抵抗低频高能噪声影响的海上风电结构模态参数识别方法研究

1

作者 董霄峰 时泽坤 彭泓浩 《振动与冲击》 北大核心 2025年第9期214-222,265,共10页

模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识... 模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识别方法(CEEMDAN-VMD-SSI,CVS)。首先,利用完全自适应噪声集合经验模态分解法(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)滤除原始信号中的高频噪声;随后,通过麻雀优化算法(sparrow’s optimization algorithm, SSA)以最小包络熵作为适应度函数迭代计算自适应确定变分模态分解法(variational mode decomposition, VMD)的信号分解层数K和惩罚因子α,实现信号的VMD自适应优化分解以剔除低频高能噪声影响;最后,再采用随机子空间方法实现信号中模态参数的识别提取。研究分别针对构造仿真含噪信号和原型观测信号开展了识别效果对比验证。结果表明:相比于传统模态识别方法,CVS方法在信噪比、波形相似系数、相对误差等参数方面具有更好的有效性和精确性;同时,该方法对实测信号的处理能力强,降噪效果好,能够准确识别结构固有频率、叶轮转动频率(1P)和叶片扫掠频率(3P),具有良好的工程适用性,为后续基于实测数据开展海上风电结构模态参数识别与运行安全评价提供了新思路。 展开更多

关键词 海上风电 模态参数识别 低频高能噪声 完全自适应噪声集合经验模态分解(ceemdan) 变分模态分解法(VMD)

在线阅读 下载PDF 职称材料

集成经验模态分解与深度学习的用户侧净负荷预测算法 被引量：50

2

作者 刘友波 吴浩 +3 位作者 刘挺坚 杨智宇 刘俊勇 李秋航 《电力系统自动化》 EI CSCD 北大核心 2021年第24期57-64,共8页

随着用户侧分布式能源发电容量增长,配电网净负荷需求预测面临着更大困难。为此,提出一种改进的自适应噪声的完全集成经验模态分解(CEEMDAN)和深度信念网络(DBN)结合的用户侧净负荷预测方法。首先,通过CEEMDAN将原始净负荷数据分解为若... 随着用户侧分布式能源发电容量增长,配电网净负荷需求预测面临着更大困难。为此,提出一种改进的自适应噪声的完全集成经验模态分解(CEEMDAN)和深度信念网络(DBN)结合的用户侧净负荷预测方法。首先,通过CEEMDAN将原始净负荷数据分解为若干个频率、幅值不一的本征模态函数(IMF)。然后,配合机器学习智能算法,使用DBN逐一对各个IMF分量进行特征提取和时序预测。最后,将多个目标预测结果累加得到最终用户侧短期净负荷预测结果。采用某地区实际数据进行算例分析,验证了所提CEEMDAN-DBN独立预测模型与直接预测相比,能够辨识各频率负荷分量特性,提高分布式能源与负荷耦合性增强背景下的负荷预测精度。 展开更多

关键词 净负荷预测 自适应噪声的完全集成经验模态分解 深度信念网络 时序预测

在线阅读 下载PDF 职称材料

基于二次模态分解的LSTM短期电力负荷预测 被引量：12

3

作者 张淑娴 江文韬 +3 位作者 陈玉花 杨晓东 金丰 白莉 《科学技术与工程》 北大核心 2024年第7期2759-2766,共8页

为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始... 为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始负荷序列进行自适应噪声的完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),再将CEEMDAN分解后分量中的强非平稳分量进行变分模态分解(variational mode decomposition, VMD),同时用中心频率法对VMD分解个数进行优化,然后将两次分解后得到的负荷子序列送入LSTM中进行预测,并将所得分量预测结果进行叠加。结果表明,本文所提方法对短期电力负荷预测结果精度和模型性能都有较大提升。 展开更多

关键词 短期负荷预测 二次模态分解 自适应噪声的完全集合经验模态分解(ceemdan) 变分模态分解(VMD) 长短期记忆网络(LSTM)

