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157篇文章
< 1 2 … 8 >
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：
GIS不同耦合方式下注入脉冲的加权IMF局放信号等效性
1
作者 董冰冰 李康 +3 位作者 高常胜 刘贯科 戴喜良 夏云峰 《电力工程技术》 北大核心 2024年第4期95-103,共9页
注入脉冲模拟局放是气体绝缘金属封闭组合电器(gas insulated switchgear,GIS)特高频(ultra high frequency,UHF)局放监测装置功能校验的主要方法,由于现场校验脉冲注入的耦合方式不同,模拟局放与实际局放等效性规律尚不明确,无法保证... 注入脉冲模拟局放是气体绝缘金属封闭组合电器(gas insulated switchgear,GIS)特高频(ultra high frequency,UHF)局放监测装置功能校验的主要方法,由于现场校验脉冲注入的耦合方式不同,模拟局放与实际局放等效性规律尚不明确,无法保证监测装置功能校验的有效性。文中首先建立126 kV GIS典型局放缺陷(尖端、悬浮、绝缘子气泡)和内/外置式脉冲注入UHF局放检测平台,并对UHF信号有效脉冲进行归一化提取;接着提出基于经验模态分解的加权本征模函数(intrinsic mode functions,IMF)信号处理方法,通过计算局放信号欧式距离平均值和最大值表征其等效性;最后与常规信号偏差法进行对比验证。研究表明,相较于常规信号等效性分析方法,加权IMF法可有效解决UHF信号波形局部差异较大的问题;使用内置传感器脉冲注入的模拟局放信号与悬浮局放信号等效性最高,局放信号的欧式距离平均值M_(e)和最大值M_(a)分别为3.82%和10.28%。因此,UHF监测装置功能校验可采用恒定参数注入脉冲代替悬浮缺陷,且模拟局放可优先选择内置UHF传感器注入脉冲。文中研究可为UHF局放监测装置功能校验的脉冲注入方法提供参考。 展开更多
关键词 注入脉冲 局放模拟 经验模态分解 信号等效性分析 本征模函数(imf) 欧式距离
在线阅读 下载PDF
基于柴油机曲轴瞬时转速信号EEMD分解的失火故障诊断 被引量：1
2
作者 黄英 李准 +2 位作者 王健 刘辰 胡博睿 《北京理工大学学报》 北大核心 2025年第4期384-390,共7页
对于十缸V型柴油机单缸失火和双缸失火这两类故障,提出了基于曲轴瞬时转速信号的集合经验模态分解的故障诊断策略.该策略考虑到多个转速工况对失火故障诊断的影响,根据柴油机喷油提前角将实车实时采集到该转速下的数据划分为正常、单缸... 对于十缸V型柴油机单缸失火和双缸失火这两类故障,提出了基于曲轴瞬时转速信号的集合经验模态分解的故障诊断策略.该策略考虑到多个转速工况对失火故障诊断的影响,根据柴油机喷油提前角将实车实时采集到该转速下的数据划分为正常、单缸失火和双缸失火这三个工况区间.通过多循环平均方法对三个工况区间数据进行预处理,并通过集合经验模态分解方法分解,该方法能自适应地将曲轴转速信号分解为若干个本征模态函数.通过集合经验模态分解得到每个本征模态函数幅值的异常波动,确定包含故障信息的本征模态函数,为了进一步提取特征,需对该本征模态函数进行快速傅里叶变换,根据主频分量的幅值,得到故障特征.最后在多个转速工况下进行上述诊断流程,得出各个转过速工况的诊断准确率,实现了诊断算法的转速工况敏感性分析.实验结果表明该方法能有效提取故障特征,实现了十缸柴油机基于多个瞬时转速的失火故障诊断. 展开更多
关键词 柴油机 失火故障诊断 集合经验模态分解(EEMD) 曲轴瞬时转速 特征提取 本征模态函数(imfs) 快速傅里叶变换(FFT)
在线阅读 下载PDF
基于CEEMDAN和频谱时间图卷积网络的电力负荷预测方法
3
作者 朱莉 夏禹 +1 位作者 朱春强 邓凡 《计算机工程》 北大核心 2025年第4期339-349,共11页
