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53篇文章
< 1 2 3 >
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：
AI-Integrated Feature Selection of Intrusion Detection for Both SDN and Traditional Network Architectures Using an Improved Crayfish Optimization Algorithm 认领 引用
1
作者 Hui Xu Wei Huang Longtan Bai 《Computers, Materials & Continua》 SCIE EI 2025年第8期3053-3073,共21页
With the birth of Software-Defined Networking(SDN),integration of both SDN and traditional architectures becomes the development trend of computer networks.Network intrusion detection faces challenges in dealing with ... With the birth of Software-Defined Networking(SDN),integration of both SDN and traditional architectures becomes the development trend of computer networks.Network intrusion detection faces challenges in dealing with complex attacks in SDN environments,thus to address the network security issues from the viewpoint of Artificial Intelligence(AI),this paper introduces the Crayfish Optimization Algorithm(COA)to the field of intrusion detection for both SDN and traditional network architectures,and based on the characteristics of the original COA,an Improved Crayfish Optimization Algorithm(ICOA)is proposed by integrating strategies of elite reverse learning,Levy flight,crowding factor and parameter modification.The ICOA is then utilized for AI-integrated feature selection of intrusion detection for both SDN and traditional network architectures,to reduce the dimensionality of the data and improve the performance of network intrusion detection.Finally,the performance evaluation is performed by testing not only the NSL-KDD dataset and the UNSW-NB 15 dataset for traditional networks but also the InSDN dataset for SDN-based networks.Experimental results show that ICOA improves the accuracy by 0.532%and 2.928%respectively compared with GWO and COA in traditional networks.In SDN networks,the accuracy of ICOA is 0.25%and 0.3%higher than COA and PSO.These findings collectively indicate that AI-integrated feature selection based on the proposed ICOA can promote network intrusion detection for both SDN and traditional architectures. 展开更多
