基于改进经验小波变换和改进多视角深度矩阵分解的直流配电网故障检测方案 被引量：14

1

作者 洪翠 连淑婷 +1 位作者 黄晟 郭谋发 《电力自动化设备》 EI CSCD 北大核心 2022年第6期8-15,29,共9页

为快速检测及可靠识别直流配电网故障,提出一种基于改进经验小波变换和改进多视角深度矩阵分解的直流配电网故障检测方案。通过最小二乘法非线性拟合故障电流局部的相频谱函数,基于此在一定的条件下修改经验小波函数的相频响应,使之尽... 为快速检测及可靠识别直流配电网故障,提出一种基于改进经验小波变换和改进多视角深度矩阵分解的直流配电网故障检测方案。通过最小二乘法非线性拟合故障电流局部的相频谱函数,基于此在一定的条件下修改经验小波函数的相频响应,使之尽可能与故障电流的局部相频特性相匹配;运用改进经验小波变换分解电流,计算细节分量c_(3)的模极大值,构造故障检测判据;设计一种权重自学习网络,依据数据对分类任务的重要性分配不同的权重,嵌套于多视角深度矩阵分解模型前端,运用改进多视角深度矩阵分解模型对电流分量c_(1)—c_(3)、极间电压u_(dc)这4个视角的数据进行故障特征提取,通过软分配层实现故障的分类。仿真测试结果表明,所提故障检测方案能够满足故障检测速动性、可靠性的要求,故障分类准确度高,为后续故障处理奠定了良好基础。 展开更多

关键词 直流配电网 故障检测与分类 改进经验小波变换 改进多视角深度矩阵分解

在线阅读 下载PDF 职称材料

基于改进经验小波变换的高压电缆局部放电噪声抑制研究 被引量：15

2

作者 马星河 张登奎 《电工技术学报》 EI CSCD 北大核心 2021年第S01期353-361,共9页

对高压电缆的局部放电(PD)进行监测,并对其所包含的噪声信息进行抑制,是一种有效的绝缘评估方法。针对PD信号所包含的复杂噪声信息,提出一种基于改进经验小波变换(IEWT)的噪声抑制方法。该方法以IEWT分解为核心,通过将含噪信号分解为按... 对高压电缆的局部放电(PD)进行监测,并对其所包含的噪声信息进行抑制,是一种有效的绝缘评估方法。针对PD信号所包含的复杂噪声信息,提出一种基于改进经验小波变换(IEWT)的噪声抑制方法。该方法以IEWT分解为核心,通过将含噪信号分解为按频率顺序排列的经验小波函数(EWF),有效避免复杂噪声信号分解时的模态混叠现象。利用峭度规则对分解得到的EWF进行筛选,最后对筛选出的有用EWF进行重构和降噪处理,达到对复杂含噪信号的噪声抑制效果。模拟仿真以及现场测试表明,与现有基于EWT和基于EMD的降噪方法进行对比,该文所提方法可更有效地抑制PD信号所包含的噪声信息。 展开更多