针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首... 针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首先使用CEEMDAN将目标负荷序列分解为多个本征模态分量(IMF),通过计算模糊熵对IMF进行重构;然后使用频谱时间图卷积网络对重构后分量的空间相关性和时间依赖性进行挖掘,得到各分量的预测结果;最后将各分量的预测结果线性相加得到最终预测结果。实验结果表明,所提方法的平均绝对误差、均方根误差、平均绝对百分比误差3个评价指标分别达到了0.72 KW、0.89 KW、0.92%,相较于对比模型StemGnn、TCN、LSTM、Informer、FEDformer,预测精度分别提高了37.9%、17.2%、20.8%、22.5%、12.1%。证明本文所提出的预测方法可以有效降低非平稳性对预测结果的影响,精确获取时序负荷数据的空间相关性和时间依赖性,提高预测精度。 展开更多
关键词 电力负荷预测 经验模态分解 本征模态分量 图卷积网络 模糊熵
在线阅读 下载PDF
基于IMF能量谱的水声信号特征提取与分类 被引量：18
4
作者 刘深 张小蓟 +1 位作者 牛奕龙 汪平平 《计算机工程与应用》 CSCD 2014年第3期203-206,226,共5页
经验模态分解(EMD)是用来处理非平稳时变信号的一种信号分析方法,该方法对所分析信号的局部特征信号进行不同时间尺度的分解,从而得到这些局部特征信号的各阶本征模函数(IMF)。提出了一种基于IMF能量谱的水声信号特征提取与选择方法,通... 经验模态分解(EMD)是用来处理非平稳时变信号的一种信号分析方法,该方法对所分析信号的局部特征信号进行不同时间尺度的分解,从而得到这些局部特征信号的各阶本征模函数(IMF)。提出了一种基于IMF能量谱的水声信号特征提取与选择方法,通过对水声信号进行经验模态分解,提取信号的本征模式分量并转换为能量谱特征向量,从而观测不同信号子频带能量谱的特征变化。分类实验采用支持向量机(SVM)分类器进行。实验结果表明,相对于小波能量谱特征提取法而言,利用IMF能量谱作为特征向量的分类实验具有更佳的分类效果,平均正确率达88%以上。 展开更多
关键词 经验模态分解 本征模函数 本征模函数能量谱 特征提取 支持向量机(SVM)分类器
在线阅读 下载PDF
基于IMF能量矩和神经网络的轴承故障诊断 被引量：35
5
作者 秦太龙 杨勇 +1 位作者 程珩 薛松 《振动．测试与诊断》 EI CSCD 2008年第3期229-232,共4页
针对滚动轴承故障振动信号的非平稳特征,提出了一种本征模函数(Intrinsic Mode Function,简称IMF)能量矩的特征向量提取法,并与BP神经网络相结合用于滚动轴承的故障诊断。该方法首先利用经验模态分解(Empirical Mode Decomposition,简称... 针对滚动轴承故障振动信号的非平稳特征,提出了一种本征模函数(Intrinsic Mode Function,简称IMF)能量矩的特征向量提取法,并与BP神经网络相结合用于滚动轴承的故障诊断。该方法首先利用经验模态分解(Empirical Mode Decomposition,简称EMD)方法,把振动信号分解为若干个IMF,再将重要的IMF分量作基于时间轴的积分,得到IMF能量矩特征向量,最后借助BP神经网络的分类能力对特征向量进行分类。对滚动轴承的正常状态、外圈故障、滚动体故障和外圈故障信号的分析结果表明,该方法能够准确、有效地识别这些故障。 展开更多
关键词 滚动轴承 本征模函数 能量矩 故障诊断 经验模态分解 BP神经网络
在线阅读 下载PDF
基于IMF能量熵的目标特征提取与分类方法 被引量：13
6
作者 张小蓟 张歆 孙进才 《计算机工程与应用》 CSCD 北大核心 2008年第4期68-69,共2页
提出了一种基于固有模态函数(IMF)能量熵的特征提取与选择方法。对三类信号进行了经验模态分解(EMD),得到IMF。对于不同类别的信号,同阶的IMF能量有明显的不同。选择IMF能量作为特征向量,并选判别熵作为分类判据,同时给出了两种能量熵... 提出了一种基于固有模态函数(IMF)能量熵的特征提取与选择方法。对三类信号进行了经验模态分解(EMD),得到IMF。对于不同类别的信号,同阶的IMF能量有明显的不同。选择IMF能量作为特征向量,并选判别熵作为分类判据,同时给出了两种能量熵的计算公式。采用K-近邻分类器对三类信号进行了分类试验,试验结果表明,基于最佳特征向量选择的分类试验的平均正确识别率达80%以上。 展开更多
