检索结果-维普期刊中文期刊服务平台

可变模式分解在炉膛压力管道微弱泄漏信号检测的应用研究被引量：9: 1; 作者安连锁冯强 +3 位作者沈国清姜根山张世平李庚生《锅炉技术》北大核心 2015年第4期1-6,共6页; 研究了一种新的信号分析方法,可变模态分解(VMD)方法。该方法通过预设尺度的方式将信号进行频率分段然后求中心频率获得模态函数。通过对引起模态混叠的间歇现象(噪声、间断信号等)对VMD方法的影响进行研究,并将VMD结果与总体平均经验... 展开更多; 关键词可变模式分解泄漏电站锅炉模态混叠; 在线阅读下载PDF 职称材料

激光雷达信号的可变间隔阈值经验模式分解去噪法被引量：8: 2; 作者李猛蒋立辉 +1 位作者熊兴隆冯帅《强激光与粒子束》 EI CAS CSCD 北大核心 2014年第11期8-12,共5页; 针对采用经验模式分解直接阈值(EMD-DT)和经验模式分解间隔阈值(EMD-IT)在激光雷达回波信号的去噪应用中会产生的模态混叠现象,采用一种可变间隔阈值的经验模式分解(EMD-SIT)的去噪方法。首先,对信号进行经验模式分解。然后,采用过零率... 展开更多; 关键词经验模式分解模态混叠可变间隔阈值经验模式分解激光雷达去噪; 在线阅读下载PDF 职称材料

基于VMD-SE和机器学习算法的短期风电功率多层级综合预测模型被引量：28: 3; 作者张亚超刘开培秦亮《电网技术》 EI CSCD 北大核心 2016年第5期1334-1340,共7页; 针对风电功率受自然环境变化影响,难以建立精确数学模型对其进行预测的问题,采用一种新型的可变模式分解(variational mode decomposition,VMD)技术,将原始风电功率序列分解为一系列有限带宽子模式以降低其不稳定性,根据子模式的样本熵(... 展开更多; 关键词短期风电功率多步预测可变模式分解机器学习仿生鸡群优化多层级综合模型; 在线阅读下载PDF 职称材料

基于VMD-SE-IPSO-BNN的超短期风电功率预测被引量：9: 4; 作者殷豪董朕孟安波《电测与仪表》北大核心 2018年第2期45-51,共7页; 准确预测风电功率对风电规模化并网至关重要。为了更精确的对风电功率进行预测,提出一种基于可变模式分解(Variational Mode Decomposition,VMD)-样本熵(Sample Entropy,SE)和改进粒子群算法(Improved Particle Swarm Optimization,IPSO... 展开更多; 关键词超短期风电功率预测可变模式分解样本熵改进粒子群算法贝叶斯神经网络预测精度; 在线阅读下载PDF 职称材料

基于小波自适应阈值滤波的VMD降噪方法被引量：13: 5; 作者唐圣学付滔张雪辉《电测与仪表》北大核心 2018年第9期10-14,共5页; 文章提出了一种基于小波自适应阈值滤波的可变分模式分解(VMD)降噪方法。该方法降噪过程为:先将含噪声信号进行VMD分解,进而将VMD分解分量中含大部分噪声的高频模态分量进行小波自适应阈值滤波降噪,滤波降噪后的分量与其他模态分量重构... 展开更多; 关键词可变分模式分解(VMD) 小波变换自适应阈值; 在线阅读下载PDF 职称材料

题名可变模式分解在炉膛压力管道微弱泄漏信号检测的应用研究被引量：9: 1; 作者安连锁冯强沈国清姜根山张世平李庚生; 机构华北电力大学电站设备状态监测与控制教育部重点实验室天津能源投资集团有限公司; 出处《锅炉技术》北大核心 2015年第4期1-6,共6页; 基金国家自然科学基金资助项目(11274111) 北京高等学校青年英才计划项目(YETP0700); 文摘研究了一种新的信号分析方法,可变模态分解(VMD)方法。该方法通过预设尺度的方式将信号进行频率分段然后求中心频率获得模态函数。通过对引起模态混叠的间歇现象(噪声、间断信号等)对VMD方法的影响进行研究,并将VMD结果与总体平均经验模式分解(EEMD)、小波分解结果进行对比。针对电站锅炉炉膛压力管道泄漏信号的特点,提出了基于VMD的炉膛压力管道泄漏检测方法。对炉膛本底噪声与空压机合成信号进行了分析,并将结果与EEMD、小波分解结果进行对比。结果表明:VMD方法能有效的应用于炉膛压力管道泄漏信号检测。; 关键词可变模式分解泄漏电站锅炉模态混叠; Keywords VMD leakage power station boiler mode mixing; 分类号 TK223.11 [动力工程及工程热物理—动力机械及工程]; 在线阅读下载PDF 职称材料

