基于CEEMDAN多尺度改进排列熵和SVM的空化噪声特征提取

1

作者 兀成龙 高翰林 +1 位作者 朱丹丹 李亚安 《振动与冲击》 EI CSCD 北大核心 2024年第13期190-197,216,共9页

当水下航行器处于高速航行时就会形成空化噪声,所产生的噪声会严重影响水下航行器的性能和安全。螺旋桨噪声包含着丰富的空化信息,是识别空化状态的有效手段。针对改进排列熵在单尺度下对原信号进行分析,无法有效区分不同空化状态,提出... 当水下航行器处于高速航行时就会形成空化噪声,所产生的噪声会严重影响水下航行器的性能和安全。螺旋桨噪声包含着丰富的空化信息,是识别空化状态的有效手段。针对改进排列熵在单尺度下对原信号进行分析,无法有效区分不同空化状态,提出了将改进排列熵与自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)相结合的空化噪声特征提取方法。首先,采用CEEMDAN方法对水下航行器螺旋桨的空化噪声进行分解,提取具有空化特征的固有模态函数(intrinsic mode function, IMF)分量;其次,选取相关系数最高的IMF分量并计算其多尺度改进排列熵(multi-scale improved permutation entropy, MIPE);最后,基于多尺度改进排列熵,建立支持向量机的特征分类模型。仿真和试验结果表明,该方法具有更好的可分性。 展开更多

关键词 多尺度改进排列熵(MIPE) 自适应噪声完备经验模态分解(CEEMDAN) 空化噪声 特征提取

在线阅读 下载PDF 职称材料

基于改进多元多尺度加权排列熵的齿轮箱故障诊断 被引量：5

2

作者 赵家浩 廖晓娟 唐锡雷 《组合机床与自动化加工技术》 北大核心 2022年第12期48-52,共5页

齿轮箱振动存在多个传递路径,而典型齿轮箱故障诊断方法一般使用单个路径的单通道振动信号,易造成其它通道信息的遗漏。为充分利用不同路径振动信号故障信息,增强故障特征的质量,引入了多元多尺度加权排列熵,对其粗粒化方式进行了完善,... 齿轮箱振动存在多个传递路径,而典型齿轮箱故障诊断方法一般使用单个路径的单通道振动信号,易造成其它通道信息的遗漏。为充分利用不同路径振动信号故障信息,增强故障特征的质量,引入了多元多尺度加权排列熵,对其粗粒化方式进行了完善,提出了改进多元多尺度加权排列熵(IMMWPE),实现齿轮箱多通道振动信号的故障特征提取。基于此,提出了一种结合IMMWPE、成对邻近特征和粒子群优化支持向量机的齿轮箱故障诊断方法。通过齿轮箱多通道数据分析,将其与多元多尺度样本熵、多元多尺度排列熵和多元多尺度模糊熵等方法进行对比,结果证明该方法能够准确识别齿轮箱的各类故障,而且优于对比方法。 展开更多

关键词 齿轮箱 改进多元多尺度加权排列熵 成对邻近特征 故障诊断

在线阅读 下载PDF 职称材料

基于改进复合多元尺度加权排列熵的轴承故障识别研究 被引量：1

3

作者 吕麦丝 陈根金 +1 位作者 刘玉芳 张明 《中国工程机械学报》 北大核心 2023年第1期73-78,共6页

轴承作为机械传动系统上不可缺少单元,在长期交变载荷作用下容易产生内部损伤,判断其故障状态尤为重要。综合复合多元多尺度加权排列熵(CMMWPE)与天牛须搜索支持向量机(BSASVM)算法优点,设计了一种基于CMMWPE-BSASVM复合算法的轴承故障... 轴承作为机械传动系统上不可缺少单元,在长期交变载荷作用下容易产生内部损伤,判断其故障状态尤为重要。综合复合多元多尺度加权排列熵(CMMWPE)与天牛须搜索支持向量机(BSASVM)算法优点,设计了一种基于CMMWPE-BSASVM复合算法的轴承故障智能诊断方法。以调心球轴承运行情况为例,开展故障诊断分析。研究结果表明:利用本文CMMWPE算法进行处理时形成了比MWPE、CMWPE算法更加平滑的熵值变化曲线,能够实现以上样本的精确区分,有助于更准确提取出滚动轴承的特征信号。采用CMMWPE可以实现更高效的故障模式识别性能;相比较其他分类器,BSASVM分类器处理效率更高,因此建立的CMMWPE和Isomap特征集识别运行故障获得了100%准确率,确保滚动轴承故障达到精确、高效识别的效果。该研究可以拓宽到相关机械传动领域,具有很好的应用价值。 展开更多