关键词 经验模态分解 固有模态函数 特征提取 K-近邻分类
在线阅读 下载PDF
重力固体潮IMF的AM-FM模型及其非线性拟合 被引量：3
7
作者 吴庆畅 周挚 +2 位作者 梁虹 全海燕 王天理 《计算机工程与应用》 CSCD 北大核心 2009年第30期138-142,共5页
首先建立AM-FM数学模型,用多个相近载波的调幅信号组合描述它。利用最小二乘法对幅度调制和频率调制两个部分分别进行非线性拟合;拟合以相关系数满足一定条件为精度控制原则,拟合项数以相邻相关系数不再显著变化为判定条件。有效性检验... 首先建立AM-FM数学模型,用多个相近载波的调幅信号组合描述它。利用最小二乘法对幅度调制和频率调制两个部分分别进行非线性拟合;拟合以相关系数满足一定条件为精度控制原则,拟合项数以相邻相关系数不再显著变化为判定条件。有效性检验证明该方法切实可行。重力固体潮IMF的拟合结果表明,AM-FM数学模型可以很好地刻画重力固体潮IMF;重力固体潮是多个AM-FM信号合成的复合信号。为后续深入研究重力固体潮的AM-FM信号特征、循环平稳信号特征等性质建立了良好的数学基础。 展开更多
关键词 AM-FM模型 非线性最小二乘法 数据拟合 重力固体潮 本征模态函数(imf)
在线阅读 下载PDF
应用IMF分量包络矩阵的奇异值提取机械故障特征 被引量：2
8
作者 裘焱 吴亚锋 李野 《中国机械工程》 EI CAS CSCD 北大核心 2009年第22期2647-2649,共3页
将信号包络和矩阵奇异值引入到机械故障诊断中,提出采用IMF(intrinsic mode function)分量包络矩阵的奇异值分解方法提取机械故障特征的方法,该方法全面反映了机械内部损伤情况,计算简单、提取特征明显。仿真实验表明,应用IMF分量包络... 将信号包络和矩阵奇异值引入到机械故障诊断中,提出采用IMF(intrinsic mode function)分量包络矩阵的奇异值分解方法提取机械故障特征的方法,该方法全面反映了机械内部损伤情况,计算简单、提取特征明显。仿真实验表明,应用IMF分量包络矩阵的奇异值分解方法可有效、快速地提取机械故障特征参数,该方法在机械转子故障诊断中的应用结果较为满意。 展开更多
关键词 包络线 奇异值 故障特征 imf
在线阅读 下载PDF
HHT应用于GNSS时序分析中的IMF质量问题研究 被引量：3
9
作者 张旭东 符华年 胡在凰 《测绘通报》 CSCD 北大核心 2018年第A01期5-8,共4页
HHT(希尔伯特-黄变换)作为一种广泛应用的非线性非平稳信号分析方法,在应用于GNSS时间序列分析时需要解决两大影响IMF(本征模态分量)质量的问题:边界效应和迭代终止判据。本文采用了STJO测站20年的数据,以瞬时频率和正交性作为指标,对... HHT(希尔伯特-黄变换)作为一种广泛应用的非线性非平稳信号分析方法,在应用于GNSS时间序列分析时需要解决两大影响IMF(本征模态分量)质量的问题:边界效应和迭代终止判据。本文采用了STJO测站20年的数据,以瞬时频率和正交性作为指标,对上述两大问题进行分析得出:SD准则下IMF的质量不如Rilling准则下的质量,Rilling准则下的镜像端点延拓算法要比线性外延算法在抑制边界效应上要更有效,且分解得到的IMF分量瞬时频率更平稳,说明其IMF分量更加具有单分量的性质。由此可知,在GNSS时间序列的时频分析中应该采用Rilling准则作为迭代终止判据,应该采用镜像端点延拓来作为抑制边界效应的算法。 展开更多
关键词 HHT 本征模态分量 时间序列 边界效应 迭代判据
在线阅读 下载PDF
思维作业脑电的IMF能量熵特征提取与分类研究 被引量：1
10
作者 李营 艾玲梅 马苗 《计算机工程与应用》 CSCD 北大核心 2009年第28期128-130,139,共4页
