基于变分模态分解的采空区“三带”微震信号能量衰减规律 被引量：1

1

作者 贾宝新 郑克楠 周琳力 《岩土力学》 EI CAS CSCD 北大核心 2024年第4期991-1002,共12页

为探明微震信号能量在采空区“三带”结构中的衰减规律,拟开展采空区覆岩相似模型试验,采集人工激发微震波经由采空区结构传播的微震信号,通过变分模态分解(variational mode decomposition,VMD)处理微震信号,获取各频率下模态分量。针... 为探明微震信号能量在采空区“三带”结构中的衰减规律,拟开展采空区覆岩相似模型试验,采集人工激发微震波经由采空区结构传播的微震信号,通过变分模态分解(variational mode decomposition,VMD)处理微震信号,获取各频率下模态分量。针对采空区微震信号在VMD下各模态分量中心频率与能量之间的关系展开分析。根据中心频率法确定微震信号最佳模态数量,并计算微震信号欠分解状态、最佳分解状态、过分解状态下各分量能量;对各震源下信号最佳分解状态时各模态分量能量与中心频率分布关系进行拟合,分析在“三带”结构中,微震信号不同传播状态下各结构层对信号能量影响作用。研究结果表明:(1)在VMD过程中,人工激发震动信号有效模态数量在6~11范围内,微震信号能量随模态数量变化明显。(2)采用幂函数可实现对微震信号模态能量与频率关系的拟合,且拟合状态良好(决定系数大于0.9),其中低频模态分量包含能量占信号总能量近50%;采用高斯函数可以拟合震源各分量能量在频域上的分布表现,拟合状态较好,且表现出高斯单峰特征。(3)微震信号穿越采空区“三带”结构,微震信号能量随震源位置与传感器距离增加而减小,同时信号能量随震源位置到达传感器穿越岩层数量增加而减小,信号能量在经由垮落带时,能量变化明显,相较于裂隙带和弯曲下沉带,垮落带对信号能量衰减作用明显。 展开更多

关键词 变分模态分解(VMD) 微震信号 信号频率特征 信号能量衰减 采空区“三带”结构

在线阅读 下载PDF 职称材料

加权特征参数信息重构方法及其在主轴承故障诊断中的应用

2

作者 赵俊豪 栾孝驰 沙云东 《推进技术》 北大核心 2025年第1期253-263,共11页

为解决航空发动机内滚动轴承微弱故障识别受到环境噪声干扰和重要信息易被忽略的问题,提出一种新的加权特征参数信息重构方法,并将其运用到航空发动机的主轴承故障检测中。该方法首先采用粒子群算法(Particle swarm optimization,PSO)... 为解决航空发动机内滚动轴承微弱故障识别受到环境噪声干扰和重要信息易被忽略的问题,提出一种新的加权特征参数信息重构方法,并将其运用到航空发动机的主轴承故障检测中。该方法首先采用粒子群算法(Particle swarm optimization,PSO)优化变分模态分解(Variational mode decomposi-tion,VMD)中的参数,得到K0个模态分量;然后提出一种新的加权特征参数信息重构公式,将所有模态分量按照该公式进行加权重构,过滤噪声成分,并更大程度地保留有效信息;最后对重构信号进行包络分析提取出轴承故障特征信息。通过对航空发动机中介轴承试验故障数据进行分析,得到结论:该方法可降低噪声成分对整体信号的干扰,有效突显出故障特征信息,诊断强背景噪声强干扰工况下的轴承微弱故障,因此是一种有效的用于航空发动机主轴轴承故障特征提取与诊断的方法之一。经仿真信号计算,降噪后的信号峰值因子提升1.62 d B,有效增强了冲击性成分。 展开更多

