期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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455篇文章
< 1 2 … 23 >
每页显示 20 50 100
已选0条
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：
基于双通道CNN-LSTM-Attention预测模型的晋华炉煤气化过程操作优化 认领 引用 被引量：2
1
作者 韩永明 李帅 +2 位作者 耿志强 汪京培 王孟志 《控制与决策》 EI CSCD 北大核心 2026年第4期1110-1121,共12页
煤气化过程具有强非线性、强耦合以及多目标冲突等特点,传统基于机理模型的操作优化方法难以达到高效且稳健的效果.晋华炉作为我国煤气化工艺中应用广泛的典型炉型,其运行优化亟需智能化建模和决策支持.鉴于此,提出一种基于双通道卷积-... 煤气化过程具有强非线性、强耦合以及多目标冲突等特点,传统基于机理模型的操作优化方法难以达到高效且稳健的效果.晋华炉作为我国煤气化工艺中应用广泛的典型炉型,其运行优化亟需智能化建模和决策支持.鉴于此,提出一种基于双通道卷积-长短期记忆网络-注意力机制(CNN-LSTM-Attention)预测模型的晋华炉操作优化方法.预测模型使用双通道结构融合工艺特征和历史序列信息,并利用层次化注意力机制提升关键特征的表达能力.在氢气、一氧化碳比例预测任务中,所构建双通道CNN-LSTM-Attention模型分别取得0.9322和0.9637的判定系数,显示出良好的精度和鲁棒性.在此基础上,结合粒子群优化算法,将预测模型作为代理模型对关键操作变量进行智能寻优.实验结果表明,优化方案相较于原始工况氢气比例提高了1.22%,一氧化碳比例提高了1.51%,总体有效气含量提升了1.38%.该研究为晋华炉气化过程的智能建模和工况优化提供了有效支撑,对煤气化典型炉型的高效运行具有重要参考价值. 展开更多
关键词 晋华炉 操作优化 LSTM CNN 注意力机制 粒子群算法
暂未订购 下载PDF
基于CNN-BiLSTM的新型电力系统用电负荷特征分层提取 认领 引用
2
作者 岳云力 武冰清 +2 位作者 关皓闻 杨悦 高晋 《电子设计工程》 2026年第7期145-149,共5页
新型电力系统下,用电负荷数据多源异构性加剧、时空动态耦合复杂,难以同步捕捉负荷局部空间关联与长时序依赖规律,提取的特征区分度和完整度低。为此,提出基于CNN-BiLSTM的分层特征提取方法。该方法通过卷积神经网络提取负荷数据的空间... 新型电力系统下,用电负荷数据多源异构性加剧、时空动态耦合复杂,难以同步捕捉负荷局部空间关联与长时序依赖规律,提取的特征区分度和完整度低。为此,提出基于CNN-BiLSTM的分层特征提取方法。该方法通过卷积神经网络提取负荷数据的空间局部特征,结合双向长短期记忆网络捕捉时序双向依赖关系,并采用主成分分析法对多层次特征进行融合,实现负荷特征的逐层提取与集成。实验结果表明,所提方法在常规场景下的特征区分度、提取完整度和特征准确度平均达到0.93、0.92和0.96,较对比方法平均提升约19.2%、29.6%和12.9%;在极端场景下,其特征区分度、提取完整度与特征准确度仍分别保持0.94、0.90和0.92,优于对比方法。证明所提方法能够提升特征提取的区分度、完整度与准确度,可为新型电力系统的精准感知与优化调度提供可靠的数据支撑。 展开更多
关键词 CNN-BiLSTM算法 新型电力系统 用电负荷 特征提取 分层提取
暂未订购 下载PDF
融合BP神经网络与CNN的人体运动姿态识别研究 认领 引用
3
作者 任元波 曹垚 《河南科技学院学报（自然科学版）》 2026年第3期75-83,共9页
目的针对现有人体运动姿态识别方法存在的精度低问题,提出一种融合BP神经网络与CNN网络模型的人体运动姿态识别方法.方法根据光学成像原理,综合考虑图像采集设备的分辨率、帧率、拍摄角度等指标参数,获取人体运动姿态的实时图像,通过图... 目的针对现有人体运动姿态识别方法存在的精度低问题,提出一种融合BP神经网络与CNN网络模型的人体运动姿态识别方法.方法根据光学成像原理,综合考虑图像采集设备的分辨率、帧率、拍摄角度等指标参数,获取人体运动姿态的实时图像,通过图像滤波、图像增强和运动模糊补偿等步骤,实现对人体运动姿态初始图像的预处理;利用背景减除法检测人体运动目标,融合BP神经网络与CNN网络模型从多个局部区域提取人体运动目标姿态特征;通过特征匹配的方式,得出人体运动姿态的识别结果.结果与传统的人体运动姿态识别方法相比,提出优化识别方法的错误识别率下降约15%,步频参数识别误差降低至5.55次/min.结论提出的人体运动姿态识别方法具有更好的实际应用效果和适用性. 展开更多
