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1,727篇文章
< 1 2 … 87 >
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：
基于参数优化变分模态分解的信号降噪方法
1
作者 何玉洁 李新娥 贺俊 《现代电子技术》 北大核心 2025年第2期70-76,共7页
针对心电信号中肌电干扰噪声难以去除的问题,提出一种基于参数优化变分模态分解(VMD)的信号降噪方法。通过设计动态边界策略和反向种群生成方式,对白鲸优化(BWO)算法进行改进;采用改进白鲸优化算法对VMD参数自适应寻优,确定分解层数K与... 针对心电信号中肌电干扰噪声难以去除的问题,提出一种基于参数优化变分模态分解(VMD)的信号降噪方法。通过设计动态边界策略和反向种群生成方式,对白鲸优化(BWO)算法进行改进;采用改进白鲸优化算法对VMD参数自适应寻优,确定分解层数K与惩罚因子α;对含噪心电信号进行分解,得到k个本征模态函数(IMF)分量,同时采用相关系数法进行有效模态和含噪模态识别;对噪声主导的模态分量采用小波阈值降噪,并重构信号主导模态与降噪后模态。对仿真信号与含真实肌电干扰的心电信号进行降噪处理,实验结果表明,所提方法去噪效果优于小波阈值去噪法、EMD法、EMD-小波阈值去噪法,真实含噪的心电信号经该方法去噪后自相关系数可达0.91以上。 展开更多
关键词 变分模态分解 信号降噪 参数优化 改进白鲸优化算法 心电信号 IMF分量 小波阈值降噪 肌电干扰
在线阅读 下载PDF
基于参数优化变分模态分解和马田系统的工业缝纫机故障诊断方法
2
作者 周中华 刘祖斌 《高技术通讯》 北大核心 2025年第1期73-84,共12页
针对工业缝纫机出厂质检的人耳听音传统方式准确率不高、耗时耗力的问题,提出了一种基于参数优化变分模态分解(variational mode decomposition,VMD)和马田系统(Mahalanobis-Taguchi system,MTS)的工业缝纫机故障诊断方法。首先,通过樽... 针对工业缝纫机出厂质检的人耳听音传统方式准确率不高、耗时耗力的问题,提出了一种基于参数优化变分模态分解(variational mode decomposition,VMD)和马田系统(Mahalanobis-Taguchi system,MTS)的工业缝纫机故障诊断方法。首先,通过樽海鞘群算法(salp swarm algorithm,SSA)对变分模态分解的相关参数进行迭代寻优,并利用获得最优参数的VMD对工业缝纫机声信号进行分解得到不同中心频率的固有模态函数(intrinsic mode function,IMF);然后,分别对IMF分量进行多域特征融合,并且采用正常样本构建了MTS的基准空间,进一步利用了少量故障样本来验证和优化基准空间;最后,结合马氏距离的阈值实现了准确的故障识别分类。通过仿真信号的对比分析,证明了SSA-VMD算法分解信号的可行性和优越性;实验数据和实测数据的研究结果表明了所提出的故障诊断方法具有一定的实际应用价值。 展开更多
关键词 工业缝纫机 故障诊断 变分模态分解 马田系统 多域特征融合
在线阅读 下载PDF
参数优化变分模态分解与LSTM的电力物资需求预测 被引量：6
3
作者 向洪伟 曹馨雨 +5 位作者 张丽娟 周楚婷 张迪 邓晨凤 谢鸿鹏 王楷 《重庆大学学报》 CAS CSCD 北大核心 2024年第4期127-138,共12页