关键词 Software-defined networking(SDN) intrusion detection artificial intelligence(AI) feature selection crayfish optimization algorithm(COA)
暂未订购 下载PDF
融合增量学习机制的COA-BP模型及其线形预测 认领 引用
2
作者 邬晓光 邓志海 +2 位作者 汪俊光 侯学军 李红 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2026年第5期96-107,共12页
在进行大跨度连续刚构桥悬臂施工线形控制时,现有预测方法在模型构建与学习机制两方面存在系统性缺陷(传统方法非线性拟合能力弱,机器学习模型易陷入局部最优或泛化性能不足,且普遍采用“离线训练、固定参数”的静态建模范式),难以动态... 在进行大跨度连续刚构桥悬臂施工线形控制时,现有预测方法在模型构建与学习机制两方面存在系统性缺陷(传统方法非线性拟合能力弱,机器学习模型易陷入局部最优或泛化性能不足,且普遍采用“离线训练、固定参数”的静态建模范式),难以动态适应施工过程中结构响应的时变特性与误差累积规律。为克服该问题,研究提出一种融合小龙虾优化算法(COA)与BP神经网络的COA-BP模型,并创新性引入增量学习机制。首先,基于FEA NX建立精细化实体有限元模型,结合混凝土容重、弹性模量、预应力张拉控制应力等关键参数的变异性,采用拉丁超立方群抽样生成输入参数组合,反算各梁段理论立模标高;实测标高由现场施工完成后获取,二者差值作为模型输出目标。然后通过COA算法优化BP网络的初始权值与阈值,有效提升模型收敛速度与全局搜索能力。在此基础上,设计分阶段学习策略,3、4、5号块为静态学习阶段,利用实测与理论标高差值完成模型初始化,从6号块起进入增量学习阶段,模型基于预测结果指导立模标高调整,并在每阶段施工完成后将新实测数据对应的标高差值纳入训练集,实现“边施工、边学习、边优化”的动态闭环。研究还依托实际连续刚构桥工程进行验证,结果表明,6号块纠偏后最大误差为-1.8 mm,后续梁段预测误差持续收敛,预测曲线平滑下降,显著优于传统方法的预测效果,验证了所提出COA-BP模型在提升线形预测精度与适应性方面的有效性。 展开更多
关键词 线形预测 连续刚构桥 小龙虾算法 BP神经网络 增量学习 COA-BP模型 桥梁工程
暂未订购 下载PDF
基于ICOA-BP的5G光伏基站短期功率预测 认领 引用 被引量：2
3
作者 张展泳 王朝民 +3 位作者 陈俊江 高绪冲 郭文豪 覃团发 《太阳能学报》 EI CAS CSCD 北大核心 2026年第5期720-731,共12页
针对5G通信技术能耗高、成本大的问题,5G光伏基站(PVBSs)通过集成高性能、高效率、低成本的光伏发电技术,利用能量路由器实现了通信与能源利用的无缝结合。为确保5G光伏基站供电系统的稳定性,该文提出一种基于改进小龙虾优化算法(ICOA)... 针对5G通信技术能耗高、成本大的问题,5G光伏基站(PVBSs)通过集成高性能、高效率、低成本的光伏发电技术,利用能量路由器实现了通信与能源利用的无缝结合。为确保5G光伏基站供电系统的稳定性,该文提出一种基于改进小龙虾优化算法(ICOA)优化反向传播(BP)神经网络的短期功率预测方法。ICOA通过圆混沌映射、镜像反射学习、改进天鹰座算法和莱维飞行策略,增强了算法的全局搜索能力和收敛速度,有效优化了BP神经网络的权重和偏置,提高了光伏功率预测精度。模型还采用主成分分析法捕捉数据相关性并压缩数据维度,以及循环遍历算法选择最优隐含层节点数量,确保模型性能最优。实验结果表明,改进小龙虾优化算法具有优异的寻优及收敛能力,同时,与基于北方苍鹰优化算法、灰狼优化算法、鲸鱼优化算法以及小龙虾优化算法的BP神经网络模型相比,ICOA-BP模型在不同天气条件下的预测精度均更高,对于促进5G光伏基站供电系统的稳定性具有重要意义。 展开更多
关键词 光伏发电 预测模型 神经网络 改进小龙虾优化算法 能量路由器
暂未订购 下载PDF
基于AGSCOA-Stacking特征加权的船用钢板焊接余量预测 认领 引用
4
作者 谢久超 苌道方 《计算机工程》 CAS CSCD 北大核心 2026年第1期414-426,共13页