关键词 融合BP神经网络 CNN算法 人体运动姿态 姿态识别
暂未订购 下载PDF
基于随机森林与CNN-GRU模型的大坝变形监测数据缺失值填补方法 认领 引用
4
作者 耿峻 童广勤 +11 位作者 汪昌港 赵鹏 张海龙 潘戚扬 顾昊 陆纬 沈雷 孙啸 唐杰伟 郑祥 周富强 朱明远 《水力发电》 CAS 2026年第4期109-115,121,共7页
在大坝运行过程中,变形监测数据的缺失严重影响大坝安全状态的预测与判断。目前常用的缺失值填补方法很少有效考虑测点间相关性、填补效果难以满足安全监控需求,为此,提出了一种基于随机森林与CNN-GRU模型的大坝变形监测数据缺失值填补... 在大坝运行过程中,变形监测数据的缺失严重影响大坝安全状态的预测与判断。目前常用的缺失值填补方法很少有效考虑测点间相关性、填补效果难以满足安全监控需求,为此,提出了一种基于随机森林与CNN-GRU模型的大坝变形监测数据缺失值填补方法。首先,采用随机森林算法分析测值与荷载间、测值与测值间的相关性,筛选出对测值影响较大的环境因子,并将相关性强的测点归为一类,构建多测点安全监控模型。在此基础上,训练卷积神经网络(CNN)与门控循环单元神经网络(GRU)模型,提出基于CNN-GRU的大坝变形监测缺失值填补方法,以实现对多测点缺失值的高精度填补。通过算例分析验证了基于随机森林与CNN-GRU模型的大坝变形监测数据缺失值填补方法的有效性,为科学评估大坝服役性态提供了新思路。 展开更多
关键词 随机森林算法 CNN-GRU模型 缺失值填补 监测数据 大坝变形
暂未订购 下载PDF
基于数字孪生-CNN的电力变压器绕组状态诊断 认领 引用
5
作者 贾恒杰 曾智 +1 位作者 李彦明 杨帆 《电子设计工程》 2026年第11期137-140,146,共4页
为了优化电力变压器绕组状态诊断效果,提出基于数字孪生-CNN的电力变压器绕组状态诊断方法。构建电力变压器数字孪生体,实现与物理实体的实时数据同步,精准映射其实际运行状态。采用加权融合方法,融合变压器绕组处多振动传感器采集的振... 为了优化电力变压器绕组状态诊断效果,提出基于数字孪生-CNN的电力变压器绕组状态诊断方法。构建电力变压器数字孪生体,实现与物理实体的实时数据同步,精准映射其实际运行状态。采用加权融合方法,融合变压器绕组处多振动传感器采集的振动信号数据,确保振动信号数据采集质量。将以上数据作为绕组状态诊断CNN模型的诊断样本,提取绕组振动信号特征,对特征所属的绕组状态进行概率分类,最终实现绕组状态精准诊断。经测试,使用该方法后,工作人员无需亲临变压器现场,通过远程访问数字孪生体,即可实时掌握变压器的绕组状态,且诊断误差率低于2%,可实现绕组松动故障的高精度诊断。 展开更多
关键词 数字孪生 CNN算法 电力变压器 绕组状态诊断 加权融合 振动信号
暂未订购 下载PDF
基于ITTAO-VMD和CNN-BiLSTM的水电机组轴系故障诊断 认领 引用 被引量：1
6
作者 许庭原 郑阳 +2 位作者 李子飞 陈昱霖 陈启卷 《中国农村水利水电》 北大核心 2026年第5期158-162,167,共5页
针对水电机组轴系运行过程中故障特征提取不充分、故障类型难以高效识别的问题,提出一种基于多策略改进三角拓扑聚合优化算法(ITTAO)优化变分模态分解(VMD)参数,结合卷积神经网络和双向长短期记忆网络(CNN-BiLSTM)的水电机组轴系故障诊... 针对水电机组轴系运行过程中故障特征提取不充分、故障类型难以高效识别的问题,提出一种基于多策略改进三角拓扑聚合优化算法(ITTAO)优化变分模态分解(VMD)参数,结合卷积神经网络和双向长短期记忆网络(CNN-BiLSTM)的水电机组轴系故障诊断方法。首先,采用ITTAO算法对VMD分解的模态分量参数K和惩罚因子α进行寻优,实现振动信号的自适应分解;其次,利用最优VMD参数分解振动信号,提取最佳IMF分量的时频特征构建多维融合特征矩阵;最后,将所提取特征输入CNNBiLSTM诊断模型,利用其强大的时空特征提取能力,实现故障特征的深层挖掘与精准分类。通过实例验证表明,所提方法能充分提取振动信号的故障特征,可有效提高故障诊断的准确率和稳定性。 展开更多