关键词 航空发动机 滚动轴承 加权特征参数信息重构 故障诊断 变分模态分解

在线阅读 下载PDF 职称材料

基于变分模态分解与Teager能量算子的谐波/间谐波检测方法 被引量：6

3

作者 孙曙光 田朋 +2 位作者 纪学玲 孟岩 杨明 《电测与仪表》 北大核心 2020年第2期109-115,共7页

为了提高电力谐波信号中谐波/间谐波的检测精度,提出一种基于变分模态分解(VMD)与Teager能量算子相结合的检测新方法。利用相关系数法来确定VMD算法中的模态分解个数K;采用VMD对谐波/间谐波信号进行分解,得到一系列IMF分量;利用Teager... 为了提高电力谐波信号中谐波/间谐波的检测精度,提出一种基于变分模态分解(VMD)与Teager能量算子相结合的检测新方法。利用相关系数法来确定VMD算法中的模态分解个数K;采用VMD对谐波/间谐波信号进行分解,得到一系列IMF分量;利用Teager能量算子对IMF分量进行解调分析,能够得到分量的瞬时幅值和频率,同时根据时频图中瞬时频率突变点,可准确定位暂态谐波/间谐波的起止时刻。在信噪比较低的情况下,将集合经验模态分解(EEMD)、VMD分别与Teager能量算子相结合进行谐波/间谐波检测的对比。仿真实验对比表明文中所提方法能将稳态、暂态谐波信号进行有效的分离,同时具有较高的检测精度和较好的噪声鲁棒性。 展开更多

关键词 谐波 间谐波 变分模态分解 相关系数法 TEAGER能量算子

在线阅读 下载PDF 职称材料

基于改进变分模态分解和Hilbert变换的变压器局部放电信号特征提取及分类 被引量：88

4

作者 朱永利 贾亚飞 +2 位作者 王刘旺 李莉 郑艳艳 《电工技术学报》 EI CSCD 北大核心 2017年第9期221-235,共15页

针对现有局部放电(PD)信号特征提取方法存在的不足,提出一种基于变分模态分解(VMD)和Hilbert变换(Hilbert-VMD)的特征提取方法,并提出一种双阈值筛选法来确定VMD算法中的分解模态数。首先,根据PD信号功率谱,采用双阈值筛选法确定VMD算... 针对现有局部放电(PD)信号特征提取方法存在的不足,提出一种基于变分模态分解(VMD)和Hilbert变换(Hilbert-VMD)的特征提取方法,并提出一种双阈值筛选法来确定VMD算法中的分解模态数。首先,根据PD信号功率谱,采用双阈值筛选法确定VMD算法中的分解模态数;其次,采用VMD算法对PD信号进行分解,得到数个有限带宽的固有模态分量(BLIMFs);然后,对各模态分量进行Hilbert变换并线性叠加后得到PD信号的Hilbert时频谱,并计算各模态分量的边际谱;最后,根据各模态分量的边际谱提取PD信号频域内的特征量,并用支持向量机(SVM)对所提取的特征量进行分类。实验结果表明,对试验环境下和现场实测两种环境下的PD信号,采用该文方法提取得到的特征量均具有较高的正确识别率,充分说明该特征提取方法可以有效提取PD信号特征。对于噪声较大的实测信号,采用该方法得到的正确识别率并未明显降低,说明该方法具有较好的噪声鲁棒性。此外,该文所提Hilbert-VMD方法也为PD信号提供了一种新的时频分析方法。 展开更多

关键词 局部放电 变分模态分解 HILBERT变换 双阈值筛选法 特征提取

在线阅读 下载PDF 职称材料

变分模态分解及能量熵在地心运动降噪中的应用 被引量：8

5

作者 王庆余 杜宁 +3 位作者 王莉 张小东 吴磊 熬逍 《测绘通报》 CSCD 北大核心 2020年第8期59-64,共6页

针对地心运动时间序列噪声种类复杂,随机性强,信号与噪声难以有效分离等问题,本文采用网平移法对IGS站周解进行解算,得到2012—2018年的地心运动时间序列,并提出了一种基于变分模态分解(VMD)及能量熵的地心运动时间序列降噪方法。首先,... 针对地心运动时间序列噪声种类复杂,随机性强,信号与噪声难以有效分离等问题,本文采用网平移法对IGS站周解进行解算,得到2012—2018年的地心运动时间序列,并提出了一种基于变分模态分解(VMD)及能量熵的地心运动时间序列降噪方法。首先,对各方向时间序列进行VMD分解,获得各方向高频依次到低频的时间序列分量;然后,计算每个变分模态分量的能量熵,辨识出噪声与信号的分界,并将信号分量进行重构,得到降噪后的地心运动时间序列;最后,通过与基于EMD和EEMD的降噪方法对比,从相关系数、信噪比、剩余能量百分比、方差贡献率等参数评价指标上定量说明该方法对地心运动时间序列降噪表现出更好的降噪效果。 展开更多