在线阅读 下载PDF 职称材料

融合 OCEEMDAN的多模态互量纲一化与宽度学习改进的智能故障诊断

4

作者 李春林 陈滢 +3 位作者 胡钦太 柳琼青 熊建斌 张清华 《机床与液压》 北大核心 2024年第8期179-188,共10页

滚动轴承作为旋转机械的重要组成部分,在恶劣环境运行导致振动信号具有非线性和非平稳的特点,使得区分故障信号和正常信号变得困难。针对此,提出一种结合多模态互量纲一化(MMDI)与宽度学习系统(BLS)的智能故障诊断方法。通过优化完全自... 滚动轴承作为旋转机械的重要组成部分,在恶劣环境运行导致振动信号具有非线性和非平稳的特点,使得区分故障信号和正常信号变得困难。针对此,提出一种结合多模态互量纲一化(MMDI)与宽度学习系统(BLS)的智能故障诊断方法。通过优化完全自适应噪声集合经验模态(OCEEMDAN)与小波阈值对轴承观测信号进行分解处理,对有效的本征模态函数(IMF)重构并提取MDI,构建了一批MMDI;采用反向传播算法(BP)与堆叠模块方式优化BLS,改进的BLS算法能够快速识别不同的故障类型;最后通过凯斯西储大学轴承数据中心与某实验室提供的轴承数据集对所提方法进行验证,平均准确率分别为99.8%与100%,验证了方法的有效性。 展开更多

关键词 完全自适应噪声集合经验模态分解(ceemdan) 特征提取 互量纲一化指标 宽度学习系统(BLS) 故障诊断

在线阅读 下载PDF 职称材料

基于改进经验模态分解和支持向量机的短期风速组合预测 被引量：8

5

作者 韩世浩 孙树敏 +4 位作者 程艳 王士柏 吕志超 赵志澎 邵泰衡 《科学技术与工程》 北大核心 2019年第36期172-178,共7页

为更精确地进行风速预测,提出一种利用带自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法和蝙蝠算法(bat algorithm,BA)优化支持向量机(support vector machine,S... 为更精确地进行风速预测,提出一种利用带自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法和蝙蝠算法(bat algorithm,BA)优化支持向量机(support vector machine,SVM)的组合短期风速预测方法。首先用CEEMDAN对原始风速时间序列进行分解,得到一系列不同频率的子序列;其次,使用BA-SVM组合模型预测对分解后的各个子序列分别进行预测;最后,将各子序列的预测结果叠加得到风速预测值。仿真结果表明,该模型提高了预测精度,减小了误差。 展开更多

关键词 风速预测 带自适应噪声的完全集成经验模态分解(ceemdan) 蝙蝠算法 支持向量机 组合模型

在线阅读 下载PDF 职称材料

基于CEEMDAN-LSTM的管道输送稀饲料浓度研究

6

作者 于慧泽 刘玉健 +1 位作者 刘涛 许少鹏 《饲料工业》 北大核心 2025年第10期8-18,共11页

为解决管道输送稀饲料过程中稀饲料浓度难以检测的问题,提出一种基于完全自适应噪声完备集合经验模态分解(CEEMDAN)与长短期记忆神经网络(LSTM)相组合的分类预测方法。该方法先通过CEEMDAN分解算法,将采集到的声音信号和振动信号分解为... 为解决管道输送稀饲料过程中稀饲料浓度难以检测的问题,提出一种基于完全自适应噪声完备集合经验模态分解(CEEMDAN)与长短期记忆神经网络(LSTM)相组合的分类预测方法。该方法先通过CEEMDAN分解算法,将采集到的声音信号和振动信号分解为多层具有不同特征的子序列分量本征模态函数(intrinsic mode function,IMF),然后分别建立LSTM网络模型进行单步预测,最后通过叠加预测结果得出管道输送稀饲料浓度最终预测值。结果表明:CEEMDAN分解算法优于经验模态分解(empirical mode decomposition,EMD)和集合经验模态分解(ensemble empirical mode decomposition,EEMD)算法,可克服EMD模态混叠现象和EEMD带来的冗余噪声影响。CEEMDAN-LSTM模型分类预测振动信号的平均绝对误差(mean absolute error,MAE)指标为0.001、均方根误差(root mean square error,RMSE)指标为0.001,分类预测声音信号的MAE指标为0.036、RMSE指标为0.044。相较神经网络(back propagation,BP)、长短期记忆网络、支持向量回归(support vector machines,SVM)等分类预测模型具有更高的准确性。该方法可在管道输送稀饲料时精确预测其浓度提供理论依据,具有一定的实际应用意义。 展开更多