国家电网物资采购管理水平不断提高,线上采购流程逐步完善,但仍存在由于采购计划预估不准导致招投标过程中,供应商利用招投标总标包机制进行价格博弈而造成电网公司采购成本增加,因此,建立准确有效的电力物资需求预测模型具有重要意义... 国家电网物资采购管理水平不断提高,线上采购流程逐步完善,但仍存在由于采购计划预估不准导致招投标过程中,供应商利用招投标总标包机制进行价格博弈而造成电网公司采购成本增加,因此,建立准确有效的电力物资需求预测模型具有重要意义。针对电力物资序列的非稳定性、波动性和间歇性特点,提出一种基于参数优化变分模态分解(variational mode decomposition,VMD)与长短时记忆神经网络(long short-term memory,LSTM)的电力物资需求预测方法,选取国网电商专区平台的典型电力物资,采用鲸鱼优化算法(whale optimization algorithm,WOA)参数优化的VMD对原始序列进行模态分解,将分解获得的各模态分量分别构建LSTM模型,最后将各模态的预测值叠加重构为电力物资的预测值。实验结果表明:所提电力物资需求预测方法较LSTM、EMD-LSTM、VMD-LSTM、PSO-VMD-LSTM、SSA-VMD-LSTM有更高的准确率,对电网物资采购预测具有一定实际意义。 展开更多
关键词 电力物资 长短期记忆神经网络 变分模态分解 鲸鱼优化算法 时间序列
在线阅读 下载PDF
参数优化变分模态分解方法在滚动轴承早期故障诊断中的应用 被引量：384
4
作者 唐贵基 王晓龙 《西安交通大学学报》 EI CAS CSCD 北大核心 2015年第5期73-81,共9页
针对滚动轴承早期故障特征提取困难的问题,提出一种基于参数优化变分模态分解的轴承早期故障诊断方法。首先利用粒子群优化算法对变分模态分解算法的最佳影响参数组合进行搜索,搜索结束后根据所得结果设定变分模态分解算法的惩罚参数和... 针对滚动轴承早期故障特征提取困难的问题,提出一种基于参数优化变分模态分解的轴承早期故障诊断方法。首先利用粒子群优化算法对变分模态分解算法的最佳影响参数组合进行搜索,搜索结束后根据所得结果设定变分模态分解算法的惩罚参数和分量个数,并利用参数优化变分模态分解算法对故障信号进行处理。原故障信号经过处理后被分解为若干本征模态函数分量,由此筛选出最佳信号分量并进行包络解调运算,最终通过分析信号的包络谱可判断轴承的故障类型。利用参数优化变分模态分解方法对轴承故障仿真和实测信号进行分析,均成功提取出微弱特征频率信息,表明参数优化变分模态分解方法可实现滚动轴承早期故障的有效判别,具有一定的可靠性和应用价值。 展开更多
关键词 变分模态分解 粒子群算法 滚动轴承 早期故障诊断
在线阅读 下载PDF
基于参数优化变分模态分解的滚动轴承早期故障诊断 被引量：27
5
作者 王恒迪 邓四二 +1 位作者 杨建玺 廖辉 《振动与冲击》 EI CSCD 北大核心 2020年第23期38-46,共9页
针对滚动轴承早期故障特征难以从原始振动信号中提取的问题,提出了一种基于参数优化的变分模态分解(Variational Mode Decomposition,VMD)的轴承早期故障诊断方法。利用天牛须搜索算法(Beetle Antennae Search,BAS)对VMD算法的最佳参数... 针对滚动轴承早期故障特征难以从原始振动信号中提取的问题,提出了一种基于参数优化的变分模态分解(Variational Mode Decomposition,VMD)的轴承早期故障诊断方法。利用天牛须搜索算法(Beetle Antennae Search,BAS)对VMD算法的最佳参数组合进行优化搜索,搜索过程中以VMD分解后各本征模态函数(Intrinsic Mode Function,IMF)峭度值的倒数作为适应度函数。搜索结束后根据所得结果设定VMD算法的IMF分量个数和二次惩罚因子,并利用参数优化VMD算法对轴承振动信号进行分解。借助峭度准则筛选出最佳IMF分量进行Hilbert包络解调运算,获取信号的包络谱,包络谱中可显现出较为明显的故障冲击特征,根据这些冲击成分可实现轴承早期故障诊断。经过与经验模态分解(Empirical Mode Decomposition,EMD)和固定参数VMD算法的试验对比,所述方法可以更有效地提取轴承早期故障的特征。 展开更多
