检索结果-南通市图书馆

基于VMD和SVPSO-BP的滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2022年第9期43卷 294-301页

作者：曹洁张玉林王进花余萍兰州理工大学计算机与通信学院兰州730050 兰州理工大学电气工程与信息工程学院兰州730050 甘肃省城市轨道交通智能运营工程研究中心兰州730050

为了提高旋转机械滚动轴承故障诊断的准确率,提出一种基于变分模态分解(VMD)和缩放变异粒子群算法(SVPSO)优化BP神经网络的旋转机械滚动轴承故障诊断方法。通过在标准粒子群算法中加入缩放因子以及粒子变异操作提升其局部与全局寻优性能... 详细信息

为了提高旋转机械滚动轴承故障诊断的准确率,提出一种基于变分模态分解(VMD)和缩放变异粒子群算法(SVPSO)优化BP神经网络的旋转机械滚动轴承故障诊断方法。通过在标准粒子群算法中加入缩放因子以及粒子变异操作提升其局部与全局寻优性能,得到一个改进的粒子群算法——缩放变异粒子群算法(SVPSO),再利用该算法优化BP网络的权值与阈值,提高BP神经网络的故障诊断精度;进一步,为了减少输入特征向量对BP神经网络分类性能的影响,采用VMD分解轴承振动信号,并计算其IMF分量时频熵的方法构建信号特征向量。通过与其他采用相同基准轴承数据集的诊断方法作对比,所提方法的故障诊断精度和算法稳定性均得到有效提升。

关键词：风电机组故障诊断特征提取滚动轴承 BP神经网络粒子群算法

在线全文

学校读者我要写书评

暂无评论

基于GPU并行优化的BBPSO-PF算法

华中科技大学学报（自然科学版） 2021年第3期49卷 12-17页

作者：曹洁胡文东王进花余萍兰州理工大学计算机与通信学院甘肃兰州730050 兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省城市轨道交通智能运营工程研究中心甘肃兰州730050

针对粒子滤波算法在重采样环节因粒子交互而不能充分并行处理的问题,提出了基于图形处理器(GPU)的并行骨干粒子群优化粒子滤波算法(BBPSO-PF).首先利用骨干粒子群算法具有易并行的特点优化粒子滤波算法重采样环节,从算法结构上提高粒子... 详细信息

针对粒子滤波算法在重采样环节因粒子交互而不能充分并行处理的问题,提出了基于图形处理器(GPU)的并行骨干粒子群优化粒子滤波算法(BBPSO-PF).首先利用骨干粒子群算法具有易并行的特点优化粒子滤波算法重采样环节,从算法结构上提高粒子滤波算法的并行度.然后利用GPU的多线程架构并行处理每个粒子群的数据,每个线程负责一个粒子群,使粒子群之间得到并行化处理,解决粒子滤波重采样因粒子交互而不能充分并行的缺点.最后利用GPU中对齐与合并的内存访问原则,给粒子群设计高效的数据存储结构,降低内存访问事务,提高粒子群的数据存取速度,进一步提高算法实时性.该方法在保证算法精度前提下明显提高了算法的实时性.

关键词：粒子滤波骨干粒子群算法重采样并行计算实时性

基于IFA优化RBF神经网络的短时交通流预测模型

在线全文

学校读者我要写书评

暂无评论

兰州理工大学学报 2022年第4期48卷 99-104页

作者：曹洁张敏张红陈作汉侯亮兰州理工大学计算机与通信学院甘肃兰州730050 甘肃省城市轨道交通智能运营工程研究中心甘肃兰州730050 甘肃省制造业信息化工程研究中心甘肃兰州730050

针对短时交通流不确定性极强引起的预测结果精度低的问题,提出一种改进萤火虫算法(IFA)优化RBF神经网络的短时交通流预测模型(IFA-RBF).该模型通过引入线性递减惯性权重和混沌机制,来改进FA后期存在的易陷入局部极值和种群多样性匮乏的... 详细信息

针对短时交通流不确定性极强引起的预测结果精度低的问题,提出一种改进萤火虫算法(IFA)优化RBF神经网络的短时交通流预测模型(IFA-RBF).该模型通过引入线性递减惯性权重和混沌机制,来改进FA后期存在的易陷入局部极值和种群多样性匮乏的不足,利用IFA优化RBF神经网络的连接权重和基函数宽度,以提升RBF神经网络的短时交通流预测精度.实验结果表明,与Elman、BP、RBF和FA-RBF模型相比,构建的短时交通流预测模型(IFA-RBF)具有更高的预测精度,预测值与实际值拟合度较高.

