期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
数控车床主轴热误差完全自适应经验模态分解与小波阈值变换分离方法
1
作者 陈庚 丁强强 +2 位作者 苏哲 郭世杰 唐术锋 《航空制造技术》 北大核心 2025年第6期104-114,共11页
数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始... 数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始信号进行分解,将获得的低频模态分量重构后作为EWT算法的输入进行分解,使用离散系数评估EWT算法每次迭代的分解效果。其次,通过对一组仿真信号进行分解,验证该方法的准确性,与ICEEMDAN算法相比,ICEEMDAN-EWT算法的均方根误差(RMSE)降低了5.2%。最后,在CKA6 163A型车床上进行试验,使用五点法辨识热误差,将ICEEMDAN-EWT分离算法与傅里叶变换(FFT)算法进行对比。结果表明,与FFT算法相比,使用ICEEMDAN-EWT算法分离出的5项热变形信号与机床温度的Pearson相关性提高了3.8%,Spearman相关性提高了6.6%,准确度更高。 展开更多
关键词 数控车床 主轴 热误差 完全自适应噪声集合经验模态分解-经验小变换(iceemdan-ewt) 误差分离
在线阅读 下载PDF
基于CEEMDAN-小波包自适应阈值混凝土声发射信号降噪研究 被引量:13
2
作者 杨智中 林军志 +2 位作者 汪魁 程梓益 刘攀 《振动与冲击》 EI CSCD 北大核心 2023年第3期139-149,共11页
为了得到更加纯净的混凝土声发射(acoustic emission, AE)信号来更准确地监测混凝土结构破裂过程,提出了一种完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition, CEEMDAN)与小波包自适应阈值联合方法对... 为了得到更加纯净的混凝土声发射(acoustic emission, AE)信号来更准确地监测混凝土结构破裂过程,提出了一种完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition, CEEMDAN)与小波包自适应阈值联合方法对循环荷载作用下的混凝土声发射信号进行降噪处理,运用信噪比和快速傅里叶变化(fast Fourier transform, FFT)分析来验证所用方法的可行性。实验结果表明:结合CEEMDAN-小波包自适应阈值对混凝土声发射信号进行降噪的效果较好,能有效地保留混凝土声发射信号特征信息,对混凝土声发射信号降噪提供新的思路,为后续利用声发射信号分析混凝土结构内部微裂纹扩展及演化特征奠定基础。 展开更多
关键词 循环荷载 混凝土声发射(AE)信号 完全自适应噪声集合经验模态分解(CEEMDAN) 小波自适应阈值降噪 快速傅里叶变换(FFT)
在线阅读 下载PDF
基于MODWT-CEEMDAN-LSTM的短期光伏功率区间预测模型
3
作者 陈船宇 熊国江 +1 位作者 方厚康 罗颖勋 《太阳能学报》 北大核心 2025年第2期416-424,共9页
针对光伏功率的波动性、随机性、间歇性,提出一种基于最大重叠小波变换(MODWT)、自适应噪声完备集合经验模态分解(CEEMDAN)、长短期记忆网络(LSTM)的光伏功率短期区间预测模型。首先利用MODWT和CEEMDAN将光伏功率时间序列进行二次分解... 针对光伏功率的波动性、随机性、间歇性,提出一种基于最大重叠小波变换(MODWT)、自适应噪声完备集合经验模态分解(CEEMDAN)、长短期记忆网络(LSTM)的光伏功率短期区间预测模型。首先利用MODWT和CEEMDAN将光伏功率时间序列进行二次分解得到本征模态函数(IMF)分量;再将这些IMF分量分别输入进LSTM进行分量预测并将分量预测结果重构得到点预测结果;最后利用分位数回归对点预测结果进行建模后得到区间预测结果。实际算例表明,时频域分解方法与频域分解方法的结合,使得该模型在3种天气情况下的光伏功率点预测和区间预测均表现出优异的鲁棒性和准确性。 展开更多