关键词 网平移法 降噪 变分模态分解 能量熵 信噪比

在线阅读 下载PDF 职称材料

自适应模态总数变分模态分解方法及其性能评估 被引量：4

6

作者 王锦鸿 李鸿光 +1 位作者 张文笛 陈亚农 《振动与冲击》 EI CSCD 北大核心 2023年第10期251-262,共12页

VMD方法目前广泛应用于转子系统故障诊断以及二维图像分解等领域,但传统VMD算法需要预先给出模态总数,且VMD对信号能量较弱的非中心频段存在重构效果差,含噪声下提取能力差,容易遗漏故障特征等问题;基于上述问题对VMD修改了信号的约束准... VMD方法目前广泛应用于转子系统故障诊断以及二维图像分解等领域,但传统VMD算法需要预先给出模态总数,且VMD对信号能量较弱的非中心频段存在重构效果差,含噪声下提取能力差,容易遗漏故障特征等问题;基于上述问题对VMD修改了信号的约束准则,并引入信号未处理以及残差信号的多元约束目标,使模态总数可通过收敛得到;对模拟内圈轴承信号和试验信号的时频域重构分析以及分解模态信号的分析,对比三种算法的在非中心频段的重构效果以及特征提取能力的优劣。 展开更多

关键词 自适应变分模态分解 重构与特征提取 故障诊断

在线阅读 下载PDF 职称材料

基于分解技术的IZOA-Transformer-BiGRU短期风电功率预测 被引量：2

7

作者 蒲晓云 杨靖 +1 位作者 杨兴 宁媛 《电子测量技术》 北大核心 2025年第2期39-48,共10页

准确的风电功率预测对于保障电网平稳运行和提升风资源利用效率具有重要意义。针对风电功率数据的非平稳性和间歇性等特征,本文提出了一种结合数据分解技术的IZOA-Transformer-BiGRU组合预测模型,以提升短期风电功率预测的精度和可靠性... 准确的风电功率预测对于保障电网平稳运行和提升风资源利用效率具有重要意义。针对风电功率数据的非平稳性和间歇性等特征,本文提出了一种结合数据分解技术的IZOA-Transformer-BiGRU组合预测模型,以提升短期风电功率预测的精度和可靠性。首先,采用能量差值法确定变分模态分解(VMD)的子模态数,将具有较强随机波动性的原始风电功率分解为一系列相对平稳的子序列,从而更加充分地提取时序特征。其次,构建Transformer-BiGRU模型,引入多头注意力机制并行处理多个特征之间的交互关系,并利用BiGRU捕捉时序序列间的前后依赖性,从而提升预测性能。为了进一步优化模型性能,采用融合Singer混沌映射、透镜折射反向学习和单纯形法策略的改进斑马优化算法(IZOA),对Transformer-BiGRU模型的隐藏层神经元数、初始学习率、正则化系数和多头注意力头数四个关键超参数进行优化。最后,通过IZOA-Transformer-BiGRU对分解后的各子序列进行预测,经过叠加重构得到最终的预测结果。实验结果表明,与单一BiGRU模型相比,所提模型的决定系数提升了5.10%,平均绝对误差、均方根误差以及平均绝对百分比误差分别降低了56.17%、54.58%、54.55%,具有较高的预测精度。 展开更多

关键词 风电功率预测 变分模态分解 TRANSFORMER 双向门控循环单元 能量差值法 斑马优化算法

在线阅读 下载PDF 职称材料

基于变分模态分解的断路器机械故障诊断 被引量：12

8

作者 李永刚 丁其 赵书涛 《电测与仪表》 北大核心 2019年第20期82-86,107,共6页

断路器的振动信号包含了许多机械信息。为了更加精确地对断路器的故障进行识别,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)和支持向量机结合的方法。首先利用局部极值法确定合适的VMD分解模态数;其次通过VMD将信号... 断路器的振动信号包含了许多机械信息。为了更加精确地对断路器的故障进行识别,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)和支持向量机结合的方法。首先利用局部极值法确定合适的VMD分解模态数;其次通过VMD将信号分解成多个具有紧支性的模态,计算各模态的奇异值作为特征向量,将其输入支持向量机(Support Vector Machine,SVM),训练故障模型;最后通过SVM诊断测试信号,成功对不同故障进行诊断。 展开更多