关键词 高压电缆 局部放电 噪声抑制 改进经验小波变换 峭度 改进阈值

在线阅读 下载PDF 职称材料

改进自适应无参经验小波变换在变压器高频局放电流噪声抑制中的应用 被引量：8

3

作者 唐志国 李阳 《电网技术》 EI CSCD 北大核心 2023年第8期3474-3482,共9页

变压器是电力系统中的关键设备,局部放电(partial discharge,PD)是致使变压器绝缘劣化的主要原因,也是绝缘劣化的重要表现形式。针对高频PD信号中窄带干扰和白噪声这些复杂的噪声信息,提出一种基于互信息和样条插值拟合优化频谱分割的... 变压器是电力系统中的关键设备,局部放电(partial discharge,PD)是致使变压器绝缘劣化的主要原因,也是绝缘劣化的重要表现形式。针对高频PD信号中窄带干扰和白噪声这些复杂的噪声信息,提出一种基于互信息和样条插值拟合优化频谱分割的改进自适应无参经验小波变换的降噪方法。该方法以无参经验小波变换为基础,计算经无参经验小波变换分解的各个时域分量的互信息值进行合并优化得到新的频谱分割点,然后在各个频段内提取峰值点,将这些峰值点进行三次样条插值拟合得到拟合曲线,将拟合曲线的极小值点作为最新频谱分割点进行划分得到各个时域分量,最后计算各个分量的峭度值,去除峭度值小于3的分量,将剩余分量进行通用阈值降噪重构达到PD信号降噪效果。仿真、实验室和现场测试表明,与现有小波变换降噪和基于经验模态分解降噪的方法进行对比,文中的方法能够更加有效抑制变压器高频PD信号中的噪声信息。 展开更多

关键词 变压器局部放电 改进自适应无参经验小波变换 互信息 三次样条插值 峭度 降噪

在线阅读 下载PDF 职称材料

基于改进经验小波变换的电能质量扰动检测新方法 被引量：46

4

作者 吴建章 梅飞 +3 位作者 潘益 周程 石天 郑建勇 《电力自动化设备》 EI CSCD 北大核心 2020年第6期142-148,共7页

针对经验小波变换(EWT)用于电能质量信号分析时,其频带划分结果易受频谱泄漏和噪声污染干扰的问题,提出一种基于改进经验小波变换(IEWT)的电能质量扰动检测新方法。首先,通过Fourier谱包络动态测度算法确定扰动信号的特征频点,并在原有... 针对经验小波变换(EWT)用于电能质量信号分析时,其频带划分结果易受频谱泄漏和噪声污染干扰的问题,提出一种基于改进经验小波变换(IEWT)的电能质量扰动检测新方法。首先,通过Fourier谱包络动态测度算法确定扰动信号的特征频点,并在原有频带边界的基础上进行延拓;然后,运用IEWT将扰动信号分解为若干调幅-调频(AM-FM)分量之和;最后对扰动分量实施标准希尔伯特变换,以求取扰动幅值、频率和起止时刻。通过算例仿真和变电站实测数据验证了所提方法的有效性,并对其检测结果进行对比分析。实验结果表明,所提方法兼具良好的模态分解能力和抗噪性能,且普适性更强,运算耗时更短,适用于工程实践。 展开更多

关键词 电能质量 扰动检测 改进经验小波变换 动态测度 标准希尔伯特变换

在线阅读 下载PDF 职称材料

改进的经验小波变换在滚动轴承故障诊断中的应用 被引量：23

5

作者 朱艳萍 包文杰 +2 位作者 涂晓彤 胡越 李富才 《噪声与振动控制》 CSCD 2018年第1期199-203,共5页

经验小波变换是一种基于Fourier频谱特性,通过构建自适应小波滤波器组来分析复杂多分量信号的方法。该方法能够有效识别信号中的不同模态分量,但由于其Fourier频谱分割问题,在处理噪声及不稳定信号方面有所欠缺。针对这一问题,采用改进... 经验小波变换是一种基于Fourier频谱特性,通过构建自适应小波滤波器组来分析复杂多分量信号的方法。该方法能够有效识别信号中的不同模态分量,但由于其Fourier频谱分割问题,在处理噪声及不稳定信号方面有所欠缺。针对这一问题,采用改进的经验小波变换方法,将信号分解为具有物理意义的经验模态。改进的经验小波变换主要考虑被处理信号的频谱形状,通过采用基于顺序统计滤波器(OSF)的包络方法以及遵循三个准则来获取有效峰值的方法,改进Fourier频谱分割过程。将改进的方法应用于滚动轴承故障诊断中,由于改进的经验小波变换能够将振动信号分解为一系列单分量成分,因此在轴承振动信号包络谱中能够清晰的发现故障特征。通过对滚动轴承振动模拟信号和实验信号的分析验证了该方法的有效性。 展开更多