题名激光雷达信号的可变间隔阈值经验模式分解去噪法被引量：8: 2; 作者李猛蒋立辉熊兴隆冯帅; 机构中国民航大学天津市智能信号与图像处理重点实验室; 出处《强激光与粒子束》 EI CAS CSCD 北大核心 2014年第11期8-12,共5页; 基金国家自然科学基金项目(41075013) 国家重点基础研究发展计划项目 +1 种基金 3122013P009); 文摘针对采用经验模式分解直接阈值(EMD-DT)和经验模式分解间隔阈值(EMD-IT)在激光雷达回波信号的去噪应用中会产生的模态混叠现象,采用一种可变间隔阈值的经验模式分解(EMD-SIT)的去噪方法。首先,对信号进行经验模式分解。然后,采用过零率方法将分解出的含有噪声的固有模态函数分离。最后,应用过零点阈值,设立一个新的可变阈值,将EMD-IT和EMD-DT有效融合对信号进行去噪。通过与多种阈值的仿真对比以及激光雷达的回波信号去噪实验,结果表明该方法可以有效地去除噪声,抑制模态混叠,较EMD-IT和EMD-DT更具有优越性,因此有着很好的应用前景。; 关键词经验模式分解模态混叠可变间隔阈值经验模式分解激光雷达去噪; Keywords empirical mode decomposition（EMD） mode-mixing EMD switch interval thresholding（EMD-SIT） lidar denoising; 分类号 TN958.98 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于VMD-SE和机器学习算法的短期风电功率多层级综合预测模型被引量：28: 3; 作者张亚超刘开培秦亮; 机构武汉大学电气工程学院; 出处《电网技术》 EI CSCD 北大核心 2016年第5期1334-1340,共7页; 基金国家重点基础研究发展计划项目(973项目)(2012CB215101) 国家自然科学基金项目(51309258)~~; 文摘针对风电功率受自然环境变化影响,难以建立精确数学模型对其进行预测的问题,采用一种新型的可变模式分解(variational mode decomposition,VMD)技术,将原始风电功率序列分解为一系列有限带宽子模式以降低其不稳定性,根据子模式的样本熵(sample entropy,SE)分析其复杂度并重组得到子序列。在此基础上,结合3种不同的机器学习基模型,提出一种基于VMD-SE和基模型的自适应多层级综合预测模型,并采用一种基于混沌萤火虫结合仿真鸡群优化的智能算法,对其权重矩阵进行实时调整。仿真结果表明,基于VMD的组合模型较采用聚类经验模式分解时预测精度明显提高,且所提综合模型的预测精度较组合模型有了进一步的改善。因此,所提综合模型能有效提高短期风电功率多步预测的准确性。; 关键词短期风电功率多步预测可变模式分解机器学习仿生鸡群优化多层级综合模型; Keywords short-term wind power multistep forecasting variational mode decomposition machine learning bio-inspired chicken swarm optimization multi-leveled combined model; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于VMD-SE-IPSO-BNN的超短期风电功率预测被引量：9: 4; 作者殷豪董朕孟安波; 机构广东工业大学自动化学院; 出处《电测与仪表》北大核心 2018年第2期45-51,共7页; 基金广东省科技计划项目(2016A010104016) 广东电网公司科技项目(GDKJQQ20152066); 文摘准确预测风电功率对风电规模化并网至关重要。为了更精确的对风电功率进行预测,提出一种基于可变模式分解(Variational Mode Decomposition,VMD)-样本熵(Sample Entropy,SE)和改进粒子群算法(Improved Particle Swarm Optimization,IPSO)优化贝叶斯神经网络(Bayesian Neural Network,BNN)的超短期风电功率组合预测模型。首先采用VMD-SE将原始风电功率时间序列分解为一系列不同带宽的模式分量以降低其非线性,然后对全部分量分别建立贝叶斯神经网络模型进行预测,并采用IPSO对神经网络的权值和阈值进行寻优,以求获得最佳的预测效果。实验结果表明,基于VMD-SE的预测模型较采用其他常规分解方式时预测精度明显提高,所提组合预测模型具有较高的预测精度。; 关键词超短期风电功率预测可变模式分解样本熵改进粒子群算法贝叶斯神经网络预测精度; Keywords ultra short-term wind power forecasting variational mode decomposition sample entropy improved parti cle swarm optimization Bayesian neural network prediction accuracy; 分类号 TM614 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于小波自适应阈值滤波的VMD降噪方法被引量：13: 5; 作者唐圣学付滔张雪辉; 机构河北工业大学电气工程学院; 出处《电测与仪表》北大核心 2018年第9期10-14,共5页; 基金国家自然科学基金资助项目(51477040) 河北省自然科学基金资助项目(E2015202263) 河北省高等学校科学技术研究资助项目(QN20151111); 文摘文章提出了一种基于小波自适应阈值滤波的可变分模式分解(VMD)降噪方法。该方法降噪过程为:先将含噪声信号进行VMD分解,进而将VMD分解分量中含大部分噪声的高频模态分量进行小波自适应阈值滤波降噪,滤波降噪后的分量与其他模态分量重构降噪信号。三个实例表明:所提方法能有效减低信号噪声,适应性广。; 关键词可变分模式分解(VMD) 小波变换自适应阈值; Keywords variational mode decomposition （VMD） , wavelet transfer, adaptive threshold; 分类号 TM933 [电气工程—电力电子与电力传动]; 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	可变模式分解在炉膛压力管道微弱泄漏信号检测的应用研究	安连锁冯强沈国清姜根山张世平李庚生	《锅炉技术》北大核心	2015	9	在线阅读下载PDF 职称材料
2	激光雷达信号的可变间隔阈值经验模式分解去噪法	李猛蒋立辉熊兴隆冯帅	《强激光与粒子束》 EI CAS CSCD 北大核心	2014	8	在线阅读下载PDF 职称材料
3	基于VMD-SE和机器学习算法的短期风电功率多层级综合预测模型	张亚超刘开培秦亮	《电网技术》 EI CSCD 北大核心	2016	28	在线阅读下载PDF 职称材料
4	基于VMD-SE-IPSO-BNN的超短期风电功率预测	殷豪董朕孟安波	《电测与仪表》北大核心	2018	9	在线阅读下载PDF 职称材料
5	基于小波自适应阈值滤波的VMD降噪方法	唐圣学付滔张雪辉	《电测与仪表》北大核心	2018	13	在线阅读下载PDF 职称材料