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85篇文章
< 1 2 … 5 >
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：
数控车床主轴热误差完全自适应经验模态分解与小波阈值变换分离方法
1
作者 陈庚 丁强强 +2 位作者 苏哲 郭世杰 唐术锋 《航空制造技术》 北大核心 2025年第6期104-114,共11页
数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始... 数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始信号进行分解,将获得的低频模态分量重构后作为EWT算法的输入进行分解,使用离散系数评估EWT算法每次迭代的分解效果。其次,通过对一组仿真信号进行分解,验证该方法的准确性,与ICEEMDAN算法相比,ICEEMDAN-EWT算法的均方根误差(RMSE)降低了5.2%。最后,在CKA6 163A型车床上进行试验,使用五点法辨识热误差,将ICEEMDAN-EWT分离算法与傅里叶变换(FFT)算法进行对比。结果表明,与FFT算法相比,使用ICEEMDAN-EWT算法分离出的5项热变形信号与机床温度的Pearson相关性提高了3.8%,Spearman相关性提高了6.6%,准确度更高。 展开更多
关键词 数控车床 主轴 热误差 完全自适应噪声集合经验模态分解-经验小波变换(ICEEMDAN-EWT) 误差分离
在线阅读 下载PDF
一种添加部分自适应噪声的集成经验模态分解方法 被引量：1
2
作者 李昊 陈强 徐一雄 《南京理工大学学报》 CAS CSCD 北大核心 2024年第2期227-234,共8页
为了解决集成经验模态分解(EEMD)及其改进形式中普遍存在的噪声量和计算量需求大的问题,统计分析了白噪声内涵模态函数(IMF)的极值点和能量变化规律,总结出白噪声IMF极值点数随长度和阶数变化的经验公式。发现白噪声的高阶IMF不能有效... 为了解决集成经验模态分解(EEMD)及其改进形式中普遍存在的噪声量和计算量需求大的问题,统计分析了白噪声内涵模态函数(IMF)的极值点和能量变化规律,总结出白噪声IMF极值点数随长度和阶数变化的经验公式。发现白噪声的高阶IMF不能有效调整信号的极值点分布,提出添加部分自适应噪声的集成经验模态分解(EEMDPAN)。相比于自适应噪声完全集成经验模态分解(CEEMDAN),EEMDPAN有2点改进:不使用全部独立的自适应噪声,而使用成对相加为0的互补自适应噪声;不添加全部阶的自适应噪声,而是在中间的某一阶停止,而后使用经典EMD方法。对2个人工信号进行分解,实验证明,EEMDPAN很好地继承了EEMD抑制模态混叠的能力,相比于CEEMDAN,计算量降低至1/3,并且分解结果的低阶成分信号附加噪声更小,高阶成分信号可信度更高。 展开更多
关键词 自适应噪声 集成经验模态分解 白噪声 内涵模态函数 互补噪声 附加噪声 信号可信度
在线阅读 下载PDF
基于完全自适应噪声集合经验模态分解和互相关分析的核电厂信号降噪研究 被引量：2
3
作者 刘琳琳 王振宇 +1 位作者 李露 陈嘉翊 《核科学与工程》 CAS CSCD 北大核心 2024年第1期80-90,共11页
针对在强噪声背景中提取核电厂信号有效成分的问题,本文提出一种将完全自适应噪声集合经验模态分解与互相关分析法相结合的降噪方法并进行验证。该方法的主要步骤如下。首先,通过完全自适应噪声集合经验模态分解法对电站信号进行有效分... 针对在强噪声背景中提取核电厂信号有效成分的问题,本文提出一种将完全自适应噪声集合经验模态分解与互相关分析法相结合的降噪方法并进行验证。该方法的主要步骤如下。首先,通过完全自适应噪声集合经验模态分解法对电站信号进行有效分解,得到全部的本征模态分量。然后,根据互相关系数将上述分量进行筛选,得到有用信号主导的分量,将其叠加、重构成降噪后信号。最后,使用降噪指标对降噪效果进行评价。结果表明:与基于经验模态分解、集合经验模态分解的降噪方法相比,本文所提方法得到的降噪后信号信噪比更高、均方根误差更小、相关系数更大、平滑度更好,具有更优的降噪效果。 展开更多
关键词 信号降噪 经验模态分解 集合经验模态分解 完全自适应噪声集合经验模态分解 互相关分析
在线阅读 下载PDF