关键词 轴承 复合多元多尺度加权排列熵(CMMWPE) 支持向量机 故障诊断

在线阅读 下载PDF 职称材料

基于ICEEMDAN-多尺度排列熵的拆除爆破振动信号降噪研究 被引量：4

4

作者 康怡泽 姚颖康 +2 位作者 董润龙 贾永胜 谢全民 《振动与冲击》 EI CSCD 北大核心 2024年第13期275-287,共13页

由于工程环境、炸药爆炸等因素影响,实测建(构)筑物爆破拆除所产生的低频振动信号常受到噪声干扰。提出改进的自适应噪声完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN... 由于工程环境、炸药爆炸等因素影响,实测建(构)筑物爆破拆除所产生的低频振动信号常受到噪声干扰。提出改进的自适应噪声完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN)与多尺度排列熵联合的降噪算法,并运用皮尔逊系数、信噪比和均方误差来验证所用算法的可行性。对实测拆除爆破塌落触地振动信号进行降噪处理,通过频谱分析以及各类指标对比表明,该联合降噪方法能够有效降低拆除爆破振动信号中的噪声,并且对信号的低频能量影响较小,降噪效果显著,为拆除爆破振动信号分析和处理提供了一种新的有效的方法。 展开更多

关键词 拆除爆破 振动信号 改进的自适应噪声完全集合经验模态分解(ICEEMDAN) 多尺度排列熵 信号降噪

在线阅读 下载PDF 职称材料

广义复合多尺度加权排列熵与参数优化支持向量机的滚动轴承故障诊断 被引量：26

5

作者 丁嘉鑫 王振亚 +1 位作者 姚立纲 蔡永武 《中国机械工程》 EI CAS CSCD 北大核心 2021年第2期147-155,共9页

针对滚动轴承特征提取和故障识别两个关键环节,提出了一种广义复合多尺度加权排列熵(GCMWPE)与参数优化支持向量机相结合的故障诊断方法。利用GCMWPE全面表征滚动轴承故障特征信息,构建高维故障特征集。应用监督等度规映射(S-Isomap)算... 针对滚动轴承特征提取和故障识别两个关键环节,提出了一种广义复合多尺度加权排列熵(GCMWPE)与参数优化支持向量机相结合的故障诊断方法。利用GCMWPE全面表征滚动轴承故障特征信息,构建高维故障特征集。应用监督等度规映射(S-Isomap)算法进行有效的二次特征提取。采用天牛须搜索优化支持向量机(BAS-SVM)诊断识别故障类型。将所提方法应用于滚动轴承实验数据分析过程,结果表明:GCMWPE特征提取效果优于多尺度加权排列熵、复合多尺度加权排列熵和广义多尺度加权排列熵;GCMWPE与S-Isomap相结合的特征提取方法可在低维空间中有效区分滚动轴承不同故障类型;BAS-SVM的识别正确率和识别速度优于粒子群优化支持向量机、模拟退火优化支持向量机和人工鱼群优化支持向量机;所提方法能够有效、精准地识别出各故障类型。 展开更多

关键词 广义复合多尺度加权排列熵 支持向量机 等度规映射 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

