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331篇文章
< 1 2 … 17 >
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：
基于SSA-VMD的空天地算力网络中数字孪生逻辑靶场负载预测 被引量：1
1
作者 陈浩 党政 +2 位作者 黑新宏 赵彤 张杰 《计算机工程》 北大核心 2025年第5期20-32,共13页
在空天地多层次算力网络背景下,针对数字孪生逻辑靶场中因负载数据复杂性和非平稳特征带来的精准预测挑战,提出融合格拉姆转场(GAF)、卷积神经网络(CNN)、通道注意力机制的压缩与激励网络(SENet)和门控循环单元(GRU)的GCSG模型。GCSG模... 在空天地多层次算力网络背景下,针对数字孪生逻辑靶场中因负载数据复杂性和非平稳特征带来的精准预测挑战,提出融合格拉姆转场(GAF)、卷积神经网络(CNN)、通道注意力机制的压缩与激励网络(SENet)和门控循环单元(GRU)的GCSG模型。GCSG模型通过GAF将一维负载数据转换为二维图像,利用CNN提取局部特征,使用SENet优化特征重要性,采用GRU捕捉时序特征,实现了高效的特征融合和精准预测。此外,GCSG模型采用融合麻雀搜索算法(SSA)的变分模态分解(VMD)对负载数据进行平稳化处理,进一步提高了预测性能。实验结果表明,GCSG模型在不同数据长度下均表现出优异的预测精度和稳定性,且在多步预测任务中同样表现突出。因此,GCSG模型显著提升了负载数据的预测精度,为空天地算力网络中的数字孪生系统负载预测提供了强有力的解决方案。 展开更多
关键词 空天地多层次算力网络 数字孪生 逻辑靶场 负载预测 变分模态分解
在线阅读 下载PDF
基于优化VMD和BiLSTM的短期负荷预测 被引量：3
2
作者 谢国民 陆子俊 《电力系统及其自动化学报》 北大核心 2025年第4期30-39,共10页
针对电力负荷数据周期性强、波动性高,预测效果不佳的问题,建立一种基于优化变分模态分解、改进沙猫群优化(improved sand cat swarm optimization,ISCSO)算法和双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络的集... 针对电力负荷数据周期性强、波动性高,预测效果不佳的问题,建立一种基于优化变分模态分解、改进沙猫群优化(improved sand cat swarm optimization,ISCSO)算法和双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络的集成预测模型。首先,对原始电力负荷数据进行变分模态分解,降低数据复杂度,在变分模态分解中,引入白鲸算法对分解层数和惩罚因子寻优,优化分解效果。其次,采用Logistic混沌映射、螺旋搜索和麻雀思想引入的多策略改进方法,增加原始沙猫群优化算法的种群多样性,提升收敛精度和全局搜索能力,并用改进后的算法对BiLSTM中的超参数进行优化。然后,结合AdaBoost集成学习算法构建ISCSO-Bi LSTM-AdaBoost预测模型,将分解后的各分量输入模型预测。最后将各预测值叠加,得到最终预测结果。实验结果表明,本文建立的组合模型预测精度高,稳定性强。 展开更多
关键词 电力负荷预测 变分模态分解 双向长短期记忆网络 改进沙猫群优化算法 集成学习算法
在线阅读 下载PDF
基于改进VMD与熵值特征融合的滚动轴承故障特征提取方法
3
作者 刘亚荣 支正新 谢晓兰 《科学技术与工程》 北大核心 2025年第28期12013-12022,共10页