自适应噪声均值优选集成经验模态分解及其在滚动轴承故障诊断中的应用 被引量：7
4
作者 童靳于 苏缪涎 +3 位作者 郑近德 潘海洋 潘紫微 包家汉 《电子测量与仪器学报》 CSCD 北大核心 2021年第2期41-49,共9页
为了提高自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)的分解能力和分解精度,解决CEEMDAN方法中噪声残留等问题,提出了一种改进的CEEMDAN方法——自适应噪声均值优选集... 为了提高自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)的分解能力和分解精度,解决CEEMDAN方法中噪声残留等问题,提出了一种改进的CEEMDAN方法——自适应噪声均值优选集成经验模态分解(mean-optimized ensemble empirical mode decomposition with adaptive noise, MEEMDAN)。MEEMDAN在迭代筛分过程中引入不同的权重,以正交性指标最小为依据,从不同权重下的分解结果中选取最优模态函数(IMF),确保了每一阶的IMF分量都是整体最优。通过仿真分析验证了MEEMDAN方法在分解能力和分解精度方面优于CEEMDAN方法。同时,将MEEMDAN和最大相关峭度反褶积相结合,并应用于滚动轴承仿真数据和实测数据分析,结果表明,与现有方法相比,所提方法能够更为准确地提取出故障特征频率,且在分解能力和抑制干扰频率方面更具有优越性。 展开更多
关键词 自适应噪声完整集成经验模态分解 经验模态分解 最大相关峭度反褶积 滚动轴承 故障诊断
在线阅读 下载PDF
基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法 被引量：10
5
作者 毛世榕 史水平 +5 位作者 玉壮基 苏梅艳 李莎 何嘉 幸符 衡张清 《地震学报》 CSCD 北大核心 2023年第2期258-270,共13页
在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经... 在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解(CEEMDAN)算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数(IMF),然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。 展开更多
关键词 地震数据去噪 地磁数据去噪 自适应噪声完全集合经验模态分解 HURST指数
在线阅读 下载PDF
抵抗低频高能噪声影响的海上风电结构模态参数识别方法研究
6
作者 董霄峰 时泽坤 彭泓浩 《振动与冲击》 北大核心 2025年第9期214-222,265,共10页
模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识... 模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识别方法(CEEMDAN-VMD-SSI,CVS)。首先,利用完全自适应噪声集合经验模态分解法(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)滤除原始信号中的高频噪声;随后,通过麻雀优化算法(sparrow’s optimization algorithm, SSA)以最小包络熵作为适应度函数迭代计算自适应确定变分模态分解法(variational mode decomposition, VMD)的信号分解层数K和惩罚因子α,实现信号的VMD自适应优化分解以剔除低频高能噪声影响;最后,再采用随机子空间方法实现信号中模态参数的识别提取。研究分别针对构造仿真含噪信号和原型观测信号开展了识别效果对比验证。结果表明:相比于传统模态识别方法,CVS方法在信噪比、波形相似系数、相对误差等参数方面具有更好的有效性和精确性;同时,该方法对实测信号的处理能力强,降噪效果好,能够准确识别结构固有频率、叶轮转动频率(1P)和叶片扫掠频率(3P),具有良好的工程适用性,为后续基于实测数据开展海上风电结构模态参数识别与运行安全评价提供了新思路。 展开更多
关键词 海上风电 模态参数识别 低频高能噪声 完全自适应噪声集合经验模态分解(CEEMDAN) 变分模态分解法(VMD)