关键词 振动与波 改进经验小波变换 顺序统计滤波器 三种筛选准则 轴承故障诊断

在线阅读 下载PDF 职称材料

改进经验小波变换在齿轮低频微弱故障特征提取中的应用 被引量：3

6

作者 杜思雨 冷军发 +2 位作者 绳飘 荆双喜 罗晨旭 《机械科学与技术》 CSCD 北大核心 2021年第12期1856-1862,共7页

齿轮振动信号的经验小波变换频谱分割,可能会将啮合频率及其边频带划分到不同频带上,导致频带划分不合理,分离出的调幅-调频(AM-FM)分量不理想。针对上述主要问题,提出了一种采用频谱趋势进行频谱边界划分的改进经验小波变换方法,将齿... 齿轮振动信号的经验小波变换频谱分割,可能会将啮合频率及其边频带划分到不同频带上,导致频带划分不合理,分离出的调幅-调频(AM-FM)分量不理想。针对上述主要问题,提出了一种采用频谱趋势进行频谱边界划分的改进经验小波变换方法,将齿轮啮合频率与其相应的边频带划分到同一频带内,得到比较理想的AM-FM分量,实现了依据齿轮振动信号频谱局部特征的自适应分解。同时,对提取的AM-FM分量进行自相关分析以进一步增强改进经验小波变换的低频微弱故障特征提取效果。通过仿真与试验分析,验证了提出方法在齿轮低频微弱故障特征提取中的有效性及优势。 展开更多

关键词 改进经验小波变换 自相关分析 特征提取 齿轮低频微弱故障

在线阅读 下载PDF 职称材料

改进经验小波变换在风力机齿轮箱故障诊断中的应用 被引量：7

7

作者 胡璇 李春 叶柯华 《机械强度》 CAS CSCD 北大核心 2022年第2期294-301,共8页

针对强噪声背景下风力机齿轮箱轴承的轻微故障特征易被淹没且提取困难等问题,提出滑移窗口提取子带的连续平均谱负熵(Continuous Average Spectral Negentropy,CASN)对经验小波变换(Empirical Wavelet Transform,EWT)进行改进。首先利用... 针对强噪声背景下风力机齿轮箱轴承的轻微故障特征易被淹没且提取困难等问题,提出滑移窗口提取子带的连续平均谱负熵(Continuous Average Spectral Negentropy,CASN)对经验小波变换(Empirical Wavelet Transform,EWT)进行改进。首先利用CASN-EWT方法分解风力机齿轮箱轴承故障信号,后利用谱负熵准则对所得分量进行筛选并重构,再开展包络分析,准确提取出故障特征,最后构成特征向量集输入支持向量机进行故障诊断。结果表明:CASN-EWT方法在保留EWT算法自适应性和有效避免模态混叠效应与端点效应的同时,极大提高EWT分解算法对噪声的鲁棒性,有利于准确提取故障特征频率,实现故障识别精度的提高。 展开更多

关键词 风力机齿轮箱 故障诊断 滑移窗口 连续平均谱负熵 改进经验小波变换 谱负熵准则

在线阅读 下载PDF 职称材料

基于改进经验小波变换与分形特征集的风力机齿轮箱故障诊断 被引量：4

8

作者 孙康 金江涛 +2 位作者 李春 叶柯华 许子非 《太阳能学报》 EI CAS CSCD 北大核心 2023年第5期310-319,共10页

针对风力机齿轮箱振动响应信号具有强非线性及非平稳性的特点,考虑平均幅值对平均谱负熵时频域成分权重自适应调节,提出连续改进平均谱负熵方法(ICASN)以体现信号细节复杂度特征,并将ICASN引入经验小波变换(EWT),替代傅里叶谱作为频带... 针对风力机齿轮箱振动响应信号具有强非线性及非平稳性的特点,考虑平均幅值对平均谱负熵时频域成分权重自适应调节,提出连续改进平均谱负熵方法(ICASN)以体现信号细节复杂度特征,并将ICASN引入经验小波变换(EWT),替代傅里叶谱作为频带划分依据。采用ICASN-EWT分解振动信号,基于改进平均谱负熵筛选特征分量,剔除信号冗余与噪声影响。分析各敏感分量分形特征并构建高维特征集,采用流形学习进行维数约简,并结合分形高斯噪声改进灰狼算法优化支持向量机关键参数,将降维后的向量集输入优化支持向量机进行故障识别与诊断,准确率高达100%。 展开更多