针对变分模态分解(variational mode decomposition,VMD)人为选择惩罚因子和模态个数难以有效分解振动信号,导致故障诊断识别率低的问题,提出一种基于改进VMD与熵值特征融合的滚动轴承故障特征提取方法。首先,利用Cubic混沌映射、黄金... 针对变分模态分解(variational mode decomposition,VMD)人为选择惩罚因子和模态个数难以有效分解振动信号,导致故障诊断识别率低的问题,提出一种基于改进VMD与熵值特征融合的滚动轴承故障特征提取方法。首先,利用Cubic混沌映射、黄金正弦策略改进海象优化算法(improved walrus optimization algorithm,IWaOA)。然后用IWaOA优化VMD,找出最佳的惩罚因子和模态个数,再使用VMD对振动信号进行分解并计算各个模态分量的7种熵值特征,建立IWaOA-VMD特征提取模型。其次,采用线性判别分析(linear discriminant analysis,LDA)方法对7种熵值特征进行降维融合,得到融合后的特征向量输入反向传播(back propagation,BP)神经网络中进行识别,建立LDA-BP故障识别模型。最后,对本文方法进行实验验证。结果表明:所提方法在对凯斯西储大学轴承数据集上的故障识别准确率达99.58%,且在强噪声干扰下达到92%以上的准确率;为验证其适用性,进一步在对西安交通大学XJTU-SY数据集上的故障识别准确率达到100%,证实了所提方法的噪声鲁棒性与多源数据适用性。 展开更多
关键词 振动信号 变分模态分解(vmd) 特征提取 故障诊断
在线阅读 下载PDF
基于DAS-VMD的甲烷/一氧化碳痕量气体同步监测及噪声抑制方法
4
作者 邵昊 袁玉洁 +2 位作者 王凯 张贝 黎奉标 《中国安全生产科学技术》 北大核心 2025年第10期88-95,共8页
为提高煤矿有毒有害气体CH_(4)和CO的实时动态监测能力,基于直接激光吸收光谱(DAS)与变分模态分解法(VMD),研究CH_(4)和CO双组份气体同步在线监测系统,并进行试验验证。针对CH_(4)和CO痕量气体,选用中心波长为1653.4 nm和2325.2 nm的2... 为提高煤矿有毒有害气体CH_(4)和CO的实时动态监测能力,基于直接激光吸收光谱(DAS)与变分模态分解法(VMD),研究CH_(4)和CO双组份气体同步在线监测系统,并进行试验验证。针对CH_(4)和CO痕量气体,选用中心波长为1653.4 nm和2325.2 nm的2台分布式反馈激光器,采用时分复用(TDM)技术,构建双组份痕量气体同步在线监测系统,克服双激光器工作时的相互干扰;优化VMD方法,实现信号分解和噪声抑制,提高检测系统的信噪比;搭建煤自燃在线监测实验平台,开展煤自燃长时间的在线监测试验。研究结果表明:降噪后CH_(4)和CO的探测极限分别为9.4×10^(-6)%与9.9×10^(-6)%,CH_(4)和CO检测极限降幅为38.4%,39.2%;所构建系统在煤自燃过程中对CH_(4)和CO体积分数变化具有良好的跟踪能力与检测可靠性。研究结果可为煤矿灾害气体的高精度、高稳定性实时监测提供可靠的技术手段,提高煤自燃早期预警能力。 展开更多
关键词 直接激光吸收光谱(DAS) 变分模态分解法(vmd) 甲烷 一氧化碳 痕量气体 噪声抑制
在线阅读 下载PDF
基于参数优化VMD的心率检测去噪算法
5
作者 肖剑 张现国 +2 位作者 宋烨 杨小苑 程鸿亮 《现代雷达》 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
在线阅读 下载PDF
基于EEMD-GWO-VMD的滚动轴承故障特征提取
6
作者 张涛 张振彬 谢剑龙 《中国工程机械学报》 北大核心 2025年第3期470-475,共6页
针对滚动轴承工作环境恶劣、故障信号难以提取的问题,提出一种基于EEMD-GWO-VMD的滚动轴承双重降噪方法。首先,利用集合经验模态分解(EEMD)对采集到的信号进行分解,通过相关系数和峭度指标组合筛选富含故障信息的分量并进行重构。然后,... 针对滚动轴承工作环境恶劣、故障信号难以提取的问题,提出一种基于EEMD-GWO-VMD的滚动轴承双重降噪方法。首先,利用集合经验模态分解(EEMD)对采集到的信号进行分解,通过相关系数和峭度指标组合筛选富含故障信息的分量并进行重构。然后,以包络熵为目标函数,采用灰狼算法(GWO)优化变分模态分解(VMD)的惩罚因子和模态分解层数,并采用仿真信号对比分析VMD、GWO-VMD和EEMD-GWO-VMD这3种方法的降噪效果。最后,结合CWRU数据集和高速列车轴箱轴承台架试验数据,进一步验证EEMD-GWO-VMD降噪方法的有效性。 展开更多