关键词 滚动轴承 早期故障诊断 变分模态分解 天牛须搜索算法 包络谱
在线阅读 下载PDF
基于参数优化变分模态分解的滚动轴承微弱故障诊断研究 被引量：11
6
作者 瞿红春 许旺山 +1 位作者 郭龙飞 林文斌 《机床与液压》 北大核心 2020年第9期162-167,180,共7页
为了提高变分模态分解(VMD)对滚动轴承微弱故障特征提取的准确性,提出了一种基于参数优化VMD与奇异值分量及其熵相结合的滚动轴承故障诊断方法。该方法通过寻优算法确定VMD的模态数K和二次惩罚因子α;根据余弦-标准差指标提取VMD典型本... 为了提高变分模态分解(VMD)对滚动轴承微弱故障特征提取的准确性,提出了一种基于参数优化VMD与奇异值分量及其熵相结合的滚动轴承故障诊断方法。该方法通过寻优算法确定VMD的模态数K和二次惩罚因子α;根据余弦-标准差指标提取VMD典型本征模态分量(IMF);计算IMF奇异值及其熵,并利用计算结果分别判断滚动轴承的不同故障状态。结合美国西储大学轴承振动信号数据,实验结果表明:相比经验模态分解奇异值故障诊断方法,基于参数优化VMD奇异值故障诊断方法能更明显地识别滚动轴承的不同故障类型,为区分滚动轴承微弱故障提供了一种可行的诊断思路。 展开更多
关键词 变分模态分解 参数优化 奇异值 滚动轴承 故障诊断
在线阅读 下载PDF
基于参数优化变分模态分解的交流变频电机转子断条故障识别方法 被引量：28
7
作者 李睿彧 刘飞 +2 位作者 梁霖 罗爱玲 徐光华 《电工技术学报》 EI CSCD 北大核心 2021年第18期3922-3933,共12页
该文提出一种基于变分模态分解(VMD)和Park变换的交流变频电机早期转子断条故障识别方法。重点对低速状态下电机早期断条故障特征频率识别展开研究,基于电流信号特点结合萤火虫优化算法(FA)设定变分模态分解参数,进一步强化其自适应分... 该文提出一种基于变分模态分解(VMD)和Park变换的交流变频电机早期转子断条故障识别方法。重点对低速状态下电机早期断条故障特征频率识别展开研究,基于电流信号特点结合萤火虫优化算法(FA)设定变分模态分解参数,进一步强化其自适应分解能力,并在此基础上获取三相电流的基频分量信息,通过Park变换检测早期故障特征。仿真与实验结果表明,该方法检测电机早期转子断条故障特征优于经验模态分解(EMD)方法,并可实现故障特征频率的早期定位,这对电机的故障辨识和预警具有重要支撑意义。 展开更多
关键词 交流变频电机 转子断条故障 变分模态分解 萤火虫优化算法 PARK变换
在线阅读 下载PDF
参数优化变分模态分解与多域流形学习的行星齿轮箱故障诊断 被引量：20
8
作者 王振亚 姚立纲 +2 位作者 戚晓利 张俊 郑近德 《振动与冲击》 EI CSCD 北大核心 2021年第1期110-118,126,共10页