关键词：智能交通系统交通流短时预测 RBF神经网络改进的萤火虫算法混沌搜索

在线全文

学校读者我要写书评

暂无评论

交通流多时间尺度特性分析与参数模型研究

传感器与微系统 2021年第2期40卷 19-22页

作者：曹洁孙兆军张红陈作汉侯亮兰州理工大学计算机与通信学院甘肃兰州730050 甘肃省城市轨道交通智能运营工程研究中心甘肃兰州730050 甘肃省制造业信息化工程研究中心甘肃兰州730050

为揭示交通流的内在动态特性,利用符号动力学中的Lempel-Ziv算法计算不同时间尺度下的交通流时间序列复杂度,并基于相关性理论分析方法,探索了交通流在时间和空间上的相关性。针对经典的单段函数模型无法准确表征不同交通状态下交通流... 详细信息

为揭示交通流的内在动态特性,利用符号动力学中的Lempel-Ziv算法计算不同时间尺度下的交通流时间序列复杂度,并基于相关性理论分析方法,探索了交通流在时间和空间上的相关性。针对经典的单段函数模型无法准确表征不同交通状态下交通流参数关系的问题,提出了一种二阶段交通流参数关系模型。采用Pe MS系统采集的交通流数据,运用非线性最小二乘法对交通流量—密度关系进行拟合。实验结果表明:本文模型的拟合性能均优于其他四种模型。从根均方误差(RMSE)可见,模型的拟合标准误差较单段3PL模型平均降低了7.6%,表明模型能较好地表示不同交通状态的参数关系,建立的参数模型对交通状态判别和短时预测具有实际的应用价值。

关键词：交通流 Lempel-Ziv算法相关性理论特征分析参数模型

在线全文

学校读者我要写书评

暂无评论

基于DAE和TCN的复杂工业过程故障预测

仪器仪表学报 2021年第6期42卷 140-151页

作者：高学金马东阳韩华云高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京重点实验室北京100124

为实时监测复杂工业过程的故障状态,精确预测故障趋势,提出基于降噪自编码和时间卷积网络的故障预测方法。首先,利用随机森林算法筛选故障相关特征。之后,利用堆栈降噪自编码网络提取非线性特征以及特征重构,并根据重构误差构造平方预... 详细信息

为实时监测复杂工业过程的故障状态,精确预测故障趋势,提出基于降噪自编码和时间卷积网络的故障预测方法。首先,利用随机森林算法筛选故障相关特征。之后,利用堆栈降噪自编码网络提取非线性特征以及特征重构,并根据重构误差构造平方预测误差(SPE)统计量作为故障状态特征。最后,针对时间卷积网络残差模块中的ReLU激活函数在负区间内导数为零导致部分神经元无法被激活的问题,设计基于自门控激活函数(Swish)和滤波器响应(FRN)规范化的时间卷积网络(SFTCN)。将得到的SPE组成时间序列,利用SFTCN的预测模型实现其状态趋势预测。通过在TE仿真平台数据和美国密歇根大学智能维修中心实测的轴承全生命数据上的实验表明,与未改进的时间卷积网络对比,所提方法的预测平均绝对百分比误差至少降低20.9%,具有较高的应用价值。

关键词：故障预测随机森林算法降噪自动编码时间卷积网络复杂工业过程

在线全文

学校读者我要写书评

暂无评论

基于循环自动编码器的间歇过程故障监测

化工学报 2020年第7期71卷 3172-3179页

作者：高学金刘腾飞徐子东高慧慧于涌川北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对间歇过程数据非线性、动态性特征,提出一种基于循环自动编码器(recurrent autoencoder,RAE)的过程故障监测方法。采用长短时记忆(long short-term memory,LSTM)循环神经网络构建自动编码器建立监控模型,相比传统自动编码器,其能有... 详细信息

