期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
多尺度高阶奇异谱熵和GA-VPMCD方法在转子故障智能诊断中的应用
1
作者
罗颂荣
程军圣
杨宇
《中国机械工程》
EI
CAS
CSCD
北大核心
2014年第21期2912-2917,2924,共7页
首先,针对转子故障振动信号的非高斯、非线性特征,提出了多尺度高阶奇异谱熵的概念,并将其用于转子故障特征提取;然后,针对新的小样本多分类识别方法——基于变量预测模型分类识别的模型选择问题,结合融合诊断思想和遗传算法,提出了GA-V...
首先,针对转子故障振动信号的非高斯、非线性特征,提出了多尺度高阶奇异谱熵的概念,并将其用于转子故障特征提取;然后,针对新的小样本多分类识别方法——基于变量预测模型分类识别的模型选择问题,结合融合诊断思想和遗传算法,提出了GA-VPMCD分类识别方法。最后提出了基于多尺度高阶奇异谱熵和GA-VPMCD的转子故障诊断方法。试验结果验证了该方法的有效性和优越性。
展开更多
关键词
多尺度
高阶
奇异
谱
熵
基于变量预测模型分类识别
遗传算法
转子系统
故障诊断
在线阅读
下载PDF
职称材料
基于RIME-VMD的高速列车横向减振器故障诊断
2
作者
秦永峰
李刚
+1 位作者
齐金平
王建帅
《铁道科学与工程学报》
北大核心
2025年第3期942-953,共12页
为解决变分模态分解(VMD)在高速列车横向减振器故障诊断中特征提取较为困难的问题,提出一种基于霜冰算法(RIME)以最小包络熵作为适应度函数优化变分模态分解(VMD)的特征提取方法。首先,使用霜冰算法(RIME)优化VMD在不同故障状态下模态(I...
为解决变分模态分解(VMD)在高速列车横向减振器故障诊断中特征提取较为困难的问题,提出一种基于霜冰算法(RIME)以最小包络熵作为适应度函数优化变分模态分解(VMD)的特征提取方法。首先,使用霜冰算法(RIME)优化VMD在不同故障状态下模态(IMF)分量的个数和惩罚因子的最优参数组合;其次,计算各个IMFs分量的峭度值与相关性系数,再分别选取峭度值较大的前4阶IMF分量,并在峭度值较大的4个IMFs分量中选取相关性系数较高的前3阶IMFs进行信号重构降噪;最后,计算多尺度的奇异熵、样本熵、排列熵作为故障特征值,并结合t分布随机近邻嵌入(t-SNE)算法降维去除冗余特征信息,将降维融合后的特征矩阵逐一输入到支持向量机(SVM)中,从而实现对高速列车横向减振器不同故障部位的识别。仿真实验结果表明:相较于灰狼算法(GWO)优化变分模态分解(VMD)的方法,RIME-VMD方法利用霜冰算法高效的搜索与开发能力,可以更快速寻得高速列车不同工况下,变分模态分解中分解层数和惩罚因子参数的全局最优组合,提高了VMD分解信号的鲁棒性,采用信号重构的方法可以有效提取故障特征,实现高速列车横向减振器故障的高效、准确识别。原始变分模态分解(VMD)方法虽然分解速度较快,但原始VMD参数的人工试错成本更高,不能满足高速列车故障诊断的要求。研究结果可为高速列车横向减振器故障诊断和安全运营进一步优化提供参考。
展开更多
关键词
转向架
变分模态分解
霜冰算法
故障诊断
多尺度奇异熵
在线阅读
下载PDF
职称材料
计及高阶统计量和深度学习的抗噪孤岛检测方法
被引量：
11
3
作者
孔祥瑞
严正
+1 位作者
徐潇源
谢伟
《电力系统自动化》
EI
CSCD
北大核心
2019年第1期58-64,185,共8页
分布式电源持续的规模化接入给微电网运行引入了显著的不确定性与噪声,增加了配电网监视的难度。而孤岛检测设备易受电网扰动干扰而误动作,导致分布式电源被切除运行,孤岛检测装置必须能够在噪声环境中准确区分判别扰动与孤岛情形。文...