提出了一种基于固有模态函数(Intrinsic Mode Function,IMF)能量熵的特征提取方法。对三类脑电思维信号分别进行了经验模态分解(Empirical Mode Decomposition,EMD),并得到与其相对应的IMF。试验发现对于不同类别的信号,同阶的IMF能量... 提出了一种基于固有模态函数(Intrinsic Mode Function,IMF)能量熵的特征提取方法。对三类脑电思维信号分别进行了经验模态分解(Empirical Mode Decomposition,EMD),并得到与其相对应的IMF。试验发现对于不同类别的信号,同阶的IMF能量的判别熵有明显的不同。而采用K-近邻分类器对三类脑电信号进行了分类,发现基于最佳特征向量选择的分类试验的平均正确识别率达75%以上。 展开更多
关键词 固有模态函数 脑电信号 经验模态分解 特征提取 K-近邻分类器
在线阅读 下载PDF
基于IMF灵敏度分析的柴油机振动源影响规律
11
作者 杜宪峰 舒歌群 +2 位作者 卫海桥 梁兴雨 曹晓峰 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2015年第12期1098-1104,共7页
为了确定柴油机供油参数对振动源的影响,提出了振动信号IMF分量灵敏度分析方法.结合试验手段与信号处理技术,在IMF分量灵敏度理论分析的基础上建立了IMF分量灵敏度分析流程及计算模型,并采用该模型对模拟仿真信号与缸盖振动信号进行了... 为了确定柴油机供油参数对振动源的影响,提出了振动信号IMF分量灵敏度分析方法.结合试验手段与信号处理技术,在IMF分量灵敏度理论分析的基础上建立了IMF分量灵敏度分析流程及计算模型,并采用该模型对模拟仿真信号与缸盖振动信号进行了计算分析.分析结果表明,模拟仿真信号验证了IMF分量灵敏度计算分析的有效性,同时,IMF分量的灵敏度分析能够有效识别与供油压力密切相关的振动源,从而实现了供油压力的合理选择,为柴油机振动控制提供了参考依据. 展开更多
关键词 灵敏度分析 imf分量 振动信号 供油参数 柴油机
在线阅读 下载PDF
基于IMF能量矩和SVM的煤矸识别 被引量：16
12
作者 窦希杰 王世博 +1 位作者 谢洋 宣统 《振动与冲击》 EI CSCD 北大核心 2020年第24期39-45,共7页
针对综放工作面的煤矸识别问题,提出了一种基于固有模态函数(IMF)能量矩和支持向量机(SVM)的煤矸识别方法。使用仿真信号验证了该方法所提取的IMF能量矩可以反映信号的能量沿时间轴的分布情况,相较于IMF能量可以更好地表征信号的特征。... 针对综放工作面的煤矸识别问题,提出了一种基于固有模态函数(IMF)能量矩和支持向量机(SVM)的煤矸识别方法。使用仿真信号验证了该方法所提取的IMF能量矩可以反映信号的能量沿时间轴的分布情况,相较于IMF能量可以更好地表征信号的特征。使用该方法进行煤矸识别时,对放顶煤过程中采集到的顶煤和矸石冲击液压支架的振动信号进行集合经验模态分解分解(EEMD),得到若干个IMF,根据分解结果提取包含振动信号主要信息的前8个IMF分量,进一步计算其能量矩,将待测样本信号的IMF能量矩作为特征向量输入训练好的支持向量机进行放煤和放矸石两种工况的识别。试验结果表明,该方法能有效的完成对煤矸振动样本数据的识别,平均识别准确率达到90%。 展开更多
关键词 放顶煤 煤矸识别 集合经验模态分解(EEMD) 固有模态函数(imf) 能量矩 支持向量机(SVM)
在线阅读 下载PDF
基于加权IMF对时间序列相似匹配 被引量：1
13
作者 孙汝儒 肖迪 《计算机应用研究》 CSCD 北大核心 2013年第12期3664-3666,共3页
