期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于谱峭度和多元经验模式分解的机械故障诊断 被引量:4
1
作者 张兵 于淑静 董绍江 《制造技术与机床》 北大核心 2015年第6期97-101,共5页
研究基于谱峭度和多元经验模式分解(multivariate empirical mode decomposition,MEMD)的机械故障诊断模型,首先依据谱峭度指标对非平稳信号成分的敏感性构建自适应带通滤波器组对原信号进行滤波以提高原信号信噪比,然后运用MEMD对不同... 研究基于谱峭度和多元经验模式分解(multivariate empirical mode decomposition,MEMD)的机械故障诊断模型,首先依据谱峭度指标对非平稳信号成分的敏感性构建自适应带通滤波器组对原信号进行滤波以提高原信号信噪比,然后运用MEMD对不同状态下振动信号统一处理以获取尺度特征匹配的多元内蕴模式函数(multivariate intrinsic mode functions,MIMF),最后将从MIMF中所得能量分布特征向量输入最近邻分类器(K-nearest neighbors classifier,KNNC)中进行状态辨识。基于谱峭度和MEMD的机械故障诊断模型实现了机械故障特征增强到故障识别的全程自动化,齿轮箱应用实例验证了模型的有效性。 展开更多
关键词 故障诊断 谱峭度 多元经验模式分解 特征提取
在线阅读 下载PDF
基于多元经验模式分解的股票收益与宏观经济关系分析 被引量:4
2
作者 李成 周恒 《统计与信息论坛》 CSSCI 2013年第2期61-66,共6页
提出一种基于多元经验模式分解的股票市场收益与宏观经济活动关系的分析方法。通过月度道琼斯指数和美国工业生产指数的联合多元经验模式分解,得到多元金融时间序列的多尺度分量。采用希尔伯特—黄变换和边际谱确定每个尺度的主周期,进... 提出一种基于多元经验模式分解的股票市场收益与宏观经济活动关系的分析方法。通过月度道琼斯指数和美国工业生产指数的联合多元经验模式分解,得到多元金融时间序列的多尺度分量。采用希尔伯特—黄变换和边际谱确定每个尺度的主周期,进而在不同尺度下对多元时间序列进行相关性分析及Granger因果检验。结果表明:股票指数在中、长周期的某些尺度上是工业生产指数的Granger原因,序列之间具有明显的相关性,股票指数领先工业生产指数16个月到32个月不等。 展开更多
关键词 金融时间序列分析 股市收益 宏观经济 多元经验模式分解 相关性分析
在线阅读 下载PDF
改进的正弦辅助多元经验模式分解及其在滚动轴承故障诊断中的应用 被引量:5
3
作者 吴利锋 吕勇 +2 位作者 袁锐 朱熹 游俊 《中国机械工程》 EI CAS CSCD 北大核心 2022年第11期1336-1344,共9页
正弦辅助多元经验模式分解算法(SA-MEMD)通过在额外的通道中加入正弦辅助信号来减少模式混合,但该算法对噪声敏感,辅助信号的主频率比需要根据经验确定,为此,提出了一种改进的正弦辅助多元经验模式分解算法。首先使用非局部均值降噪对... 正弦辅助多元经验模式分解算法(SA-MEMD)通过在额外的通道中加入正弦辅助信号来减少模式混合,但该算法对噪声敏感,辅助信号的主频率比需要根据经验确定,为此,提出了一种改进的正弦辅助多元经验模式分解算法。首先使用非局部均值降噪对原始信号进行预处理,减少噪声对算法的干扰,其次使用短时傅里叶变换确定信号频谱范围,然后以最小集成EMD能量熵准则选择最优主频率比,最后根据正弦辅助多元经验模式分解算法的步骤进行信号处理。模拟信号和实际信号的对比分析结果证明,改进的方法可以减少传统的多元经验模式分解方法存在的模式混合现象。 展开更多
关键词 故障诊断 正弦辅助多元经验模式分解 模式混合 短时傅里叶变换 能量熵
在线阅读 下载PDF
基于多元经验模式分解的电力系统低频振荡模式辨识 被引量:10
4
作者 苏安龙 孙志鑫 +2 位作者 何晓洋 张艳军 王长江 《电力系统保护与控制》 EI CSCD 北大核心 2019年第22期113-125,共13页
提出了一种辨识电力系统主导低频振荡模式的新方法。该方法结合了多元经验模式分解(Multivariate Empirical Mode Decomposition,MEMD)、Teager能量算子及预测误差法(Prediction Error Method,PEM),通过多元经验模式分解将含电力系统低... 提出了一种辨识电力系统主导低频振荡模式的新方法。该方法结合了多元经验模式分解(Multivariate Empirical Mode Decomposition,MEMD)、Teager能量算子及预测误差法(Prediction Error Method,PEM),通过多元经验模式分解将含电力系统低频振荡特征信息的信号进行分解,得到多个本征模函数(Intrinsic Mode Function,IMF)分量;借助Teager能量算子的快速响应能力,筛选出含有主导振荡模式的主要IMF分量;最后采用预测误差法辨识出各主导振荡模式的振荡频率和阻尼。分别利用IEEE68节点测试系统和辽宁电网实测PMU数据对所提方法进行分析、验证。结果表明,该方法可有效从电力系统的广域量测信息中辨识出电力系统的主导振荡模式。 展开更多
关键词 电力系统 低频振荡 多元经验模式分解 TEAGER能量算子 预测误差法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部