关键词 变分模态分解 局部极值法 特征提取 断路器 故障诊断

在线阅读 下载PDF 职称材料

基于ASMVMD和MOMEDA的齿轮特征提取方法 被引量：1

9

作者 唐贵基 曾鹏飞 朱爽 《机电工程》 CAS 北大核心 2024年第12期2174-2184,共11页

针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以... 针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以SMVMD分解后各个通道的所有分量的平均包络谱峰值因子(Ec)之和的相反数作为寻优的适应度函数,确定了最大惩罚因子α和最大分解模态数k的最优值;然后,采用ASMVMD方法对齿轮多通道故障数据进行了自适应分解,根据Ec指标提取了各通道特定分量,并将这些分量相加,进行了信号重构;最后,采用MOMEDA解卷积处理了重构信号,进一步强化了齿轮故障的冲击特性,并利用包络谱分析解卷积信号,提取了齿轮的故障特征频率。研究结果表明:通过仿真信号和模拟实验信号的分析,可知利用ASMVMD-MOMEDA相结合的方法处理得到的信号降噪效果显著,能有效抑制无关干扰成分的影响,从包络谱中可以清晰地看到故障频率的前几阶倍频;与多元经验模态分解(MEMD)-MOMEDA相结合的方法进行对比,发现采用ASMVMD-MOMEDA方法得到的包络谱较MEMD-MOMEDA方法的谱线更加干净,各阶倍频更加明显,进一步证明ASMVMD-MOMEDA方法可以准确提取齿轮故障特征。 展开更多

关键词 齿轮损伤特征 故障特征提取 自适应逐次多元变分模态分解 多点最优最小熵解卷积 多通道 解卷积 包络谱峰值因子 信号重构

在线阅读 下载PDF 职称材料

融入时频能量特征的车内噪声声品质评价方法 被引量：3

10

作者 金可心 卢海峰 +1 位作者 杨亮 褚志刚 《电子测量与仪器学报》 CSCD 北大核心 2022年第5期96-103,共8页

为提升车内噪声声品质评价的准确性,建立了一种融入时频能量特征的车内噪声声品质评价方法。该方法首先对车内噪声信号进行变分模态分解获得本征模态分量,再基于Hilbert变换得到各分量的瞬时强度及计权能量,进而获得信号的时频能量特征... 为提升车内噪声声品质评价的准确性,建立了一种融入时频能量特征的车内噪声声品质评价方法。该方法首先对车内噪声信号进行变分模态分解获得本征模态分量,再基于Hilbert变换得到各分量的瞬时强度及计权能量,进而获得信号的时频能量特征;在此基础上,建立了以心理声学客观参量和时频能量特征为联合输入的遗传算法优化反向传播神经网络声品质评价模型。应用建立方法对某汽车车内噪声声品质进行评价,其结果与主观评价结果的相关度达93.7%、相对误差小于8.0%,该车车内噪声声品质被准确评价。建立的融入时频能量特征的车内噪声声品质评价方法准确性高,在汽车声品质开发实践中具有良好应用前景。 展开更多