针对行星齿轮箱特征提取困难的问题,提出一种基于参数优化变分模态分解与多域流形学习的故障诊断方法。首先,利用樽海鞘群优化变分模态分解(SSO-VMD)对信号进行分解与重构,降低噪声干扰;然后,从多域提取故障特征,并采用改进监督型自组... 针对行星齿轮箱特征提取困难的问题,提出一种基于参数优化变分模态分解与多域流形学习的故障诊断方法。首先,利用樽海鞘群优化变分模态分解(SSO-VMD)对信号进行分解与重构,降低噪声干扰;然后,从多域提取故障特征,并采用改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)算法进行降维处理,获取低维故障特征;最后,运用人工蜂群优化支持向量机(ABC-SVM)多故障分类器进行诊断识别。将SSO-VMD与经验模态分解进行对比,仿真信号分析结果验证SSO-VMD的优越性。将所提故障诊断方法应用于行星齿轮箱故障诊断实验分析中,结果表明:多域特征提取效果优于时域、频域和尺度域等单域特征提取效果;ISSL-Isomap降维效果优于等度规映射,t-分布邻域嵌入,线性判别分析,加权等度规映射和监督等度规映射等算法;所提方法故障识别率达到100%,能够有效识别出行星齿轮箱各工况类型。 展开更多
关键词 变分模态分解 等度规映射 流形学习 支持向量机 行星齿轮箱 故障诊断
在线阅读 下载PDF
一种基于参数优化变分模态分解的滚动轴承故障特征提取方法 被引量：24
9
作者 郑圆 胡建中 +2 位作者 贾民平 许飞云 童清俊 《振动与冲击》 EI CSCD 北大核心 2020年第21期195-202,共8页
变分模态分解(Variational Mode Decomposition,VMD)已被应用于机械故障诊断领域,惩罚因子对分解结果具有重要的影响,针对实际应用中使用单一惩罚因子分解多振源干扰的信号不能有效提取故障特征的问题,提出一种基于参数优化VMD的滚动轴... 变分模态分解(Variational Mode Decomposition,VMD)已被应用于机械故障诊断领域,惩罚因子对分解结果具有重要的影响,针对实际应用中使用单一惩罚因子分解多振源干扰的信号不能有效提取故障特征的问题,提出一种基于参数优化VMD的滚动轴承故障特征提取方法。根据峭度最大值原则确定分解层数K;通过鲸鱼算法优化选择各模态对应的惩罚因子,实现各模态对应最佳惩罚因子的自适应选择,获得信号的最优模态分解;根据峭度准则筛选分解后的模态分量并进行包络解调,提取轴承故障特征。仿真信号和工程数据的分析结果表明,相对于传统VMD、EEMD和快速谱峭度方法,该方法能够有效提升故障特征提取的敏感性,具有一定的工程应用价值。 展开更多
关键词 滚动轴承 变分模态分解 鲸鱼算法 特征提取
在线阅读 下载PDF
基于参数优化变分模态分解的间谐波检测 被引量：14
10
作者 郑晓娇 王斌 +1 位作者 李卜娟 喻敏 《电力系统保护与控制》 EI CSCD 北大核心 2022年第11期71-80,共10页
变分模态分解(VMD)已在谐波检测领域得到应用,但人为设定分解参数K,导致误差较大。为提升VMD在间谐波检测中的准确性,首先,采用施密特正交化理论对VMD预分解得到的各分量进行正交化处理,以避免模态混叠。然后求得不同K值对应的残差能量... 变分模态分解(VMD)已在谐波检测领域得到应用,但人为设定分解参数K,导致误差较大。为提升VMD在间谐波检测中的准确性,首先,采用施密特正交化理论对VMD预分解得到的各分量进行正交化处理,以避免模态混叠。然后求得不同K值对应的残差能量,利用残差能量值最小化法优化参数K,进而提取间谐波信号。最后采用对称差分能量算子,获得间谐波信号幅值与频率等特征信息。仿真实验表明:所提出的方法能有效优化参数K,降低VMD分解误差。同经验模态分解(EMD)、集合经验模态分解(EEMD)以及近年新提出的同步挤压小波变换(SST)相比,参数优化变分模态分解在间谐波检测上效果显著提升,具有更高的检测精度。 展开更多
关键词 间谐波 变分模态分解 施密特正交化 残差能量 对称差分能量算子
在线阅读 下载PDF
基于参数优化变分模态分解的滚动轴承故障特征提取方法 被引量：48
11
作者 郑义 岳建海 +1 位作者 焦静 郭鑫源 《振动与冲击》 EI CSCD 北大核心 2021年第1期86-94,共9页
