完全互补小波噪声辅助集总经验模态分解 被引量：19

1

作者 何刘 丁建明 +1 位作者 林建辉 刘新厂 《振动与冲击》 EI CSCD 北大核心 2017年第4期232-242,共11页

经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的EMD方法能克服EMD方法在处理间歇信号时出现的"模态混叠"现象。在这些噪声辅助方法中,互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(C... 经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的EMD方法能克服EMD方法在处理间歇信号时出现的"模态混叠"现象。在这些噪声辅助方法中,互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(CEEMDAN)恢复了EMD分解的完整性。在现有分析方法上提出了完全互补小波噪声辅助集总经验模态分解(CCWEEMDAN)算法。该算法能用更小的集总数、更少的迭代次数和极小的计算消耗获得更好的光谱分离效果和数目较少的筛选模态。 展开更多

关键词 经验模态分解 集合经验模态分解 噪声辅助 模态混叠 互补集总经验模态分解

在线阅读 下载PDF 职称材料

采用改进互补集总经验模态分解的电能质量扰动检测方法 被引量：7

2

作者 吴新忠 邢强 +2 位作者 陈明 成江洋 杨春雨 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2017年第9期1834-1843,共10页

针对集总经验模态分解(EEMD)方法加噪参数(噪声幅值、集总次数)需人为确定、分解残余噪声大以及计算耗时长的缺点,提出一种自适应快速互补集总经验模态分解(AFCEEMD)方法.该方法分析不同频率形式噪声对极值点分布的影响,确定加噪频率采... 针对集总经验模态分解(EEMD)方法加噪参数(噪声幅值、集总次数)需人为确定、分解残余噪声大以及计算耗时长的缺点,提出一种自适应快速互补集总经验模态分解(AFCEEMD)方法.该方法分析不同频率形式噪声对极值点分布的影响,确定加噪频率采用高频辅助分解的优势,并以极值点分布特性作为评价指标自适应选择最优加噪频率.通过对EEMD加噪准则的研究,推导出加噪幅值和分解次数采取固定值:0.01SD和2次,且以正负成对的形式加入到原始信号中.通过仿真实验和搭建的电能质量扰动平台的实测数据验证了所提方法的自适应性和计算性能,而且适用于电能质量扰动检测与分析. 展开更多

关键词 集总经验模态分解(EEMD) 自适应快速互补EEMD(AFCEEMD) 极值点分布 加噪频率参数优化 电能质量扰动

在线阅读 下载PDF 职称材料

基于互补集总经验模态分解和局部异常因子的有载分接开关状态特征提取及异常状态诊断 被引量：25

3

作者 张知先 陈伟根 +2 位作者 汤思蕊 王有元 万福 《电工技术学报》 EI CSCD 北大核心 2019年第21期4508-4518,共11页

为了及时发现和诊断有载分接开关(OLTC)的异常状态,在特征提取方面,结合驱动电机电流信号选取OLTC振动信号的特定时段,以突出状态特征;利用互补集总经验模态分解(CEEMD)得到振动信号的固有模态函数(IMF),针对OLTC振动信号的特点,提出基... 为了及时发现和诊断有载分接开关(OLTC)的异常状态,在特征提取方面,结合驱动电机电流信号选取OLTC振动信号的特定时段,以突出状态特征;利用互补集总经验模态分解(CEEMD)得到振动信号的固有模态函数(IMF),针对OLTC振动信号的特点,提出基于IMF能量特征的降噪算法;设计了时频矩阵划分算法,提取划分线、峭度、包络谱熵、时频矩阵能量密度、时频矩阵变异系数等特征参量。在异常状态诊断方面,通过多个振动测点,同时实现OLTC本体和传动机构的异常状态诊断;建立了以局部异常因子(LOF)为诊断参量的OLTC异常状态诊断方法,通过待测样本与正常样本集的比较来发现和诊断OLTC的异常状态,具有较好的普适性。仿真和实验结果表明,基于该文提出的方法能有效发现和诊断OLTC的异常状态。 展开更多