关键词 风力机 齿轮箱 故障检测 支持向量机 经验小波变换 连续改进平均谱负熵 分形高斯噪声改进灰狼算法

在线阅读 下载PDF 职称材料

频谱能量增强的IEWT滚动轴承故障诊断方法

9

作者 古莹奎 李成 吴宽 《机械设计与制造》 北大核心 2025年第1期70-74,81,共6页

尺度空间方法的经验小波变换(EWT)在滚动轴承故障诊断中容易出现共振频带过度分割、频带破裂,导致故障诊断失败。为此,提出频谱增强的改进经验小波滚动轴承故障诊断方法。首先,将Teager能量算子引入信号频谱,利用能量算子能够追踪并增... 尺度空间方法的经验小波变换(EWT)在滚动轴承故障诊断中容易出现共振频带过度分割、频带破裂,导致故障诊断失败。为此,提出频谱增强的改进经验小波滚动轴承故障诊断方法。首先,将Teager能量算子引入信号频谱,利用能量算子能够追踪并增强信号瞬时成分能量的特点,对信号频谱瞬时冲击进行能量增强,减小噪声对信号频谱的影响;其次,对能量增强后频谱进行频带极大值包络的改进经验小波变换(IEWT)分解,得到一系列固有模态;最后,对裕度因子最大的固有模态进行包络解调分析,提取轴承故障特征。分析结果表明,所提方法能够增强故障引起的瞬态冲击成分,减少噪声对频谱分割的影响,有效地避免共振频带的过度分割导致的频带破裂。 展开更多

关键词 频谱能量增强 改进经验小波变换 TEAGER能量算子 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于可协调经验小波变换的多聚焦图像融合 被引量：7

10

作者 宫睿 王小春 《计算机工程与应用》 CSCD 北大核心 2020年第2期201-210,共10页

提出了可协调经验小波变换,并将其应用于多聚焦图像融合。经验小波变换(EWT)是一种自适应信号分解方法,具有比经验模态分解和传统小波分解更好的特性。其核心思想是通过构造自适应的滤波器实现对信号的自适应分解。但是若直接对两幅多... 提出了可协调经验小波变换,并将其应用于多聚焦图像融合。经验小波变换(EWT)是一种自适应信号分解方法,具有比经验模态分解和传统小波分解更好的特性。其核心思想是通过构造自适应的滤波器实现对信号的自适应分解。但是若直接对两幅多聚焦图像分别进行EWT分解,因各自生成的经验小波互不相关,将出现分解所得对应子带不匹配的情况,影响融合图像的质量。针对这一问题,提出了一种可协调的经验小波变换(C-EWT),CEWT分解下的两个多聚焦图像的对应子带是完全匹配的。基于此,利用C-EWT提出了一种新的多聚焦图像融合算法。每幅源图像经过C-EWT分解后,得到一个低频分量和多个高频分量;对低频分量采用基于改进Laplacian能量和的阈值匹配选择与加权规则进行融合,对高频分量则采用局部Log-Gabor能量取大的融合规则;将融合之后的各子带分量进行重构得到融合图像。仿真实验表明:与其他六种融合算法相比,所提算法在融合聚焦区域、保留边缘和细节信息方面具有优势,融合图像具有更好的视觉效果,且客观评价指标与标准图像最为接近。 展开更多