在滚动轴承早期故障阶段,代表轴承故障特征的冲击成分容易被较强的背景噪声淹没,针对这一问题提出相关峭度(Correlated Kurtosis,CK)优化变分模态分解(Variational Mode Decomposition,VMD)的滚动轴承故障特征提取方法。针对变分模态分... 在滚动轴承早期故障阶段,代表轴承故障特征的冲击成分容易被较强的背景噪声淹没,针对这一问题提出相关峭度(Correlated Kurtosis,CK)优化变分模态分解(Variational Mode Decomposition,VMD)的滚动轴承故障特征提取方法。针对变分模态分解方法参数不确定问题,提出利用以相关峭度为适应度函数的蝗虫优化算法(Grasshopper Optimization Algorithm,GOA)对变分模态分解参数进行自适应选定。针对故障信号经优化变分模态分解处理后模态分量的筛选问题,以相关峭度为指标,挑选具有最大相关峭度指标的模态分量进行包络解调分析,提取轴承信号中的故障特征信息。仿真及实测信号处理结果证明,该方法能在强噪声背景下准确提取滚动轴承故障信号的微弱特征。 展开更多
关键词 滚动轴承 强噪声 变分模态分解 相关峭度 蝗虫优化算法
在线阅读 下载PDF
基于参数优化变分模态分解的变速工况下轴承故障诊断 被引量：9
12
作者 刘前进 高丙朋 +1 位作者 宋振军 王维庆 《轴承》 北大核心 2022年第8期71-78,共8页
针对旋转机械运行过程中轴承转速变动,微弱故障特征不易提取等问题,提出一种基于阶次跟踪和参数优化变分模态分解的特征提取方法。通过阶次跟踪将非平稳时域信号转化为平稳的角域信号,以核互信息为适应度函数,采用变异麻雀算法搜索变分... 针对旋转机械运行过程中轴承转速变动,微弱故障特征不易提取等问题,提出一种基于阶次跟踪和参数优化变分模态分解的特征提取方法。通过阶次跟踪将非平稳时域信号转化为平稳的角域信号,以核互信息为适应度函数,采用变异麻雀算法搜索变分模态分解的最优参数,最后根据模态分量的多尺度样本熵对轴承故障进行分类。仿真和试验结果表明,该方法在变转速滚动轴承故障信号中能有效提取微弱故障特征,实现轴承故障的动态诊断。 展开更多
关键词 滚动轴承 故障诊断 转速 阶次跟踪 变分模态分解 互信息
在线阅读 下载PDF
基于参数优化变分模态分解的混合储能功率分配策略 被引量：26
13
作者 杜佳耘 雷勇 +1 位作者 李永凯 刘晖 《现代电力》 北大核心 2021年第1期51-59,共9页
为平滑风电输出功率,通常将功率型储能元件和能量型储能元件结合成混合储能系统与风电系统相连。为了提高混合储能系统的灵活性和经济性,对一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)的混合储能系统控制策略进... 为平滑风电输出功率,通常将功率型储能元件和能量型储能元件结合成混合储能系统与风电系统相连。为了提高混合储能系统的灵活性和经济性,对一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)的混合储能系统控制策略进行了研究。采用粒子群算法确定VMD算法中K值(分解模态数)和α值(二次惩罚因子)的最优值组合,预设K值和α值将不平衡功率信号经VMD分解后在蓄电池和超级电容之间进行合理分配,最后采用模糊控制对混合储能系统的荷电状态进行优化。仿真结果表明,所提方法既能实现储能元件间合理的功率分配,有效平抑风电波动,又能使荷电状态稳定在一定区间,实现混合储能系统长期安全运行。 展开更多
关键词 变分模态分解 混合储能 粒子群算法 模糊控制 荷电状态
在线阅读 下载PDF
