极限学习机(extreme learning machine,ELM)辅助诊断方法。首先采用PSO选取ELM最佳的初始权重ω和偏置b;然后利用最佳参数ω和b对ELM进行训练;再利用PSO-ELM对通过稀疏自编码得到的肺结节特征进行分类识别。实验中,将传统机器学习算法与本文方法进行对比,结果表明,利用粒子群优化算法进行优化的极限学习机在孤立性肺结节诊断方面具有较高识别准确率和稳定的分类性能,可以作为一种有效的肺结节诊断工具。 展开更多

关键词 粒子群优化算法 极限学习机 孤立性肺结节 稀疏自编码 计算机辅助诊断

下载PDF 职称材料

基于K-均值聚类与粒子群核极限学习机的推力估计器设计 被引量：6

7

作者 赵姝帆 李本威 +2 位作者 宋汉强 逄珊 朱飞翔 《推进技术》 EI CAS CSCD 北大核心 2019年第2期259-266,共8页

鉴于航空发动机直接推力控制与健康管理需要高精度及高实时性的推力估计器,提出了一种基于K-均值聚类与粒子群优化的核极限学习机推力估计方法。采用K-均值聚类对全工况范围内的测量数据进行聚类,在每一个子类中,通过核极限学习机建立... 鉴于航空发动机直接推力控制与健康管理需要高精度及高实时性的推力估计器,提出了一种基于K-均值聚类与粒子群优化的核极限学习机推力估计方法。采用K-均值聚类对全工况范围内的测量数据进行聚类,在每一个子类中,通过核极限学习机建立推力估计器,采用粒子群算法对核极限学习机的核参数和惩罚系数进行优化,利用了核极限学习机稳定性好、非线性拟合能力强的特点,实现了对发动机推力的估计。经涡扇发动机台架试车数据训练与测试表明,本推力估计方法平均预测时间为0.27ms,实时性满足机载在线状态评估和直接推力控制需求,且在估计精度上较现有方法存在一定优势。 展开更多

关键词 航空发动机 推力估计器 K-均值聚类 粒子群核极限学习机 直接推力控制

下载PDF 职称材料

基于LMD云模型与PSO-KELM的齿轮箱故障诊断 被引量：3

8

作者 赵小惠 谭琦 +3 位作者 胡胜 杨文彬 郇凯旋 张智杰 《机械传动》 北大核心 2023年第2期157-163,共7页

由于齿轮箱故障振动信号具有非平稳性与不确定性的特点,导致齿轮箱故障诊断精度较低。针对该问题提出一种基于局部均值分解(LMD)云模型特征提取结合粒子群优化(PSO)核极限学习机(KELM)的齿轮箱故障诊断方法。首先,将故障振动信号用LMD... 由于齿轮箱故障振动信号具有非平稳性与不确定性的特点,导致齿轮箱故障诊断精度较低。针对该问题提出一种基于局部均值分解(LMD)云模型特征提取结合粒子群优化(PSO)核极限学习机(KELM)的齿轮箱故障诊断方法。首先,将故障振动信号用LMD分解得到若干PF分量,并利用相关系数原则筛选出相关性较高的PF分量;其次,在云模型中输入筛选后的PF分量,采用逆向云发生器对特征向量进行提取并输入到PSO-KELM中进行故障诊断;最后,利用QPZZ-Ⅱ实验台齿轮箱实测数据对该方法进行了性能分析。结果表明,该方法识别精度为97.65%,与多种方法进行对比,该方法具备最佳识别性能。 展开更多

关键词 齿轮箱 故障诊断 局部均值分解 云模型 粒子群优化核极限学习机

下载PDF 职称材料

基于眼动追踪的眼动位置识别

9

作者 隋秀娟 薛雷 许翠单 《工业控制计算机》 2020年第5期105-107,共3页

提出了一种基于眼动追踪的眼球运动位置识别方法。眼动线索解读理论指出,通过检测被试者在思考问题时的眼球位置,可以确定人的思考类型。实验数据为测试对象观看屏幕时采集的面部视频,在数据处理过程中将视频解析成一帧一帧的图像,首先... 提出了一种基于眼动追踪的眼球运动位置识别方法。眼动线索解读理论指出,通过检测被试者在思考问题时的眼球位置,可以确定人的思考类型。实验数据为测试对象观看屏幕时采集的面部视频,在数据处理过程中将视频解析成一帧一帧的图像,首先基于眼动追踪算法进行人眼定位与跟踪,提取每一帧图像的眼动参数;然后采用粒子群优化的极限学习机来判别眼球运动方向。提出的方法在实际应用环境中有很好的鲁棒性,为眼动线索解读提供了客观的、可靠的位置参数。 展开更多