在线阅读 下载PDF
集成经验模态分解与深度学习的用户侧净负荷预测算法 被引量：45
7
作者 刘友波 吴浩 +3 位作者 刘挺坚 杨智宇 刘俊勇 李秋航 《电力系统自动化》 EI CSCD 北大核心 2021年第24期57-64,共8页
随着用户侧分布式能源发电容量增长,配电网净负荷需求预测面临着更大困难。为此,提出一种改进的自适应噪声的完全集成经验模态分解(CEEMDAN)和深度信念网络(DBN)结合的用户侧净负荷预测方法。首先,通过CEEMDAN将原始净负荷数据分解为若... 随着用户侧分布式能源发电容量增长,配电网净负荷需求预测面临着更大困难。为此,提出一种改进的自适应噪声的完全集成经验模态分解(CEEMDAN)和深度信念网络(DBN)结合的用户侧净负荷预测方法。首先,通过CEEMDAN将原始净负荷数据分解为若干个频率、幅值不一的本征模态函数(IMF)。然后,配合机器学习智能算法,使用DBN逐一对各个IMF分量进行特征提取和时序预测。最后,将多个目标预测结果累加得到最终用户侧短期净负荷预测结果。采用某地区实际数据进行算例分析,验证了所提CEEMDAN-DBN独立预测模型与直接预测相比,能够辨识各频率负荷分量特性,提高分布式能源与负荷耦合性增强背景下的负荷预测精度。 展开更多
关键词 净负荷预测 自适应噪声的完全集成经验模态分解 深度信念网络 时序预测
在线阅读 下载PDF
融合CEEMDAN分解与集成机器学习的锂电池剩余使用寿命预测方法
8
作者 张旭龙 周渝杰 +1 位作者 张朝龙 杨忠 《重庆理工大学学报(自然科学)》 北大核心 2025年第4期59-66,共8页
为提高电池状态监测的精度和剩余使用寿命(remaining useful life,RUL)的准确性,通过自适应噪声完全经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法对电池放电数据进行预处理,然后结... 为提高电池状态监测的精度和剩余使用寿命(remaining useful life,RUL)的准确性,通过自适应噪声完全经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法对电池放电数据进行预处理,然后结合多个机器学习模型对CEEMDAN预处理后的数据进行建模预测。利用CEEMDAN算法对锂离子动力电池容量老化数据进行预处理,分解锂离子动力电池容量老化数据,使用皮尔斯相关性分析与网格搜索的方法确定分解参数,从而确定分解层数,分解后得到残差数据序列与本征模态(intrinsic mode functions,IMFs)数据序列。利用Transformer神经网络对得到的残差数据序列建模预测,同时利用长短时记忆(long short-term memory,LSTM)神经网络对得到的IMFs数据序列建模预测。将2个模型得到的预测结果融合,得到锂离子动力电池未来容量老化轨迹,并通过计算得到电池的RUL。采用NASA锂离子电池B0005与B0018进行验证,结果表明所提出的锂离子动力电池RUL预测方法具有更好的鲁棒性且在非线性跟踪方面具有更好的表现。 展开更多
关键词 锂离子动力电池 剩余使用寿命 自适应噪声完全经验模态分解 长短时记忆神经网络
在线阅读 下载PDF
基于密度聚类模态分解的卷积神经网络和长短期记忆网络短期风电功率预测 被引量：3
9
作者 崔明勇 董文韬 卢志刚 《现代电力》 北大核心 2024年第4期631-641,共11页
近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition wi... 近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和卷积神经网络与长短期记忆网络结合的短期风电功率预测方法。首先,利用密度聚类将风电功率与天气特征分成不同类别的数据集,通过自适应噪声完备集成经验模态分解算法将不同类别的数据进行频域分解得到子序列分量。以此为基础,将不同的子序列分量与天气特征进行特征选择,输入到卷积神经网络与长短期记忆网络的预测模型。最后,将不同的预测结果进行叠加得到最终的预测结果。整个预测过程通过聚类、分解和特征选择,有效提高了短期风电功率预测的准确度。 展开更多
关键词 风电功率预测 密度聚类 自适应噪声完备集成经验模态分解 卷积神经网络 长短期记忆网络