关键词 有载分接开关 振动信号降噪 时频分析 互补集总经验模态分解 局部异常因子

在线阅读 下载PDF 职称材料

采用改进的集总平均经验模态分解法的内燃机气门拍击激励与燃烧激励分离的研究 被引量：3

4

作者 郑旭 郝志勇 +1 位作者 金阳 卢兆刚 《汽车工程》 EI CSCD 北大核心 2011年第11期930-936,共7页

提出了一种改进的集总平均经验模态分解(M-EEMD)方法,并阐述了其基本原理。通过仿真试验,证实了M-EEMD不仅能够很好地解决经验模态分解(EMD)中模态混叠问题,而且能够抑制集总平均经验模态分解(EEMD)的噪声残余和模态分裂等问题。作为实... 提出了一种改进的集总平均经验模态分解(M-EEMD)方法,并阐述了其基本原理。通过仿真试验,证实了M-EEMD不仅能够很好地解决经验模态分解(EMD)中模态混叠问题,而且能够抑制集总平均经验模态分解(EEMD)的噪声残余和模态分裂等问题。作为实例,对一个4缸4冲程内燃机气缸盖罩的振动信号进行M-EEMD分解,并对分解得到的IMF分量进行时频分析。结果表明M-EEMD能够成功地将内燃机气门拍击引起的机械激励成分与燃烧激励成分分离。 展开更多

关键词 内燃机 气门拍击 燃烧 激励分离 改进的集总平均经验模态分解

在线阅读 下载PDF 职称材料

基于集总经验模态分解和极坐标表示的瞬时转速诊断方法 被引量：4

5

作者 王帅 向阳 王磊 《中国机械工程》 EI CAS CSCD 北大核心 2017年第15期1848-1853,1861,共7页

为解决瞬时转速方法在诊断多缸中高速V型机发生失火故障时,存在的特征参数难以提取、诊断精度不高等问题,以发火间隔角不均匀的某V12柴油机为对象,进行了基于集总经验模态分解(EEMD)和极坐标表示的诊断方法研究。结果表明:构成本征模态... 为解决瞬时转速方法在诊断多缸中高速V型机发生失火故障时,存在的特征参数难以提取、诊断精度不高等问题,以发火间隔角不均匀的某V12柴油机为对象,进行了基于集总经验模态分解(EEMD)和极坐标表示的诊断方法研究。结果表明:构成本征模态函数IMF6分量的主频率为8.3Hz(0.5谐次),经过EEMD分解提取了0.5谐次成分,其幅值可作为判别单缸失火故障的特征值;将0.5谐次相位及其变化规律与极坐标表示结合,能够直观准确地定位故障。 展开更多

关键词 集总经验模态分解 瞬时转速 单缸失火 极坐标表示 故障定位

在线阅读 下载PDF 职称材料

CEEMD-FastICA-CWT联合瞬态响应阶次的电驱总成噪声源识别 被引量：2

6

作者 张威 景国玺 +2 位作者 武一民 杨征睿 高辉 《中国测试》 CAS 北大核心 2024年第4期144-152,共9页

以某增程式电驱动总成为研究对象,提出基于联合算法的噪声分离识别模型。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)联合快速独立分量分析(fast independent component analysis,FastI... 以某增程式电驱动总成为研究对象,提出基于联合算法的噪声分离识别模型。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)联合快速独立分量分析(fast independent component analysis,FastICA)方法提取纯电模式稳态工况下单一通道噪声信号特征,利用复Morlet小波变换及FFT对各分量信号时频特性进行识别。其次,采用阶次分析法和声能叠加法对稳态分量信号对应的各瞬态响应阶次能量进行对比分析,并结合皮尔逊积矩相关系数(Pearson product moment correlation coefficient,PPMCC)相似性识别确定不同噪声激励源贡献度。结果表明:减速齿副啮合噪声对该增程式电驱总成纯电模式运行噪声整体贡献度最大。 展开更多