关键词 多聚焦图像融合 经验小波变换 可协调 改进Laplacian能量和 Log-Gabor能量

在线阅读 下载PDF 职称材料

基于改进的经验模态分解的时间序列匹配算法

11

作者 倪志伟 吴昊 刘慧婷 《系统仿真学报》 CAS CSCD 北大核心 2011年第11期2395-2399,共5页

针对经验模态分解(EMD)的不足之处,对原有EMD方法中利用上下包络的平均值得到平均包络进行了改进,采用三次样条对连续极值点的平均值进行插值获得平均包络。通过这种方式,增加了近似极值点,在"筛"过程的每次循环中,只需要一... 针对经验模态分解(EMD)的不足之处,对原有EMD方法中利用上下包络的平均值得到平均包络进行了改进,采用三次样条对连续极值点的平均值进行插值获得平均包络。通过这种方式,增加了近似极值点,在"筛"过程的每次循环中,只需要一次而不是两次样条插值,缓解了"过冲"和"欠冲"现象,改进了EMD方法。然后利用改进的EMD方法降低序列的维度,并用K均值算法实现模式匹配。实验结果表明,提出的在对EMD进行改进的基础上实现模式匹配的方法,优于传统的基于小波的模式匹配方法。 展开更多

关键词 相似模式匹配 改进的经验模态分解 样条插值 K均值 小波变换

在线阅读 下载PDF 职称材料

基于EWT-FE分析联合改进SVM算法的GIS局部放电诊断方法 被引量：5

12

作者 王利猛 王硕 《电气工程学报》 CSCD 北大核心 2024年第1期371-381,共11页

为提高气体绝缘组合电器(Gas insulated switchgear,GIS)局部放电类型诊断的精度,提出了一种基于EWT-FE结合IHPO-SVM算法的GIS局部放电诊断方法。为深度挖掘局部放电信号内部特征,利用经验小波变换(Empirical wavelet transform,EWT)结... 为提高气体绝缘组合电器(Gas insulated switchgear,GIS)局部放电类型诊断的精度,提出了一种基于EWT-FE结合IHPO-SVM算法的GIS局部放电诊断方法。为深度挖掘局部放电信号内部特征,利用经验小波变换(Empirical wavelet transform,EWT)结合模糊熵(Fuzzy entropy,FE)算法对信号进行分解,并提取有效特征量;为提高支持向量机(Support vector machine,SVM)算法自适应能力与分类识别精度,提出利用经过余弦衰减计算方法以及指数下降函数改进的猎人猎物优化(Improved hunter-prey optimizer,IHPO)算法对SVM算法参数进行优化选取;搭建GIS局部放电试验模型,建立基于EWT-FE信号分析结合IHPO-SVM的局部放电识别模型,对所提算法有效性进行验证。试验结果表明,所提算法GIS局部放电类型诊断精度均大于95%,优于传统诊断算法。 展开更多

关键词 局部放电 气体绝缘组合电器 经验小波变换 模糊熵 改进猎人猎物优化算法 支持向量机算法

在线阅读 下载PDF 职称材料

基于IEWT-MOMEDA-FSC的滚动轴承故障诊断 被引量：2

13

作者 吴振雄 王林军 +2 位作者 邹腾枭 陈梦华 陈保家 《三峡大学学报（自然科学版）》 北大核心 2024年第1期92-98,共7页

针对滚动轴承故障信号常伴有噪声干扰且故障特征难以提取的问题,本文提出一种基于改进经验小波变换(IEWT)、多点优化最小熵解卷积(MOMEDA)和快速谱相关(FSC)的滚动轴承故障诊断方法.首先,将原始信号进行快速谱相关分析得到增强包络谱,... 针对滚动轴承故障信号常伴有噪声干扰且故障特征难以提取的问题,本文提出一种基于改进经验小波变换(IEWT)、多点优化最小熵解卷积(MOMEDA)和快速谱相关(FSC)的滚动轴承故障诊断方法.首先,将原始信号进行快速谱相关分析得到增强包络谱,通过增强包络谱的极值点来自适应地划分频谱,以分割的频谱为边界构建小波滤波器组将信号分解为多个IMF分量,利用相关峭度准则筛选出有效的分量进行叠加;其次,用MOMEDA对其进行降噪处理,将降噪后的信号进行快速谱相关分析,得到增强包络谱图;最后,将增强包络谱图中幅值较高的频率与故障频率对比,判定其失效形式,用所提出的方法对实测轴承故障信号进行分析验证.结果表明,所提出的方法能有效降低噪音干扰且增强信号故障冲击特性,在噪声环境下具有较强的故障特征提取能力. 展开更多