关键词 滚动轴承 灰狼算法(GWO) 集成经验模态分解(EEMD) 变分模态分解(vmd)
在线阅读 下载PDF
基于VMD-HHT算法的油管输送射孔振动监测研究
7
作者 鲁永辉 柴鹏 +4 位作者 冉增勇 刘帅 霍勇 杨伟 张馨尹 《石油物探》 北大核心 2025年第6期1172-1178,共7页
我国正不断加大非常规和深海油气资源的开发力度,此类油气资源的开采方式多以深井、超深井为主。在套管射孔完井作业过程中,由射孔弹爆炸引起的振动随井深的增加而明显衰减,导致此类井的射孔监测难度增大。提出了一种基于变分模态分解(V... 我国正不断加大非常规和深海油气资源的开发力度,此类油气资源的开采方式多以深井、超深井为主。在套管射孔完井作业过程中,由射孔弹爆炸引起的振动随井深的增加而明显衰减,导致此类井的射孔监测难度增大。提出了一种基于变分模态分解(VMD)的深井油管输送射孔振动监测方法。该方法采用高精度加速度振动传感器与高分辨率采集卡搭建井口振动信号采集系统,实现了对井口振动信号的有效采集。分析了井口振动信号的来源及其频率范围,采集了延长油田某水平井射孔作业时井口的振动信号,并对比了压力起爆油管输送射孔和电缆射孔这两种方式下井口振动信号的时域特征。采用VMD方法将压力起爆油管输送射孔的井口振动信号分解为7个不同频段的本征模态函数,并对各分量进行希尔伯特-黄变换(HHT),识别出了射孔信号和泵车加压信号。应用结果表明,该方法提取的射孔振动信号能够准确反映射孔振动特征,提高深井油管输送射孔振动监测的精度。 展开更多
关键词 变分模态分解 射孔监测 希尔伯特-黄变换 油管输送射孔 射孔枪
在线阅读 下载PDF
VMD降噪方法在木材空鼓检测中的应用与优化 被引量：1
8
作者 袁林 张丹 +1 位作者 隋文涛 张思状 《机械设计与制造》 北大核心 2025年第7期210-213,共4页
目前木材企业大多采用人工敲击方式检测是否有空鼓等缺陷,主观性强且效率较低。对于此,提出基于声音信号和变分模态分解的空鼓检测方法。首先根据各本征模态函数分量中心频率是否重叠确定最优分解层数K,运用最优K值步进100确定最优惩罚... 目前木材企业大多采用人工敲击方式检测是否有空鼓等缺陷,主观性强且效率较低。对于此,提出基于声音信号和变分模态分解的空鼓检测方法。首先根据各本征模态函数分量中心频率是否重叠确定最优分解层数K,运用最优K值步进100确定最优惩罚因子,确定最优参数组合K=7、α=1000。然后对各分量与原信号进行相关性降噪,滤除相关性较低的分量,进而根据信号频谱结构确定是否有空鼓。通过实验对比体现了该方法降噪的优势,为木板缺陷检测提供了可靠参考。 展开更多
关键词 声音信号 变分模态分解(vmd) 相关性分析 降噪
在线阅读 下载PDF
基于自适应VMD-LSTM的超短期风电功率预测 被引量：4
9
作者 王迪 傅晓锦 杜诗琪 《南京信息工程大学学报》 北大核心 2025年第1期74-87,共14页
针对风电功率波动性较强和预测精度较低的问题,提出一种改进蜣螂优化算法(Logistic-T-Dung Beetle Optimizer,LTDBO)优化变分模态分解(Variational Mode Decomposition,VMD)参数和LTDBO算法优化长短期记忆网络(Long Short-Term Memory,L... 针对风电功率波动性较强和预测精度较低的问题,提出一种改进蜣螂优化算法(Logistic-T-Dung Beetle Optimizer,LTDBO)优化变分模态分解(Variational Mode Decomposition,VMD)参数和LTDBO算法优化长短期记忆网络(Long Short-Term Memory,LSTM)超参数的混合短期风电功率预测模型.首先以平均包络谱峭度作为适应度函数,利用LTDBO算法对VMD分解层数和惩罚因子进行寻优,然后使用VMD对数据清洗后的风电序列进行分解,得到不同频率的平稳的固有模态分量(Intrinsic Mode Function,IMF),并将各IMF输入由LTDBO进行超参数寻优的LSTM进行预测,最后将各IMF预测值进行叠加重构,得到最终结果.实验结果表明:LTDBO算法可以找到VMD和LSTM的最优超参数组合,LTDBO-VMD-LTDBO-LSTM组合模型在风电功率预测领域具有较好的预测精度和鲁棒性. 展开更多