基于参数优化变分模态分解和多尺度熵偏均值的行星变速箱故障特征提取 被引量：26
14
作者 杨大为 赵永东 +2 位作者 冯辅周 江鹏程 丁闯 《兵工学报》 EI CAS CSCD 北大核心 2018年第9期1683-1691,共9页
针对某型装甲车辆行星变速箱行星轮故障特征难以提取的问题,提出了结合参数优化变分模态分解(VMD)和多尺度熵偏均值的故障特征提取方法。为克服VMD算法参数选取依赖经验的弊端,采用粒子群优化算法对VMD参数进行优化。使用参数优化后的VM... 针对某型装甲车辆行星变速箱行星轮故障特征难以提取的问题,提出了结合参数优化变分模态分解(VMD)和多尺度熵偏均值的故障特征提取方法。为克服VMD算法参数选取依赖经验的弊端,采用粒子群优化算法对VMD参数进行优化。使用参数优化后的VMD算法对信号进行分解,并依据互信息选取有效分量对信号进行重构。多尺度熵能反映信号在多尺度下的复杂度,偏均值可以反映多尺度熵的均值和变化趋势。采用基于多尺度熵的综合指标多尺度偏均值,以全面反映振动信号在多尺度下的特性,用于衡量行星变速箱运行状态,从而进行故障特征提取。行星变速箱实验数据处理结果表明,新方法可以更加有效的提取行星变速箱故障。 展开更多
关键词 行星变速箱 故障特征提取 变分模态分解 多尺度熵偏均值
在线阅读 下载PDF
基于参数优化变分模态分解的混合储能功率分配策略 被引量：24
15
作者 高晓芝 王磊 +2 位作者 田晋 刘佳璐 刘庆华 《储能科学与技术》 CAS CSCD 北大核心 2022年第1期147-155,共9页
以全钒液流电池和超级电容器组成的混合储能系统(hybrid energy storage system,HESS)可有效平抑风电功率波动。为了提高储能系统的灵活性和安全性,提出一种基于参数优化变分模态分解(variational mode decomposition,VMD)的混合储能功... 以全钒液流电池和超级电容器组成的混合储能系统(hybrid energy storage system,HESS)可有效平抑风电功率波动。为了提高储能系统的灵活性和安全性,提出一种基于参数优化变分模态分解(variational mode decomposition,VMD)的混合储能功率分配方法。首先利用指数平滑法依据我国并网标准对风电功率进行滤波,得到符合要求的风电并网功率,并计算出储能系统所需要的平滑风电波动功率;然后基于三种信号分解评价指标构造适应度函数,采用麻雀搜索算法(sparrow search algorithm,SSA)对VMD算法中模态个数K与二次惩罚因子α进行优化,得到优化后的K值与α值后采用VMD算法分解风电波动功率并完成在全钒液流电池和超级电容器间的基本分配;最后采用模糊控制器优化储能设备的荷电状态,实现HESS功率的二次分配。算例结果表明,所提方法不仅能够对风电波动功率信号自适应分解,有效抑制风电功率波动,减少模态混叠,完成HESS功率的合理分配,还可以优化储能设备的充放电范围,避免储能设备的过度充电和过度放电状况的发生,保证储能设备的荷电状态维持在固定区间,实现HESS安全稳定运行。 展开更多
关键词 混合储能系统 变分模态分解 麻雀搜索算法 模糊控制 荷电状态
在线阅读 下载PDF
基于参数优化变分模态分解与支持向量机的齿轮箱故障诊断 被引量：12
16
作者 程旺 郝如江 +2 位作者 段泽森 张晓锋 夏晗铎 《科学技术与工程》 北大核心 2022年第15期6099-6105,共7页