关键词 光伏功率 预测 深度学习 长短期记忆 最大重叠小波变换 自适应噪声完备集合经验模态分解
在线阅读 下载PDF
CEEMDAN与小波变换混合去噪方法在光纤陀螺监测系统信号去噪中的应用 被引量:12
4
作者 徐朗 蔡德所 《水利水电技术》 CSCD 北大核心 2018年第9期87-95,共9页
为了有效降低噪声对光纤陀螺监测系统实测信号的影响,提出基于CEEMDAN与小波变换混合去噪的方法。先将信号进行CEEMDAN分解,得到一系列IMF分量,计算每一个IMF分量与原始信号的相关系数,利用相关系数的大小筛选出主要的IMF分量。结合小... 为了有效降低噪声对光纤陀螺监测系统实测信号的影响,提出基于CEEMDAN与小波变换混合去噪的方法。先将信号进行CEEMDAN分解,得到一系列IMF分量,计算每一个IMF分量与原始信号的相关系数,利用相关系数的大小筛选出主要的IMF分量。结合小波变换,对筛选出的IMF分量进行降噪处理,最后进行信号重构。引入含噪信号与降噪误差比和均方误差两个指标来判断降噪效果,利用单一的小波变换、CEEMDAN方法、CEEMDAN与小波变换混合去噪三种方法对仿真信号和实测信号进行分析。结果表明,基于CEEMDAN与小波变换混合去噪方法的去噪效果最好,有效地降低了噪声对真实信号的影响,去噪后的信号能准确地表征真实信号的变化特征。该方法非常适合光纤陀螺监测系统的信号去噪,能进一步提高光纤陀螺监测系统的测量精度。 展开更多
关键词 大坝安全监测 自适应噪声完整集合经验模态分解 小波变换 相关系数 光纤陀螺监测系统 信号去噪
在线阅读 下载PDF
桥梁GNSS-RTK变形监测数据的CEEMDAN-WT联合降噪法 被引量:18
5
作者 熊春宝 王猛 于丽娜 《振动与冲击》 EI CSCD 北大核心 2021年第9期12-18,共7页
在桥梁GNSS-RTK变形监测中,监测信号会被多路径噪声误差所影响。针对上述问题,提出了自适应经验模态分解(CEEMDAN)和小波变换(WT)相结合的方法对桥梁GNSS-RTK监测数据进行降噪处理。采用CEEMDAN对振动响应进行分解得到本征模态函数(IMF... 在桥梁GNSS-RTK变形监测中,监测信号会被多路径噪声误差所影响。针对上述问题,提出了自适应经验模态分解(CEEMDAN)和小波变换(WT)相结合的方法对桥梁GNSS-RTK监测数据进行降噪处理。采用CEEMDAN对振动响应进行分解得到本征模态函数(IMFs),利用相关系数鉴别出有效的IMFs,同时利用WT中的不同小波基对其余噪声与信号共存的IMFs进行阈值降噪,最后对信号进行重组。通过对模拟试验和基于GNSS-RTK的海河斜拉桥实测数据进行处理,结果表明,CEEMDAN相比于EEMD能有效解决模态混叠问题,CEEMDAN与WT相结合的方法对桥梁监测数据具有良好的降噪效果,能成功提取到桥梁真实位移信息。 展开更多
关键词 全球导航卫星系统实时动态(GNSS-RTK) 桥梁监测 基于自适应噪声完全经验模态分解(CEEMDAN) 小波变换(WT) 数据降噪
在线阅读 下载PDF
基于TLGMCC准则联合CEEMDAN与LWT的优化降噪方法
6
作者 刘彦明 曹敏 +1 位作者 孙安 项敢亮 《光通信技术》 北大核心 2025年第2期11-16,共6页
针对分布式光纤声传感系统信号信噪比过低的问题,提出一种基于时域局部广义最大互相关熵(TLGMCC)准则联合自适应噪声完备集合经验模态分解(CEEMDAN)与提升小波变换(LWT)的优化降噪方法。首先,使用自适应噪声完备CEEMDAN对原始信号进行分... 针对分布式光纤声传感系统信号信噪比过低的问题,提出一种基于时域局部广义最大互相关熵(TLGMCC)准则联合自适应噪声完备集合经验模态分解(CEEMDAN)与提升小波变换(LWT)的优化降噪方法。首先,使用自适应噪声完备CEEMDAN对原始信号进行分解,获取模态分量。接着,将原始信号与这些模态分量分割为多个时间局部片段,并计算它们对应时间局部片段的相关熵值。然后,通过LWT算法处理弱相关分量,最后重构剩余分量以完成去噪过程。实验结果表明:在5 km的传感距离和10 m的空间分辨率的条件下,系统的信噪比达到了54.36 d B,同时均方根误差降低至0.091。 展开更多