经验模态分解(EMD)算法非常适合非稳定序列信号、非线性序列信号以及复杂信号的分解,具有很高的噪声比。序列信号经过EMD分解为本征模函数(IMF)以及残差序列,所分解出来的IMF包含了原序列信号不同时间尺度的局部特征信号,是整个原序列的... 经验模态分解(EMD)算法非常适合非稳定序列信号、非线性序列信号以及复杂信号的分解,具有很高的噪声比。序列信号经过EMD分解为本征模函数(IMF)以及残差序列,所分解出来的IMF包含了原序列信号不同时间尺度的局部特征信号,是整个原序列的"去杂"反映。针对IMF所包含的不同尺度的特征这一特性,给出用EMD分解原始序列信号,提取其全部有限个本征模函数和残差序列,根据不同的IMF所包含原序列的特征信息量的大小引入信息权重w,然后通过欧氏距离对各个序列不同IMF序列进行相似匹配判定,最后通过综合各个IMF所占权重综合判定时间序列的相似匹配。实验结果表明,基于IMF对时间序列相似匹配和直接对原时间序列进行匹配,前者首先对时间序列进行分解,去掉其噪声等干扰,提取出IMF间接进行加权匹配,提高了时间序列的模式匹配精度,证明了该方法的有效性。 展开更多
关键词 经验模态分解算法 本征模函数 本征模函数加权 相似模式匹配
在线阅读 下载PDF
全矢IMF信息熵用于高速列车转向架故障诊断 被引量：7
14
作者 李亚兰 金炜东 《振动．测试与诊断》 EI CSCD 北大核心 2021年第5期874-879,1030,共7页
针对高速列车转向架振动信号具有非线性、非平稳的特征,以及单通道故障诊断带来的信息不完整问题,提出了一种多元经验模态分解(multivariate empirical mode decomposition,简称MEMD)和全矢本征模态函数(intrinsic mode function,简称I... 针对高速列车转向架振动信号具有非线性、非平稳的特征,以及单通道故障诊断带来的信息不完整问题,提出了一种多元经验模态分解(multivariate empirical mode decomposition,简称MEMD)和全矢本征模态函数(intrinsic mode function,简称IMF)信息熵相结合的高速列车故障特征提取方法。首先,使用MEMD方法对同源双通道的振动信号进行分解,得到一系列的2元本征模态函数;其次,分别计算前6个IMF的全矢IMF信息熵,通过特征评价方法进行特征维数约简;最后,将得到的特征向量作为支持向量机的输入来识别转向架的故障类型。实验结果表明,该方法能有效提高转向架的故障识别率,最高可达到100%,验证了全矢IMF信息熵在高速列车故障诊断中的可行性。 展开更多
关键词 高速列车转向架 多元经验模态分解 本征模态函数 全矢imf信息熵 特征评价 支持向量机
在线阅读 下载PDF
漏表面波IMF_(1)能量识别无砟轨道脱空适用性研究
15
作者 马嘉霈 袁笙哲 +3 位作者 肖军华 李航 潘越 苏志鹏 《振动．测试与诊断》 EI CSCD 北大核心 2023年第5期850-858,1033,1034,共11页
为了研究漏表面波法对高铁无砟轨道层间脱空检测的适用性,建立脱空特征指标,通过含层间脱空的板式无砟轨道实尺模型进行试验,建立空气‑无砟轨道耦合有限元模型,分析不同工况下的冲击响应声场分布特征;进一步对漏表面波信号进行希尔伯特... 为了研究漏表面波法对高铁无砟轨道层间脱空检测的适用性,建立脱空特征指标,通过含层间脱空的板式无砟轨道实尺模型进行试验,建立空气‑无砟轨道耦合有限元模型,分析不同工况下的冲击响应声场分布特征;进一步对漏表面波信号进行希尔伯特‑黄变换,保留高频特征信号至第1阶本征模函数(intrinsic mode function,简称IMF_(1)),分解低频干扰信号至高阶本征模函数,提出以IMF_(1)能量为特征指标的层间脱空判识方法。研究结果表明:随着脱空长度和脱空至荷载冲击点距离的增大,漏表面波IMF_(1)能量分布呈现正相关变化趋势;IMF_(1)能量对CRTSII型板式无砟轨道板中CA砂浆层脱空0.2~0.5 m较为敏感,基于漏表面波的CA砂浆层脱空检测具备一定理论可行性。 展开更多
关键词 板式无砟轨道 脱空识别 漏表面波 本征函数 第1阶本征模函数能量
在线阅读 下载PDF
基于EEMD分解的阶次跟踪方法研究
16
作者 魏仕华 蔺梦雄 《机电工程》 CAS 北大核心 2024年第9期1604-1612,共9页