关键词 水电机组 轴系故障诊断 改进三角拓扑聚合优化算法 VMD CNN-BiLSTM
暂未订购 下载PDF
一种预焙阳极表面氧化缺陷的Mask R-CNN检测方法 认领 引用 被引量：1
7
作者 刘博超 赵利平 +1 位作者 李国彦 刘立春 《机械设计与制造》 北大核心 2026年第2期33-36,41,共4页
为实现预焙阳极表面氧化缺陷的在线检测,采用Mask R-CNN对预焙阳极表面氧化缺陷进行检测。该方法以线扫描法采集到的图像数据作为输入,以ResNet101为网络骨架,经过特征提取网络获取图像中的特征信息,然后在区域推荐网络(RPN)中采用K-me... 为实现预焙阳极表面氧化缺陷的在线检测,采用Mask R-CNN对预焙阳极表面氧化缺陷进行检测。该方法以线扫描法采集到的图像数据作为输入,以ResNet101为网络骨架,经过特征提取网络获取图像中的特征信息,然后在区域推荐网络(RPN)中采用K-means聚类算法生成Anchor进而输出感兴趣区域(ROI),最终通过ROI Align以及预测网络输出类别信息以及边框信息,完成预焙阳极表面氧化缺陷的检测。试验结果表明,该方法能够有效的检测出预焙阳极表面氧化缺陷,并且准确率能达到95%,满足预焙阳极在线检测的标准。 展开更多
关键词 预焙阳极 氧化缺陷 深度学习 Mask R-CNN K-means聚类算法
暂未订购 下载PDF
基于改进Faster R-CNN的工业零件表面缺陷检测 认领 引用
8
作者 赵卓然 堵威 +1 位作者 姜庆超 曹志兴 《控制工程》 CSCD 北大核心 2026年第5期805-812,共8页
为提高工业生产线中金属零件表面瑕疵检测精度,提出了一种基于改进Faster RCNN的缺陷检测网络。首先,在特征提取阶段增加多个感受野,以提取到更细致的特征信息;在区域建议阶段使用级联RPN网络和自适应卷积结构,逐步细化建议框的位置;在... 为提高工业生产线中金属零件表面瑕疵检测精度,提出了一种基于改进Faster RCNN的缺陷检测网络。首先,在特征提取阶段增加多个感受野,以提取到更细致的特征信息;在区域建议阶段使用级联RPN网络和自适应卷积结构,逐步细化建议框的位置;在感兴趣区域特征提取阶段,聚合FPN所有输出层的特征信息,以充分利用获取到的缺陷特征信息,这些改进从网络结构上提高了模型对小瑕疵和形状不规则瑕疵的检测能力。最后,实验结果表明,与当前最优的目标检测网络相比,此方法具有更高的精度,可以广泛应用于检测金属零件表面的腐蚀、划痕、划伤、积屑瘤等缺陷。 展开更多
关键词 瑕疵检测 Faster R-CNN算法 金属零件 小瑕疵和形状不规则瑕疵
暂未订购 下载PDF
融合SPGD与CNN的自适应光学系统控制算法 认领 引用
9
作者 王轻纱 陈小慧 那崇正 《控制工程》 CSCD 北大核心 2026年第5期796-804,共9页
为提高自适应光学系统在复杂环境下的校正效率和精度,提出了一种融合随机并行梯度下降算法和卷积神经网络的自适应光学系统控制算法。算法通过卷积神经网络对波前像差进行分类,优化了初始估计,减少了迭代次数,加快了收敛速度。实验结果... 为提高自适应光学系统在复杂环境下的校正效率和精度,提出了一种融合随机并行梯度下降算法和卷积神经网络的自适应光学系统控制算法。算法通过卷积神经网络对波前像差进行分类,优化了初始估计,减少了迭代次数,加快了收敛速度。实验结果表明,与原始随机并行梯度下降算法相比,新算法在混频效率斯特列尔比上从0.80提升至0.90,迭代次数从280次减少至140次,误码率在158次迭代后降至10-10,均方根值从0.2~1.2降至0~0.6区间,有效提升了自适应光学系统在大气湍流环境下的像差校正效率和校正精度。创新性地将随机并行梯度下降算法与卷积神经网络相结合,并引入Dropout机制,增强模型的泛化性,为自适应光学系统的波前校正提供了一种快速有效的新方法。 展开更多
关键词 自适应光学系统 SPGD 卷积神经网络 控制算法 像差校正
暂未订购 下载PDF