为了提升钢板焊接的精度,提高船体质量和建造效率,提出一种自适应黄金正弦螯虾优化算法(AGSCOA)-Stacking特征加权代理模型的方法,用于解决船用钢板焊接余量预测问题。首先,基于Stacking集成学习策略,根据所提出的PC指标,从多种机器学... 为了提升钢板焊接的精度,提高船体质量和建造效率,提出一种自适应黄金正弦螯虾优化算法(AGSCOA)-Stacking特征加权代理模型的方法,用于解决船用钢板焊接余量预测问题。首先,基于Stacking集成学习策略,根据所提出的PC指标,从多种机器学习模型中筛选出兼具高预测精度和差异性的基学习器。其次,提出一种特征加权方法,针对所筛选基学习器的预测性能进行自适应特征加权,从而提高模型的泛化能力。最后,对传统螯虾优化算法进行多方面改进,引入正交折射反向学习机制来改进种群初始化,确保初始种群质量;提出自适应Lévy飞行策略来优化探索阶段,避免陷入局部最优;引入黄金正弦算法改进开发阶段,平衡全局搜索与局部开发能力。利用改进后的AGSCOA对代理模型进行多参数优化,从而提升模型预测精度。实验结果表明,AGSCOA在优化性能和收敛速度上表现出色,所提出的代理模型相比线性加权集成学习代理模型、AGSCOA-SVR、AGSCOA-ET和AGSCOA-RF具有更高的预测精度,均方根误差(RMSE)分别降低了14.29%、35.78%、17.48%和22.31%。 展开更多
关键词 焊接余量预测 Stacking集成学习 代理模型 螯虾优化算法 折射反向学习机制 黄金正弦算法
暂未订购 下载PDF
Research on multiple-strategy improved coati optimization algorithm for engineering applications 认领 引用
5
作者 GAO Yaqiong WU Jin +1 位作者 SU Zhengdong LI Chaoxing 《High Technology Letters》 EI CAS 2024年第4期405-414,共10页
In this paper,a multi-strategy improved coati optimization algorithm(MICOA)for engineering applications is proposed to improve the performance of the coati optimization algorithm(COA)in terms of convergence speed and ... In this paper,a multi-strategy improved coati optimization algorithm(MICOA)for engineering applications is proposed to improve the performance of the coati optimization algorithm(COA)in terms of convergence speed and convergence accuracy.First,a chaotic mapping is applied to initial-ize the population in order to improve the quality of the population and thus the convergence speed of the algorithm.Second,the prey’s position is improved during the prey-hunting phase.Then,the COA is combined with the particle swarm optimization(PSO)and the golden sine algorithm(Gold-SA),and the position is updated with probabilities to avoid local extremes.Finally,a population decreasing strategy is applied as a way to improve the performance of the algorithm in a comprehen-sive approach.The paper compares the proposed algorithm MICOA with 7 well-known meta-heuristic optimization algorithms and evaluates the algorithm in 23 test functions as well as engineering appli-cation.Experimental results show that the MICOA proposed in this paper has good effectiveness and superiority,and has a strong competitiveness compared with the comparison algorithms. 展开更多
关键词 coati optimization algorithm(COA) chaotic map multi-strategy