摆线针轮减速器组成零部件繁多、构成复杂,工作时噪声干扰大且多在变转速、往复的复杂工况下工作,因此,难以准确提取其内部的故障特征。针对这一问题,提出了一种基于集合经验模态分解(EEMD)与阶次跟踪分析的方法,对摆线针轮减速器进行... 摆线针轮减速器组成零部件繁多、构成复杂,工作时噪声干扰大且多在变转速、往复的复杂工况下工作,因此,难以准确提取其内部的故障特征。针对这一问题,提出了一种基于集合经验模态分解(EEMD)与阶次跟踪分析的方法,对摆线针轮减速器进行了故障诊断。首先,对采集到的时域振动信号和转速信号进行了等角度域差值采样,得到了振动信号的等角域平稳信号;然后,对等角域信号进行了集合经验模态分解,得到了若干个固有模态分量(IMFs),计算了各个固有模态分量的峭度值,选取目标模态分量进行了信号重构;接着,采用快速傅里叶变换得到了故障信号的阶次图;最后,根据减速器的传动方式、各零部件的模数,计算出了各主要部件的故障阶次,对比减速器在故障前后阶次图的能量峰值进行了故障诊断。研究结果表明:该方法能够准确提取包含故障信息的固有模态分量,实现从等时域信号到等角域信号的转换,并提取摆线针轮减速器的滚针故障阶次(8.37阶),故障准确率达到99.6%,可实现摆线针轮减速器在非平稳工况下的故障特征识别,并验证该方法的可行性和有效性。 展开更多
关键词 摆线针轮减速器 集合经验模态分解 阶次跟踪分析 故障诊断 变转速工况 固有模态分量
在线阅读 下载PDF
基于多域信息融合与深度分离卷积的轴承故障诊断网络模型 被引量：4
17
作者 王同 许昕 潘宏侠 《机电工程》 北大核心 2024年第1期22-32,共11页
针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了... 针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了分解;然后,利用分解出的本征模态函数(IMF)的各个分量构建了多空间状态矩阵,并将该多空间状态矩阵输入该深度分离卷积模型中,进行了卷积训练;同时,在该深度分离卷积模型中添加了残差结构,对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,提出了一种空间特征提取方法,对模型参数进行了修剪,采用一种自适应学习率退火方法进行了梯度优化,以避免模型陷入局部最优。研究结果表明:通过对多个轴承故障数据集进行对比分析可知,MDIDSC在轴承故障诊断方面的准确率和稳定性明显优于其他方法,MDIDSC的最高测试准确率为100%,平均测试准确率为99.07%;同时,在测试集中的最大损失和平均损失分别为0.1345和0.0841;该结果表明MDIDSC在轴承故障诊断方面具有一定的优越性。 展开更多
关键词 深度分离卷积 信息融合 参数修剪 残差网络 卷积神经网络 自适应噪声的完全集合经验模态分解 本征模态函数 多域信息融合结合深度分离卷积
在线阅读 下载PDF
基于多尺度散布熵的磁声发射信号特征识别方法 被引量：1
18
作者 李梦俊 沈功田 +1 位作者 沈永娜 王强 《机电工程》 北大核心 2024年第1期158-165,共8页
在工程中对设备进行应力检测和微损伤检测时,采集磁声发射信号易受噪声干扰,同时其特征的提取也存在困难,为此,将变分模态分解与散布熵相结合,提出了一种基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法。首先,设计搭建了检测... 在工程中对设备进行应力检测和微损伤检测时,采集磁声发射信号易受噪声干扰,同时其特征的提取也存在困难,为此,将变分模态分解与散布熵相结合,提出了一种基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法。首先,设计搭建了检测实验平台,采集了Q345钢静载拉伸实验中0 MPa~400 MPa应力状态下的MAE信号;然后,采用变分模态分解方法,对磁声发射信号进行了自适应分解,生成了一系列从低频到高频分布的本征模态函数(IMF)分量;其次,计算了每个本征模态函数分量的散布熵值,构建了MAE信号的特征向量矩阵;最后,将特征向量矩阵输入到基于支持向量机建立的识别分类模型中,进行了信号的训练和识别。研究结果表明:使用基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法,能够自适应地实现MAE信号的多尺度化目的,并且准确地识别出不同应力状态下的信号特征,分类识别准确率高达95.3704%,验证了该方法的有效性;说明基于自适应多尺度散布熵和多分类支持向量机的信号特征识别方法能够快速且有效地识别不同应力状态,在信号特征识别方面具有较好的应用潜力。 展开更多