基于MPA-CNN-LSTM融合模型与置信区间修正的行业用户负荷潜力评估 认领 引用
10
作者 沈聪 艾芊 +3 位作者 李晓露 高扬 陶伟健 赵晨阳 《电力需求侧管理》 2026年第1期8-16,共9页
随着“双碳”目标提出,新能源装机容量增大,且用户用电负荷特性变化及负荷量增加,电网供需平衡压力日益严峻,为支撑电网运行平衡,充分挖掘行业用户负荷可调节潜力,提出了基于MPA-CNN-LSTM融合模型与置信区间修正的行业用户负荷潜力评估... 随着“双碳”目标提出,新能源装机容量增大,且用户用电负荷特性变化及负荷量增加,电网供需平衡压力日益严峻,为支撑电网运行平衡,充分挖掘行业用户负荷可调节潜力,提出了基于MPA-CNN-LSTM融合模型与置信区间修正的行业用户负荷潜力评估策略。首先,在原有负荷特性基础上提出负荷削减特性表征同一行业不同用户负荷削减类别及方式作为MPA-CNNLSTM预测模型输入;其次,依据响应用户实际调节潜力基于MPA算法优化的CNN-LSTM神经网络进行训练并预测行业用户可调节潜力;最后,通过置信区间修正法修正行业用户可调节潜力,提高预测准确性。 展开更多
关键词 负荷削减特性 MPA算法优化 CNN-LSTM 置信区间修正 潜力评估
暂未订购 下载PDF
基于改进CNN的多模态与轻量化光伏组件缺陷检测算法 认领 引用
11
作者 王巍 沈立绍 黄亚辉 《半导体技术》 CAS 北大核心 2026年第8期849-859,共11页
针对光伏组件多模态缺陷检测存在融合失真及轻量化部署难以平衡精度与效率的问题,提出一种基于改进卷积神经网络(CNN)的检测算法。设计了不确定性感知跨模态可变形对齐融合(UA-CMDAF)模块,利用可变形卷积实现空间自适应对齐,并通过异方... 针对光伏组件多模态缺陷检测存在融合失真及轻量化部署难以平衡精度与效率的问题,提出一种基于改进卷积神经网络(CNN)的检测算法。设计了不确定性感知跨模态可变形对齐融合(UA-CMDAF)模块,利用可变形卷积实现空间自适应对齐,并通过异方差不确定性评估构建可信度加权融合,抑制错位与噪声干扰;提出尺度解耦训练增强-推理重参数化轻量化(SDR-Lite)模块,训练阶段采用多分支结构解耦多尺度特征,推理阶段通过重参数化将多分支结构融合为单分支卷积结构,结合预算约束与知识蒸馏逼近轻量化精度上限。在包含15000组多模态图像的自建数据集上进行实验,结果表明:该算法识别准确率为99.57%,精确率为99.52%,召回率为99.64%,F1分数为99.53%,单样本推理时间仅4.19 ms,实现了精度与效率的协同优化,满足光伏组件缺陷在线检测的应用需求。 展开更多
关键词 光伏组件 缺陷检测 改进卷积神经网络(CNN)算法 多模态融合 轻量化 不确定性感知跨模态可变形对齐融合(UA-CMDAF)模块
暂未订购 下载PDF
基于CNN 和Transformer 融合网络的机械臂视觉定位算法 认领 引用
12
作者 叶火龙 马默杰 +1 位作者 潘海侠 刘瑞军 《智能制造》 2026年第3期149-157,共9页
基于传统计算机视觉的机械臂定位算法面临着弱对比度边缘分割、零部件高精度定位、需要覆盖同类别不同型号产品等挑战。因此,本文提出了一种基于CNN和Transformer融合网络的机械臂视觉定位算法:提出的融合网络有效地利用全局和局部特征... 基于传统计算机视觉的机械臂定位算法面临着弱对比度边缘分割、零部件高精度定位、需要覆盖同类别不同型号产品等挑战。因此,本文提出了一种基于CNN和Transformer融合网络的机械臂视觉定位算法:提出的融合网络有效地利用全局和局部特征来分割目标;定位后处理算法基于分割图像的轮廓特征计算抓取中心和旋转角度;引入的边缘特征加强模块增强分割边缘的特征;损失函数衡量了分割边缘与真值之间的偏差,以及计算的中心点与真值之间的偏差。在自建数据集上的试验结果表明,本文提出的方法在平均交并比达到了0.987。在抓取中心x、抓取中心y和旋转角度A上,平均绝对误差分别达到2.78像素、5.75像素和2.43°,优于其他先进方法。此外,在工业零部件数据集T-LESS上的对比试验结果表明,本文方法具有较好的适用性。 展开更多
关键词 机械臂 视觉定位算法 CNN和Transformer融合网络 边缘特征加强模块 损失函数
暂未订购 下载PDF