齿轮箱故障振动信号具有非线性、非平稳的特点,在故障早期难以实现故障特征的提取和故障类型的识别。提出磷虾群算法(krill herd algorithm,KHA)-变分模态分解(variational mode decomposition,VMD)-多尺度排列熵(multi-scale permutati... 齿轮箱故障振动信号具有非线性、非平稳的特点,在故障早期难以实现故障特征的提取和故障类型的识别。提出磷虾群算法(krill herd algorithm,KHA)-变分模态分解(variational mode decomposition,VMD)-多尺度排列熵(multi-scale permutation entropy,MPE)与支持向量机(support vector machine,SVM)相结合的齿轮箱故障类型识别算法。首先对采集到的齿轮箱振动信号利用KHA优化的VMD进行分解,选取有效分量进行重构,然后求取其MPE作为特征向量,最后将特征向量输入SVM进行故障类型的识别。通过实测数据的分析表明,故障类型识别准确率达到了99.14%,该方法在机车车辆、发电机组等装备的齿轮箱状态监测和故障诊断中具有一定的参考价值。 展开更多
关键词 变分模态分解 多尺度排列熵 支持向量机 齿轮箱故障诊断
在线阅读 下载PDF
考虑不确定变量变分模态分解及绿证-碳联合交易的综合能源系统经济优化调度
17
作者 刘晓军 熊健 +2 位作者 王艺博 刘闯 徐粤洋 《电工技术学报》 北大核心 2025年第13期4276-4291,共16页
为了挖掘热电联产、储能设备等多元设备的差异化响应能力以实现综合能源系统(IES)中不确定变量的有效应对,该文提出一种考虑不确定变量变分模态分解(VMD)和绿证-碳联合交易的综合能源系统经济优化调度方法。首先,在IES运行框架下,提出... 为了挖掘热电联产、储能设备等多元设备的差异化响应能力以实现综合能源系统(IES)中不确定变量的有效应对,该文提出一种考虑不确定变量变分模态分解(VMD)和绿证-碳联合交易的综合能源系统经济优化调度方法。首先,在IES运行框架下,提出了面向电/热/气负荷等不确定变量VMD低/中/高频分量的设备差异化响应方法流程;其次,在绿证和碳交易机制基础上,考虑绿证碳减排机理,构建了绿证-碳联合交易机制;再次,考虑IES内多元设备的差异化幅/频响应能力,建立了一种以综合成本最小为目标的IES经济优化调度模型,并将模型依据VMD低/中/高频分量顺序进行逐层传递、迭代求解;最后,算例结果表明所提模型能够较好地提高IES的新能源消纳能力和碳减排能力,验证了模型的合理性与有效性。 展开更多
关键词 变分模态分解 绿证交易机制 碳交易机制 风电消纳 综合能源系统
在线阅读 下载PDF
基于金豺优化变分模态分解与时间卷积网络的过热汽温特性建模
18
作者 金秀章 赵术善 +2 位作者 畅晗 赵大勇 仲轩正 《中国电机工程学报》 北大核心 2025年第12期4759-4767,I0019,共10页
针对火电机组装机容量增大且调峰频繁导致过热汽温的大惯性、大时延和高度非线性等特征愈加明显,火电机组传统比例-积分-微分控制器(proportional-integral-derivative,PID)控制效果下降的问题,提出一种基于金豺算法(golden jackal opti... 针对火电机组装机容量增大且调峰频繁导致过热汽温的大惯性、大时延和高度非线性等特征愈加明显,火电机组传统比例-积分-微分控制器(proportional-integral-derivative,PID)控制效果下降的问题,提出一种基于金豺算法(golden jackal optimization,GJO)优化变分模态分解(variational mode decomposition,VMD)算法与GJO优化时间卷积神经网络(temporal convolutional network,TCN)的过热汽温系统特性模型。