关键词 风电功率 蜣螂优化算法 变分模态分解 长短期记忆网络 数据清洗
在线阅读 下载PDF
基于VMD-MCKD的微弱故障信号降噪及冲击特征增强方法 被引量：2
10
作者 费红博 张超 +2 位作者 吴乐 徐帅 张敬 《机电工程》 北大核心 2025年第2期237-246,共10页
针对强噪声背景下滚动轴承早期故障冲击信号微弱,故障特征难以提取的问题,提出了一种基于参数自适应变分模态分解(VMD)与最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法(微弱故障信号降噪及冲击特征增强方法)。首先,采用时频域差值信... 针对强噪声背景下滚动轴承早期故障冲击信号微弱,故障特征难以提取的问题,提出了一种基于参数自适应变分模态分解(VMD)与最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法(微弱故障信号降噪及冲击特征增强方法)。首先,采用时频域差值信息引导VMD,并引入相似系数差值和能量差值比作为迭代收敛条件,重新设定了适用于信号分解的终止准则;然后,采用改进的减法平均优化算法,对MCKD中的解卷周期T、移位数M和滤波器长度L进行了优化,确保了参数组合的最佳性;借助MCKD方法的冲击特征提取能力,精确获取了目标周期性冲击信号;最后,依托内蒙古科技大学机械工程学院配备的HZXT-DS-003型双跨转子滚动轴承试验台,构建了故障轴承数据集,对基于VMD-MCKD的滚动轴承故障诊断方法的有效性进行了验证。研究结果表明:采用该方法能有效抑制噪声,显著增强信号的周期冲击特性、故障特征频率及其倍频,从而完成了对滚动轴承早期微弱故障的准确诊断;与其他方法相比,该方法在频谱中更为突出地展现故障特征频率及其倍频峰值,且信噪比提升了78%;此外,即使在不同信噪比的噪声环境下,该方法仍能保持卓越的信号处理能力。 展开更多
关键词 滚动轴承 早期故障特征 变分模态分解 最大相关峭度解卷积 参数自适应 周期性冲击信号
在线阅读 下载PDF
SO-VMD和IHFDE在旋转机械耦合故障辨识中的应用 被引量：1
11
作者 张文军 宋琳璐 +1 位作者 左小勇 王冠华 《机电工程》 北大核心 2025年第4期714-725,共12页
采用传统旋转机械故障诊断模型诊断单点故障而忽略多点故障缺陷,无法准确判断旋转机械的故障来源,提出了一种基于蛇优化器的优化变分模态分解(SO-VMD)、改进层次波动散布熵(IHFDE)和支持向量机(SVM)的旋转机械耦合故障诊断方法。首先,... 采用传统旋转机械故障诊断模型诊断单点故障而忽略多点故障缺陷,无法准确判断旋转机械的故障来源,提出了一种基于蛇优化器的优化变分模态分解(SO-VMD)、改进层次波动散布熵(IHFDE)和支持向量机(SVM)的旋转机械耦合故障诊断方法。首先,以模态分量的最大互信息系数为适应度函数,采用蛇优化器对变分模态分解的参数进行了优化,并对旋转机械振动信号进行了分解以得到模态分量;然后,对各模态分量的IHFDE特征值进行了提取,从而构建了故障特征矩阵;最后,将故障特征输入至SVM分类器中进行了分类识别,并实现了对旋转机械的故障诊断。利用滚动轴承和齿轮箱的多点故障数据集进行了实验分析,从信号处理和特征提取两方面进行了对比分析。研究结果表明:SO-VMD-IHFDE故障诊断方法在诊断旋转机械的单点和多点故障时分别取得了98.75%和100%的识别精度,验证了该方法的有效性。SO-VMD方法能够有效去除信号中的干扰噪声,提高特征的质量。和未采用SO-VMD方法得到的诊断结果相比,滚动轴承和齿轮箱的诊断准确率分别提高了3.33%和5.42%。IHFDE方法能够有效反映旋转机械的故障特性,准确率高于其他广泛使用的特征提取方法。旋转机械的故障诊断结果验证了改进层次分析在诊断准确率方面要优于粗粒化处理和传统层次分析。 展开更多