关键词 磁声发射 变分模态分解 散布熵 Q345钢 信号特征识别 本征模态函数
在线阅读 下载PDF
基于多滤波降噪法的桥梁应变监测信号处理 被引量：1
19
作者 卢海林 郭馨阳 郝静 《噪声与振动控制》 CSCD 北大核心 2024年第4期180-187,共8页
针对桥梁应变监测信号存在多源噪声,以及现有降噪法难以准确选取有效固有模态函数(Intrinsic Mode Function,IMF)分量的问题,提出一种有效的多滤波降噪法。首先,采用自适应噪声抵消器对含噪信号进行预处理,以滤除低频噪声,再对其进行自... 针对桥梁应变监测信号存在多源噪声,以及现有降噪法难以准确选取有效固有模态函数(Intrinsic Mode Function,IMF)分量的问题,提出一种有效的多滤波降噪法。首先,采用自适应噪声抵消器对含噪信号进行预处理,以滤除低频噪声,再对其进行自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)得到IMF分量,并利用频谱分析-自相关函数双重判断准则选取IMF分量;随后,对其进行奇异值分解,利用奇异值差分谱确定各分量有效阶数;最后,将各有效IMF分量的有效阶重构得到去噪信号。通过模拟试验验证上述方法的合理性,并将其应用于桥梁应变监测信号处理。结果表明:采用上述双重判断准则选取有效IMF分量具有较好效果,且提出的多滤波降噪法在桥梁应变监测信号处理中具有显著的优越性。 展开更多
关键词 振动与波 桥梁应变 多滤波降噪法 双重判断准则 固有模态函数 CEEMDAN 奇异值分解
在线阅读 下载PDF
AOA-CEEMDAN和融合特征在齿轮箱故障诊断中的应用 被引量：5
20
作者 马卫东 刘子全 +1 位作者 姚楠 朱雪琼 《机电工程》 CAS 北大核心 2024年第5期817-826,共10页
自适应噪声完备集成经验模态分解(CEEMDAN)的参数由于是人为设置的,从而会导致其信号的分解不彻底。针对这一问题,提出了一种基于算术优化算法(AOA)优化CEEMDAN、融合特征和随机森林(RF)的齿轮箱故障诊断方法。首先,采用AOA算法对CEEMDA... 自适应噪声完备集成经验模态分解(CEEMDAN)的参数由于是人为设置的,从而会导致其信号的分解不彻底。针对这一问题,提出了一种基于算术优化算法(AOA)优化CEEMDAN、融合特征和随机森林(RF)的齿轮箱故障诊断方法。首先,采用AOA算法对CEEMDAN方法的关键参数进行自适应选取,并采用优化后的CEEMDAN方法对齿轮箱振动信号进行了分解,生成若干个本征模态函数(IMF);随后,利用相关系数准则选择了前4阶IMF分量作为故障敏感分量;接着,利用由注意熵和散度熵组成的融合特征提取方法挖掘了故障敏感分量的故障特征,得到了故障敏感特征样本;最后,将表征齿轮箱故障特性的故障特征输入至RF多故障分类器中,建立了故障分类模型,完成了齿轮箱的故障识别;利用QPZZ-Ⅱ型齿轮箱数据集进行了实验,并将其结果与采用其他方法所得结果进行了对比。研究结果表明:相较于原始CEEMDAN,优化后的CEEMDAN能够更加准确地分解非线性齿轮箱振动信号,故障识别准确率提高了4%;相较于单一的故障特征,融合特征能够更加准确地表征齿轮箱的故障状态,故障识别准确率分别提高了3.2%和8%。基于AOA-CEEMDAN和融合特征提取以及RF分类器的故障诊断方法为齿轮箱的故障特征提取和故障诊断提供一种可行的思路和方案。 展开更多
关键词 齿轮箱 本征模态函数 算术优化算法 自适应噪声完备集成经验模态分解 随机森林
在线阅读 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 2 … 8 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部