关键词 车内噪声 声品质 变分模态分解 能量特征 GA-BP神经网络

在线阅读 下载PDF 职称材料

不同激励下基于SVMD的结构响应重构方法

11

作者 苟志豪 彭珍瑞 《噪声与振动控制》 CSCD 北大核心 2024年第6期49-56,共8页

针对基于经验模态分解(Empirical Mode Decomposition,EMD)的响应重构方法需要设置繁杂的带通滤波器参数,且无法在时域中直接重构周期激励作用下的响应等问题,提出一种不同激励下基于逐次变分模态分解(Successive Variational Mode Deco... 针对基于经验模态分解(Empirical Mode Decomposition,EMD)的响应重构方法需要设置繁杂的带通滤波器参数,且无法在时域中直接重构周期激励作用下的响应等问题,提出一种不同激励下基于逐次变分模态分解(Successive Variational Mode Decomposition,SVMD)的响应重构方法。首先,分别考虑瞬态激励和周期激励两种工况,使用SVMD将传感器测得的动态响应信号分解为多个分量。其次,使用由模态分析推导出的模态转换矩阵和传递矩阵得到未测量位置的响应分量。最后,根据模态叠加法实现时域响应重构。对六层剪切框架和简支梁分别进行数值仿真和试验验证,结果表明,所提方法在使用单个传感器的条件下即可对不同激励下的结构响应实现有效重构,且对测量噪声具有一定的鲁棒性。 展开更多

关键词 振动与波 逐次变分模态分解 模态转换矩阵 传递矩阵 模态叠加法 响应重构

在线阅读 下载PDF 职称材料

一种可提取受波动干扰的电压暂降特征的信号处理方法 被引量：12

12

作者 欧阳森 陈义森 《高压电器》 CAS CSCD 北大核心 2020年第8期17-22,共6页

电压暂降信号中混杂的噪声会模糊暂降起止时刻的检测,而电压波动的干扰则会影响暂降幅值深度的确定,对此设计了一种基于变分模态分解(variational mode decomposition,VMD)的消噪方法及结合小波变换定位的三阶导数普罗尼(third derivati... 电压暂降信号中混杂的噪声会模糊暂降起止时刻的检测,而电压波动的干扰则会影响暂降幅值深度的确定,对此设计了一种基于变分模态分解(variational mode decomposition,VMD)的消噪方法及结合小波变换定位的三阶导数普罗尼(third derivative method⁃Prony,TDM⁃Prony)算法。首先将信号进行VMD分解,得到数个有限带宽的固有模态分量(band⁃limited intrinsic mode functions,BLIMFs),对获得的高频BLIMFs进行SURE阈值去噪,然后与低频分量进行重构。然后,对重构信号进行小波变换,定位电压波动及电压暂降的起止时刻,并利用TDM⁃Prony算法对波动信号段进行拟合以获取其信息,实现波动与暂降的分离;最后,对获得的干净暂降信号进行希尔伯特(Hilbert)变换可得其暂降幅值及持续时间。仿真结果表明,文中设计算法可有效地提取受波动信号的干扰的电压暂降特征。 展开更多

关键词 电压暂降 变分模态分解 三阶导数法 特征提取

在线阅读 下载PDF 职称材料

MVMD与IEDPE结合的转子故障特征提取方法

13

作者 吴耀春 郭晓波 +4 位作者 杜少华 踞海 赵岩 武杰 贾晓凤 《机械强度》 CAS CSCD 北大核心 2023年第5期1017-1023,共7页

为准确表征转子系统不同运行状态,提出一种改进的变分模态分解(Modified Variational Mode Decomposition,MVMD)与瞬时能量分布排列熵(Instantaneous Energy Distribution Permutation Entropy,IEDPE)结合的转子故障特征量化提取方法。... 为准确表征转子系统不同运行状态,提出一种改进的变分模态分解(Modified Variational Mode Decomposition,MVMD)与瞬时能量分布排列熵(Instantaneous Energy Distribution Permutation Entropy,IEDPE)结合的转子故障特征量化提取方法。利用相关性阈值策略确定变分模态分解(Variational Mode Decomposition,VMD)分解层参数并设计MVMD算法;然后,将采集到的振动信号输入MVMD中进行分解,计算各模态分量的瞬时能量分布;最后,提取各模态分量IEDPE作为故障量化特征。与MVMD+PE、EMD+IEDPE、EEMD+IEDPE进行对比,结果表明,提取的故障特征可更有效地表征转子故障状态之间的显著差别,使故障类别更准确识别。 展开更多

关键词 特征提取 变分模态分解 瞬时能量分布 排列熵 转子故障

在线阅读 下载PDF 职称材料

基于AVMD与改进能量算子的非稳态谐波分析 被引量：4

14

作者 计志勇 唐求 +2 位作者 李雅鑫 滕召胜 邱伟 《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第7期209-217,共9页