暂未订购 下载PDF
基于ICOA-BP神经网络的装备制造企业制造费用预测研究 认领 引用
6
作者 赵紫卿 张承贺 孙家坤 《制造业自动化》 2026年第1期63-73,共11页
制造费用是装备制造企业生产成本中的重要组成部分,制造费用的精准预测对提升企业的生产成本管理能力具有重要意义。为提高预测精度,提出一种改进小龙虾优化算法(ICOA)优化的BP神经网络预测模型。首先,采用优化拉丁超立方抽样初始化种群... 制造费用是装备制造企业生产成本中的重要组成部分,制造费用的精准预测对提升企业的生产成本管理能力具有重要意义。为提高预测精度,提出一种改进小龙虾优化算法(ICOA)优化的BP神经网络预测模型。首先,采用优化拉丁超立方抽样初始化种群,提高初始种群分布均匀性;引入海洋捕食者算法第一阶段搜索策略和温度自适应因子改进避暑阶段,增强全局搜索能力;结合Lévy飞行策略优化觅食阶段,平衡全局探索与局部开发;利用t分布扰动更新最优个体,避免算法陷入局部最优。之后,利用改进后的小龙虾算法对BP神经网络的初始阈值、权值进行优化,以提升模型的预测精度。最后,通过山东某化工装备制造企业换热器管束制造费用及相关数据为样本进行验证。结果表明:ICOA-BP神经网络预测模型的平均绝对误差(MAE)、均方根误差(RMSE)分别降低了至少20.95%和20.45%,决定系数(R2)提升了至少14.01%,证明了构建模型在制造费用预测精度上的优势。 展开更多
关键词 装备制造企业 制造费用预测 BP神经网络 改进小龙虾优化算法 换热器管束
暂未订购 下载PDF
A new optimization algorithm based on chaos 认领 引用 被引量：26
7
作者 LU Hui-juan ZHANG Huo-ming MA Long-hua 《Journal of Zhejiang University-SCIENCE A》 EI CAS 2006年第4期539-542,共4页
In this article, some methods are proposed for enhancing the converging velocity of the COA (chaos optimization algorithm) based on using carrier wave two times, which can greatly increase the speed and efficiency of ... In this article, some methods are proposed for enhancing the converging velocity of the COA (chaos optimization algorithm) based on using carrier wave two times, which can greatly increase the speed and efficiency of the first carrier wave’s search for the optimal point in implementing the sophisticated searching during the second carrier wave is faster and more accurate. In addition, the concept of using the carrier wave three times is proposed and put into practice to tackle the multi-variables opti- mization problems, where the searching for the optimal point of the last several variables is frequently worse than the first several ones. 展开更多
关键词 Chaos optimization algorithm （COA） Carrier wave two times Multi-variables optimization Carrier wave triple frequency
暂未订购 下载PDF
基于K均值聚类和VMD-COA-BiLSTM的光伏功率预测 认领 引用 被引量：3
8
作者 查航伟 成燕 黄瑞承 《热能动力工程》 CAS CSCD 北大核心 2025年第5期157-165,共9页