VMD改进多尺度排列熵和LLTSA的列车车轮损伤诊断 被引量：1

6

作者 田英 刘启跃 《机械科学与技术》 CSCD 北大核心 2021年第10期1530-1535,共6页

针对列车车轮损伤振动信号特征难以提取的问题,本文提出基于变分模态分解(VMD)改进多尺度排列熵和线性局部切空间排列算法(LLTSA)的车轮损伤诊断方法。首先利用VMD方法分解原始振动信号得到若干个模态分量,计算各模态分量的改进多尺度... 针对列车车轮损伤振动信号特征难以提取的问题,本文提出基于变分模态分解(VMD)改进多尺度排列熵和线性局部切空间排列算法(LLTSA)的车轮损伤诊断方法。首先利用VMD方法分解原始振动信号得到若干个模态分量,计算各模态分量的改进多尺度排列熵,然后采用LLTSA方法进行特征维数约简,并与等距映射流形算法(ISOMAP)降维结果对比,获得最优的低维特征向量,最后将低维特征向量作为核极限学习机(KELM)的输入进行分类辨识。实验分析结果表明,该方法能够成功识别出车轮损伤状态。 展开更多

关键词 车轮损伤 诊断 VMD 改进多尺度排列熵 LLTSA

在线阅读 下载PDF 职称材料

基于多尺度排列熵的滚动轴承故障特征提取 被引量：11

7

作者 王泽 王红军 《组合机床与自动化加工技术》 北大核心 2020年第8期30-34,38,共6页

针对现有滚动轴承故障识别精度低的问题,存在冗杂信息较多和分解识别计算量大的问题,将集合经验模态分解(ensemble empirical mode decomposition,EEMD)与多尺度排列熵、邻域粗糙集(neighborhood rough set,NRS)进行结合提出一种针对轴... 针对现有滚动轴承故障识别精度低的问题,存在冗杂信息较多和分解识别计算量大的问题,将集合经验模态分解(ensemble empirical mode decomposition,EEMD)与多尺度排列熵、邻域粗糙集(neighborhood rough set,NRS)进行结合提出一种针对轴承系统故障特征提取的方法。文章对传统的邻域粗糙集算法进行改进,将故障信号进行EEMD分解和多尺度排列熵计算后形成条件属性,从而建立故障识别决策表,然后利用邻域粗糙集对决策表进行属性约简消除冗余的属性。最后将约简后的敏感特征子集输入概率神经网络中进行模式识别。通过实验结果表明,该文提出的方法对滚动轴承故障特征提取以及对于故障的精确识别是十分有效的,能够减小计算量同时精确实现故障诊断。 展开更多

关键词 集合经验模态分解 多尺度排列熵 改进邻域粗糙集 滚动轴承故特征

在线阅读 下载PDF 职称材料

基于多尺度排列熵和IWOA-SVM的滚动轴承故障诊断 被引量：6

8

作者 张炎亮 李营 《电子测量技术》 北大核心 2023年第19期29-34,共6页

针对滚动轴承信号表现出的非线性和非平稳性特征问题,合理的特征选择可提高故障诊断率,提出基于多尺度排列熵(MPE)与改进鲸鱼算法(IWOA)优化支持向量机(SVM)的故障诊断模型。首先,通过变分模态分解(VMD)进行信号降噪预处理,计算多尺度... 针对滚动轴承信号表现出的非线性和非平稳性特征问题,合理的特征选择可提高故障诊断率,提出基于多尺度排列熵(MPE)与改进鲸鱼算法(IWOA)优化支持向量机(SVM)的故障诊断模型。首先,通过变分模态分解(VMD)进行信号降噪预处理,计算多尺度排列熵进行信号特征重构;其次,引入惯性动态权重对鲸鱼算法进行改进,通过训练SVM参数,建立IWOA-SVM故障诊断模型;最后用美国凯斯西储大学轴承数据集进行仿真。结果表明,相较于多尺度熵,MPE可表征的故障特征信息更加丰富,故障识别率提高了2.1%;与同类优化算法相比,采用IWOA对SVM进行优化的故障诊断模型,收敛速度快、训练时间短、故障识别精度高,可对滚动轴承进行有效诊断。 展开更多