针对非稳态谐波分析中时频参数检测精度较低的问题,提出一种基于自适应变分模态分解(AVMD)与改进能量算子的非稳态电力谐波分析方法。首先,采用AVMD对非稳态谐波信号进行分解,其中采用波形特征匹配法对非稳态谐波信号进行延拓以减轻边... 针对非稳态谐波分析中时频参数检测精度较低的问题,提出一种基于自适应变分模态分解(AVMD)与改进能量算子的非稳态电力谐波分析方法。首先,采用AVMD对非稳态谐波信号进行分解,其中采用波形特征匹配法对非稳态谐波信号进行延拓以减轻边界效应影响,并提出能量差和相关系数作为AVMD中模态分解个数的判据;结合模态分量,提出改进间隔采样能量算子快速提取谐波的瞬时幅值和频率,根据差分和信号完成其起止时刻的定位,实现非稳态谐波时频参数的快速准确测量。仿真与实测结果表明,本文方法能够在电网工频波动、间谐波以及噪声干扰等情况下有效完成非稳态谐波的准确检测,实现暂态谐波的精确定位,且对非稳态谐波频率、幅值的最大检测误差分别为0.094 9%和0.931 4%。 展开更多

关键词 谐波分析 波形特征匹配 自适应变分模态分解 改进能量算子 非稳态信号

在线阅读 下载PDF 职称材料

基于WOA-VMD联合MOMEDA的轴承外圈故障特征提取方法 被引量：8

15

作者 王莹莹 陈志刚 王衍学 《机电工程》 CAS 北大核心 2023年第11期1655-1663,共9页

滚动轴承工作环境较为复杂,在复杂的环境因素影响下,其故障特征信号容易受到噪声的影响,导致其难以被识别。针对这一问题,提出了一种基于鲸鱼优化算法(WOA)的变分模态分解(VMD)联合多点最优最小熵解卷积(MOMEDA)的滚动轴承外圈故障特征... 滚动轴承工作环境较为复杂,在复杂的环境因素影响下,其故障特征信号容易受到噪声的影响,导致其难以被识别。针对这一问题,提出了一种基于鲸鱼优化算法(WOA)的变分模态分解(VMD)联合多点最优最小熵解卷积(MOMEDA)的滚动轴承外圈故障特征提取方法。首先,利用变分模态分解(VMD)对仿真信号进行了分解,使用鲸鱼优化算法(WOA)确定了最佳分解层数以及各分量的样本熵;然后,以样本熵最小值为目标寻优,得出了包含故障信号的最佳分量,对得到的最佳分量进行了MOMEDA重构,从重构信号的包络谱中获得了仿真信号故障特征频率及其倍频;最后,为了验证WOA-VMD联合MOMEDA的有效性,在实验台上采集数据,对滚动轴承的外圈故障信号进行了特征提取。实验结果表明:使用该方法可以高效地进行信号的分解寻优,能较为准确地得到仿真信号的故障频率(100 Hz)和实验台提取信号的近似故障频率(87.5 Hz),验证了该方法的有效性。研究结果表明:低信噪比的工况条件下,采用WOA-VMD联合MOMEDA的方法可以有效地提取滚动轴承的故障特征信号,并能从重构信号中提取故障特征频率。 展开更多