在线阅读 下载PDF
基于CEEMDAN与自适应双阈值小波分析的心音去噪
10
作者 卢官明 唐瑭 +2 位作者 戚继荣 王洋 赵宇航 《南京邮电大学学报(自然科学版)》 北大核心 2025年第4期36-47,共12页
针对现有基于经验模态分解的心音去噪算法在进行模态分解后存在心脏杂音与噪声模态混叠的问题,提出了一种基于自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与自适应... 针对现有基于经验模态分解的心音去噪算法在进行模态分解后存在心脏杂音与噪声模态混叠的问题,提出了一种基于自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与自适应双阈值小波分析的心音去噪算法。首先,通过CEEMDAN方法,将含噪心音信号分解为不同时间尺度上的固有模态函数(Intrinsic Mode Function,IMF)分量;然后,采用去趋势波动分析(Detrended Fluctuation Analysis,DFA)方法将不同的IMF分量判定为含噪的心脏杂音IMF分量或心音IMF分量;接着,利用小波分析技术,滤除含噪心脏杂音IMF分量中的噪声,保留含有病理特征的心脏杂音;最后,将保留下来的心脏杂音与心音IMF分量进行重构,得到去噪后的心音信号。在Khan数据集上的实验结果表明,在不同噪声强度下,所提出的心音去噪算法均能明显提高心音信号的信噪比,降低均方根误差,优于其他现有方法。对临床采集的新生儿心音信号进行去噪的实验结果表明,所提算法具有良好的抑制噪声能力,并保留了含有病理特征的心脏杂音。 展开更多
关键词 心音去噪 自适应噪声完全集合经验模态分解 去趋势波动分析 小波分析 心脏杂音
在线阅读 下载PDF
基于二次模态分解的LSTM短期电力负荷预测 被引量：10
11
作者 张淑娴 江文韬 +3 位作者 陈玉花 杨晓东 金丰 白莉 《科学技术与工程》 北大核心 2024年第7期2759-2766,共8页
为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始... 为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始负荷序列进行自适应噪声的完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),再将CEEMDAN分解后分量中的强非平稳分量进行变分模态分解(variational mode decomposition, VMD),同时用中心频率法对VMD分解个数进行优化,然后将两次分解后得到的负荷子序列送入LSTM中进行预测,并将所得分量预测结果进行叠加。结果表明,本文所提方法对短期电力负荷预测结果精度和模型性能都有较大提升。 展开更多
关键词 短期负荷预测 二次模态分解 自适应噪声的完全集合经验模态分解(CEEMDAN) 变分模态分解(VMD) 长短期记忆网络(LSTM)
在线阅读 下载PDF
基于改进经验模态分解和支持向量机的短期风速组合预测 被引量：8
12
作者 韩世浩 孙树敏 +4 位作者 程艳 王士柏 吕志超 赵志澎 邵泰衡 《科学技术与工程》 北大核心 2019年第36期172-178,共7页
为更精确地进行风速预测,提出一种利用带自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法和蝙蝠算法(bat algorithm,BA)优化支持向量机(support vector machine,S... 为更精确地进行风速预测,提出一种利用带自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法和蝙蝠算法(bat algorithm,BA)优化支持向量机(support vector machine,SVM)的组合短期风速预测方法。首先用CEEMDAN对原始风速时间序列进行分解,得到一系列不同频率的子序列;其次,使用BA-SVM组合模型预测对分解后的各个子序列分别进行预测;最后,将各子序列的预测结果叠加得到风速预测值。仿真结果表明,该模型提高了预测精度,减小了误差。 展开更多
关键词 风速预测 带自适应噪声的完全集成经验模态分解(CEEMDAN) 蝙蝠算法 支持向量机 组合模型
在线阅读 下载PDF
基于Transformer和ARMA双数据驱动模型的抽水蓄能机组劣化趋势集成预测