关键词 滚动轴承故障诊断 多尺度排列熵 惯性动态权重 改进鲸鱼优化算法 支持向量机

在线阅读 下载PDF 职称材料

基于ICEEMDAN和IMWPE-LDA-BOA-SVM的齿轮箱损伤识别模型 被引量：4

9

作者 王洪 张锐丽 吴凯 《机电工程》 CAS 北大核心 2023年第11期1709-1717,共9页

针对齿轮箱振动信号中的背景噪声过大影响故障特征质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(ICEEMDAN)、改进多尺度加权排列熵(IMWPE)、利用线性判别分析(LDA)、蝴蝶优化算法(BOA)优化支... 针对齿轮箱振动信号中的背景噪声过大影响故障特征质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(ICEEMDAN)、改进多尺度加权排列熵(IMWPE)、利用线性判别分析(LDA)、蝴蝶优化算法(BOA)优化支持向量机(SVM)的齿轮箱故障诊断方法(ICEEMDAN-IMWPE-LDA-BOA-SVM)。首先,采用ICEEMDAN对齿轮箱振动信号进行了分解,生成了一系列从低频到高频分布的本征模态函数分量;接着,基于相关系数筛选出包含主要故障信息的本征模态函数分量,进行了信号重构,降低了信号的噪声;随后,提出了改进多尺度加权排列熵的非线性动力学指标,并利用其提取了重构信号的故障特征,以构建反映齿轮箱故障特性的故障特征;然后,利用线性判别分析(LDA)对原始故障特征进行了压缩,以构建低维的故障特征向量;最后,采用蝴蝶优化算法(BOA)对支持向量机(SVM)的惩罚系数和核函数参数进行了优化,以构建参数最优的故障分类器,对齿轮箱的故障进行了识别;基于齿轮箱复合故障数据集对ICEEMDAN-IMWPE-BOA-SVM方法进行了实验和对比分析。研究结果表明:该方法能够较为准确地识别齿轮箱的不同故障类型,准确率达到了99.33%,诊断时间只需5.31 s,在多个方面都优于其他对比方法,在齿轮箱的故障诊断中更具有应用潜力。 展开更多

关键词 故障特征提取 信号分解及信号重构 特征降维 改进自适应噪声完备集成经验模态分解 改进多尺度加权排列熵 线性判别分析 蝴蝶优化算法 支持向量机

在线阅读 下载PDF 职称材料

轴承故障的排列熵特征提取与GK模糊识别方法 被引量：4

10

作者 陆凤君 《组合机床与自动化加工技术》 北大核心 2020年第5期95-98,102,共5页

为了提高轴承故障诊断准确率,提出了参数优化多尺度排列熵的特征参数提取方法和加权GK模糊聚类的识别方法。在特征提取方面,以多尺度排列熵序列偏度最小为优化目标,使用多作用力微粒群算法优化多尺度排列熵参数,实现了排列熵特征参数在... 为了提高轴承故障诊断准确率,提出了参数优化多尺度排列熵的特征参数提取方法和加权GK模糊聚类的识别方法。在特征提取方面,以多尺度排列熵序列偏度最小为优化目标,使用多作用力微粒群算法优化多尺度排列熵参数,实现了排列熵特征参数在轴承不同故障状态下的完全分离;在故障识别方面,提出了加权GK模糊聚类的识别方法,使用ReliefF算法计算特征参数权重,为高敏感度特征参数赋予更大的权值,从而提高GK模糊聚类的聚集度。经轴承故障实验验证,文章提出的排列熵特征参数提取和GK模糊聚类识别方法在此次实验中能够精准识别轴承故障类型,说明文中提出的特征提取和模式识别方法具有一定借鉴意义。 展开更多

