期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于多尺度分解集成组合模型的碳价格预测研究 被引量:6
1
作者 王喜平 于一丁 《分布式能源》 2022年第1期1-11,共11页
准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成... 准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)算法对碳价原始序列进行分解,并以综合贡献度指数(comprehensive contribution index,CCI)对分量进行重构,得到短期、长期和趋势分量;然后,采用门限广义自回归条件异方差(threshold generalized auto-regressive conditional heteroscedasticity,TGARCH)模型预测短期分量,以布谷鸟搜索(cuckoo search,CS)算法优化超参数的长短期记忆(long-short term memory,LSTM)神经网络预测长期和趋势分量;在此基础上,采用非线性集成算法对各分量预测结果进行集成,得到最终的碳价预测结果。以湖北碳市场为样本数据进行实证分析,结果表明所构建的预测模型性能最优,预测结果更准确,可为监管部门和企业决策提供有效信息。 展开更多
关键词 碳价格预测 长短期记忆(LSTM)模 门限广义自回归条件异方差(TGARCH)模 改进自适应噪声完备集成经验模态(iceemdan)分解 超参数优化
在线阅读 下载PDF
基于CEEMDAN改进阈值滤波的微机电陀螺信号去噪模型 被引量:25
2
作者 张宁 刘友文 《中国惯性技术学报》 EI CSCD 北大核心 2018年第5期665-669,674,共6页
为了提高微机电系统(MEMS)陀螺信号的去噪效果,以自适应噪声的完备集成经验模态分解(CEEMDAN)方法为理论基础,并针对常规软阈值和硬阈值函数存在的不足,提出了一种基于改进阈值函数的CEEMDAN滤波去噪模型。该模型首先应用CEEMDAN方法将... 为了提高微机电系统(MEMS)陀螺信号的去噪效果,以自适应噪声的完备集成经验模态分解(CEEMDAN)方法为理论基础,并针对常规软阈值和硬阈值函数存在的不足,提出了一种基于改进阈值函数的CEEMDAN滤波去噪模型。该模型首先应用CEEMDAN方法将陀螺信号有效地分解为多个固有模态函数(IMF)分量;其次通过相关系数法判断噪声分量与有效分量的界限;进而对噪声分量进行阈值设置并使用改进阈值函数进行滤波处理;最后重构滤波处理后的噪声分量与有效分量以得到去噪后的信号。实际陀螺信号去噪试验结果显示:所提模型相对于CEEMDAN、集成经验模态分解(EEMD)、经验模态分解(EMD)强制去噪方法及小波分析方法,其信噪比提高了约3.9dB,均方根误差降低了约36%;所提模型相对于CEEMDAN结合软、硬阈值函数的去噪模型,均方根误差降低了30%以上。表明采用所提模型可以对MEMS陀螺输出信号进行有效去噪,提升去噪性能。 展开更多
关键词 微机电陀螺信号 自适应噪声 完备集成经验模态分解 改进阈值函数 滤波去噪
在线阅读 下载PDF
基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法
3
作者 许浩飞 潘存治 《国防交通工程与技术》 2024年第1期33-37,96,共6页
针对滚动轴承故障状态难以准确且快速的识别,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)-多尺度排列熵(Multi-Scale Permutation... 针对滚动轴承故障状态难以准确且快速的识别,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)-多尺度排列熵(Multi-Scale Permutation Entropy,MPE)和灰狼算法优化支持向量机(Grey Wolf Optimization Algorithm-Support Vector Machine,GWO-SVM)结合的故障诊断方法。首先将轴承信号进行ICEEMDAN分解,然后选取其中相关性较大的IMF(Intrinsic Mode Function)分量计算多尺度排列熵构成特征集合,最后通过GWO-SVM算法进行故障状态识别。通过滚动轴承数据集和不同算法的对比实验,验证了ICEEMDAN-MPE-GWO-SVM方法的有效性,表明该方法可以准确且快速的诊断滚动轴承的故障情况。 展开更多
关键词 滚动轴承 改进自适应噪声完备集成经验模态分解(iceemdan) 多尺度排列熵(MPE) 支持向量机(SVM) 灰狼算法(GWO) 故障诊断
在线阅读 下载PDF
基于TVD和ICEEMDAN的滚动轴承微弱故障特征提取 被引量:3
4
作者 赵磊 张永祥 朱丹宸 《海军工程大学学报》 CAS 北大核心 2020年第4期61-66,共6页
为了清晰准确地提取出强背景噪声下滚动轴承微弱故障特征,提出了总变差降噪(TVD)方法。首先,用TVD进行信号降噪处理;然后,利用改进自适应噪声的完备集成经验模态分解(ICEEMDAN)得到一系列模态;最后,对分解得到的模态进行包络解调以提取... 为了清晰准确地提取出强背景噪声下滚动轴承微弱故障特征,提出了总变差降噪(TVD)方法。首先,用TVD进行信号降噪处理;然后,利用改进自适应噪声的完备集成经验模态分解(ICEEMDAN)得到一系列模态;最后,对分解得到的模态进行包络解调以提取故障特征。仿真信号分析和滚动轴承故障模拟实验表明:该方法能够准确地提取出滚动轴承微弱故障特征,具有可行性。 展开更多
关键词 滚动轴承 总变差降噪 改进自适应噪声完备集成经验模态分解 特征提取
在线阅读 下载PDF