关键词 改进经验小波变换 多点最优最小熵解卷积 快速谱相关 峭度 互相关

在线阅读 下载PDF 职称材料

基于改进HHT方法的密集模态结构参数识别 被引量：13

14

作者 黄天立 邱发强 楼梦麟 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2011年第7期2054-2062,共9页

针对Hilbert-Huang变换(HHT)方法在识别结构模态参数中存在的经验模式分解(EMD)模态分解能力不足以及固有模式函数(IMF)分量之间不正交这2个问题,分别提出采用波组信号前处理和正交化经验模式分解的方法予以改进,并将此方法称为改进的Hi... 针对Hilbert-Huang变换(HHT)方法在识别结构模态参数中存在的经验模式分解(EMD)模态分解能力不足以及固有模式函数(IMF)分量之间不正交这2个问题,分别提出采用波组信号前处理和正交化经验模式分解的方法予以改进,并将此方法称为改进的Hilbert-Huang变换方法。在介绍正交化经验模式分解方法和波组信号前处理基本原理的基础上,给出基于此改进Hilbert-Huang变换方法识别结构模态参数的基本步骤,并通过一个具有密集模态的三自由度结构在脉冲荷载激励下的模态参数识别算例予以验证。研究结果表明:该方法可有效识别密集模态结构的模态参数,且识别效果优于基于HHT的模态参数识别方法的效果。 展开更多

关键词 改进Hilbert-Huang变换 波组 正交化经验模式分解 密集模态 参数识别

在线阅读 下载PDF 职称材料

基于MEEMD-ARIMA模型的波浪能发电系统输出功率预测 被引量：14

15

作者 吴峰 王飞 +1 位作者 顾康慧 周能萍 《电力系统自动化》 EI CSCD 北大核心 2021年第1期65-70,共6页

波浪能作为一种储量丰富的清洁能源,是未来理想的能源之一。但其具有较强的随机波动特性,因此,可靠地预测波浪能发电系统的输出功率能给复杂电网的调度带来极大的便利。文中提出基于改进的总体经验模态分解(MEEMD)-差分整合移动平均自回... 波浪能作为一种储量丰富的清洁能源,是未来理想的能源之一。但其具有较强的随机波动特性,因此,可靠地预测波浪能发电系统的输出功率能给复杂电网的调度带来极大的便利。文中提出基于改进的总体经验模态分解(MEEMD)-差分整合移动平均自回归(ARIMA)模型的波浪能组合预测。首先,基于海浪计算原理,计算混合浪的每小时平均波高与周期。其次,采用MEEMD对每小时平均波高与周期进行分解,得到一系列特征互异的本征模态函数(IMF)和余量,并将平均波高分解的结果与离散小波变换分解结果做对比。然后,将得到的分量分别建立ARIMA预测模型,通过叠加得到每小时平均波高与周期的预测值。最后,建立直驱式波浪能发电系统波高-功率转换模型,实例结果验证了该组合模型预测的有效性。 展开更多