Recommendation Algorithm Integrating CNN and Attention System in Data Extraction 认领 引用 被引量：1
13
作者 Yang Li Fei Yin Xianghui Hui 《Computers, Materials & Continua》 SCIE EI 2023年第5期4047-4063,共17页
With the rapid development of the Internet globally since the 21st century,the amount of data information has increased exponentially.Data helps improve people’s livelihood and working conditions,as well as learning ... With the rapid development of the Internet globally since the 21st century,the amount of data information has increased exponentially.Data helps improve people’s livelihood and working conditions,as well as learning efficiency.Therefore,data extraction,analysis,and processing have become a hot issue for people from all walks of life.Traditional recommendation algorithm still has some problems,such as inaccuracy,less diversity,and low performance.To solve these problems and improve the accuracy and variety of the recommendation algorithms,the research combines the convolutional neural networks(CNN)and the attention model to design a recommendation algorithm based on the neural network framework.Through the text convolutional network,the input layer in CNN has transformed into two channels:static ones and non-static ones.Meanwhile,the self-attention system focuses on the system so that data can be better processed and the accuracy of feature extraction becomes higher.The recommendation algorithm combines CNN and attention system and divides the embedding layer into user information feature embedding and data name feature extraction embedding.It obtains data name features through a convolution kernel.Finally,the top pooling layer obtains the length vector.The attention system layer obtains the characteristics of the data type.Experimental results show that the proposed recommendation algorithm that combines CNN and the attention system can perform better in data extraction than the traditional CNN algorithm and other recommendation algorithms that are popular at the present stage.The proposed algorithm shows excellent accuracy and robustness. 展开更多