关键词 旋转机械 耦合故障诊断 变分模态分解 改进层次波动散布熵 蛇优化器 多点故障 耦合故障 信号高频特征信息
在线阅读 下载PDF
基于参数自适应VMD和LSSVM的轴承故障诊断
12
作者 蒋雄峰 朱伏平 +1 位作者 杨方燕 张又才 《组合机床与自动化加工技术》 北大核心 2025年第5期179-182,188,共5页
为降低轴承故障信号的噪声干扰,提升信号去噪、故障信号特征提取以及多故障分类问题的解决能力,提出了基于改进北方苍鹰优化算法(improved northern goshawk optimization, INGO)、变分模态分解(VMD)以及最小二乘支持向量机(LSSVM)的轴... 为降低轴承故障信号的噪声干扰,提升信号去噪、故障信号特征提取以及多故障分类问题的解决能力,提出了基于改进北方苍鹰优化算法(improved northern goshawk optimization, INGO)、变分模态分解(VMD)以及最小二乘支持向量机(LSSVM)的轴承故障类型诊断方法。首先,使用INGO自适应寻优VMD的参数对不同类型故障信号进行降噪;其次,对降噪后的信号提取小波包能量建立特征信息作为LSSVM的特征输入;最后,通过INGO算法寻优LSSVM的参数,建立INGO-LSSVM故障识别模型。通过试验验证所提方法在分类精度的优越性。 展开更多
关键词 故障诊断 INGO 变分模态分解 最小二乘支持向量机
在线阅读 下载PDF
基于VMD-CAE的无监督结构损伤识别研究
13
作者 王梦倩 康帅 +1 位作者 李传飞 董正方 《振动与冲击》 北大核心 2025年第11期309-320,共12页
为了进一步扩展深度学习方法在基于振动信号的结构损伤识别中的应用,提出了一种基于变分模态分解(variational mode decomposition,VMD)和卷积自编码(convolutional auto-encoder,CAE)相结合的无监督结构损伤识别方法。首先,利用VMD对... 为了进一步扩展深度学习方法在基于振动信号的结构损伤识别中的应用,提出了一种基于变分模态分解(variational mode decomposition,VMD)和卷积自编码(convolutional auto-encoder,CAE)相结合的无监督结构损伤识别方法。首先,利用VMD对振动信号进行分解,去除噪声和一些无关成分的影响,选取与结构自振特性相关的成分作为有效分量;然后通过叠加有效分量作为CAE模型的输入,进而重构信号,通过学习健康样本数据的特征,得到最大重构误差作为判断结构是否损坏的阈值。最后将该方法应用到IASC-ASCE SHM Benchmark结构试验数据和卡塔尔大学看台试验数据,并将结果与其他模型进行了对比,结果表明该方法在两个数据集上的识别结果都更加准确。即使当样本中含有噪声时,也能显著提高噪声样本的识别精度,具有较强的抗噪能力。 展开更多
关键词 深度学习 结构损伤识别 无监督 变分模态分解(vmd) 卷积自编码(CAE)
在线阅读 下载PDF
基于TTAO-VMD和四次回波的管道残余厚度检测
14
作者 王超 邢一皇 +1 位作者 郭琪 王璇 《天津大学学报(自然科学与工程技术版)》 北大核心 2025年第7期674-682,共9页
在管道残余厚度检测过程中,存在噪声和遇小缺陷信号发生畸变的问题,导致检测结果不准确.基于变分模态分解(variational mode decomposition,VMD)法的电磁超声信号降噪为了避免过分解或欠分解,需对其关键参数分解模态数K和惩罚因子α进... 在管道残余厚度检测过程中,存在噪声和遇小缺陷信号发生畸变的问题,导致检测结果不准确.基于变分模态分解(variational mode decomposition,VMD)法的电磁超声信号降噪为了避免过分解或欠分解,需对其关键参数分解模态数K和惩罚因子α进行寻优.