13
作者 钟子威 祝令凯 +3 位作者 郭俊山 郑威 巩志强 商攀峰 《水电能源科学》 北大核心 2025年第3期191-195,共5页
为更精准地预测抽水蓄能机组劣化趋势,提出了一种基于Transformer和自回归滑动平均(ARMA)双数据驱动模型的抽水蓄能机组劣化趋势集成预测方法。该方法先利用完全自适应噪声集成经验模态分解对CatBoost模型构建的劣化序列进行分解,再根... 为更精准地预测抽水蓄能机组劣化趋势,提出了一种基于Transformer和自回归滑动平均(ARMA)双数据驱动模型的抽水蓄能机组劣化趋势集成预测方法。该方法先利用完全自适应噪声集成经验模态分解对CatBoost模型构建的劣化序列进行分解,再根据分解所得分量的不同时间尺度特性,利用Transformer模型对非线性分量进行预测,利用ARMA模型对线性分量进行预测,最后将预测值叠加得到最终预测结果。利用某抽水蓄能机组监测数据进行试验,结果表明,所提方法具有较好的预测性能,能够有效提高抽水蓄能机组劣化趋势预测准确性。 展开更多
关键词 劣化趋势预测 完全自适应噪声集成经验模态分解 TRANSFORMER 自回归滑动平均
在线阅读 下载PDF
基于状态划分和集成学习的轴承剩余使用寿命预测模型 被引量：2
14
作者 胡志辉 王绪光 +2 位作者 王贡献 张腾 李帅琦 《机电工程》 CAS 北大核心 2024年第8期1423-1430,共8页
针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警... 针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警范围,结合连续触发机制自适应确定DST;然后,采用具有自适应噪声的完全集成经验模态分解(CEEMDAN)对退化阶段信号序列进行了自适应分解;最后,构建了集成学习模型,考虑分量的不同特性进行了多步滚动预测,融合预测结果得到了轴承RUL,采用滚动轴承XJTU-SY公开数据集进行了试验验证。研究结果表明:与基于长短时记忆神经网络(LSTM)、反向传播神经网络(BPNN)的预测方法相比,该方法预测结果的平均绝对误差分别降低了11.7%以及5.6%,相对均方根误差分别降低了12.2%以及10.7%,验证了该方法在轴承RUL预测中的有效性和优越性。 展开更多
关键词 滚动轴承剩余使用寿命 退化起始时间 自适应DST状态划分 集成学习模型 退化特征提取 具有自适应噪声的完全集成经验模态分解 长短时记忆神经网络
在线阅读 下载PDF
一种基于模态分解和机器学习的锂电池寿命预测方法 被引量：11
15
作者 肖浩逸 何晓霞 +1 位作者 梁佳佳 李春丽 《储能科学与技术》 CAS CSCD 北大核心 2022年第12期3999-4009,共11页
锂离子电池剩余使用寿命(RUL)是电池健康管理的一个重要指标。本工作采用电池容量作为健康状况的指标,使用模态分解和机器学习算法,提出了一种CEEMDAN-RF-SED-LSTM方法去预测锂电池RUL。首先采用CEEMDAN分解电池容量数据,为了避免波动... 锂离子电池剩余使用寿命(RUL)是电池健康管理的一个重要指标。本工作采用电池容量作为健康状况的指标,使用模态分解和机器学习算法,提出了一种CEEMDAN-RF-SED-LSTM方法去预测锂电池RUL。首先采用CEEMDAN分解电池容量数据,为了避免波动分量里的噪音对模型预测能力的影响,且又不完全抛弃波动分量里的特征信息,本工作提出使用随机森林(RF)算法得到每个波动分量的重要性排序和数值,以此作为每个分量对原始数据解释能力的权重。然后将权重值和不同波动分量构建的神经网络模型得到的预测结果进行加权重构,进而得到锂离子电池的RUL预测。文章对比了单一模型和组合模型预测精度,加入了RF的组合模型预测精度让五种神经网络的表现都有进一步的提升。最后,对表现较好的两种网络——LSTM和GRU引入了简单编码解码(SED)的机制,让其更好地学习到序列数据全局时间上的特征和远程的依赖关系。以NASA数据集作为研究对象进行该方法的性能测试。实验结果表明,CEEMDAN-RF-SED-LSTM模型对电池RUL预测表现效果好,预测结果相比单一模型具有更低的误差。 展开更多
关键词 锂离子电池 寿命预测 自适应白噪声完整集成经验模态分解 随机森林 神经网络
在线阅读 下载PDF
基于校准窗口集成与耦合市场特征的可解释双层日前电价预测 被引量：5