关键词 管道输送 浓度 完全自适应噪声完备集合经验模态分解(ceemdan) 长短期记忆神经网络(LSTM) 分类预测

在线阅读 下载PDF 职称材料

基于Transformer和ARMA双数据驱动模型的抽水蓄能机组劣化趋势集成预测

7

作者 钟子威 祝令凯 +3 位作者 郭俊山 郑威 巩志强 商攀峰 《水电能源科学》 北大核心 2025年第3期191-195,共5页

为更精准地预测抽水蓄能机组劣化趋势,提出了一种基于Transformer和自回归滑动平均(ARMA)双数据驱动模型的抽水蓄能机组劣化趋势集成预测方法。该方法先利用完全自适应噪声集成经验模态分解对CatBoost模型构建的劣化序列进行分解,再根... 为更精准地预测抽水蓄能机组劣化趋势,提出了一种基于Transformer和自回归滑动平均(ARMA)双数据驱动模型的抽水蓄能机组劣化趋势集成预测方法。该方法先利用完全自适应噪声集成经验模态分解对CatBoost模型构建的劣化序列进行分解,再根据分解所得分量的不同时间尺度特性,利用Transformer模型对非线性分量进行预测,利用ARMA模型对线性分量进行预测,最后将预测值叠加得到最终预测结果。利用某抽水蓄能机组监测数据进行试验,结果表明,所提方法具有较好的预测性能,能够有效提高抽水蓄能机组劣化趋势预测准确性。 展开更多

关键词 劣化趋势预测 完全自适应噪声集成经验模态分解 TRANSFORMER 自回归滑动平均

在线阅读 下载PDF 职称材料

基于CEEMDAN-能量序列和优化DBN的微电网孤岛检测

8

作者 余飞鸿 吴杰 +3 位作者 夏岩 常政威 熊兴中 陈仁钊 《控制工程》 北大核心 2025年第7期1300-1310,共11页

传统微电网孤岛检测方法中,被动法存在检测盲区大、阈值设定难的问题,主动法存在干扰电能质量的问题。因此,提出一种基于自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDA... 传统微电网孤岛检测方法中,被动法存在检测盲区大、阈值设定难的问题,主动法存在干扰电能质量的问题。因此,提出一种基于自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)-Teager-Kaiser能量算子(Teager-Kaiser energy operator,TKEO)和优化深度置信网络(deep belief network,DBN)的微电网孤岛检测方法。首先,使用CEEMDAN算法分解公共耦合点处的电压和电流信号,得到一系列本征模态函数(intrinsic mode function,IMF),并计算相关系数,确定有效IMF;其次,对有效IMF进行乘积融合,采用TKEO计算融合后的IMF的能量序列,得到重构的孤岛特征;最后,利用粒子群优化算法优化DBN,将提取的特征输入优化后的DBN中进行训练与测试。实验结果表明,所提方法能有效区分不同工况下的孤岛和非孤岛状态,检测准确率可达到99.52%,检测时间为25.326 ms,且抗噪声能力较强。 展开更多

关键词 孤岛检测 自适应噪声的完全集成经验模态分解 Teager-Kaiser能量算子 粒子群优化算法 深度置信网络

在线阅读 下载PDF 职称材料

基于状态划分和集成学习的轴承剩余使用寿命预测模型 被引量：2

9

作者 胡志辉 王绪光 +2 位作者 王贡献 张腾 李帅琦 《机电工程》 CAS 北大核心 2024年第8期1423-1430,共8页

针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警... 针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警范围,结合连续触发机制自适应确定DST;然后,采用具有自适应噪声的完全集成经验模态分解(CEEMDAN)对退化阶段信号序列进行了自适应分解;最后,构建了集成学习模型,考虑分量的不同特性进行了多步滚动预测,融合预测结果得到了轴承RUL,采用滚动轴承XJTU-SY公开数据集进行了试验验证。研究结果表明:与基于长短时记忆神经网络(LSTM)、反向传播神经网络(BPNN)的预测方法相比,该方法预测结果的平均绝对误差分别降低了11.7%以及5.6%,相对均方根误差分别降低了12.2%以及10.7%,验证了该方法在轴承RUL预测中的有效性和优越性。 展开更多