本文首次将三角拓扑聚合优化(triangulation topology aggregation optimizer,TTAO)方法与变分模态分解法结合,通过TTAO算法对VMD算法中的最佳参数组合进行寻优,实现了两参数同步优化,再将最佳参数组合代入VMD算法进行分解,计算相关系数来选取合适的本征模态函数(intrinsic mode function,IMF)进行重构,得到处理后的信号.当管道内壁存在小缺陷时,会产生缺陷和底部两种回波.针对常规脉冲回波反射法对内壁出现尺寸小于换能线圈面积缺陷时回波信号发生畸变引起的残余厚度测量误差大的问题,提出了基于4次回波的管道残余厚度检测法,该方法通过对比一次、三次回波波包峰值时间间隔和二次、四次回波波包峰值时间间隔判断小缺陷的存在,进而区分缺陷回波与底部回波,并利用两段时间间隔差值计算出管道内壁缺陷深度,进而得出管道残余厚度值.通过实验对比脉冲反射法和基于TTAO-VMD和4次回波的管道残余厚度检测方法,结果表明无论是否存在小缺陷,本文提出的方法均可精确测量残余厚度,平均相对误差为0.28%. 展开更多
关键词 无损检测 电磁超声 变分模态分解 残余厚度
在线阅读 下载PDF
基于APO-VMD联合小波阈值的爆破振动信号去噪方法研究
15
作者 李洪超 张继 +4 位作者 石玉莲 黄国泉 屈晨亮 衣佳欣 文义明 《振动与冲击》 北大核心 2025年第15期249-258,共10页
爆破过程中受复杂地质条件的影响,导致振动信号掺杂大量噪声,一定程度掩盖了信号的真实信息。为有效降低爆破振动信号的噪声部分,提出一种结合人工原生动物优化器(artificial protozoa optimizer,APO)算法、变分模态分解(variational mo... 爆破过程中受复杂地质条件的影响,导致振动信号掺杂大量噪声,一定程度掩盖了信号的真实信息。为有效降低爆破振动信号的噪声部分,提出一种结合人工原生动物优化器(artificial protozoa optimizer,APO)算法、变分模态分解(variational mode decomposition,VMD)和小波阈值的去噪方法,以获得振动信号的真实时域和频域信息。该方法通过APO算法,寻找使VMD分解效果最佳的本征模态数K和惩罚因子α,然后利用VMD对含噪信号进行自适应分解,剔除方差贡献率较小的含噪模态分量,对保留下来的模态分量进行小波阈值去噪处理,最终得到重构后的去噪真实信号。分别以仿真信号和现场实测爆破振动信号为初始信号,利用APO-VMD联合小波阈值、经验模态分解、小波阈值去噪、VMD等方法对其进行去噪处理。结果表明,APO-VMD联合小波阈值方法能有效地去除噪声信号,使之最大保留信号真实信息,对爆破振动信号去噪研究具有理论意义和工程价值。 展开更多
关键词 爆破振动信号 人工原生动物优化器(APO) 变分模态分解(vmd) 去噪
在线阅读 下载PDF
基于GWO-VMD的无砟轨道翻浆冒泥病害识别
16
作者 齐伟智 李再帏 洪剑 《北京交通大学学报》 北大核心 2025年第2期123-134,共12页
针对当下翻浆冒泥病害识别成本昂贵、周期长和效率低等问题,提出一种基于灰狼优化算法(Grey Wolf Optimization,GWO)与变分模态分解(Variational Mode Decomposition,VMD)相结合的无砟轨道翻浆冒泥病害识别算法.首先,通过对翻浆冒泥病... 针对当下翻浆冒泥病害识别成本昂贵、周期长和效率低等问题,提出一种基于灰狼优化算法(Grey Wolf Optimization,GWO)与变分模态分解(Variational Mode Decomposition,VMD)相结合的无砟轨道翻浆冒泥病害识别算法.首先,通过对翻浆冒泥病害数量的统计分析,明确无砟轨道翻浆冒泥病害区段长度.