光伏发电功率受气象因素的影响呈现出不稳定性和间歇性,准确预测光伏功率有助于实现大规模并网并保障电网的稳定运行。以澳大利亚DKASC Solar Centre光伏电站数据为研究对象,提出一种基于气象相似日的变分模态分解算法、长鼻浣熊算法和... 光伏发电功率受气象因素的影响呈现出不稳定性和间歇性,准确预测光伏功率有助于实现大规模并网并保障电网的稳定运行。以澳大利亚DKASC Solar Centre光伏电站数据为研究对象,提出一种基于气象相似日的变分模态分解算法、长鼻浣熊算法和双向长短期记忆神经网络(VMD-COA-BiLSTM)的光伏功率短期预测模型。针对光伏数据的复杂非线性特征、噪声干扰以及高维特征等问题,通过K均值聚类将数据划分为3种天气类型,增强模型映射能力;利用VMD将聚类之后的原始信号分解,采用中心频率法确定最佳模态数,充分提取集合中的输入因素信息,提高数据质量;将分解后的各分量分别输入BiLSTM网络进行预测,采用COA优化BiLSTM的超参数配置,实现不同天气类型下的光伏功率的准确预测。结果表明:K均值聚类和VMD算法有效提升了数据质量,增强了输入、输出数据的耦合强度;COA优化BiLSTM模型在优化能力和收敛速度上均优于粒子群算法(PSO);所提出的VMD-COA-BiLSTM模型在晴天、多云和阴雨天的RMSE分别降低了35.24%,45.54%和42.88%,显著提高了预测精度,且能适应不同环境下的可靠预测。 展开更多
关键词 光伏发电功率 预测 K-means聚类 变分模态分解 长鼻浣熊算法 双向长短期记忆神经网络
暂未订购 下载PDF
基于RTSMAE和COA-ELM的旋转机械故障辨识模型 认领 引用 被引量：1
9
作者 曹凯 张康 和文云 《机电工程》 CAS 北大核心 2025年第11期2168-2180,共13页
针对现有旋转机械故障辨识方法难以获得高质量故障特征,导致故障识别的准确率不稳定这一缺陷,开发了一种基于精细时移多尺度注意熵(RTSMAE)和郊狼优化算法(COA)的优化极限学习机(ELM)的损伤识别策略。首先,基于精细化运算和时移粗粒化处... 针对现有旋转机械故障辨识方法难以获得高质量故障特征,导致故障识别的准确率不稳定这一缺陷,开发了一种基于精细时移多尺度注意熵(RTSMAE)和郊狼优化算法(COA)的优化极限学习机(ELM)的损伤识别策略。首先,基于精细化运算和时移粗粒化处理,提出了称之为RTSMAE的信号复杂度估算方法,以缓解传统多尺度注意熵存在熵值不稳定的缺陷;然后,采用RTSMAE深度挖掘了旋转机械振动信号中隐藏的故障信息,构建了反映故障特性和故障程度的损伤特征样本;最后,将RTSMAE特征样本输入至COA优化的ELM分类模型中进行了训练和测试,实现了对旋转机械样本损伤类型和程度的智能识别;通过滚动轴承数据集和齿轮箱数据集对基于RTSMAE的故障辨识方法进行了实验研究,并与多种方法在故障识别可靠性和小样本应用方面进行了对比。研究结果表明:RTSMAE方法能有效识别滚动轴承和齿轮箱的故障类型,识别准确率达到100%,平均识别准确率分别为99.3%和99.67%;在数据长度为N=1024且训练样本的比例为20%时,RTSMAE方法也能够分别取得88.09%和86.97%的识别准确率,优于其他故障辨识方法。由此可证明,基于RTSMAE和COA-ELM的旋转机械故障辨识模型在小样本故障识别中具有一定的应用潜力。 展开更多
关键词 滚动轴承 故障诊断 精细时移多尺度注意熵 优化极限学习机 郊狼优化算法
暂未订购 下载PDF
基于COA-CNN模型的综采工作面煤与瓦斯突出灾害预测研究 认领 引用 被引量：1
10
作者 许爱国 《陕西煤炭》 2025年第2期62-66,共5页
随着煤矿开采持续向深部延伸,工作面面临的地质压力不断增大,瓦斯释放和积聚的风险显著增加。此外,深部矿井中煤层的物理性质和构造特征也与浅部煤层存在一定差异,进一步增加了煤与瓦斯突出的潜在风险。本研究基于某矿数据,首先应用箱线... 随着煤矿开采持续向深部延伸,工作面面临的地质压力不断增大,瓦斯释放和积聚的风险显著增加。此外,深部矿井中煤层的物理性质和构造特征也与浅部煤层存在一定差异,进一步增加了煤与瓦斯突出的潜在风险。本研究基于某矿数据,首先应用箱线图(Boxplot)与多重插补法(MI)进行数据清洗,结合相关系数(Correlation)筛选影响因素,建立基于Boxplot-MI-C的煤与瓦斯突出预测指标体系。然后运用深度学习中的卷积神经网络(CNN)搭建模型框架,结合鸬鹚搜索算法(COA)优化模型超参数,建立基于COA-CNN的煤与瓦斯突出预测模型。最后,建立支持向量机(SVM)、COA-SVM、人工神经网络(ANN)、COA-ANN、CNN模型进行对比验证,其中,COA-CNN模型预测结果的准确率最高,拥有更优的鲁棒性与泛化能力,可以为煤与瓦斯突出灾害的预测与防控提供更好的决策参考。 展开更多
关键词 煤与瓦斯突出 数据清洗 指标体系 COA优化算法 CNN预测模型
暂未订购 下载PDF
一种基于改进小龙虾优化算法的无人机路径规划 认领 引用
11
作者 梁海军 龚克 +1 位作者 胡文海 代杰 《飞行力学》 CSCD 北大核心 2026年第2期23-29,73,共7页