关键词 滚动轴承剩余使用寿命 退化起始时间 自适应DST状态划分 集成学习模型 退化特征提取 具有自适应噪声的完全集成经验模态分解 长短时记忆神经网络

在线阅读 下载PDF 职称材料

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：15

10

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) 小波包自适应阈值降噪 快速傅里叶变换(FFT)

在线阅读 下载PDF 职称材料

基于CEEMDAN和ICA的油气勘探大地电磁噪声消除方法 被引量：3

11

作者 曹小玲 唐新功 蒋涛 《石油地球物理勘探》 EI CSCD 北大核心 2023年第3期740-750,共11页

大地电磁(MT)信号中的噪声会严重影响大地电磁勘探的观测数据,导致后续反演、解释工作出现严重偏差,影响油气勘探效果。为此,提出了一种基于带自适应噪声的完全集合经验模态分解(CEEMDAN)和独立分量分析(ICA)的噪声消除方法。该方法将... 大地电磁(MT)信号中的噪声会严重影响大地电磁勘探的观测数据,导致后续反演、解释工作出现严重偏差,影响油气勘探效果。为此,提出了一种基于带自适应噪声的完全集合经验模态分解(CEEMDAN)和独立分量分析(ICA)的噪声消除方法。该方法将经验模态分解(EMD)中的CEEMDAN方法与盲源分离(BSS)中的ICA方法进行有效结合。首先,利用改进的端点检测技术识别电磁信号中的有噪声信号分段;其次,利用CEEMDAN方法对其进行分解,提取具有代表性的固有模态分量(IMF)分量并进行ICA处理,达到消除噪声的目的;然后,利用获得的独立分量对有用MT信号进行逆向重构;最后,将未受噪声污染的MT信号与去噪后的有用MT信号进行拼接,获得最终的消噪后的完整MT信号。对合成信号和实测MT数据的实验结果表明,该方法能有效消除MT信号中的噪声。 展开更多

关键词 大地电磁 带自适应噪声的完全集合经验模态分解(ceemdan) 独立分量分析(ICA) 去噪

在线阅读 下载PDF 职称材料

基于ICEEMDAN和共振解调的轴承故障检测方法 被引量：1

12

作者 唐斌 池茂儒 +2 位作者 赵明花 李大柱 许文天 《铁道机车车辆》 北大核心 2024年第4期84-91,共8页

对于滚动轴承的故障检测,提出了一种基于带自适应噪声的改进完全集合经验模态分解(ICEEMDAN)和共振解调的轴承故障检测方法。通过ICEEMDAN算法,把原始振动信号分解为若干个IMF分量;选取有效IMF分量进行求和,得到重构信号;使用快速峭度... 对于滚动轴承的故障检测,提出了一种基于带自适应噪声的改进完全集合经验模态分解(ICEEMDAN)和共振解调的轴承故障检测方法。通过ICEEMDAN算法,把原始振动信号分解为若干个IMF分量;选取有效IMF分量进行求和,得到重构信号;使用快速峭度图法确定共振频带,然后以此设计相应滤波器进行滤波;使用形态学滤波方法进行共振信号的解调,然后再利用FFT得到轴承的故障特征频谱图。内、外圈故障振动数据验证结果表明,该方法能够检测出滚动轴承的故障。 展开更多

关键词 滚动轴承 带自适应噪声的改进完全集合经验模态分解(Iceemdan) 共振解调 快速峭度图 形态学滤波

在线阅读 下载PDF 职称材料

桥梁GNSS-RTK变形监测数据的CEEMDAN-WT联合降噪法 被引量：21

13

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 基于自适应噪声的完全经验模态分解(ceemdan) 小波变换(WT) 数据降噪