关键词 电驱动总成 噪声源识别 互补集合经验模态分解 快速独立分量分析 连续小波变换 阶次分析

在线阅读 下载PDF 职称材料

基于ICEEMDAN分解重构的BiLSTM-KELM短期电力负荷预测 被引量：1

7

作者 王晨 李又轩 +2 位作者 王淑侠 邬蓉蓉 吴其琦 《科学技术与工程》 北大核心 2024年第32期13836-13843,共8页

短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分... 短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)和排列熵(permutation entropy,PE)重构部分,以及双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)与核极限学习(kernel extreme learning machine,KELM)预测部分。首先,使用ICEEMDAN将复杂的负荷数据分解成n个相对平稳的子序列,从而降低数据的随机性,并引入排列熵来计算每个子序列的PE值来进行重构,有效减小了模型的计算规模。其次,采用BiLSTM模型来挖掘数据之间的内在联系,对各个重构序列进行学习和预测。最后,利用KELM对重构序列的预测值进行非线性拟合,进一步提高预测精度。实验结果表明:ICEEMDAN-PE-BiLSTM-KELM模型比传统长短期记忆神经网络(long short-term memory,LSTM)模型的均方根误差(root mean square error,RMSE)降低了106.05 MW,平均绝对误差(mean absolute error,MAE)降低了62.34 MW,平均绝对百分比误差(mean absolute percentage error,MAPE)降低了0.877%,可见该模型能够更好地解决数据的复杂性和随机性,同时提高预测精度。 展开更多

关键词 短期电力负荷预测 改进的自适应噪声完备集经验模态分解(ICEEMDAN) 排列熵(PE) 双向长短期记忆神经网络(BiLSTM) 核极限学习(KELM)

在线阅读 下载PDF 职称材料

基于EEMD形态谱和KFCM聚类集成的滚动轴承故障诊断方法研究 被引量：27

8

作者 郑直 姜万录 +2 位作者 胡浩松 朱勇 李扬 《振动工程学报》 EI CSCD 北大核心 2015年第2期324-330,共7页

针对滚动轴承的故障诊断问题,提出了一种基于集总经验模态分解(EEMD)、形态谱特征提取和核模糊C均值聚类(KFCMC)集成的故障诊断新方法。首先,对实测的滚动轴承振动信号进行EEMD分解,得到若干个代表不同振动模态的内禀模态函数(IMF);其次... 针对滚动轴承的故障诊断问题,提出了一种基于集总经验模态分解(EEMD)、形态谱特征提取和核模糊C均值聚类(KFCMC)集成的故障诊断新方法。首先,对实测的滚动轴承振动信号进行EEMD分解,得到若干个代表不同振动模态的内禀模态函数(IMF);其次,基于峭度、能量和均方差三个评价指标,从分解得到的若干个IMF分量中选出含有故障特征信息最丰富的3个IMF分量作为诊断用的数据源;然后在选定尺度范围内提取每个IMF分量的形态谱平均值,将三个形态谱平均值构成一个三维特征向量,作为一个样本,形成样本集;最后,利用KFCMC完成对滚动轴承不同故障的分类识别。此外,为了对比说明该方法的识别效果,还将振动信号用经验模态分解(EMD)方法进行分解,用模糊C均值聚类(FCMC)进行分类识别,结果表明所提方法的识别效果要优于EMD形态谱和FCMC相结合的方法。通过对实测的滚动轴承振动信号的实验验证,表明该方法可以实现对滚动轴承故障的有效诊断。 展开更多

关键词 故障诊断 滚动轴承 集总经验模态分解 形态谱 核模糊 C 均值聚类

在线阅读 下载PDF 职称材料

农机总动力增长波动影响因素分析 被引量：19

9

作者 鞠金艳 赵林 王金峰 《农业工程学报》 EI CAS CSCD 北大核心 2016年第2期84-91,91+90,共8页

为了明确农机总动力增长波动变化的特征,分析不同因素对农机总动力增长波动影响的大小,进而采取有效的措施来稳定和加快农机总动力增长。针对农机总动力增长波动的复杂性与非线性的特点,采用经验模态分解法对1986-2013年农机总动力增长... 为了明确农机总动力增长波动变化的特征,分析不同因素对农机总动力增长波动影响的大小,进而采取有效的措施来稳定和加快农机总动力增长。针对农机总动力增长波动的复杂性与非线性的特点,采用经验模态分解法对1986-2013年农机总动力增长及其影响因素进行多层次、多尺度分解,得到各本征模态函数分量和趋势量,并采用集对分析理论分析农机总动力增长各本征模态函数分量与其相对应影响因素之间的联系度,进而计算得到各影响因素对农机总动力增长波动的综合影响率。结果表明,政府投入、劳均(每个劳动力)播种面积、燃料价格指数、粮食单产、非农产业的发展和第一产业从业人员数对农机总动力增长波动的综合影响率分别为23.89%、23.73%、23.67%、7.13%、7.41%和14.17%,农民人均纯收入、农业劳均产值、机械化农具价格指数、初中文化以上农村劳动力比例4个影响因素对农机总动力增长波动不产生影响,只对增长趋势量有影响。该研究成果为农业机械化发展政策的调整和制定提供了参考。 展开更多