使用互信息(mutual information,MI)将机理分析得到的13个过热汽温特征变量进行排序并去除冗余变量;对筛选后的7个特征变量使用GJO-VMD算法进行分解,选择相关性较大的本征模态函数(intrinsic mode function,IMF)分量进行重构作为最终模型输入;最后,使用GJO-TCN建立过热汽温特性模型,并使用某660 MW燃煤电厂历史运行数据进行仿真实验。实验结果表明,基于GJO-VMD与GJO-TCN的过热汽温特性模型相较于TCN、长短期记忆网络(long short-term memory,LSTM)、GJO-LSTM,具有更高的预测精度。 展开更多
关键词 过热汽温 金豺算法 变分模态分解 时间卷积神经网络
在线阅读 下载PDF
基于沙丘猫优化变分模态分解和蜣螂优化算法同步优化特征选择的齿轮泵磨损故障诊断
19
作者 问亚鹏 张佳奇 +3 位作者 郭锐 杨锦昌 何丝丝 张浩 《液压与气动》 北大核心 2025年第8期65-78,共14页
数据驱动的外啮合齿轮泵(以下简称齿轮泵)故障诊断中,存在实际作业中易受噪声干扰、故障特征冗余以及故障特征选择与分类器参数寻优繁琐问题,为此提出一种基于沙丘猫优化变分模态分解和蜣螂优化算法同步优化特征选择的齿轮泵磨损故障诊... 数据驱动的外啮合齿轮泵(以下简称齿轮泵)故障诊断中,存在实际作业中易受噪声干扰、故障特征冗余以及故障特征选择与分类器参数寻优繁琐问题,为此提出一种基于沙丘猫优化变分模态分解和蜣螂优化算法同步优化特征选择的齿轮泵磨损故障诊断方法。首先,搭建齿轮泵故障试验台获取原始故障数据,采用沙丘猫优化变分模态分解方法对齿轮泵4种磨损故障的振动信号进行降噪重构;然后,提取故障磨损4种重构信号的时域、频域和时频域统计特征共26种,并组成特征层;最后,基于蜣螂优化算法同步优化特征选择对故障特征集进行特征选择,同时优化支持向量机分类器参数,实现齿轮泵的磨损故障类型识别。结果显示,该齿轮泵故障诊断方法准确率高达99.6%,耗时仅49.8 s,具有较高的诊断精度和运算效率。 展开更多
关键词 齿轮泵 故障诊断 同步优化特征选择 蜣螂优化算法 沙丘猫优化变分模态分解
在线阅读 下载PDF
模态分解与参数优化结合的LSTM光伏发电功率预测
20
作者 陈庆明 梁奇峰 +1 位作者 孙颖楷 蔡继翔 《机械设计与制造》 北大核心 2025年第7期305-310,315,共7页
针对传统LSTM模型在复杂非平稳的光伏发电功率预测时精准度低的问题,提出了基于VMD-GWO-LSTM的光伏发电功率预测模型,通过对发电功率时间序列变分模态分解(VMD)得到模态分量子序列,经灰狼算法(GWO)优化长短期记忆神经网络(LSTM)参数后... 针对传统LSTM模型在复杂非平稳的光伏发电功率预测时精准度低的问题,提出了基于VMD-GWO-LSTM的光伏发电功率预测模型,通过对发电功率时间序列变分模态分解(VMD)得到模态分量子序列,经灰狼算法(GWO)优化长短期记忆神经网络(LSTM)参数后建立子序列的LSTM模型,各子序列模型预测结果叠加得到发电功率预测值。VMDGWO-LSTM模型的拟合系数相比改进前的LSTM模型提高了1.97%;不同季节的预测结果验证了GWO算法通过优化超参数而提高模型准确性,验证了VMD算法能够提高复杂非平稳时序的预测精准度;在不同季节,VMD-GWO-LSTM模型的拟合系数至少提高了0.96%,预测的平均绝对误差至少减少了2.62%,具有较高的稳定性和普遍适用性。 展开更多
关键词 光伏发电 功率预测 长短期记忆神经网络 变分模态分解 灰狼算法
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 … 87 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