在线阅读 下载PDF 职称材料

基于CEEMDAN-BA-SVR-Adaboost模型的白水河滑坡位移预测 被引量：13

14

作者 李龙起 王梦云 +2 位作者 赵皓璆 王滔 赵瑞志 《长江科学院院报》 CSCD 北大核心 2021年第6期52-59,66,共9页

为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及... 为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及由IMF分项构成的波动项。首先采用BP神经网络对趋势项位移进行预测,随后利用CEEMDAN-BA-SVR-Adaboost模型对波动项进行预测,并将预测结果与CEEMDAN-PSO-SVR-Adaboost、CEEMDAN-BA-BP-Adaboost、CEEMADAN-BA-SVR、BA-SVR-Adaboost模型预测结果进行对比分析,验证本模型在位移预测方面的优越性。此外,利用CEEMDAN-BA-SVR-Adaboost模型对ZG118波动项位移进行预测,同时计算ZG93监测点最终累计预测位移。结果表明,对白水河滑坡位移进行预测时,CEEMDAN-BA-SVR-Adaboost模型具有较高的准确性和适用性。 展开更多

关键词 白水河滑坡 位移预测 自适应噪声完全集合经验模态分解(ceemdan) 蝙蝠算法(BA) 支持向量回归机(SVR) 集成学习

在线阅读 下载PDF 职称材料

一种CEEMDAN联合双树复小波的水质紫外-可见光谱去噪算法研究 被引量：4

15

作者 汪仁杰 冯鹏 +5 位作者 杨兴 安乐 黄盼 罗燕 何鹏 汤斌 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第3期976-983,共8页

紫外-可见吸收光谱法测量水质化学需氧量(COD),本质是对大量水质光谱数据建模,以此模型为基础引入待测的水质光谱数据进行预测的过程。而实测的邻苯二甲酸氢钾COD标准溶液在200~300 nm存在两个特征吸收峰,标准溶液在不同浓度下的峰值也... 紫外-可见吸收光谱法测量水质化学需氧量(COD),本质是对大量水质光谱数据建模,以此模型为基础引入待测的水质光谱数据进行预测的过程。而实测的邻苯二甲酸氢钾COD标准溶液在200~300 nm存在两个特征吸收峰,标准溶液在不同浓度下的峰值也不同,利用此特性对该波段进行特征波长的选择,用其表征光谱信息,降低数据冗余度的同时提高了预测精度。针对实测水质光谱信号容易受到仪器本身和外界干扰,光谱数据存在大量非平稳噪声,且特征吸收峰及其临近信号频率较高,常规去噪算法直接舍弃高频信号以及无法准确判断信噪分量界限,导致有效信号缺失这一实际问题。提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)和双树复小波变换(DT-CWT)的联合去噪算法。该联合算法利用CEEMDAN将信号分解为本征模态函数(IMF),并通过归一化自相关函数和互相关系数进行线性相关性分析,得到各阶IMF分量之间的自相关性以及IMF分量与原始信号的互相关系数,以确定高频含噪分量与低频信号分量的界限;进而应用DT-CWT阈值去噪算法对含噪高频IMF分量进行处理,将DT-CWT处理之后的IMF高频分量与CEEMDAN分解得到的IMF低频分量进行信号重构,获得最终去噪后的水质光谱信号。实验结果表明:基于CEEMDAN联合双树复小波变换的去噪算法适用于紫外-可见光谱水质检测的数据处理。对于化学需氧量COD标液为100 mg·L^(-1)的邻苯二甲酸氢钾溶液,将实测的紫外-可见光谱数据应用该算法去噪后的SNR=24.2015 dB,RMSE=0.0240,NCC=0.9994,PSNR=37.5736,不仅去噪效果显著优于CEEMDAN和双树复小波阈值算法,还有效地保留了原始COD标液的吸收特征峰,遏制了平移敏感性现象,提高了重构信号的平滑度,改善了重构信号质量。为紫外-可见光谱法检测水质COD提供了一种新的数据预处理方法。 展开更多