其次,基于动检车所测得轨道不平顺数据,比较经验模态分解(Empirical Mode Decomposition,EMD)、小波分解(Wavelet Decomposition,WD)和VMD在无砟轨道翻浆区段不平顺数据分解中效果及麻雀搜索优化算法(Sparrow Search Algorithm,SSA)、人工蜂群优化算法(Artificial Bee Colony,ABC)、鲸鱼优化算法(Whale Optimization Algorithm,WOA)、粒子群优化算法(Particle Swarm Optimization,PSO)和GWO对于VMD关键参数k和α的自适应选择效果;采用GWO-VMD对测得的轨道不平顺数据进行分解,分析轨道不平顺固有模态分量(Intrinsic Mode Functions,IMF)的特征;将IMF的峭度值作为特征向量,通过计算包络谱熵值的最大似然函数得到病害识别阈值为3.51.最后,通过实例验证GWO-VMD模型的有效性.研究结果表明:利用GWO-VMD分解轨道不平顺数据所得到的每个IMF分量具有不同的频率和幅度特征,对应了不同空间尺度信息;与现场病害资料对比,GWO-VMD识别的结果准确率均达到90%以上,可有效地实现无砟轨道翻浆冒泥病害的定位与检测.研究结果有助于无砟轨道服役状态的精细化管理,为高铁线路“状态修”提供技术支持. 展开更多
关键词 铁道工程 无砟轨道 翻浆冒泥 轨道不平顺 变分模态分解 病害识别
在线阅读 下载PDF
基于SSA-VMD和SDP的双通道CNN轴承故障识别方法 被引量：3
17
作者 蒋丽英 高铭悦 李贺 《机电工程》 北大核心 2025年第2期257-266,共10页
针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮... 针对滚动轴承故障振动信号具有非线性和非平稳性等特征,以及单通道卷积神经网络(CNN)提取故障特征不显著的问题,提出了一种基于麻雀算法-变分模态分解(SSA-VMD)和对称点模式(SDP)的双通道CNN滚动轴承故障诊断方法。首先,结合样本熵和皮尔逊相关系数,构建了新的综合适应度函数,利用麻雀算法(SSA)进行了自适应寻优,确定了最佳的变分模态分解(VMD)参数K和α。将原始振动信号经过VMD分解后,得到了本征模态函数(IMF)分量,通过计算各IMF分量的峭度值进行了筛选,将筛选出的信号进行重构后得到了一维特征信号;然后,根据互相关系数选择了合适的对称点模式(SDP)参数值,将原始振动信号转化为极坐标下的SDP图像,获得了具有良好可分性的二维特征图;最后,将一维和二维特征作为双通道CNN的输入进行了联合训练,将训练好的网络用于故障类型识别,在西储大学和江南大学的轴承数据集上对其有效性进行了验证。研究结果表明:通过网络训练,其故障诊断的准确率分别达到了98.5%和100%。该结果验证了该方法在准确识别故障特征方面具有优越性和普适性。 展开更多
关键词 一维特征信号构建 二维特征转换 卷积神经网络 麻雀算法 变分模态分解 对称点模式
在线阅读 下载PDF
融合节假日及天气特征的VMD-SSA-LSTM的高铁站出租车需求预测
18
作者 徐志君 刘曦 +3 位作者 郭媛 王宝锋 吴雅倩 桂小林 《计算机应用》 北大核心 2025年第S1期121-126,共6页
针对高铁站出租车供需失衡的问题,为了快速疏散高铁站旅客,并最大限度地减少旅客和司机的等待时间,提升旅客出行体验,提出一种融合节假日及天气特征的VMD-SSA-LSTM模型预测高铁站出租车需求量。首先,使用变分模态分解(VMD)分解时间序列... 针对高铁站出租车供需失衡的问题,为了快速疏散高铁站旅客,并最大限度地减少旅客和司机的等待时间,提升旅客出行体验,提出一种融合节假日及天气特征的VMD-SSA-LSTM模型预测高铁站出租车需求量。首先,使用变分模态分解(VMD)分解时间序列数据,以解决高铁站客流量不平稳的问题;其次,利用麻雀搜索算法(SSA)简化长短期记忆(LSTM)网络参数的选择过程;最后,结合多种环境特征预测某高铁站的出租车需求。人工采集该高铁站出租车需求的时间序列数据以及天气和节假日等特征后的实验结果表明,构建的融合多种特征的VMD-SSA-LSTM模型的平均绝对误差(MAE)为0.920 3、均方根误差(RMSE)为1.289 5、平均绝对百分比误差(MAPE)为0.187 6%,而拟合优度(R2)为0.991 0,显示所提模型适用于铁路枢纽的出租车需求量短时预测。 展开更多