关键词 农业机械 信号分析 粮食 农机总动力 经验模态分解法 集对分析 影响因素 综合影响率

在线阅读 下载PDF 职称材料

基于HLS-SVDR和SPPCS的CEEMD的滚动轴承微故障特征提取 被引量：3

10

作者 徐波 周凤星 +2 位作者 马娅婕 严保康 黎会鹏 《振动．测试与诊断》 EI CSCD 北大核心 2019年第1期136-146,226-227,共12页

针对互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理非平稳随机信号时能够有效地消除模态混叠,却仍然存在包络拟合过冲/欠冲和端点效应问题,提出了同伦-最小二乘支持向量双回归(homotopy ... 针对互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理非平稳随机信号时能够有效地消除模态混叠,却仍然存在包络拟合过冲/欠冲和端点效应问题,提出了同伦-最小二乘支持向量双回归(homotopy least squares-support vector double regression,简称HLS-SVDR)的保形分段三次样条(shape-preserving piecewise cubic spline,简称SPPCS)的完备CEEMD改进方法。首先,使用SPPCS插值法消除在构造上、下包络曲线过程中产生的拟合过冲/欠冲问题,获得有效的包络线;其次,使用HLS-SVDR对各层信号极值点的包络均值曲线两端进行左、右预测覆盖以抑制端点效应;最后,将该方法用于滚动轴承的微故障特征提取的实例分析中。实验结果表明,该方法能够更有效地提取滚动轴承微故障特征,实现了一种既保持CEEMD原有特性,同时又能够抑制过冲/欠冲和端点效应的完备CEEMD算法。 展开更多

关键词 完备互补集总经验模态分解 过冲/欠冲 端点效应 保形分段三次样条 同伦-最小二乘支持向量双回归 微故障特征提取

在线阅读 下载PDF 职称材料

基于自适应CEEMD方法的电能质量扰动检测与分析 被引量：12

11

作者 胡明 郭健鹏 +1 位作者 李富强 刘建华 《电力系统保护与控制》 EI CSCD 北大核心 2018年第21期103-110,共8页

针对现有时频分析方法处理非线性、非稳态信号自适应性的不足,提出了一种自适应互补集总经验模态分解(ACEEMD)方法。该方法通过对加噪辅助分解方法噪声准则的研究,引入相关均方根误差与信噪比两个参数作为加噪评价指标,自适应确定最优... 针对现有时频分析方法处理非线性、非稳态信号自适应性的不足,提出了一种自适应互补集总经验模态分解(ACEEMD)方法。该方法通过对加噪辅助分解方法噪声准则的研究,引入相关均方根误差与信噪比两个参数作为加噪评价指标,自适应确定最优加噪幅值和集总分解次数。且加入的噪声以正负成对的形式加到目标信号中,克服了原始分解方法存在的模态混叠问题、端点效应以及残余噪声大的缺点。最后将改进的方法与Hilbert变换相结合运用在电能质量扰动检测中,通过仿真实验验证所提方法既可以有效提取扰动的频率、幅值等特征参数,也可以准确定位扰动的时间,为电能质量检测与分析提供了一种新思路。 展开更多

关键词 电能质量扰动 互补集总经验模态分解 加噪参数优化 自适应性 特征提取

在线阅读 下载PDF 职称材料

基于MEEMD的内燃机辐射噪声贡献 被引量：15

12

作者 郑旭 郝志勇 +1 位作者 金阳 卢兆刚 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2012年第5期954-960,共7页

为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解(MEEMD)方法.通过仿真试验,对比MEEMD与传统经验模态分解(EMD)和集总平均经验模态分解(EEMD)的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不... 为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解(MEEMD)方法.通过仿真试验,对比MEEMD与传统经验模态分解(EMD)和集总平均经验模态分解(EEMD)的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不仅能够抑制模态混叠问题,而且能够解决模态分裂等问题.采用MEEMD方法对内燃机振动成分对辐射噪声的贡献进行研究,以一个4缸4冲程内燃机为例,对标定工况下的缸盖罩振动信号和缸盖罩近场噪声信号进行MEEMD分解,并对分解得到的本征模态函数(IMF)进行时频分析,研究对辐射噪声贡献大的振动成分的来源.研究结果表明,通过MEEMD方法能够得到对内燃机辐射噪声贡献大的振动成分,并且准确确定其来源. 展开更多