为提高无人机在路径规划中的快速性及最优性,针对传统的小龙虾优化算法(COA)收敛速度慢、易陷入局部最优、稳定性较差等问题,提出了一种改进的小龙虾优化算法(ICOA)。首先,利用Tent混沌映射初始化种群提高种群多样性;然后,引入个体位置... 为提高无人机在路径规划中的快速性及最优性,针对传统的小龙虾优化算法(COA)收敛速度慢、易陷入局部最优、稳定性较差等问题,提出了一种改进的小龙虾优化算法(ICOA)。首先,利用Tent混沌映射初始化种群提高种群多样性;然后,引入个体位置更新策略来加快算法的收敛速度,提升找到全局最优的能力;最后,使用三次样条插值对路径进行平滑化处理。仿真结果表明,与传统COA、淘金优化算法、开普勒优化算法相比,ICOA在三维环境中具有更高的收敛速度和精度,以及更优的路径。 展开更多
关键词 路径规划 小龙虾优化算法 无人机 混沌映射 三次样条插值
暂未订购 下载PDF
多策略协同的改进小龙虾优化算法及其工程应用 认领 引用
12
作者 张晓丽 杨璨 +2 位作者 宋晶 朱贵富 聂佳磊 《小型微型计算机系统》 CSCD 北大核心 2026年第5期1156-1165,共10页
本文提出了一种多策略协同的改进小龙虾优化算法(ICOA),以解决原始COA算法多样性不足、收敛速度慢、易陷入局部最优等问题.首先,采用Logistic-Tent混沌映射替代随机初始化,提升初始解质量;其次,在迭代初期引入镜像反射学习机制,利用对... 本文提出了一种多策略协同的改进小龙虾优化算法(ICOA),以解决原始COA算法多样性不足、收敛速度慢、易陷入局部最优等问题.首先,采用Logistic-Tent混沌映射替代随机初始化,提升初始解质量;其次,在迭代初期引入镜像反射学习机制,利用对称性扩展解空间以加速收敛;此外,在避暑阶段融合透镜成像的自适应反向学习以增强算法跳出局部最优的能力;最后,结合遗传算法的垂直交叉操作,提高种群多样性以强化全局搜索能力.在实验部分,基于CEC2014测试函数,分别开展对比实验和消融实验验证算法性能的提升.研究证实,所提多策略协同机制有效克服了原始COA的缺陷,在收敛速度、精度和鲁棒性方面均有显著提升. 展开更多
关键词 小龙虾优化算法 混沌映射 镜像反射学习 自适应反向学习 随机节点交配的垂直交叉操作
暂未订购 下载PDF
基于多策略改进长鼻浣熊算法优化的粒子滤波算法 认领 引用
13
作者 朱新宇 孙雅茹 +1 位作者 詹宇成 李哲宇 《智能计算机与应用》 2026年第2期55-63,共9页
针对传统粒子滤波算法在同步定位与建图任务中存在的粒子退化、多样性缺失及收敛精度不足等问题,本文提出一种基于改进长鼻浣熊优化的粒子滤波算法。在传统的长鼻浣熊算法的基础上,采用Circle混沌映射替代传统随机初始化方式,有效打破... 针对传统粒子滤波算法在同步定位与建图任务中存在的粒子退化、多样性缺失及收敛精度不足等问题,本文提出一种基于改进长鼻浣熊优化的粒子滤波算法。在传统的长鼻浣熊算法的基础上,采用Circle混沌映射替代传统随机初始化方式,有效打破初始局部聚集现象,显著提升种群在状态空间探索的均匀性;通过在位置更新阶段中设置自适应权重根据迭代进程动态调整探索半径,平衡全局与局部探索能力;最后引入精英引导-柯西扰动协同机制,利用精英粒子信息指引搜索方向并结合柯西扰动的长跳跃特性,有效引导粒子群跳出局部最优区域并增强多样性,缓解粒子退化和样本贫化。实验结果表明,改进的算法在提升粒子多样性的同时、又提高了系统状态估计精度,相对于传统粒子滤波算法,具有更好的鲁棒性,应用于SLAM算法中,能够降低因粒子多样性缺失导致的定位误差累积,避免位姿估计发散;同时,通过稳定的位姿估计反馈,提升地图构建的全局一致性,显著增强SLAM算法的鲁棒性与可靠性。 展开更多
关键词 粒子滤波 长鼻浣熊优化算法 混沌映射初始化 自适应惯性权重 精英引导 柯西扰动 SLAM
暂未订购 下载PDF
基于小龙虾优化算法的BP神经网络模型在滑坡易发性评价中的应用 认领 引用
14
作者 周孙超 宋腾蛟 +1 位作者 王琰 蔡宗佑 《吉林大学学报（地球科学版）》 CAS CSCD 北大核心 2026年第3期937-950,共14页
针对标准BP(back propagation)神经网络易陷入局部最优解、对初始权重敏感等缺陷,引入小龙虾优化算法(COA)对其进行优化,构建COA-BP滑坡易发性评价模型,以浙江省武义县为研究区,开展滑坡易发性评价。首先,采用四种单峰测试函数和一种多... 针对标准BP(back propagation)神经网络易陷入局部最优解、对初始权重敏感等缺陷,引入小龙虾优化算法(COA)对其进行优化,构建COA-BP滑坡易发性评价模型,以浙江省武义县为研究区,开展滑坡易发性评价。首先,采用四种单峰测试函数和一种多峰测试函数对COA进行性能测试,并与多元宇宙优化算法(MVO)、麻雀优化算法(SSA)、海洋捕食者算法(MPA)进行对比;然后,提取研究区高程、坡度、坡向、降水量等13个环境因子数据,利用本文提出的COA-BP模型对研究区进行滑坡易发性评价,与BP、MVO-BP、MPA-BP、SSA-BP模型进行对比,并通过混淆矩阵及二级指标雷达图进行精度检验。结果表明:COA比其他三种算法更具优势;COA-BP模型的预测性能较强,滑坡易发性区域划分更为清晰;同时,该模型对滑坡点和非滑坡点识别精度较高,AUC(曲线下面积)值在0.9以上,满足该地区滑坡易发性评价精度要求。 展开更多