关键词 出租车需求预测 长短期记忆网络 变分模态分解 麻雀搜索算法
在线阅读 下载PDF
基于IPSO-VMD联合小波阈值的超低空磁异常信号去噪方法
19
作者 杨帆 徐春雨 李肃义 《电子测量与仪器学报》 北大核心 2025年第6期204-211,共8页
变分模态分解(VMD)方法在超低空磁异常信号去噪中具有较好的模态分解效果,然而在实际探测中需要依赖人工设定惩罚因子和模态分解参数,且磁异常信号微弱、环境噪声复杂。针对上述问题,提出了一种改进的粒子群优化变分模态分解(IPSO-VMD)... 变分模态分解(VMD)方法在超低空磁异常信号去噪中具有较好的模态分解效果,然而在实际探测中需要依赖人工设定惩罚因子和模态分解参数,且磁异常信号微弱、环境噪声复杂。针对上述问题,提出了一种改进的粒子群优化变分模态分解(IPSO-VMD)联合小波阈值的去噪方法。首先,通过引入自适应惯性权重和学习因子策略,利用排列熵作为自适应函数,实现了对上述参数自适应。之后,采用最优参数组合对信号进行分解,并对异常分量应用小波阈值去噪处理。最终,将信号重构并获得去噪后的信号。仿真实验结果表明,该方法相比其他方法将信噪比提升了约9.44 dB,相关系数达到约0.74,获得了良好的去噪效果。通过野外实验表明,去噪后的实测信号磁异常位置明显,有效降低了环境噪声对信号的干扰,显示出在野外超低空磁目标勘探中的应用潜力。 展开更多
关键词 超低空磁异常探测 改进粒子群优化(IPSO) 变分模态分解(vmd) 参数自适应 小波阈值
在线阅读 下载PDF
基于CEEMDAN-CPO-VMD的RV减速器故障诊断模型
20
作者 郭曼 徐建 蔺梦雄 《机电工程》 北大核心 2025年第8期1490-1501,共12页
针对强背景噪声下旋转矢量(RV)减速器故障诊断困难的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)结合冠豪猪算法(CPO)优化变分模态分解(VMD)的RV减速器故障诊断方法。首先,利用自适应噪声完备集合经验模态分解对含噪声目... 针对强背景噪声下旋转矢量(RV)减速器故障诊断困难的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)结合冠豪猪算法(CPO)优化变分模态分解(VMD)的RV减速器故障诊断方法。首先,利用自适应噪声完备集合经验模态分解对含噪声目标信号进行了降噪分解,得到了一系列固有模态分量(IMF),再根据峭度值原则,选取了目标模态分量;然后,以包络熵为适应性函数,利用CPO算法对变分模态分解中的分解参数K值和α值进行了寻优计算,得到了最后的[K,α]组合,并对VMD进行了最优参数设置;最后,分解后得到一系列本征模态函数分量,对分解后的目标分量进行了重构,再对重构后的目标分量进行包络谱分析并进行了故障诊断,为了验证CEEMDAN-CPO-VMD方法的优越性,进行了实验对比分析。研究结果表明:经CPO重构后的信号信噪比为9.38,均方根误差为0.036,计算时间为36.59 s;利用CEEMDAN-CPO-VMD方法有效地提取了RV减速器的故障特征;对比验证该方法的可行性,使用频谱包络分析得到的结果,有较多的边频干扰,不能有效地定位故障点;同时,对比麻雀搜索算法(SSA)优化的VMD,经SSA算法重构后的信号信噪比为8.57,均方根误差为0.042,计算时间为50.24 s,相比于SSA算法,CPO算法的信噪比结果提高了0.78 dB,均方根误差降低了0.006,迭代时间减少了13.65 s,有了更好的收敛性,验证了CEEMDAN-CPO-VMD法有更好的诊断效果。该研究成果可为强噪声干扰下的RV减速器故障诊断提供参考。 展开更多
关键词 旋转矢量减速器 变速器 自适应噪声完备集合经验模态分解 冠豪猪优化算法 变分模态分解 包络熵 故障分类识别方法
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 … 17 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