关键词 内燃机 振动信号 噪声信号 改进的集总平均经验模态分解 时频分析

在线阅读 下载PDF 职称材料

基于自适应CEEMD的非平稳信号分析方法 被引量：8

13

作者 徐波 黎会鹏 +3 位作者 周凤星 严保康 严丹 刘毅 《振动．测试与诊断》 EI CSCD 北大核心 2020年第1期54-61,203,共9页

由于标准的互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理模态混叠问题时缺乏自适应性,其本质是分解信号获得的本征模态函数(intrinsic mode function,简称IMF)之间产生了一定的信息耦... 由于标准的互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理模态混叠问题时缺乏自适应性,其本质是分解信号获得的本征模态函数(intrinsic mode function,简称IMF)之间产生了一定的信息耦合现象,使IMF分量不能正确地反映信号的真实成分。因此,提出了在使用CEEMD分解信号的过程中嵌入网格搜索算法(grid search algorithm,简称GSA),以最小二乘互信息(least squares mutual information,简称LSMI)为网格搜索算法的适应度函数,构造一个自适应CEEMD方法。该算法通过自适应地搜索最佳的白噪声幅值,修正信号分解过程中产生的少量的耦合频率成分,确保每个IMF分量之间信息的正交性,以进一步抑制模态混叠问题。最后,通过仿真实验验证了该方法的有效性,并将该方法用于提取滚动轴承微故障的特征频率。实验结果表明,该算法在滚动轴承的微故障特征提取应用中具有更少的迭代数、IMF分量以及相对更小的计算量。 展开更多

关键词 互补集总经验模态分解 模态混叠 最小二乘互信息 网格搜索算法 微故障特征提取

在线阅读 下载PDF 职称材料

基于EEMD-HT与LSSVM的柴油机辐射噪声品质预测技术 被引量：6

14

作者 毕凤荣 李琳 +1 位作者 张剑 马腾 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2017年第1期28-34,共7页

为了预测柴油机辐射噪声品质,采用基于集总经验模态分解(EEMD)、希尔伯特变换(HT)与最小二乘支持向量机(LSSVM)相结合的柴油机辐射噪声品质预测方法.该方法先采集柴油机辐射噪声信号,进行滤波和EEMD,再用HT得到相应的特征模态函数(IMF)... 为了预测柴油机辐射噪声品质,采用基于集总经验模态分解(EEMD)、希尔伯特变换(HT)与最小二乘支持向量机(LSSVM)相结合的柴油机辐射噪声品质预测方法.该方法先采集柴油机辐射噪声信号,进行滤波和EEMD,再用HT得到相应的特征模态函数(IMF)分量的瞬时频率并对其进行临界频率带计权,最后计算其能量得到声音信号特征作为输入;用等级评分法对柴油机辐射噪声进行主观评价试验,把主观评价值作为输出;利用LSSVM训练得到预测模型.同时,以心理声学客观参数作为LSSVM的输入,建立另一个预测模型.分别用两个预测模型进行预测,结果表明基于EEMD-HT与LSSVM的柴油机辐射噪声品质预测模型具有更高的声品质预测精度,即更加接近人的主观感受. 展开更多

关键词 辐射噪声 声品质 集总经验模态分解 希尔伯特变换 最小二乘支持向量机 预测模型

在线阅读 下载PDF 职称材料

微弱信号检测的变尺度Duffing振子方法 被引量：10

15

作者 行鸿彦 吴慧 刘刚 《电子学报》 EI CAS CSCD 北大核心 2020年第4期734-742,共9页

针对强噪声背景下微弱信号检测问题,本文把互补集总经验模式分解(CEEMD)方法和变尺度Duffing振子结合,提出了一种新的微弱信号检测方法.利用CEEMD将复杂含噪信号分解为不同的固有模态函数(IMF),通过Duffing系统分岔图及其变化找到相轨... 针对强噪声背景下微弱信号检测问题,本文把互补集总经验模式分解(CEEMD)方法和变尺度Duffing振子结合,提出了一种新的微弱信号检测方法.利用CEEMD将复杂含噪信号分解为不同的固有模态函数(IMF),通过Duffing系统分岔图及其变化找到相轨迹变化的临界阈值,实现含噪信号的信息检测.结果表明,本文所提方法不仅可以很好地免疫噪声,而且能有效检测出信噪比低至-73dB的多频率周期信号. 展开更多