关键词 波浪能 预测 离散小波变换 改进的总体经验模态分解-差分整合移动平均自回归 功率转换模型

在线阅读 下载PDF 职称材料

基于IEWT和IWAAE的滚动轴承故障识别研究 被引量：1

16

作者 韩建哲 艾建军 +1 位作者 邓名姣 袁朴 《机电工程》 CAS 北大核心 2022年第5期655-661,共7页

通过深度学习实现轴承故障识别时,存在着因信号噪声导致故障识别率较低的问题,针对这一问题,提出了一种基于改进经验小波变换(IEWT)和改进Wasserstein自编码器(IWAAE)的轴承故障识别方法。首先,将轴承振动数据由时域变换到包络谱域,通... 通过深度学习实现轴承故障识别时,存在着因信号噪声导致故障识别率较低的问题,针对这一问题,提出了一种基于改进经验小波变换(IEWT)和改进Wasserstein自编码器(IWAAE)的轴承故障识别方法。首先,将轴承振动数据由时域变换到包络谱域,通过包络谱的极值点与自适应阈值的关系对其进行了包络谱自动分割,进而利用经验小波变换,将数据自动分解为不同频段的调幅调频分量,并采用改进峭度指标对选取合适的分量进行了重构,进而对信号进行了有效降噪;然后,针对变分自编码器训练困难的缺陷,引入Wasserstein自编码器,根据Wasserstein自编码器中间层神经元的激活值大小,对神经元进行了自动增加或删减,进而构造了IWAAE;最后,将重构信号输入到IWAAE中,进行了滚动轴承故障特征的自动提取和故障识别。研究结果表明:与其它的轴承故障识别方法相比,采用IEWT-IWAAE方法的故障识别精度更高,准确率可达99.28%,标准差仅0.32;该方法能在一定程度上缓解传统方法对人工特征提取和特征选择的依赖,其对噪声的鲁棒性高,故障识别能力优于其他组合模型方法。 展开更多

关键词 旋转机械 包络谱分割 改进经验小波变换 改进Wasserstein自编码器 故障特征提取 信号降噪

在线阅读 下载PDF 职称材料

基于改进的随机森林和密度聚类的短期负荷频域预测方法 被引量：22

17

作者 张金金 张倩 +1 位作者 马愿 李智 《控制理论与应用》 EI CAS CSCD 北大核心 2020年第10期2257-2265,共9页

精确的负荷预测对于电力系统的有效调度和安全运行至关重要.本文提出基于改进的随机森林(IRF)和密度的聚类(DBSCAN)的频域组合预测方法.首先,采用经验小波变换(EWT)分解负荷,得到不同的固有模态分量(IMFs);其次,根据各分量特征采用合理... 精确的负荷预测对于电力系统的有效调度和安全运行至关重要.本文提出基于改进的随机森林(IRF)和密度的聚类(DBSCAN)的频域组合预测方法.首先,采用经验小波变换(EWT)分解负荷,得到不同的固有模态分量(IMFs);其次,根据各分量特征采用合理的方法进行预测.其中,低频、中频分量采用IRF预测;高频分量使用DBSCAN根据气象因素温度和湿度聚类,再根据每类的样本特性选择处理方法.最后,叠加各分量的预测值,获取负荷预测值.根据某地市现场负荷数据进行实验,预测结果分别与EWT–IRF,EWT–随机森林(RF)、经验模态分解(EMD)–IRF模型的预测结果进行对比.结果表明,提出的模型具有更高的预测精度,反映了实际负荷的随机性. 展开更多