关键词 故障信号分解 故障信号重构 鲸鱼优化算法 变分模态分解 样本熵 多点最优最小熵解卷积 故障特征频率

在线阅读 下载PDF 职称材料

传感器优化布置的齿轮箱轴承故障特征提取 被引量：3

16

作者 殷红 陈强 彭珍瑞 《噪声与振动控制》 CSCD 2020年第4期67-72,154,共7页

为诊断齿轮箱轴承故障,构建一种传感器优化布置的齿轮箱轴承故障特征提取方法。提取齿轮箱上箱体模态振型,运用K-medoids算法对节点振型进行聚类,用有效独立法初选测点,以模态置信准则(MAC)为适应度函数,运用遗传算法(GA)寻优,实现传感... 为诊断齿轮箱轴承故障,构建一种传感器优化布置的齿轮箱轴承故障特征提取方法。提取齿轮箱上箱体模态振型,运用K-medoids算法对节点振型进行聚类,用有效独立法初选测点,以模态置信准则(MAC)为适应度函数,运用遗传算法(GA)寻优,实现传感器位置优化,以构建的综合评价指标对传感器数量进行评价,以此得到齿轮箱传感器优化布置方案;将传感器布置在上箱体采集齿轮箱振动信号,对各路信号进行奇异值(SVD)降噪,对降噪后信号进行基于方差贡献率的信息融合;对融合信号进行变分模态分解(VMD),以信息熵最小为原则对VMD参数优化,选取信息熵最小本征模态分量(IMF)进行Teager能量谱分析,提取滚动轴承故障特征;采用ZDH10型齿轮箱故障试验台进行试验验证,证明所构建方法的可行性。 展开更多

关键词 故障诊断 传感器优化布置 信息融合 故障特征提取 变分模态分解 Teager能量谱

在线阅读 下载PDF 职称材料

自适应去噪的非接触式生理参数检测方法 被引量：4

17

作者 倪宗军 陈辉 +2 位作者 张昀 苏敏 郑秀娟 《计算机工程与应用》 CSCD 北大核心 2021年第5期153-160,共8页

成像式光电容积描记法(imaging Photoplethysmography,iPPG)是一种利用视频信号实现非接触式生理参数检测的方法,但该方法的性能易受外界条件影响,尤其对环境光变化及受试者头部运动等噪声敏感。为了消除噪声影响,根据噪声信号和iPPG信... 成像式光电容积描记法(imaging Photoplethysmography,iPPG)是一种利用视频信号实现非接触式生理参数检测的方法,但该方法的性能易受外界条件影响,尤其对环境光变化及受试者头部运动等噪声敏感。为了消除噪声影响,根据噪声信号和iPPG信号的时频特性,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)的相关能量熵阈值自适应去噪与方差表征序列(Variance Characterization Series,VCS)的抗干扰非接触式生理参数信号获取方法。利用分解算法将由人脸视频中获取到的血容量脉冲信号分解为频率由高频到低频且具有一定带宽的模态分量。分别计算各个模态分量子区间的噪声能量熵从而获得该分量的阈值,再经阈值处理得到重构的去噪信号。利用VCS方法检测重构后的信号的质量从而自适应地选择信号分析方法,实现心率和呼吸率的生理参数的精确估计。在公开数据集和自采数据集上进行验证实验,实验结果表明,提出的方法对环境光与头部运动干扰有着较强的稳健性,相比目前已有的方法能够得到更精确的心率与呼吸率估计值。 展开更多

关键词 成像式光电容积描记法 变分模态分解法 能量熵 自适应去噪 非接触测量 心率 呼吸率

在线阅读 下载PDF 职称材料

基于VMD⁃ESA和IPOA⁃XGBOOST相结合的异步电机故障诊断 被引量：3

18

作者 高猛 曾宪文 《现代电子技术》 北大核心 2024年第2期115-120,共6页

为了提高异步电机故障诊断的准确度,提出一种结合变分模态分解(VMD)、包络谱分析法(ESA)和改进的鹈鹕优化算法优化的极限梯度提升模型(IPOA‐XGBOOST)的智能诊断方法。首先,对实测的异步电机振动信号进行VMD分解,并用ESA计算VMD分解得... 为了提高异步电机故障诊断的准确度,提出一种结合变分模态分解(VMD)、包络谱分析法(ESA)和改进的鹈鹕优化算法优化的极限梯度提升模型(IPOA‐XGBOOST)的智能诊断方法。首先,对实测的异步电机振动信号进行VMD分解,并用ESA计算VMD分解得到的本征模态分量(IMFs)的瞬时能量矩阵;然后用奇异值分解法(SVD)对得到的瞬时能量矩阵进行特征提取;最后,使用提取到的特征向量训练IPOA‐XGBOOST模型,得到异步电机的故障诊断准确率。另外,为了解决鹈鹕优化算法容易陷入局部最优解、寻优速度慢等问题,使用Circle映射改进鹈鹕优化算法。将改进的鹈鹕优化算法、遗传算法(GA)和鹈鹕优化算法进行寻优分析,实验结果表明,改进的鹈鹕优化算法的寻优效果最好。 展开更多