关键词 微弱信号检测 混沌 分岔图 互补集总经验模式分解方法

在线阅读 下载PDF 职称材料

基于MEEMD-AIC的簇绒地毯织机噪声源识别方法 被引量：4

16

作者 徐洋 张晓蕾 +2 位作者 盛晓伟 赵锦艳 孙志军 《振动．测试与诊断》 EI CSCD 北大核心 2018年第6期1176-1181,1292,共7页

簇绒地毯织机噪声信号由多个噪声源信号混叠而成,为实现簇绒地毯织机噪声源识别,提出了一种基于改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)和赤池信息量准则(Akaike information criterion,... 簇绒地毯织机噪声信号由多个噪声源信号混叠而成,为实现簇绒地毯织机噪声源识别,提出了一种基于改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)和赤池信息量准则(Akaike information criterion,简称AIC)的噪声源识别方法。首先,利用MEEMD将测得的噪声信号分解为有限个本征模态函数(intrinsic mode function,简称IMF)分量;其次,对分量矩阵的协方差矩阵进行奇异值分解(singular value decomposition,简称SVD),得到矩阵特征值;然后,利用AIC准则估计有效分量的个数,同时结合能量特征指标和皮尔逊相关系数法筛选出有效分量;最后,对筛选出的有效分量逐一进行时频分析,实现簇绒地毯织机噪声源识别。结果表明,耦联轴系中钩轴振动是簇绒地毯织机最主要的噪声源,该方法适用于簇绒地毯织机噪声源识别,对实现簇绒地毯织机主动降噪提供了理论支持。 展开更多

关键词 改进集总平均经验模态分解 赤池信息量准则 簇绒地毯织机 噪声源识别

在线阅读 下载PDF 职称材料

大跨斜拉桥北斗监测挠度温度效应分离研究 被引量：5

17

作者 谭冬梅 聂顺 +2 位作者 瞿伟廉 刘晓飞 吴浩 《建筑科学与工程学报》 CAS 北大核心 2019年第5期71-79,共9页

针对大跨斜拉桥北斗监测挠度温度效应分离问题,提出先利用挠度数据的周期特性,在挠度数据首尾分别进行波形延拓,在进行小波分解后所得小波细节中剔除高幅值车载作用挠度得到残余分量,将其与小波系数重构得到预降噪挠度,最后将预降噪挠... 针对大跨斜拉桥北斗监测挠度温度效应分离问题,提出先利用挠度数据的周期特性,在挠度数据首尾分别进行波形延拓,在进行小波分解后所得小波细节中剔除高幅值车载作用挠度得到残余分量,将其与小波系数重构得到预降噪挠度,最后将预降噪挠度进行小波分解来实现挠度数据的高精度降噪;得到降噪挠度后,利用改进的集总平均经验模态分解(MEEMD)良好的可抑制分解过程中产生模态混叠的特性,将降噪挠度进行MEEMD分解,接着将所得日温差和年温差效应第1个半周期通过对称置换得高精度日温差和年温差效应,最后将降噪挠度剔除高精度日温差和年温差效应后所得残余分量再次进行MEEMD分解,所得趋势部分即为长期挠度,从而实现日温差效应、年温差效应、长期挠度的逐步分离。结果表明:波形延拓+预降噪+小波分解的降噪算法比传统单一降噪算法精度更高;温度效应分离算法能实现挠度温度效应各周期成分的精确分离,适合大跨斜拉桥北斗监测挠度温度效应分离。 展开更多

关键词 波形延拓 小波分解 改进的集总平均经验模态分解 温度效应

在线阅读 下载PDF 职称材料

改进CEEMD-SVM的轴承故障识别方法及其应用 被引量：5

18

作者 谢素超 李雅鑫 谭鸿创 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第8期3192-3202,共11页