分布式电源持续的规模化接入给微电网运行引入了显著的不确定性与噪声,增加了配电网监视的难度。而孤岛检测设备易受电网扰动干扰而误动作,导致分布式电源被切除运行,孤岛检测装置必须能够在噪声环境中准确区分判别扰动与孤岛情形。文中将基于多尺度高阶奇异谱熵的深度学习概念应用于孤岛检测问题,提出一种结合经验模态分解与高阶奇异谱熵的新型混合深度学习架构。作为经验模态分解后的信号处理方法,多尺度高阶奇异谱熵结合多分辨率高阶统计分析与谱分析并以熵值作为特征提取输出,进而通过深度学习架构对所提取的孤岛与扰动特征量进行训练及测试。仿真结果表明所提方法能够实现孤岛的准确检测,从而避免分布式电源退出运行。
展开更多
关键词
孤岛检测
高阶统计量
经验模态分解
多尺度
奇异
谱
熵
深度学习
在线阅读
下载PDF
职称材料
题名
多尺度高阶奇异谱熵和GA-VPMCD方法在转子故障智能诊断中的应用
1
作者
罗颂荣
程军圣
杨宇
机构
湖南大学
湖南文理学院
出处
《中国机械工程》
EI
CAS
CSCD
北大核心
2014年第21期2912-2917,2924,共7页
基金
国家自然科学基金资助项目(51175158
51075131)
+1 种基金
湖南省自然科学基金资助项目(11JJ2026)
湖南省"十二五"重点建设学科(机械设计及理论)资助项目(湘教发2011[76])
文摘
首先,针对转子故障振动信号的非高斯、非线性特征,提出了多尺度高阶奇异谱熵的概念,并将其用于转子故障特征提取;然后,针对新的小样本多分类识别方法——基于变量预测模型分类识别的模型选择问题,结合融合诊断思想和遗传算法,提出了GA-VPMCD分类识别方法。最后提出了基于多尺度高阶奇异谱熵和GA-VPMCD的转子故障诊断方法。试验结果验证了该方法的有效性和优越性。
关键词
多尺度
高阶
奇异
谱
熵
基于变量预测模型分类识别
遗传算法
转子系统
故障诊断
Keywords
multi_scale high order singular spectrum entropy（MSHOSSE）
variable predictive model based class discriminate（VPMCD）
genetic algorithm（GA）
rotor system
fault diagnosis
分类号
TH165.3 [机械工程—机械制造及自动化]
TN911.7 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于RIME-VMD的高速列车横向减振器故障诊断
2
作者
秦永峰
李刚
齐金平
王建帅
机构
兰州交通大学机电技术研究所
甘肃省物流及运输装备信息化工程技术研究中心
甘肃省物流与运输装备行业技术中心
出处
《铁道科学与工程学报》
北大核心
2025年第3期942-953,共12页
基金
国家自然科学基金资助项目(71861021,72361019)
甘肃省高等学校科研项目(2018A-026)。
文摘
为解决变分模态分解(VMD)在高速列车横向减振器故障诊断中特征提取较为困难的问题,提出一种基于霜冰算法(RIME)以最小包络熵作为适应度函数优化变分模态分解(VMD)的特征提取方法。首先,使用霜冰算法(RIME)优化VMD在不同故障状态下模态(IMF)分量的个数和惩罚因子的最优参数组合;其次,计算各个IMFs分量的峭度值与相关性系数,再分别选取峭度值较大的前4阶IMF分量,并在峭度值较大的4个IMFs分量中选取相关性系数较高的前3阶IMFs进行信号重构降噪;最后,计算多尺度的奇异熵、样本熵、排列熵作为故障特征值,并结合t分布随机近邻嵌入(t-SNE)算法降维去除冗余特征信息,将降维融合后的特征矩阵逐一输入到支持向量机(SVM)中,从而实现对高速列车横向减振器不同故障部位的识别。仿真实验结果表明:相较于灰狼算法(GWO)优化变分模态分解(VMD)的方法,RIME-VMD方法利用霜冰算法高效的搜索与开发能力,可以更快速寻得高速列车不同工况下,变分模态分解中分解层数和惩罚因子参数的全局最优组合,提高了VMD分解信号的鲁棒性,采用信号重构的方法可以有效提取故障特征,实现高速列车横向减振器故障的高效、准确识别。原始变分模态分解(VMD)方法虽然分解速度较快,但原始VMD参数的人工试错成本更高,不能满足高速列车故障诊断的要求。研究结果可为高速列车横向减振器故障诊断和安全运营进一步优化提供参考。
关键词
转向架
变分模态分解
霜冰算法
故障诊断
多尺度奇异熵
Keywords
bogie
variational modal decomposition
rime-ice algorithm
fault diagnosis
multi-scale singular entropy
分类号
U271.91 [机械工程—车辆工程]
在线阅读
下载PDF
职称材料
题名
计及高阶统计量和深度学习的抗噪孤岛检测方法
被引量：
11
3
作者
孔祥瑞
严正
徐潇源
谢伟
机构
电力传输与功率变换控制教育部重点实验室(上海交通大学)
国网上海市电力公司
出处
《电力系统自动化》
EI
CSCD
北大核心
2019年第1期58-64,185,共8页
基金
国家重点研发计划资助项目(2017YFB0902800)~~
文摘
分布式电源持续的规模化接入给微电网运行引入了显著的不确定性与噪声,增加了配电网监视的难度。而孤岛检测设备易受电网扰动干扰而误动作,导致分布式电源被切除运行,孤岛检测装置必须能够在噪声环境中准确区分判别扰动与孤岛情形。文中将基于多尺度高阶奇异谱熵的深度学习概念应用于孤岛检测问题,提出一种结合经验模态分解与高阶奇异谱熵的新型混合深度学习架构。作为经验模态分解后的信号处理方法,多尺度高阶奇异谱熵结合多分辨率高阶统计分析与谱分析并以熵值作为特征提取输出,进而通过深度学习架构对所提取的孤岛与扰动特征量进行训练及测试。仿真结果表明所提方法能够实现孤岛的准确检测,从而避免分布式电源退出运行。
关键词
孤岛检测
高阶统计量
经验模态分解
多尺度
奇异
谱
熵
深度学习
Keywords
islanding detection
high-order statistics
empirical mode decomposition(EMD)
multi-scale singular spectrum entropy(MSHOSSE)
deep learning
分类号
TM76 [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
作者
出处
发文年
被引量
操作
1
多尺度高阶奇异谱熵和GA-VPMCD方法在转子故障智能诊断中的应用
罗颂荣
程军圣
杨宇
《中国机械工程》
EI
CAS
CSCD
北大核心
2014
0
在线阅读
下载PDF
职称材料
2
基于RIME-VMD的高速列车横向减振器故障诊断
秦永峰
李刚
齐金平
王建帅
《铁道科学与工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
计及高阶统计量和深度学习的抗噪孤岛检测方法
孔祥瑞
严正
徐潇源
谢伟
《电力系统自动化》
EI
CSCD
北大核心
2019
11
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