关键词 异步电机 故障诊断 鹈鹕优化算法 变分模态分解 包络谱分析法 瞬时能量矩阵 Circle映射

在线阅读 下载PDF 职称材料

基于VMD-MDE的柱塞泵磨损故障诊断研究 被引量：9

19

作者 曲全鹏 曲海军 张强 《机电工程》 CAS 北大核心 2021年第9期1202-1206,共5页

通过变分模态分解特征能量重构法(VMD)来实现对故障进行分析时,存在准确性不高的问题,针对这一问题,提出了一种通过变分模态分解特征能量重构法(VMD)和多尺度散布熵实现的柱塞泵滑靴磨损故障诊断方法。首先,对原始信号先进行了VMD分解,... 通过变分模态分解特征能量重构法(VMD)来实现对故障进行分析时,存在准确性不高的问题,针对这一问题,提出了一种通过变分模态分解特征能量重构法(VMD)和多尺度散布熵实现的柱塞泵滑靴磨损故障诊断方法。首先,对原始信号先进行了VMD分解,获得了能量余量;然后,设计了一种建立在特征能量占比(FER)基础上的变分模态分解特征能量重构法(VMD)和多尺度散布熵(MDE)的方法;最后,以柱塞泵故障诊断为研究对象,通过仿真分析方法,依次对柱塞泵在正常状态与滑靴端面磨损为0.1 mm、0.2 mm、0.3 mm状态下的情况进行了分析。仿真及研究结果表明:在逐渐增加时间尺度的过程中,粗粒化序列的随机性和复杂性都明显下降;故障程度增大后,形成了更加规律的变化过程;与DE、MSE和MFE相比,该方法的计算速度更快,分离效果更好;ELM相对SVM的训练时间缩短了12.5%,同时测试精度提升了17%;相对于其他方法,采用该方法诊断柱塞泵滑靴磨损故障时获得了更快的分类速率与更高的准确性,提高了故障诊断效率。 展开更多

关键词 柱塞泵 磨损振动 信号提取 变分模态分解特征能量重构法 特征能量占比 多尺度散布熵

在线阅读 下载PDF 职称材料

基于VMD-MDE和ELM的柱塞泵微弱故障诊断 被引量：16

20

作者 程珩 励文艳 +3 位作者 权龙 赵立红 关澈 韩露 《振动．测试与诊断》 EI CSCD 北大核心 2020年第4期635-642,818,共9页

针对早期微弱故障信号易受噪声干扰、难以提取和识别的问题,提出一种基于变分模态分解(variational mode decomposition,简称VMD)多尺度散布熵(multiscale dispersion entropy,简称MDE)和极限学习机(extreme learning machine,简称ELM)... 针对早期微弱故障信号易受噪声干扰、难以提取和识别的问题,提出一种基于变分模态分解(variational mode decomposition,简称VMD)多尺度散布熵(multiscale dispersion entropy,简称MDE)和极限学习机(extreme learning machine,简称ELM)的柱塞泵微弱故障诊断方法。首先,采集各状态的振动信号进行VMD分解,得到若干模态分量,根据各模态分量Hilbert包络谱中特征频率能量贡献率大小,提出以归一化特征能量占比(feature energy ratio,简称FER)为重构准则的变分模态分解特征能量重构法(variational mode decomposition feature-energyreconsitution,简称VMDF),对各模态分量进行信号重构;其次,计算重构信号的MDE,对各尺度散布熵进行分析,选择有效尺度散布熵作为特征向量;最后,将提取的特征向量输入ELM完成故障模式识别。柱塞泵不同程度滑靴端面磨损故障的实验结果表明,该方法不仅提高了模式识别效率,还可以更好地反映故障程度变化规律,具有较好的应用性。 展开更多

关键词 变分模态分解 多尺度散布熵 极限学习机 特征能量占比 滑靴磨损 微弱故障诊断

在线阅读 下载PDF 职称材料