关键词 轴承故障诊断 参数优化多尺度排列熵 加权GK模糊聚类 多作用力微粒群算法

在线阅读 下载PDF 职称材料

基于VMD与IMWPE的舰船辐射噪声特征提取研究

11

作者 丁元明 柳力嘉 +1 位作者 刘苏睿 杨阳 《舰船科学技术》 北大核心 2023年第4期121-127,共7页

舰船辐射噪声的特征提取是水下识别的依据,传统的特征提取可识别性较弱,水下识别较为困难。本文提出一种基于变分模态分解(variational mode decomposition, VMD)与改进多尺度加权排列熵(improved multisacle weighted permutation entr... 舰船辐射噪声的特征提取是水下识别的依据,传统的特征提取可识别性较弱,水下识别较为困难。本文提出一种基于变分模态分解(variational mode decomposition, VMD)与改进多尺度加权排列熵(improved multisacle weighted permutation entropy, IMWPE)相结合的方法进行特征提取,将原始信号通过VMD分解成多个固有模态函数(intrinsic mode function, IMF),选取能够充分体现目标复杂度特征的IMF作为研究对象,然后通过IMWPE方法采用平移均值法解决多尺度加权排列熵(multisacle weighted permutation entropy, MWPE)的单一粗粒化问题。实验数据表明,将本文算法与对比算法提取的特征参数经过粒子群优化的支持向量机(particle swarm optimization support vector machine, PSO-SVM)进行分类识别,IMWPE算法识别率最高,具有良好的稳定性和优越性。 展开更多

关键词 舰船辐射噪声 特征提取 VMD 改进多尺度加权排列熵

在线阅读 下载PDF 职称材料

基于改进小波阈值—CEEMDAN的变压器局部放电超声波信号白噪声抑制方法 被引量：15

12

作者 周晶 罗日成 黄军 《高压电器》 CAS CSCD 北大核心 2024年第1期163-171,共9页

为了有效去除变压器局部放电超声信号中的白噪声干扰,提高后续局部放电模式识别及定位的准确性,提出了一种基于改进小波阈值和自适应噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEE... 为了有效去除变压器局部放电超声信号中的白噪声干扰,提高后续局部放电模式识别及定位的准确性,提出了一种基于改进小波阈值和自适应噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)的变压器局部放电超声波信号去噪方法。首先,通过对放电信号进行CEEMDAN分解得到一系列由高频到低频的本征模函数IMF(intrinsic mode function);然后,利用多尺度排列熵(multi-scale permutation entropy,MPE)算法计算各阶IMF分量的排列熵PE(permutation entropy),根据各IMF的排列熵值确定信号的去噪阈值与有效阈值。对高于去噪阈值的IMF分量采用改进小波阈值法进行去噪处理,对低于有效阈值的IMF分量视为基线漂移进行剔除。最后,通过重构去噪分量与剩余分量来获得去噪后的超声波信号。仿真和实验结果均表明,文中所提出的去噪算法大大提高了信号的信噪比,并保留了原始超声波信号中的有效信息,对提高后续利用超声波信号进行局部放电模式识别及定位的精确性具有重要意义。 展开更多

关键词 局部放电 超声波信号去噪 改进小波阈值 多尺度排列熵 CEEMDAN

在线阅读 下载PDF 职称材料

基于谱熵梅尔积和改进VMD的轴承故障预警 被引量：10

13

作者 马小平 李博华 +2 位作者 蔡蔓利 韩正化 陈泽彭 《北京理工大学学报》 EI CAS CSCD 北大核心 2021年第11期1179-1187,共9页

针对传统轴承故障预警实时性较差、故障特征提取准确性影响预警效果的问题,将语音端点识别思想进行迁移,采用谱熵梅尔积特征的双门限法实时追踪故障起始点.为克服变分模态分解(variational mode decomposition,VMD)参数选取不当和端点... 针对传统轴承故障预警实时性较差、故障特征提取准确性影响预警效果的问题,将语音端点识别思想进行迁移,采用谱熵梅尔积特征的双门限法实时追踪故障起始点.为克服变分模态分解(variational mode decomposition,VMD)参数选取不当和端点效应对提取效果造成的影响,提出能量差网格搜索法对VMD进行参数寻优,并用支持向量回归机对端点效应进行抑制,结合多尺度加权排列熵在检测振动信号随机性方面的优势,充分发挥VMD对信号的重构能力,对起始点后的故障段进行特征捕捉.通过实际轴承故障信号的实验及数据分析,验证了该方法在轴承故障预警中的有效性. 展开更多