关键词 水质检测 紫外-可见光谱 完全自适应噪声集合经验模态分解(ceemdan) 双树复小波变换 相关分析

在线阅读 下载PDF 职称材料

CEEMDAN和改进多尺度熵的声音信号故障诊断 被引量：11

16

作者 付国梓 吕勇 《机械设计与制造》 北大核心 2022年第5期185-190,共6页

声音信号采集具有非接触测量的优点,但易受到附近声源的影响而含有较大噪声,不利于故障特征识别。为此,提出一种自适应噪声的完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和改... 声音信号采集具有非接触测量的优点,但易受到附近声源的影响而含有较大噪声,不利于故障特征识别。为此,提出一种自适应噪声的完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和改进多尺度熵的声音信号故障诊断方法。该方法中CEEMDAN改善了EEMD(Ensemble Empirical Mode Decomposition,EEMD)的模态混叠,针对传统多尺度熵中粗粒时间序列长度不同和数据丢失的情况,提出一种平滑粗粒化处理的改进多尺度熵。将该方法应用于行星齿轮箱故障诊断中,可以对不同状态下的声音信号进行识别分类。通过数值仿真和实验数据分析,表明了提出的方法相对于其他方法的有效性和优越性。 展开更多

关键词 自适应噪声的完全集成经验模态分解 改进多尺度熵 平滑粗粒化 故障诊断

在线阅读 下载PDF 职称材料

基于CEEMDAN-IAWT方法的滚动轴承振动信号降噪 被引量：14

17

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 自适应白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 职称材料

基于改进的极限学习机光伏出力短期预测 被引量：3

18

作者 成燕 庄飞鸯 +1 位作者 徐万万 魏婷 《现代电力》 北大核心 2023年第5期679-686,共8页

针对传统极限学习机易陷入局部最优解的缺点以及环境变化导致光伏出力波动的特点,构建了一种基于自适应噪声完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法,结合黑猩猩优化算... 针对传统极限学习机易陷入局部最优解的缺点以及环境变化导致光伏出力波动的特点,构建了一种基于自适应噪声完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法,结合黑猩猩优化算法优化极限学习机神经网络的光伏出力短期预测模型。首先利用CEEMDAN算法将影响光伏输出功率的关键环境因素序列进行分解,得到数据信号在不同时间尺度的局部特征,降低环境因素序列的非平稳性,然后将各分解子序列和光伏历史数据序列作为黑猩猩算法优化的极限学习机预测模型输入进行预测。最后,选用DKASC Solar Centre光伏电站数据集对不同预测模型进行验证对比。实例仿真结果表明,构建的改进光伏出力预测组合模型的各项指标预测效果更好,且适用不同环境的光伏发电预测。 展开更多

关键词 光伏短期预测 自适应噪声完全集成经验模态分解算法 极限学习机 黑猩猩优化算法

在线阅读 下载PDF 职称材料

基于分布式光纤的储气库井筒泄漏声波信号提取方法

19

作者 吴鹏涛 魏勇 +1 位作者 邹先坚 甘如饴 《仪表技术与传感器》 2025年第10期97-102,共6页

为解决储气库井筒泄漏初期声波信号微弱且易受干扰而造成的难以监测的问题,搭建了分布式光纤声波传感数据采集系统,并提出了一种储气库井筒泄漏声波信号的提取方法。该方法融合完全集成经验模态分解与自适应噪声、相关系数筛选和小波包... 为解决储气库井筒泄漏初期声波信号微弱且易受干扰而造成的难以监测的问题,搭建了分布式光纤声波传感数据采集系统,并提出了一种储气库井筒泄漏声波信号的提取方法。该方法融合完全集成经验模态分解与自适应噪声、相关系数筛选和小波包降噪3种算法,实现了信号从采集到提取的全过程。实验结果显示:在内套管与环空压差为0.8 MPa、泄漏孔径为2 mm的条件下,提取信号与实际信号时域平均幅值差值仅为0.03 rad,均方误差降低0.38 rad2,信噪比提升16.9 dB,频域能量分布一致,均在20~1000 Hz。实验结果表明:该方法能有效区分井筒泄漏状态并提取声波信号,为储气库安全监测提供了工程应用基础。 展开更多

关键词 井筒泄漏 分布式光纤声波传感 完全集成经验模态分解与自适应噪声 相关系数 小波包降噪 储气库

在线阅读 下载PDF 职称材料