关键词 负荷预测 基于改进的随机森林 基于密度的聚类 经验小波变换

在线阅读 下载PDF 职称材料

基于IEWT和IFractalNet的滚动轴承故障诊断 被引量：7

18

作者 杜小磊 陈志刚 +1 位作者 王衍学 张楠 《振动与冲击》 EI CSCD 北大核心 2020年第24期134-142,共9页

针对传统滚动轴承故障诊断方法易受噪声干扰,过度依赖专家经验等问题,提出了一种基于改进经验小波变换(IEWT)和改进分形网络(IFractalNet)的诊断方法。改进经验小波变换Fourier谱的分割方式,将轴承原始振动信号自适应分解为若干本征模... 针对传统滚动轴承故障诊断方法易受噪声干扰,过度依赖专家经验等问题,提出了一种基于改进经验小波变换(IEWT)和改进分形网络(IFractalNet)的诊断方法。改进经验小波变换Fourier谱的分割方式,将轴承原始振动信号自适应分解为若干本征模态分量,并利用基于峭度、相关系数、能量比的综合评价指标筛选出最能反映信号故障特征的本征模态分量(imfs);针对样本集不平衡问题改进分形网络的损失函数和激活函数;将筛选到的imfs重构并输入IFractalNet进行自动特征提取与故障识别。实验结果表明:提出方法能够有效地对滚动轴承进行多种故障类型和多种故障程度的识别,避免了复杂的人工特征提取过程,相较于其他方法具有更高的泛化能力、特征提取能力和故障识别能力。 展开更多

关键词 滚动轴承 改进经验小波变换(iewt) 改进分形网络(IFractalNet) 故障诊断

在线阅读 下载PDF 职称材料

改进OPELM在超声电机退化状态识别中的应用 被引量：1

19

作者 陈柏言 李洪儒 安国庆 《电子测量与仪器学报》 CSCD 北大核心 2018年第3期111-118,共8页

压电陶瓷部件开裂是超声电机的主要故障模式之一,通过监测孤极信号能够有效地识别超声电机的退化状态。最优剪枝极限学习机(optimally-pruned extreme learning machine,OPELM)解决了极限学习机隐层节点无法准确确定的问题被较好地应用... 压电陶瓷部件开裂是超声电机的主要故障模式之一,通过监测孤极信号能够有效地识别超声电机的退化状态。最优剪枝极限学习机(optimally-pruned extreme learning machine,OPELM)解决了极限学习机隐层节点无法准确确定的问题被较好地应用于模式识别中,然而OPELM采取多响应稀疏回归算法(multiresponse sparse regression,MRSR)对神经元进行排序时依靠两个神经元彼此间的相关性,使得计算耗费时间较长。借鉴矩阵奇异值分解的方法提出一种改进OPELM方法,奇异值作为一种能够反映矩阵属性的固有特征,利用其数值的大小对神经元进行排序能够大幅度缩减计算量。应用时首先对超声电机孤极信号采取经验小波变换(empirical wavelet transform,EWT)的方法提取其退化特征,然后将其输入至改进OPELM模型识别超声电机的退化状态,最后通过与ELM和OPELM的对比分析,验证了该方法的有效性。 展开更多

关键词 超声电机 改进最优剪枝极限学习机 退化状态识别 孤极信号 经验小波变换

在线阅读 下载PDF 职称材料

IEWT-CS和LCNN在轴承故障诊断中的应用 被引量：2

20

作者 陈志刚 杜小磊 +1 位作者 张楠 张俊玲 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第3期463-472,共10页

针对传统轴承故障诊断方法易受噪声干扰、过度依赖专家经验和故障信号特征提取与优化选择困难的问题,本文提出了一种基于改进经验小波变换与压缩感知联合降噪结合导联卷积神经网络的轴承故障诊断方法。采用压缩感知方法减弱轴承信号强... 针对传统轴承故障诊断方法易受噪声干扰、过度依赖专家经验和故障信号特征提取与优化选择困难的问题,本文提出了一种基于改进经验小波变换与压缩感知联合降噪结合导联卷积神经网络的轴承故障诊断方法。采用压缩感知方法减弱轴承信号强背景噪声干扰;采用改进经验小波变换算法将信号分解为若干本征模态函数,并通过相关系数-峭度准则选出故障特征较为明显的分量并重构;将重构信号输入导联卷积神经网络中进行自动特征提取与故障识别。轴承故障诊断实验表明:提出方法受先验知识和主观影响较小,避免了复杂的特征提取与分类过程,相较于其他方法具有更高的泛化能力、特征提取能力和故障识别能力。 展开更多

关键词 滚动轴承 压缩感知 改进经验小波变换 导联卷积神经网络 故障诊断 模式识别 特征提取 降噪

在线阅读 下载PDF 职称材料