关键词 谱熵梅尔积 改进变分模态分解 多尺度加权排列熵 轴承故障诊断

在线阅读 下载PDF 职称材料

基于改进深度残差收缩网络的电缆早期故障识别 被引量：1

14

作者 唐丹 吴浩 +1 位作者 蔡源 郑超文 《科学技术与工程》 北大核心 2024年第28期12159-12168,共10页

电缆早期故障的多次发生易造成电缆出现永久性故障,给电网的稳定运行带来严重的影响。为了在永久性故障发生前准确识别出电缆早期故障,提出一种基于改进深度残差收缩网络的电缆早期故障识别方法。首先通过改进的完全自适应噪声经验模态... 电缆早期故障的多次发生易造成电缆出现永久性故障,给电网的稳定运行带来严重的影响。为了在永久性故障发生前准确识别出电缆早期故障,提出一种基于改进深度残差收缩网络的电缆早期故障识别方法。首先通过改进的完全自适应噪声经验模态分解方法(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)进行故障信号处理,并利用相关系数筛选本征模态函数(intrinsic mode functions,IMF);然后对IMF分量求其复合多尺度排列熵作为进一步的特征提取,以构建特征数据集;最后利用改进的收缩模块,多尺度卷积层、Self-Attention和SimAM注意力机制对深度残差收缩网络进行改进。使用改进的深度残差收缩网络进行电缆早期故障识别实验。实验结果表明:该算法能准确识别出电缆早期故障,且具有一定的抗干扰能力。 展开更多

关键词 电缆早期故障 改进的完全自适应噪声经验模态分解方法(ICEEMDAN) 复合多尺度排列熵 改进深度残差收缩网络 故障识别

在线阅读 下载PDF 职称材料

一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法

15

作者 张涛 魏彪 +2 位作者 李永健 马赫 何勇 《现代电子技术》 北大核心 2025年第12期54-60,共7页

针对滚动轴承故障诊断中种群分布不均匀及算法早熟收敛问题,提出一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法。首先,利用折射反向学习方法初始化种群,并生成反向解,有效扩大搜索范围;然后,将正余弦算法(SCA)策略引入北方苍鹰优化算法(NGO... 针对滚动轴承故障诊断中种群分布不均匀及算法早熟收敛问题,提出一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法。首先,利用折射反向学习方法初始化种群,并生成反向解,有效扩大搜索范围;然后,将正余弦算法(SCA)策略引入北方苍鹰优化算法(NGO)勘察阶段,通过非线性加权系数ω动态调节步长搜索因子,降低个体位置更新对局部信息的依赖,显著提高算法收敛速度与精度;最后,构建多尺度均值排列熵(MMPE)与峭度的融合指标作为适应度函数,增强故障特征敏感性。通过对不同的实测信号进行测试,结果表明,在强噪声干扰下,相较传统方法,所提方法可提前300 min(初期故障)和700 min(微弱故障)识别故障特征,验证了其工程实用性。 展开更多