关键词 自适应噪声完备集合经验模态分解 提升小波变换 时域局部广义最大互相关熵 模态分量
在线阅读 下载PDF
基于CEEMDAN-IAWT方法的滚动轴承振动信号降噪 被引量:13
7
作者 任海军 韦冲 +2 位作者 谭志强 罗亮 丁显飞 《振动与冲击》 EI CSCD 北大核心 2023年第13期199-207,268,共10页
针对滚动轴承振动信号中混入噪声的问题,设计一种自适应白噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)结合改进自适应小波阈值(improved adaptive wavelet threshold,IAWT... 针对滚动轴承振动信号中混入噪声的问题,设计一种自适应白噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)结合改进自适应小波阈值(improved adaptive wavelet threshold,IAWT)的联合降噪法。使用CEEMDAN对信号进行模态分解得到本征模态函数(intrinsic mode functions,IMFs);将得到的IMFs与原信号进行相关性分析识别有效分量;针对小波阈值(wavelet threshold,WT)降噪算法不能自适应选取小波基和分解层数以及阈值函数存在缺陷的问题,设计了IAWT算法,利用IAWT算法过滤IMFs中的噪声;将处理后的IMFs进行信号重构。利用设计的联合降噪算法对仿真信号和试验台信号处理可知,相比于WT,使用IAWT处理后的信号信噪比提高了约0.5 dB,与原信号的相关系数提高了约0.03,均方根误差降低了约0.01;将设计的方法与CEEMDAN-WT等方法对比可知,经处理后的信号信噪比至少提高了1.37 dB,且信号特征保存完好。 展开更多
关键词 滚动轴承 振动信号降噪 自适应噪声完全集合经验模态分解(CEEMDAN) 改进的自适应小波阈值(IAWT)
在线阅读 下载PDF
基于CEEMDAN的地震信号高分辨率时频分析方法 被引量:11
8
作者 尚平萍 李鹏 +1 位作者 杨安琪 陈学国 《石油物探》 EI CSCD 北大核心 2019年第4期547-554,共8页
希尔伯特黄变换(Hilbert-Huang transform,HHT)作为一种时频分析方法,在含有间断信号的信号中或存在噪声干扰的信号中进行经验模态分解(empirical mode decomposition,EMD)时会产生模态混叠效应,为得到更准确的原始信号分析结果,精确重... 希尔伯特黄变换(Hilbert-Huang transform,HHT)作为一种时频分析方法,在含有间断信号的信号中或存在噪声干扰的信号中进行经验模态分解(empirical mode decomposition,EMD)时会产生模态混叠效应,为得到更准确的原始信号分析结果,精确重构原始信号,以自适应噪声的总体集合经验模态分解(complete ensemble empirical mode decomposition of adaptive noise,CEEMDAN)代替EMD并与希尔伯特变换(Hilbert transform,HT)相结合,构建了一种适应于非线性非平稳信号的高分辨率时频分析方法。采用该方法对模拟信号和实际资料进行了时频分析处理,并与传统的时频分析方法的处理结果进行了对比分析,结果表明基于CEEMDAN的时频分析方法在保证重构信号准确性和稳定性的前提下,可精确地重构原始信号,并获得精确的频谱,从而具有更高的时间和频率分辨率,它既是一种地震资料精细解释的有力工具,也为后续的含油气检测提供了有力的支撑。 展开更多
关键词 时频分析 经验模态分解 自适应噪声的总体集合经验模态分解 希尔伯特-变换 高分辨率 时频谱
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部