由于现场条件限制,用于列车轴承故障诊断的故障数据样本量较少且多为不平衡数据集,为了及时准确地识别轴承故障,提出一种基于互补经验模态分解-支持向量机(Complementary ensemble empirical modal decomposition-support vector machin... 由于现场条件限制,用于列车轴承故障诊断的故障数据样本量较少且多为不平衡数据集,为了及时准确地识别轴承故障,提出一种基于互补经验模态分解-支持向量机(Complementary ensemble empirical modal decomposition-support vector machine,CEEMD-SVM)的故障识别方法并将其用于轴承不平衡数据集识别。采用CCEMD分解信号,得到不同频率的本征模态函数(Intrinsic mode function,IMF),对IMF分量进行相关性筛选处理后再重构,实现降噪处理。计算降噪后信号的时频域特征值以及能量,选取贡献度较大的特征值作为特征向量构成训练集和测试集,输入改进后的支持向量机分类器及AFSA-SVM分类器中进行学习和测试,分别在2个数据集中构造了小样本平衡和不平衡数据组进行了3组实验,用于测试该方法的鲁棒性和泛化性能。研究结果表明:在只含有单种类型故障时,CEEMD-AFSA-SVM的识别准确率能够达到100%。当有复合故障时,识别准确率达到99.8%,且在训练样本仅占10%时也能达到99%以上的识别精度,识别精度超过了深度学习网络。对不平衡样本集的平均识别精度达到99.3%,优于其他模型。研究成果为列车轴承故障识别提供一种简单有效的方法,可应用于列车故障智能诊断。 展开更多

关键词 滚动轴承 故障诊断 互补集合经验模态分解 不平衡数据集 支持向量机

在线阅读 下载PDF 职称材料

基于MEEMD-SDP图像特征和DRN的行星齿轮箱故障诊断 被引量：6

19

作者 陈友广 陈云 谢鲲鹏 《机电工程》 CAS 北大核心 2022年第5期662-667,共6页

在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(M... 在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(MEEMD)方法对齿轮振动信号进行了分解,获得了能够反映齿轮振动信号信息的固有模态函数(IMF);然后,通过对称点图案(SDP)分解方法提取了IMF分量,将其变换到极坐标下的雪花图像特征,并组成了特征向量;最后,引入深度残差网络(DRN)模型,实现了对行星齿轮箱齿轮不同故障的识别与分类,同时将其与卷积神经网络(CNN)模型进行了对比,并在东南大学公开的齿轮箱数据集上进行了不同模型对齿轮状态故障识别准确率的对比实验。研究结果表明:SDP图像特征能够全面表征齿轮的状态信息,相较于CNN模型,采用DRN模型对齿轮进行诊断得到的平均准确率有明显提高,可达到98.1%,能验证基于MEEMD-SDP图像特征和深度残差网络方法的有效性;研究结果对提升现有行星齿轮箱齿轮故障识别的准确率具有一定的价值。 展开更多

关键词 齿轮传动 固有模态函数 改进的集总平均经验模态分解 对称点图案 图像特征 深度残差网络

在线阅读 下载PDF 职称材料

基于EEMD-Hilbert谱的气液两相流钝体绕流流型识别 被引量：13

20

作者 陈露阳 尹佳雯 +2 位作者 孙志强 姚凤艳 周天 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第10期2536-2546,共11页

为了有效识别气液两相流的流型,以水和空气为实验介质,以涡街流量计为元件诱发钝体绕流,通过管壁差压法获取气液两相流钝体绕流的尾迹波动信号,采用集总经验模态分解对信号进行分解,通过Hilbert变换得到Hilbert边际谱,利用最大互相关系... 为了有效识别气液两相流的流型,以水和空气为实验介质,以涡街流量计为元件诱发钝体绕流,通过管壁差压法获取气液两相流钝体绕流的尾迹波动信号,采用集总经验模态分解对信号进行分解,通过Hilbert变换得到Hilbert边际谱,利用最大互相关系数法对固有模态函数进行筛选,选取特征固有模态函数能量比分别与体积含气率、两相雷诺数构建流型图。结果表明,构建的两类新流型图对单相水、泡状流、塞状流、弹状流等典型流型的识别率分别可达91.67%和88.89%,能较好地满足工程实际应用的需求。 展开更多

关键词 气液两相流 钝体绕流 流型识别 集总经验模态分解 HILBERT变换

在线阅读 下载PDF 职称材料