关键词 眼动线索解读 眼动跟踪 粒子群-极限学习机 眼动位置识别

下载PDF 职称材料

基于三维光学指纹和NPSO-KELM的GIL局部放电定位方法 被引量：14

10

作者 臧奕茗 王辉 +2 位作者 钱勇 盛戈皞 江秀臣 《中国电机工程学报》 EI CSCD 北大核心 2020年第20期6754-6763,共10页

气体绝缘金属封闭输电线路中局部放电的有效检测及定位对于及时发现绝缘缺陷、提高检修效率至关重要。目前,局部放电光学检测作为一种有效的局放检测方法,具有良好的研究及应用前景。针对GIL气室轴向距离较长、局放源定位困难的问题,提... 气体绝缘金属封闭输电线路中局部放电的有效检测及定位对于及时发现绝缘缺陷、提高检修效率至关重要。目前,局部放电光学检测作为一种有效的局放检测方法,具有良好的研究及应用前景。针对GIL气室轴向距离较长、局放源定位困难的问题,提出一种基于三维光信号仿真指纹(three dimensional-optical signal simulation fingerprint,3D-OSSF)和非线性粒子群-核极限学习机(nonlinear particle swarm optimization-kernel extreme learning machine,NPSO-KELM)的定位方法,能够实现局放源的精确定位。该方法将光学仿真数据引入局放源定位中,克服了常规基于指纹的定位方法需要采集大量现场实验数据的难题。通过建立与实验GIL尺寸完全相同的仿真模型,获得不同位置的局放源光学仿真信号,构建包含坐标信息的光学定位仿真指纹库。继而通过NPSO算法对KELM模型进行优化,利用优化得到的NPSO-KELM模型将实测局放光学指纹与指纹库进行模式匹配,得到相应的局放源空间坐标。实验结果表明,该方法的平均定位误差小于lcm,能实现GIL中局放源的精确定位,定位效果明显优于常规KELM算法和BPNN算法。 展开更多

关键词 局部放电 GIL 定位算法 三维光信号仿真指纹 光学仿真指纹库 非线性粒子群–核极限学习机

下载PDF 职称材料

改进多元层次波动色散熵及其在滚动轴承故障诊断中的应用 被引量：12

11

作者 周付明 杨小强 +2 位作者 申金星 刘武强 刘小林 《振动与冲击》 EI CSCD 北大核心 2021年第22期167-174,共8页

针对滚动轴承振动信号故障特征难以提取以及单通道振动信号分析易存在故障信息缺漏的问题,提出一种新的衡量多通道时间序列动态特征的方法——改进多元层次波动色散熵(modified multivariate hierarchical fluctuation dispersion entro... 针对滚动轴承振动信号故障特征难以提取以及单通道振动信号分析易存在故障信息缺漏的问题,提出一种新的衡量多通道时间序列动态特征的方法——改进多元层次波动色散熵(modified multivariate hierarchical fluctuation dispersion entropy,MMHFDE),将其用于提取滚动轴承多通道振动信号中的故障特征,在此基础上提出一种基于MMHFDE,最大相关最小冗余(max-relevance and min-redundancy,mRMR)和粒子群优化核极限学习机(particle swarm optimization kernel extreme learning machine,PSO-KELM)的滚动轴承故障诊断新方法。使用MMHFDE提取滚动轴承不同状态的故障特征,而后采用mRMR从得到的故障特征中筛选敏感特征构成敏感特征向量;将敏感特征向量输入到基于PSO-KELM构建的故障分类器中进行故障识别。由试验结果可知,提出的方法可以有效识别滚动轴承不同故障状态。 展开更多