关键词 Data extraction recommendation algorithm CNN algorithm attention model
暂未订购 下载PDF
基于GA-ARIMA-CNN混合模型的长治市AQI预测研究 认领 引用
14
作者 张宇坤 赵丽华 《环境科学与管理》 CAS 2026年第6期43-48,共6页
文章基于2020年-2023年长治市空气质量监测日度数据,系统分析了空气质量指数及六种主要污染物的相关关系,揭示了PM2.5、PM10和O3为长治地区AQI关键影响因子,冬季供暖期以颗粒物污染为主,夏季非供暖期则以臭氧为主导。研究构建... 文章基于2020年-2023年长治市空气质量监测日度数据,系统分析了空气质量指数及六种主要污染物的相关关系,揭示了PM2.5、PM10和O3为长治地区AQI关键影响因子,冬季供暖期以颗粒物污染为主,夏季非供暖期则以臭氧为主导。研究构建了遗传算法优化的GA-ARIMA-CNN融合预测模型,结合ARIMA的时序线性特征提取、CNN的非线性挖掘及GA的超参数优化能力。实验结果表明,GA-ARIMA-CNN融合模型的预测精度显著优于单一模型及传统融合模型,其RMSE、MAE和MAPE分别达到3.1、1.78和3.99%,通过对比不同模型的预测性能,验证了融合模型的优越性,对推动长治市区域环境治理具有重要的理论和实践价值。 展开更多
关键词 AQI预测 CNN模型 ARIMA模型 遗传算法 多模态融合
暂未订购 下载PDF
自适应特征模态分解与CNN-SVM在天然气管道泄漏识别中的应用研究 认领 引用
15
作者 刘路勇 刘名杨 +5 位作者 王磊 胡开胜 熊建森 张明 王琳 仇芝 《振动与冲击》 EI CSCD 北大核心 2026年第5期120-129,共10页
在传统天然气管道泄漏检测方法中,泄漏信号中的周期性微扰与短时结构突变特征常被忽视,严重制约管道泄漏识别精准度。提出一种借助美洲狮优化算法,构建新型的自适应特征模态分解(adaptive feature mode decomposition,AFMD)方法,用以提... 在传统天然气管道泄漏检测方法中,泄漏信号中的周期性微扰与短时结构突变特征常被忽视,严重制约管道泄漏识别精准度。提出一种借助美洲狮优化算法,构建新型的自适应特征模态分解(adaptive feature mode decomposition,AFMD)方法,用以提取泄漏声信号中的周期性微扰动与短时结构突变目标特征,并采用卷积神经网络(convolutional neural network,CNN)与支持向量机(support vector machine,SVM)形成联合识别模型,对目标特征进行泄漏识别分类。试验结果表明,该混合模型对管道泄漏识别准确率高达99.07%,优于其他特征提取算法及独立CNN分类模型,展现出良好的鲁棒性与泛化能力,在多种工况下识别效果明显优于传统方法。 展开更多
关键词 管道泄漏识别 自适应特征模态分解(AFMD) 美洲狮优化算法 卷积神经网络(CNN) 支持向量机(SVM)
暂未订购 下载PDF
基于改进Faster R-CNN的智慧厂区人员自动定位方法 认领 引用
16
作者 刘兵 张霞 《自动化与仪器仪表》 2026年第6期407-411,416,共5页
煤矿基建厂区建筑设施较多,人员所处环境背景较为复杂,进行人员与背景分割的过程中特征提取的难度较大,导致映射到厂区空间中会出现像素重合的情况,降低了定位的精准性。为此,提出基于改进Faster R-CNN的智慧厂区人员自动定位方法。利... 煤矿基建厂区建筑设施较多,人员所处环境背景较为复杂,进行人员与背景分割的过程中特征提取的难度较大,导致映射到厂区空间中会出现像素重合的情况,降低了定位的精准性。为此,提出基于改进Faster R-CNN的智慧厂区人员自动定位方法。利用智慧厂区内摄像头动态采集智慧厂区图像,采取图像光线调整、降噪和增强这3个关键步骤,对采集到的智慧厂区原始图像进行预处理;采用灰度阈值分割的方式,精准分割人员图像前景和背景区域;利用残差网络ResNet50替换原卷积神经网络消除网络结构退化,生成有效的特征子图,在注意力机制作用下,通过ROI Pooling层处理精准提取智慧厂区图像特征;利用标准特征匹配,进行人员坐标读取与映射转换,避免映射空间像素重合,实现智慧厂区人员的自动定位。通过实验可知,在单一目标工况下,平均定位误差仅为0.36 m,在多目标工况下,定位方法的IoU值为0.926,具有更为精准的定位性能。 展开更多