关键词 正余弦算法 滚动轴承 故障诊断 改进北方苍鹰优化算法 多尺度均值排列熵 变分模态分解

在线阅读 下载PDF 职称材料

基于RTSWMFE,IS-GSE与COOT-SVM的行星齿轮箱故障诊断

16

作者 戚晓利 杨艳 +1 位作者 崔创创 程主梓 《振动.测试与诊断》 北大核心 2025年第1期132-139,205,共9页

针对行星齿轮箱特征提取困难的问题,提出一种基于精细时移加权多尺度模糊熵(refined time⁃shift weighted multiscale fuzzy entropy,简称RTSWMFE)、改进监督型几何和统计保持流形嵌入(improved supervised geometry and statistics⁃pre... 针对行星齿轮箱特征提取困难的问题,提出一种基于精细时移加权多尺度模糊熵(refined time⁃shift weighted multiscale fuzzy entropy,简称RTSWMFE)、改进监督型几何和统计保持流形嵌入(improved supervised geometry and statistics⁃preserving manifold embedding,简称IS⁃GSE)和白骨顶优化算法支持向量机(coot optimization algorithm support vector machine,简称COOT⁃SVM)的行星齿轮箱故障诊断方法。首先,利用RTSWMFE提取高维故障特征信息;其次,采用IS⁃GSE对高维特征进行降维,提取出敏感、低维的特征;最后,将低维特征输入COOT⁃SVM中进行识别分类。行星齿轮箱故障诊断实验结果表明:IS⁃GSE方法采用余弦相似度与欧式距离相结合的距离度量方式,并融入监督学习思想,降维效果较佳;COOT⁃SVM方法对经RTSWMFE和IS⁃GSE二次提取的故障特征识别精度达到100%。 展开更多

关键词 故障诊断 行星齿轮箱 精细时移加权多尺度模糊熵 改进监督型几何和统计保持流形嵌入 白骨顶优化算法优化支持向量机

在线阅读 下载PDF 职称材料

基于层次加权排列熵与IGOA-BiLSTM的高压共轨喷油器剩余寿命预测方法

17

作者 屈蓓佳 高先理 +3 位作者 贾宝富 柯赟 姚崇 宋恩哲 《计算机集成制造系统》 2025年第8期3046-3056,共11页

针对预测模型参数选取不当而导致高压共轨喷油器剩余寿命预测精度较低的问题,提出一种基于层次加权排列熵(HWPE)与改进蝗虫优化算法(IGOA)优化双向长短时记忆网络(BiLSTM)的高压共轨喷油器剩余寿命预测方法。首先,由于HWPE能够充分考虑... 针对预测模型参数选取不当而导致高压共轨喷油器剩余寿命预测精度较低的问题,提出一种基于层次加权排列熵(HWPE)与改进蝗虫优化算法(IGOA)优化双向长短时记忆网络(BiLSTM)的高压共轨喷油器剩余寿命预测方法。首先,由于HWPE能够充分考虑时间序列高频和低频信息,提取全寿命周期数据的HWPE构建健康度指标(HI);然后,针对BiLSTM最优参数选取困难的问题,提出了一种改进蝗虫优化算法,通过引入混沌策略以丰富初始种群的多样性和随机性,重构线性因子增强全局搜索和局部开发的能力,并引入迁徙策略提高位置更新的质量,自适应地获取BiLSTM最优参数组合;最后,将HWPE与健康度指标分别作为IGOA-BiLSTM模型的输入输出进行训练测试,将输出的HI拟合寿命退化曲线并预测失效点,实现喷油器的剩余寿命预测。通过与其它常用方法对比分析,IGOA在参数寻优方面性能更好,所提出剩余寿命预测方法具有更高的预测精度。 展开更多

关键词 剩余寿命预测 层次加权排列熵 改进蝗虫优化算法 双向长短时记忆网络 高压共轨喷油器

在线阅读 下载PDF 职称材料

基于改进EEMD与混沌振子的配电网故障选线 被引量：18

18

作者 侯思祖 郭威 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第4期77-87,共11页

提出改进的集合经验模态分解(MEEMD)和混沌振子相结合的电网故障微弱信号检测方法。首先,建立神经网络预测模型,通过神经网络对配网各线路零序电流进行短时预测,滤除故障信号中的背景信号;其次,为了检测配网发生单相接地故障后微弱的5... 提出改进的集合经验模态分解(MEEMD)和混沌振子相结合的电网故障微弱信号检测方法。首先,建立神经网络预测模型,通过神经网络对配网各线路零序电流进行短时预测,滤除故障信号中的背景信号;其次,为了检测配网发生单相接地故障后微弱的5次谐波信号,提出结合多尺度排列熵和完备集合经验模态分解(CEEMD)改进的改进的集合经验模态分解算法;处理已经滤除背景信号的故障信号,提取其第一固有模态函数作为混沌振子的输入。混沌振子对和内驱动力信号同频的外策动力信号有较高的敏感性,通过混沌振子输出的相图完成电网故障选线。 展开更多