16
作者 刘慧鑫 沈晓东 +3 位作者 魏泽涛 刘友波 刘俊勇 白元宝 《中国电机工程学报》 EI CSCD 北大核心 2024年第4期1272-1285,I0003,共15页
随着电力市场之间耦合程度不断加深,只局限于单个市场内部的传统特征集不足以支撑高精度预测的需求。而且模型预测性能对校准窗口的选择敏感,而传统电价预测仅使用一个固定时间长度的数据集,同时预测模型的“黑盒”结构导致预测结果在... 随着电力市场之间耦合程度不断加深,只局限于单个市场内部的传统特征集不足以支撑高精度预测的需求。而且模型预测性能对校准窗口的选择敏感,而传统电价预测仅使用一个固定时间长度的数据集,同时预测模型的“黑盒”结构导致预测结果在工程应用中可信度偏低。针对上述问题,该文提出一种考虑校准窗口集成与耦合市场特征的可解释双层日前电价预测框架。内层框架为基于改进自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition,ICEEMDAN)的择优预测,首先分解原始电价序列,然后应用Lasso估计回归(lassoestimated autoregressive,LEAR)、长期和短期时间序列网络(long-term and short-term time-series networks,LSTNet)、卷积神经网络-长短记忆神经网络(convolutionalneuralnetworks-longshort termmemory,CNN-LSTM)、移动平均(autoregressive integrated moving average,ARIMA)和核极限学习机(kernel extreme learning machines,KELM)模型预测子序列并选择最优预测算法。外层框架为基于贝叶斯模型平均(bayes modelaveraging,BMA)的校准窗口集成预测,针对每个不同校准窗口长度数据集下的预测分配权重并集成得到预测电价。最后,通过可解释方法沙普利加性解释模型(shapley additiveexplanations,SHAP)分析耦合市场特征如何影响预测电价。该文通过北欧电力市场数据集的算例分析证明了所提算法的优越性和校准窗口集成方案的有效性。 展开更多
关键词 校准窗口集成 耦合市场特征 双层预测框架 改进自适应噪声完备集合经验模态分解(ICEEMDAN) 贝叶斯模型平均(BMA) 沙普利加性解释模型(SHAP)
在线阅读 下载PDF
融合 OCEEMDAN的多模态互量纲一化与宽度学习改进的智能故障诊断
17
作者 李春林 陈滢 +3 位作者 胡钦太 柳琼青 熊建斌 张清华 《机床与液压》 北大核心 2024年第8期179-188,共10页
滚动轴承作为旋转机械的重要组成部分,在恶劣环境运行导致振动信号具有非线性和非平稳的特点,使得区分故障信号和正常信号变得困难。针对此,提出一种结合多模态互量纲一化(MMDI)与宽度学习系统(BLS)的智能故障诊断方法。通过优化完全自... 滚动轴承作为旋转机械的重要组成部分,在恶劣环境运行导致振动信号具有非线性和非平稳的特点,使得区分故障信号和正常信号变得困难。针对此,提出一种结合多模态互量纲一化(MMDI)与宽度学习系统(BLS)的智能故障诊断方法。通过优化完全自适应噪声集合经验模态(OCEEMDAN)与小波阈值对轴承观测信号进行分解处理,对有效的本征模态函数(IMF)重构并提取MDI,构建了一批MMDI;采用反向传播算法(BP)与堆叠模块方式优化BLS,改进的BLS算法能够快速识别不同的故障类型;最后通过凯斯西储大学轴承数据中心与某实验室提供的轴承数据集对所提方法进行验证,平均准确率分别为99.8%与100%,验证了方法的有效性。 展开更多
关键词 完全自适应噪声集合经验模态分解(CEEMDAN) 特征提取 互量纲一化指标 宽度学习系统(BLS) 故障诊断
在线阅读 下载PDF
基于二次分解和ATT-CNN-LSTM-MLR组合模型的短期电价预测方法 被引量：1
18
作者 张玉敏 孙猛 +2 位作者 吉兴全 叶平峰 张晓峰 《智慧电力》 北大核心 2024年第12期65-72,共8页