关键词 改进Faster R-CNN算法 智慧厂区 移动人员 人员定位 自动定位
暂未订购 下载PDF
基于组合赋权相似日选取和二次分解的IWOA-CNN-LSTM光伏出力预测 认领 引用
17
作者 贾存怡 许野 +2 位作者 王旭 孟亦康 李薇 《科学技术与工程》 EI 北大核心 2026年第5期1994-2008,共15页
为了有效预防光伏发电功率的随机性和波动性给电网的安全稳定运行带来的隐患,创新性地组合使用基于组合权重法(combined weight method,CWM)和综合相似距离(comprehensive similar distance,CSD)的相似日选取方法,基于变分模态分解方法(... 为了有效预防光伏发电功率的随机性和波动性给电网的安全稳定运行带来的隐患,创新性地组合使用基于组合权重法(combined weight method,CWM)和综合相似距离(comprehensive similar distance,CSD)的相似日选取方法,基于变分模态分解方法(variational mode decomposition,VMD)、改进的鲸鱼优化算法(improved whale optimization algorithm,IWOA)、奇异谱分析方法(singular spectrum analysis,SSA)和模糊熵(fuzzy entropy,FE)的序列分解和重组方法,以及IWOA-CNN-LSTM组合预测方法,构建了高精度的光伏出力组合预测模型。首先,在采用皮尔逊相关系数法(Pearson correlation coefficient,PCC)提取影响光伏出力的关键气象要素的基础上,创新性地使用层次分析法(analytic hierarchy process,AHP)和熵权法(entropy weight method,EWM)相结合的CWM方法赋予气象要素相应的权重系数;其次,将赋权的气象要素融合到CSD计算过程中,生成与待预测日气象特征相近的高质量样本训练集;再次,开发了基于Tent混沌映射、变螺旋更新和自适应权重动态调整机制的IWOA算法,运用IWOA-VMD、SSA和FE的全新组合完成原始发电序列的一次、二次分解和重组,实现原始序列的有效分解;最后,采用IWOA确定卷积-长短期记忆神经网络(convolutional neural network-long short-term memory,CNN-LSTM)的最优超参数组合,构建高精度光伏出力预测模型。在云南岩淜光伏电站的应用结果表明,相较于其他基准模型,该模型具备一定的先进性和稳定性,具有广阔的应用前景。 展开更多
关键词 相似日选取 组合权重法 改进的鲸鱼优化算法 奇异谱分析 卷积-长短期记忆神经网络 光伏出力预测
暂未订购 下载PDF
基于鲸鱼算法优化CNN对叉车电池SOH进行预测 认领 引用
18
作者 徐泽明 李凯昂 +1 位作者 顾玉琦 赵超 《电源学报》 CSCD 北大核心 2026年第4期196-204,270,共9页
铅酸电池健康状态SOH(state of health)是铅酸电池可靠运行的重要指标,针对叉车电池的健康状态预测精确度低的问题,提出了1种基于鲸鱼算法WOA(whale optimization algorithm)的卷积神经网络CNN(convolutional neural networks)预测模型W... 铅酸电池健康状态SOH(state of health)是铅酸电池可靠运行的重要指标,针对叉车电池的健康状态预测精确度低的问题,提出了1种基于鲸鱼算法WOA(whale optimization algorithm)的卷积神经网络CNN(convolutional neural networks)预测模型WOA-CNN。