关键词 多尺度排列熵 改进的集合经验模态分解 混沌振子 相图

在线阅读 下载PDF 职称材料

基于IIVY-SVMD-MPE-SVM的开关柜局部放电故障识别

19

作者 解骞 郑胜瑜 +3 位作者 刘兴华 李辉 党建 解佗 《实验技术与管理》 北大核心 2025年第4期26-36,共11页

针对开关柜局部放电故障信息表征困难及局部放电故障识别准确率低等问题,该文提出了一种基于改进常青藤算法(improved Ivy algorithm,IIVY)的自动优化连续变分模态分解(successive variational mode decomposition,SVMD)与支持向量机(su... 针对开关柜局部放电故障信息表征困难及局部放电故障识别准确率低等问题,该文提出了一种基于改进常青藤算法(improved Ivy algorithm,IIVY)的自动优化连续变分模态分解(successive variational mode decomposition,SVMD)与支持向量机(support vector machine,SVM)的模式识别算法,实现了局部放电类型的故障识别。首先,融合空间金字塔匹配混沌映射、自适应t分布与动态自适应权三种策略提出IIVY算法;其次,对局部放电原始超声波信号进行SVMD并提取多尺度排列熵(multivariate permutation entropy,MPE),建立基于IIVY-SVMD-MPE的局部放电特征提取策略,利用IIVY算法自适应地选取SVMD惩罚因子α,结合相关系数筛选出最大的三个本征模态函数(intrinsic mode function,IMF)分量提取MPE,构建多维融合特征数据集;再次,提出并建立基于IIVY-SVM的开关柜局部放电故障识别模型,利用IIVY对SVM中惩罚参数C及核参σ进行自适应寻优;最后,通过对比验证表明所建立模型综合识别率更高、在不同评价指标上表现更佳,综合识别准确率达到98.8%,有效提高了故障识别的准确性与可靠性。 展开更多

关键词 超声波 改进常青藤算法 连续变分模态分解 多尺度排列熵

在线阅读 下载PDF 职称材料

基于互补集合经验模态分解的相位敏感光时域反射计系统降噪方法

20

作者 岳新博 高旭 +2 位作者 高阳 王海涛 鲁秀娥 《红外与激光工程》 北大核心 2025年第2期134-148,共15页

为了提高相位敏感光时域反射计(Φ-OTDR)系统测量振动信号信噪比,提出了一种基于互补集合经验模态分解(CEEMD)的新型去噪方法。CEEMD算法对数字正交(I/Q)解调算法获取的瑞利后项散射光幅值信号和相位信号进行分解,经多尺度排列熵(MPE)... 为了提高相位敏感光时域反射计(Φ-OTDR)系统测量振动信号信噪比,提出了一种基于互补集合经验模态分解(CEEMD)的新型去噪方法。CEEMD算法对数字正交(I/Q)解调算法获取的瑞利后项散射光幅值信号和相位信号进行分解,经多尺度排列熵(MPE)算法筛选后,通过改进的小波阈值算法进行去噪,并设计采用多元宇宙优化(MVO)算法对参数进行优化。实际搭建了外差式Φ-OTDR系统,经仿真和实际测试验证文中算法有效性。最后,将设计算法与以往的经验模态分解-皮尔逊相关系数(EMD-PCC)、自适应噪声完备集合经验模态分解(CEEMDAN)及变分模态分解-改进小波阈值(VMD-NWT)去噪方法进行了对比。结果表明,在10.14 km的传感光纤位置上,该方法对于低频10 Hz、中频200 Hz以及高频1 200 Hz的振动事件,其位置信息信噪比分别可达8.88、30.26、11.90 dB,对不同频率段的振动信号均具备有效的去噪能力,且系统定位精度更高。该方法在提高系统信噪比的同时,成功地对振动信号进行了解调,且解调效果比其他三种算法效果更好,为Φ-OTDR系统降噪研究提供了新思路。 展开更多

关键词 相位敏感光时域反射仪 互补集合经验模态分解算法 多尺度排列熵 改进的小波阈值算法 多元宇宙优化算法

在线阅读 下载PDF 职称材料