基于ICEEMDAN-MPE-RF和SVM的齿轮箱特征提取与故障诊断 被引量:2
5
作者 丁晓锋 张宇华 《机车电传动》 北大核心 2023年第1期42-50,共9页
针对齿轮箱非平稳振动信号特征提取难、特征向量冗余度高和故障识别率低的问题,提出基于改进的自适应噪声完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、多尺度排列熵... 针对齿轮箱非平稳振动信号特征提取难、特征向量冗余度高和故障识别率低的问题,提出基于改进的自适应噪声完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、多尺度排列熵(Multi-scale permutation entropy,MPE)、随机森林(Random forest,RF)特征重要性排序和支持向量机(Support vector machine,SVM)的齿轮箱特征提取与故障诊断方法。首先,通过ICEEMDAN将各种故障状态的齿轮振动信号分解为一系列不同频率分布的本征模态分量(Intrinsic mode functions,IMF);然后,计算各阶IMF的MPE值获得非平稳信号时频分布下的非线性动力学特征;最后,通过RF算法评估特征重要性,选择高重要性敏感特征组成最优特征子集输入SVM进行故障模式识别。试验结果表明,该方法特征提取和表征能力强,在不同工况下的平均识别率可达99.79%,在多工况和小样本数据集上比其他方法更具稳健性。 展开更多
关键词 齿轮箱 改进自适应噪声完备集成经验模态分解 多尺度排列熵 随机森林 支持向量机 特征提取 故障诊断
在线阅读 下载PDF
深孔台阶爆破近区振动信号预处理与时频特征分析
6
作者 张文涛 汪海波 +4 位作者 高朋飞 王梦想 杨帆 吕闹 宗琦 《振动与冲击》 EI CSCD 北大核心 2024年第24期178-189,共12页
深孔台阶爆破近区振动信号中常含有趋势项和高频噪声导致信号畸变失真,严重影响时频特征分析。针对此问题,构建了改进的自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,... 深孔台阶爆破近区振动信号中常含有趋势项和高频噪声导致信号畸变失真,严重影响时频特征分析。针对此问题,构建了改进的自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN)算法结合基于广义最小最大非凸(generalized minimax concave, GMC)惩罚项的稀疏降噪法与稀疏化基线估计消噪(baseline estimation and de-noising with sparsity, BEADS)算法的联合预处理方法。通过仿真信号验证该方法的可行性。将其应用于实际深孔台阶爆破近区振动信号的处理,并提取重构信号的时频特征,结果表明:在仿真信号试验中,该文构建的预处理方法能在有效保留信号真实成分的前提下消除高频噪声和低频趋势项的影响,相较于其他5种方法重构信号信噪比更高、均方根误差更小。在实测信号分析中,预处理后信号波形恢复正常,高频噪声成分被抑制,低频段频谱更清晰。时频特征分析发现,深孔台阶爆破近区振动信号主频较低,能量主要集中在25~150 Hz范围内,极低频和高频能量占比较少。根据时频特征分析结果结合爆破安全规程对爆破参数设计给出了建议。研究结果对爆破振动信号精确分析及制定爆破振动控制措施具有重要意义。 展开更多
关键词 爆破近区振动信号 预处理 时频分析 改进自适应噪声完备集合经验模态分解(iceemdan) 基于广义最小最大非凸(GMC)惩罚项的稀疏降噪法 稀疏化基线估计消噪(BEADS)
在线阅读 下载PDF
基于CEEMDAN-TSMPE-PCA风力发电机齿轮箱高速轴承故障诊断技术 被引量:9
7
作者 张玉兰 张宏伟 王新环 《噪声与振动控制》 CSCD 北大核心 2022年第4期158-164,234,共8页
针对风力发电机组轴承故障信号微弱、不易提取、识别困难等问题,提出基于自适应白噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、时移多尺度排列熵(Time-Shift Multiscale Permu... 针对风力发电机组轴承故障信号微弱、不易提取、识别困难等问题,提出基于自适应白噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、时移多尺度排列熵(Time-Shift Multiscale Permutation Entropy,TSMPE)、主成分分析法(Principal Component Analysis,PCA)相结合的振动信号降噪算法,结合改进人工鱼群(Improved Artificial Fish Swarm Algorithm,IAFSA)优化支持向量机(Support Vector Machine,SVM)分类算法,实现风力发电机轴承的故障诊断。首先将风力发电机轴承原始振动信号进行CEEMDAN分解,得到一系列由高频到低频的IMF分量,通过相关系数筛选出经CEEMDAN分解后所产生虚假分量以及残余噪声分量并进行剔除,再通过峭度值在剩余分量中筛选出包含故障信息较多的IMF分量进行信号重构;其次,采用TSMPE计算重构信号的敏感特征值,经PCA选择后组成特征向量;最后,以IAFSA优化SVM,训练IAFSA-SVM多分类故障分类器,实现风力发电机轴承故障识别。将该方法与其他组合方法进行比较,证明所提方法在风力发电机轴承故障诊断中具有优越性和有效性。 展开更多
关键词 故障诊断 风力发电机轴承 自适应噪声完备经验模态分解 时移多尺度排列熵 改进人工鱼群 支持向量机
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部