针对间歇过程数据非线性、动态性特征,提出一种基于循环自动编码器(recurrent autoencoder,RAE)的过程故障监测方法。采用长短时记忆(long short-term memory,LSTM)循环神经网络构建自动编码器建立监控模型,相比传统自动编码器,其能有效挖掘时序样本间的动态关联信息。该方法首先利用批次展开与变量展开相结合的三步展开方法将间歇过程数据展开成二维,并通过滑动窗采样得到模型输入序列;然后使用LSTM构建自动编码器,重构输入序列。进一步,利用重构误差构造平方预测误差(squared prediction error,SPE)统计量实现在线监测。最后将所提方法应用于青霉素发酵仿真和重组大肠杆菌发酵过程监测,结果表明,该方法能及时监测到故障,具有较好的监测性能。

关键词：算法动态建模神经网络 LSTM 过程监测循环自动编码器

基于分步时空JITL-MKPLS的间歇过程故障监测

在线全文

学校读者我要写书评

暂无评论

高校化学工程学报 2021年第1期35卷 127-139页

作者：高学金孟令军王豪高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对多阶段时变的间歇过程难以用全局模型准确描述生产过程的动态变化及传统局部建模每个工作点都需要重新筛选样本建模导致计算量较大的问题,提出一种分步时空即时学习的局部建模策略。采用仿射传播(AP)聚类的方式对历史数据样本集中... 详细信息

针对多阶段时变的间歇过程难以用全局模型准确描述生产过程的动态变化及传统局部建模每个工作点都需要重新筛选样本建模导致计算量较大的问题,提出一种分步时空即时学习的局部建模策略。采用仿射传播(AP)聚类的方式对历史数据样本集中的数据进行初步分类,在当前输入样本数据到达后,确定当前样本数据所属的类别,在此类别所限定的子数据样本集中使用时间和空间相结合的即时学习策略确定出局部相似样本,建立多向核偏最小二乘监测模型。将该算法在青霉素发酵仿真数据和大肠杆菌发酵过程生产数据上进行验证,结果表明,所提方法不仅减少了不必要的计算量,还能够更加精准即时地进行故障监测。

关键词：时空即时学习分步多向核偏最小二乘局部建模故障监测

在线全文

学校读者我要写书评

暂无评论

基于多变量卷积神经网络的发酵过程故障监测

高校化学工程学报 2020年第6期34卷 1511-1519页

作者：高学金刘爽爽高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对传统故障监测方法难以提取数据深层特征的问题,提出一种基于多变量深度卷积神经网络的故障监测方法,以提高监测精度。为捕获过程动态性,采用滑动窗技术对过程变量序列进行分割,利用希尔伯特-黄变换对分割后的序列进行分解,得到时频... 详细信息

针对传统故障监测方法难以提取数据深层特征的问题,提出一种基于多变量深度卷积神经网络的故障监测方法,以提高监测精度。为捕获过程动态性,采用滑动窗技术对过程变量序列进行分割,利用希尔伯特-黄变换对分割后的序列进行分解,得到时频图,有效挖掘变量序列在幅值、频率、相位上的异常变化信息;以时频图为输入,基于深度卷积神经网络构建故障监测模型,提取故障信息深层特征,提高监测精度;利用青霉素发酵过程仿真数据和大肠杆菌生产数据进行实验验证,结果表明所提方法监测精度分别高达95%和93%以上。

关键词：卷积神经网络希尔伯特-黄变换特征提取发酵过程故障监测

在线全文

学校读者我要写书评

暂无评论

基于复杂网络的城市轨道交通网络中心性研究

复杂系统与复杂性科学 2017年第2期14卷 97-102,109页

作者：陈培文陈峰胡映月李小红王子甲北京交通大学土木建筑工程学院北京100044 城市轨道交通研究中心北京100044

城市轨道交通车站在网络中承担着乘客集散和连通区间的重要作用,如何有效评估其在客流网络中的影响力是研究网络结构优化和降低运营风险的重点。基于复杂网络理论,以车站为研究对象,通过建立网络客流分配模型,结合轨道交通智能卡数据提... 详细信息

城市轨道交通车站在网络中承担着乘客集散和连通区间的重要作用,如何有效评估其在客流网络中的影响力是研究网络结构优化和降低运营风险的重点。基于复杂网络理论,以车站为研究对象,通过建立网络客流分配模型,结合轨道交通智能卡数据提出城市轨道交通网络车站客流的集聚程度指标和3个客流中心性指标。将研究方法应用于北京市地铁网络,识别出了北京地铁的重点车站并且系统性分析了北京地铁早高峰客流现状,为地铁网络运营提出意见。

关键词：城市轨道交通网络中心性客流集聚复杂网络 AFC数据