关键词 小龙虾优化算法 BP神经网络 滑坡易发性 混淆矩阵 浙江省武义县
暂未订购 下载PDF
基于WD-COA-LSTM模型的月降水量预测 认领 引用 被引量：9
15
作者 王文川 杨静欣 臧红飞 《水资源与水工程学报》 CSCD 北大核心 2022年第4期8-13,23,共6页
为进一步提高月降水量预测精度,提出了基于小波分解(WD)和郊狼优化(COA)算法的长短期记忆神经网络(LSTM)降水量预测模型(WD-COA-LSTM)。首先用小波分解对时间序列进行预处理,消除序列的非平稳性,得到1个低频序列和3个高频序列;然后通过... 为进一步提高月降水量预测精度,提出了基于小波分解(WD)和郊狼优化(COA)算法的长短期记忆神经网络(LSTM)降水量预测模型(WD-COA-LSTM)。首先用小波分解对时间序列进行预处理,消除序列的非平稳性,得到1个低频序列和3个高频序列;然后通过郊狼优化算法对神经网络(LSTM)模型进行参数优化;最后将各子序列预测值叠加得到月降水量预测值。将提出的模型应用于洛阳市栾川县白土镇和洛宁县故县镇两个雨量站的月降水量预测中,并与LSTM、COA-LSTM、WD-LSTM模型预测结果进行对比。结果表明:提出的WD-COA-LSTM模型的预测精度最高,说明小波分解和郊狼优化算法能有效加强LSTM模型预测的精度和泛化能力,为月降水量的预测提供了一种新的途径。 展开更多
关键词 月降水量预测 小波分解 郊狼优化算法 长短期记忆神经网络
暂未订购 下载PDF
考虑模糊交货期的风电拉挤板生产智能排程 认领 引用
16
作者 杨欣 杨晓英 《运筹与管理》 CSCD 北大核心 2026年第1期139-144,共6页
针对风电拉挤板生产过程中存在序列依赖换型时间、区域化生产组织与顺序齐套等多重约束的排程难题,在交货期模糊的前提下,构建了最小化设备负荷偏差、最大化客户满意度和最小化换型时间的多目标优化模型。考虑到各个目标之间的复杂关系... 针对风电拉挤板生产过程中存在序列依赖换型时间、区域化生产组织与顺序齐套等多重约束的排程难题,在交货期模糊的前提下,构建了最小化设备负荷偏差、最大化客户满意度和最小化换型时间的多目标优化模型。考虑到各个目标之间的复杂关系,设计了一种基于混合学习策略的改进小龙虾算法进行求解。构建了基于组件与加工区域的两层编码方案,并提出“倒排生成、约束修复与优化增强”的解码策略,引入反向折射学习机制进行种群初始化,使得初始解更加靠近最优解位置;此外在探索阶段对收敛因子非线性改进,觅食阶段融合次摆线算法和动态步长因子策略,从而增强算法的全局搜索能力。最后通过对某风电拉挤板的生产数据进行分析,验证了智能排程模型和算法的有效性。 展开更多
关键词 风电拉挤板 生产排程 多目标优化 模糊交货期 小龙虾算法
暂未订购 下载PDF
基于RTSMFE、M-KRCDA与COA-SVM的行星齿轮箱故障诊断 认领 引用 被引量：7
17
作者 戚晓利 崔创创 +2 位作者 杨艳 程主梓 陈旭 《振动与冲击》 EI CSCD 北大核心 2022年第21期109-120,共12页
针对从行星齿轮箱非线性、非平稳振动信号中提取故障特征困难的问题,提出了一种基于精细时移多尺度模糊熵(refined time-shift multiscale fuzzy entropy,RTSMFE)、马氏距离的核正则化共面判别分析(Mahalanobis-kernel regularized copl... 针对从行星齿轮箱非线性、非平稳振动信号中提取故障特征困难的问题,提出了一种基于精细时移多尺度模糊熵(refined time-shift multiscale fuzzy entropy,RTSMFE)、马氏距离的核正则化共面判别分析(Mahalanobis-kernel regularized coplanar discriminant analysis,M-KRCDA)以及郊狼优化算法优化支持向量机(coyote optimization algorithm-support vector machine,COA-SVM)的行星齿轮箱故障诊断方法。首先利用RTSMFE计算和组合行星齿轮箱原始故障信号的特征向量,构建原始高维故障特征集;然后采用M-KRCDA的特征筛选方法,减少了特征的维数并提高特征故障识别的准确性和效率;最后将低维特征输入到COA-SVM进行故障类型的判别。行星齿轮箱故障诊断试验结果分析表明,所提方法能够准确识别行星齿轮箱的常见故障,具有一定的应用前景。 展开更多
