期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于小波的局部放电信号去噪算法研究
被引量：
1
1
作者
姚勇
马杰
刘璐璐
《中国测试》
CAS
北大核心
2015年第1期37-39 45,45,共4页
针对因脉冲型信号和放电信号的时域频域特征非常相近导致抑制脉冲型非常困难的情况,提出一个基于小波的干扰抑制方法。该方法可以在随机脉冲信号、手机信号和白噪声等干扰信号和局部信号耦合的情况下,分离出局放信号,从而对局部放电测...
针对因脉冲型信号和放电信号的时域频域特征非常相近导致抑制脉冲型非常困难的情况,提出一个基于小波的干扰抑制方法。该方法可以在随机脉冲信号、手机信号和白噪声等干扰信号和局部信号耦合的情况下,分离出局放信号,从而对局部放电测量提供有效的数据和有利的保障,并通过仿真和现场试验共同验证提出算法的有效性。
展开更多
关键词
超高压输电线路
小波变换
多尺度
信号
分析
局部放电识别
时频
分析
在线阅读
下载PDF
职称材料
基于CMIE与参数优化KELM的旋转机械故障诊断策略
被引量：
1
2
作者
连璞
吴磊
伍永豪
《机电工程》
北大核心
2024年第1期62-71,共10页
针对多尺度排列熵忽略信号幅值信息以及粗粒化处理存在不足,造成旋转机械故障识别准确率不稳定和不可靠等缺陷,提出了一种基于复合多尺度增长熵(CMIE)和算术优化算法(AOA)优化核极限学习机(KELM)的旋转机械故障诊断策略(方法)。首先,引...
针对多尺度排列熵忽略信号幅值信息以及粗粒化处理存在不足,造成旋转机械故障识别准确率不稳定和不可靠等缺陷,提出了一种基于复合多尺度增长熵(CMIE)和算术优化算法(AOA)优化核极限学习机(KELM)的旋转机械故障诊断策略(方法)。首先,引入增长熵代替排列熵,进行了故障特征提取,同时采用复合粗粒化处理进行了信号的多尺度分析,提出了复合多尺度增长熵指标,将其用于提取旋转机械振动信号的非线性故障特征;随后,利用AOA对KELM的核心参数进行了自适应优化,建立了网络结构最优的分类模型;最后,将故障特征输入至AOA-KELM分类器,进行了训练和测试,根据分类器的输出标签完成了样本的故障识别任务;利用旋转机械故障数据集对所提策略的性能进行了实验和分析。研究结果表明:CMIE方法可以有效地识别旋转机械的故障类型和故障程度,两种数据集的识别精度均达到了99.2%,在特征提取效率和识别精度方面均优于比较方法;AOA-KELM模型的识别准确率和识别效率优于遗传算法优化核极限学习机、粒子群算法优化极限学习机、网格算法优化核极限学习机和灰狼算法优化核极限学习机。
展开更多
关键词
复合
多尺度
增长熵
算术优化算法
核极限学习机
滚动轴承
齿轮箱
复合粗粒化处理
信号多尺度分析
在线阅读
下载PDF
职称材料
题名
基于小波的局部放电信号去噪算法研究
被引量：
1
1
作者
姚勇
马杰
刘璐璐
机构
河南省电力公司开封供电局
出处
《中国测试》
CAS
北大核心
2015年第1期37-39 45,45,共4页
文摘
针对因脉冲型信号和放电信号的时域频域特征非常相近导致抑制脉冲型非常困难的情况,提出一个基于小波的干扰抑制方法。该方法可以在随机脉冲信号、手机信号和白噪声等干扰信号和局部信号耦合的情况下,分离出局放信号,从而对局部放电测量提供有效的数据和有利的保障,并通过仿真和现场试验共同验证提出算法的有效性。
关键词
超高压输电线路
小波变换
多尺度
信号
分析
局部放电识别
时频
分析
Keywords
ultra-high-voltage transmission line
wavelet transform
multiresolution analysis
partial discharge identification
time frequency analysis
分类号
TN911.4 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于CMIE与参数优化KELM的旋转机械故障诊断策略
被引量：
1
2
作者
连璞
吴磊
伍永豪
机构
长治职业技术学院机械电子工程系
西安交通大学机械工程学院
联合传动及轴承技术研究中心
出处
《机电工程》
北大核心
2024年第1期62-71,共10页
基金
国家自然科学基金资助项目(51575421)。
文摘
针对多尺度排列熵忽略信号幅值信息以及粗粒化处理存在不足,造成旋转机械故障识别准确率不稳定和不可靠等缺陷,提出了一种基于复合多尺度增长熵(CMIE)和算术优化算法(AOA)优化核极限学习机(KELM)的旋转机械故障诊断策略(方法)。首先,引入增长熵代替排列熵,进行了故障特征提取,同时采用复合粗粒化处理进行了信号的多尺度分析,提出了复合多尺度增长熵指标,将其用于提取旋转机械振动信号的非线性故障特征;随后,利用AOA对KELM的核心参数进行了自适应优化,建立了网络结构最优的分类模型;最后,将故障特征输入至AOA-KELM分类器,进行了训练和测试,根据分类器的输出标签完成了样本的故障识别任务;利用旋转机械故障数据集对所提策略的性能进行了实验和分析。研究结果表明:CMIE方法可以有效地识别旋转机械的故障类型和故障程度,两种数据集的识别精度均达到了99.2%,在特征提取效率和识别精度方面均优于比较方法;AOA-KELM模型的识别准确率和识别效率优于遗传算法优化核极限学习机、粒子群算法优化极限学习机、网格算法优化核极限学习机和灰狼算法优化核极限学习机。
关键词
复合
多尺度
增长熵
算术优化算法
核极限学习机
滚动轴承
齿轮箱
复合粗粒化处理
信号多尺度分析
Keywords
composite multiscale increment entropy(CMIE)
arithmetic optimization algorithm(AOA)
kernel extreme learning machine(KELM)
rotating bearing
gearbox
composite coursed processing
signals multi-scale analysis
分类号
TH133.3 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于小波的局部放电信号去噪算法研究
姚勇
马杰
刘璐璐
《中国测试》
CAS
北大核心
2015
1
在线阅读
下载PDF
职称材料
2
基于CMIE与参数优化KELM的旋转机械故障诊断策略
连璞
吴磊
伍永豪
《机电工程》
北大核心
2024
1
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