针对电力现货市场价格的强波动性,电价存在跳跃点、尖峰点的特点,提出基于二次分解和注意力机制(ATT)-卷积神经网络(CNN)-长短时记忆神经网络(LSTM)-多元线性回归(MLR)组合模型的短期电价预测方法。首先,为深度挖掘电价跳跃点和尖峰点... 针对电力现货市场价格的强波动性,电价存在跳跃点、尖峰点的特点,提出基于二次分解和注意力机制(ATT)-卷积神经网络(CNN)-长短时记忆神经网络(LSTM)-多元线性回归(MLR)组合模型的短期电价预测方法。首先,为深度挖掘电价跳跃点和尖峰点处的特征,采用自适应噪声完备集合经验模态分解和变分模态分解将原始电价序列分解为一系列模态分量;其次,针对分解后的低频与高频子序列,分别建立MLR浅学习模型和ATT-CNN-LSTM组合模型实现多频预测,重构各子模型输出得到最终预测结果;最后,采用具有强波动性特征的欧洲电力交易所数据进行算例分析,验证了模型的有效性。 展开更多
关键词 电价预测 注意力机制 完全自适应噪声完备集合经验模态分解 变分模态分解 多频组合
在线阅读 下载PDF
基于多层信号分解的混凝土拱坝变形监测模型
19
作者 王子轩 欧斌 +3 位作者 陈德辉 杨石勇 赵定柱 傅蜀燕 《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第6期1-9,共9页
为了充分挖掘大坝变形监测数据的非线性和非平稳性特征,本文提出了一种大坝变形监测模型.首先,该模型通过自适应噪声完全集合经验模态分解(CEEMDAN)对变形监测数据进行分解处理.在分解过程中融入样本熵(SE)和K-均值聚类,以确保得到的模... 为了充分挖掘大坝变形监测数据的非线性和非平稳性特征,本文提出了一种大坝变形监测模型.首先,该模型通过自适应噪声完全集合经验模态分解(CEEMDAN)对变形监测数据进行分解处理.在分解过程中融入样本熵(SE)和K-均值聚类,以确保得到的模态分量(IMF)个数能够准确描述大坝变形.然后,对于高频IMF分量,采用变分模态分解(VMD)进行二次分解,并利用偏最小二乘法(PLS)分析变形序列影响因子,以提取最佳的IMF分量作为后续模型的输入因子.最后,利用改进的共生生物搜索算法(ISOS)结合长短期记忆神经网络(LSTM)进行大坝变形的准确预测.研究结果表明:相较于单层信号处理,本文通过二次信号处理可以显著提升模型的预测精度;对二次分解后的IMFs分量进行PLS筛选可以有效避免模型的冗余性,提高计算效率;相较于各对比模型,本文模型在各测点上均具有较好的预测精度和稳定性.本文提出的模型能够深入挖掘大坝监测数据中的拓扑关系,有效保留数据中的高频有用信息,从而提高预测的准确性和平滑性,展示出较好的预测精度和泛化能力. 展开更多
关键词 大坝变形 自适应噪声完全集合经验模态分解 样本熵 K-均值聚类算法 改进的共生生物搜索算法 变分模态分解
在线阅读 下载PDF
基于二次CEEMDAN与CCJC的滚动轴承故障冲击特征提取 被引量：1
20
作者 张亢 曹振华 +2 位作者 刘鹏飞 陈向民 牛晓瑞 《噪声与振动控制》 北大核心 2025年第1期112-118,247,共8页
滚动轴承故障振动信号的成分复杂多样,且受噪声和传递路径的影响,导致从中提取表征故障的周期性冲击成分难度很大。对此,利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEM... 滚动轴承故障振动信号的成分复杂多样,且受噪声和传递路径的影响,导致从中提取表征故障的周期性冲击成分难度很大。对此,利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)良好的非平稳非线性数据处理能力,首先将原始轴承振动信号中的各种成分予以分离,在此基础上,提出相关系数跳变准则(Correlation Coefficient Jump Criterion,CCJC)区别以故障周期性冲击成分为主的分量,以及以噪声和转频成分为主的分量,并通过二次分解二次重构的方式,最大限度去除噪声与转频相关成分,最终得到提纯的滚动轴承故障周期性冲击信号。通过对滚动轴承故障仿真信号和基准数据的分析,表明所提方法可以准确高效提取轴承故障周期性冲击成分;对滚动轴承实验振动信号进行分析,并与经典方法对比,验证所提方法的优势及其良好的工程应用前景。 展开更多
关键词 故障诊断 滚动轴承 振动信号 周期性冲击特征 自适应噪声完全集合经验模态分解 相关系数跳变准则
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 … 5 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