关键词 故障诊断 行星齿轮箱 精细时移多尺度模糊熵(RTSMFE) 马氏距离的核正则化共面判别分析(M-KRCDA) 郊狼优化算法优化支持向量机(COA-SVM)
暂未订购 下载PDF
基于COA-ASRCKF的单液流锌镍电池SOC估计 认领 引用
18
作者 宋春宁 苏有平 +1 位作者 莫伟县 郑少耿 《电池》 CAS 北大核心 2021年第4期351-355,共5页
针对容积卡尔曼滤波(CKF)算法在迭代过程中存在诸多破坏协方差对称性和正定性的敏感操作,进而导致算法终止的现象,提出一种自适应平方根容积卡尔曼滤波(ASRCKF)算法。采用ASRCKF算法在估算单液流锌镍电池荷电状态(SOC)时,过程噪声协方差... 针对容积卡尔曼滤波(CKF)算法在迭代过程中存在诸多破坏协方差对称性和正定性的敏感操作,进而导致算法终止的现象,提出一种自适应平方根容积卡尔曼滤波(ASRCKF)算法。采用ASRCKF算法在估算单液流锌镍电池荷电状态(SOC)时,过程噪声协方差Q、量测噪声协方差初值R(0)和状态误差协方差初值P0的设定,对估算精度和鲁棒性有重要影响。为此,应用郊狼优化算法(COA)对Q、R(0)和P0进行参数寻优。实验结果表明,提出的COA-ASRCKF算法能较好地应用于单液流锌镍电池SOC估计。与CKF和ASRCKF算法相比,估算精度更高、鲁棒性更强,均方根误差小于1%。 展开更多
关键词 单液流锌镍电池 荷电状态(SOC) 郊狼优化算法(COA) 自适应平方根容积卡尔曼滤波(ASRCKF)算法 参数寻优
暂未订购 下载PDF
粒子群优化随机森林机床热误差建模与补偿 认领 引用 被引量：1
19
作者 苏哲 郭世杰 +3 位作者 丁强强 唐术锋 邹云鹤 吕贺 《机床与液压》 北大核心 2025年第12期8-16,共9页
为了提高机床热误差预测精度,提出一种自适应粒子群(APSO)优化随机森林(RF)模型的机床直线轴热误差预测方法。采用浣熊优化算法(COA)对K-Means算法进行优化,并结合相关性分析筛选出温度敏感点;提出动态惯性权重与学习因子的线性调整策... 为了提高机床热误差预测精度,提出一种自适应粒子群(APSO)优化随机森林(RF)模型的机床直线轴热误差预测方法。采用浣熊优化算法(COA)对K-Means算法进行优化,并结合相关性分析筛选出温度敏感点;提出动态惯性权重与学习因子的线性调整策略来避免粒子群算法陷入局部最优解,构建了基于APSO-RF的直线轴热误差预测模型。为了验证模型的准确性与实用性,在VDL-600A型加工中心上以X轴为例进行热误差测量与建模验证,基于FANUC系统坐标原点偏移(EMZPS)功能结合自主搭建的热误差辅助补偿系统,实现了计算机与系统间的通信连接。结果表明:APSO-RF热误差模型的均方根误差相比PSO-SVM、RF及BP模型分别降低了18.3%、45.2%及47.2%,有效提高了建模精度。根据构建的模型与补偿系统功能模块,补偿后热误差最大值由71.15μm降至13.4μm,精度提升81.2%,所构建的热误差补偿方法可有效提高机床的加工精度及稳定性。 展开更多
关键词 数控机床 热误差补偿 自适应粒子群优化随机森林(APSO-RF)模型 浣熊优化算法(COA)
暂未订购 下载PDF
基于参数优化VMD的心率检测去噪算法 认领 引用 被引量：1
20
作者 肖剑 张现国 +2 位作者 宋烨 杨小苑 程鸿亮 《现代雷达》 CSCD 北大核心 2025年第6期46-55,共10页
针对毫米波雷达的非接触式生命体征信号检测中存在静态杂波和呼吸谐波干扰噪声等问题,文中提出一种基于改进浣熊优化算法的变分模态分解(ICOA-VMD)噪声抑制算法。浣熊优化算法采用混沌种群初始化和自适应函数分布提高算法的种群多样性... 针对毫米波雷达的非接触式生命体征信号检测中存在静态杂波和呼吸谐波干扰噪声等问题,文中提出一种基于改进浣熊优化算法的变分模态分解(ICOA-VMD)噪声抑制算法。浣熊优化算法采用混沌种群初始化和自适应函数分布提高算法的种群多样性和全局搜索能力,文中利用ICOA对VMD的最佳适应度参数进行搜索,确定惩罚参数和分量个数,对心跳信号进行重构,从而实现心跳信号的干扰噪声去除。实验结果表明,ICOA-VMD方法具有收敛速度快、精度高的特点,信噪比和均方误差的评估和时域分析验证了该算法相较于小波变换和经验模态分解具有更好的性能。在不同距离的常规环境下,该方法针对不同受试者的心率检测平均精确度可以达到95.40%。 展开更多
关键词 毫米波雷达 信号处理 心率检测 浣熊优化算法 变分模态分解
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 3 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