该模型以CNN作为基础模型,为了进一步优化CNN模型的性能,引入鲸鱼算法作为1种全局优化方法,通过搜索空间中的最优解来优化CNN的权重和偏差。为了验证WOA-CNN模型的有效性,使用了叉车电池的实际数据集进行实验。实验结果表明,WOA-CNN在预测叉车电池SOH时,相比于未优化的CNN,均方误差、均方根误差、平均绝对误差、平均绝对百分比误差分别降低了29.4%、19.7%、41.5%、19.5%;相比于传统的反向传播BP(back propagation)神经网络,分别降低了42.2%、31.1%、64.7%、54.8%,具有更小的预测误差、更高的准确性和稳定性。WOA-CNN预测模型为电动叉车电池健康管理提供了有力的支持,从而延长电池寿命,并提高叉车的可靠性。 展开更多
关键词 叉车电池 健康状态 鲸鱼算法 卷积神经网络
暂未订购 下载PDF
GWO优化CNN的短电弧铣削电极损耗状态监测模型 认领 引用
19
作者 牛巧茹 周建平 +3 位作者 许燕 宋洁 范俊伟 连国禹 《机床与液压》 北大核心 2026年第7期119-124,共6页
在短电弧铣削加工过程中,电极损耗严重影响了加工精度和效率。为了实现对电极损耗状态的有效监测,提出一种基于灰狼寻优算法(GWO)与卷积神经网络(CNN)的智能监控模型。构建交互特征,对输入特征采用Min-Max标准化处理,对输出损耗量采用Z-... 在短电弧铣削加工过程中,电极损耗严重影响了加工精度和效率。为了实现对电极损耗状态的有效监测,提出一种基于灰狼寻优算法(GWO)与卷积神经网络(CNN)的智能监控模型。构建交互特征,对输入特征采用Min-Max标准化处理,对输出损耗量采用Z-score标准化处理,提升模型稳定性与泛化性能。通过构建包含特征交互层和多尺度卷积结构的CNN模型,结合GWO算法对网络超参数进行全局优化,实现电极磨损量的高精度预测。构建短电弧铣削工艺数据集,对钛合金铣削过程中电极损耗状态进行全面评估,筛选性能最优的组合模型,并与其他模型进行对比,验证所提方法的有效性。结果表明:该模型在综合性能上表现最优,R2达到97.9%,验证了所提方法的准确性和可行性。 展开更多
关键词 短电弧铣削 电极损耗 状态监测 灰狼优化(GWO)算法 卷积神经网络(CNN)
暂未订购 下载PDF
基于KOA驱动的VMD-CNN-BiGRU-Attention光伏功率组合预测模型研究 认领 引用 被引量：2
20
作者 王潇添 李泽林 +2 位作者 詹莹 王旭 许野 《太阳能学报》 EI CAS CSCD 北大核心 2026年第6期676-688,共13页
针对现有深度学习预测模型在训练过程中存在的时间较长、易陷入局部最优解等问题,提出一种基于开普勒优化算法(KOA)驱动的VMD-CNN-BiGRU-Attention短期光伏出力预测方法。该方法首先利用皮尔逊相关系数法对关键气象因素进行筛选;随后采... 针对现有深度学习预测模型在训练过程中存在的时间较长、易陷入局部最优解等问题,提出一种基于开普勒优化算法(KOA)驱动的VMD-CNN-BiGRU-Attention短期光伏出力预测方法。该方法首先利用皮尔逊相关系数法对关键气象因素进行筛选;随后采用灰色关联度(GRA)法确定待预测日的历史相似日,并通过KOA对变分模态分解(VMD)的参数进行优化,进而对历史相似日的出力序列进行分解,从而生成高质量的模型训练样本集;最后,基于KOA-CNN-BiGRU-Attention算法构建光伏出力组合预测模型,以实现光伏出力的精准预测。在云南和甘肃两地光伏电站的实际应用表明,该模型的均方根误差(RMSE)分别为0.2540、2.7981 MW,平均绝对百分比误差(MAPE)分别为0.0234、1.1699。与其他组合预测模型相比,所提基于KOA驱动的VMD-CNN-BiGRU-Attention模型在时空特征捕捉能力方面具有显著优势,并在预测精度和稳定性上表现出优越性,展现了其在光伏发电预测领域的广阔应用潜力。 展开更多
关键词 光伏出力预测 开普勒优化算法 变分模态分解 注意力机制 CNN-BiGRU-Attention组合模型
暂未订购 下载PDF
已选0条
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 2 … 23 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