关键词 改进多元层次波动色散熵(MMHFDE) 最大相关最小冗余(mRMR) 粒子群优化核极限学习机(PSO-KELM) 滚动轴承 故障诊断

下载PDF 职称材料

基于PSO-RELM的绞吸挖泥船产量预测及其可视化辅助决策 被引量：7

12

作者 郭博臻 白一鸣 赵永生 《水运工程》 北大核心 2021年第9期147-151,193,共6页

为保证绞吸挖泥船的疏浚效率,泥浆产量预测是一种有效的辅助手段。根据绞吸挖泥船的实际作业数据,进行数据预处理与主成分分析(PCA),从而简化了预测模型的复杂程度。然后,采用粒子群优化的正则化极限学习机(PSO-RELM)建立挖泥船瞬时产... 为保证绞吸挖泥船的疏浚效率,泥浆产量预测是一种有效的辅助手段。根据绞吸挖泥船的实际作业数据,进行数据预处理与主成分分析(PCA),从而简化了预测模型的复杂程度。然后,采用粒子群优化的正则化极限学习机(PSO-RELM)建立挖泥船瞬时产量预测模型。预测结果表明:PSO-RELM相较于常规极限学习机有更好泛化性能,能够提高挖泥船瞬时产量的预测精度。从而生成可视化图表,辅助挖泥船操纵人员调整疏浚策略。 展开更多

关键词 绞吸挖泥船 主成分分析 正则化极限学习机 产量预测 可视化

下载PDF 职称材料

基于函数型特征数据的光伏短期功率预测方法 被引量：6

13

作者 张林 刘继春 +2 位作者 马靖宇 周晟锐 文杰 《电气传动》 2021年第12期66-73,共8页

短期光伏发电功率预测对电网的安全、经济和稳定运行具有重要的意义。随着"互联网+"和"大数据时代"的到来,光伏电站收集的数据更加密集和连续,呈现出函数型特性。目前,光伏发电预测研究还局限于稀疏、离散的传统数... 短期光伏发电功率预测对电网的安全、经济和稳定运行具有重要的意义。随着"互联网+"和"大数据时代"的到来,光伏电站收集的数据更加密集和连续,呈现出函数型特性。目前,光伏发电预测研究还局限于稀疏、离散的传统数据。针对具有函数型特征的min级数据对光伏电站短期功率进行预测。首先,通过傅里叶基函数变换将具有函数型特征的离散数据转化为函数型数据;利用函数主成分分析将数据降维,得到少量函数主成分特征向量,使用高斯混合模型—最大期望算法对特征向量聚类,结合天气信息验证聚类的效果;然后使用改进PSO-ELM算法分别对聚类得到的典型场景进行预测;最后,通过四川某地区实例验证了模型的有效性。 展开更多

关键词 函数型数据 函数主成分分析 高斯混合模型 最大期望 改进的粒子群优化-支持向量机(PSO-ELM)算法

下载PDF 职称材料

基于EEMD模糊熵和PSO-KELM的NPC三电平逆变器故障诊断 被引量：4

14

作者 马子旸 张朝龙 何怡刚 《计算机测量与控制》 2022年第4期50-55,108,共7页

功率开关器件是逆变器的核心部件,但其易发生开路故障,故对其进行故障诊断方法研究很有必要;针对中点钳位型(NPC)三电平逆变器功率开关管器件的开路故障,提出一种基于总体经验模态分解(EEMD)模糊熵和粒子群算法(PSO)优化的核函数极限学... 功率开关器件是逆变器的核心部件,但其易发生开路故障,故对其进行故障诊断方法研究很有必要;针对中点钳位型(NPC)三电平逆变器功率开关管器件的开路故障,提出一种基于总体经验模态分解(EEMD)模糊熵和粒子群算法(PSO)优化的核函数极限学习机(KELM)的故障诊断方法;首先采样功率开关器件的桥臂输出端的三相电压作为故障信号以区分各种故障类型,然后利用EEMD模糊熵提取故障特征向量,最后将其划分为训练集和测试集送入PSO-KELM中,识别故障类型并输出诊断结果;经Matlab平台仿真实验得到该方法的故障诊断率超过98%,通过与其他方法的对比实验分析,该方法的有效性与优势得到验证。 展开更多

关键词 NPC三电平逆变器 故障诊断 EEMD 模糊熵 PSO-KELM

下载PDF 职称材料