检索结果-维普期刊中文期刊服务平台

集成自适应啁啾模态分解和BiLSTM的短期负荷组合预测模型被引量：17: 1; 作者姚浩然李成鑫 +1 位作者郑秀娟杨平《电力系统保护与控制》 EI CSCD 北大核心 2022年第19期58-66,共9页; 为提高用户侧短期负荷预测的精度,提出了一种基于自适应啁啾模态分解(adaptive chirp mode decomposition,ACMD)和麻雀搜索算法(sparrow search algorithm, SSA)优化双向长短时记忆网络(bi-directional long short-term memory, BiLSTM... 展开更多; 关键词负荷预测双向长短时记忆网络自适应啁啾模态分解麻雀搜索算法时序分解; 在线阅读下载PDF 职称材料

基于SVD-IACMD的GIS振动信号去噪算法被引量：3: 2; 作者涂嘉毅关向雨 +2 位作者赵俊义林建港赖泽楷《电力工程技术》北大核心 2024年第6期163-172,共10页; 振动测量对发现气体绝缘开关设备(gas insulated switchgear,GIS)潜在性缺陷具有重要意义,但GIS本体振动信号易受基础振动、测量噪声以及环境噪声的影响,使得现场GIS振动带电检测和机械缺陷诊断的效果较差。针对此问题,提出一种基于奇... 展开更多; 关键词气体绝缘开关设备(GIS) 信号降噪奇异值分解(SVD) 改进自适应啁啾模态分解(iacmd) 鱼鹰优化算法(OOA) 机械振动; 在线阅读下载PDF 职称材料

基于ACMD与频谱感知的铁路无线通信阻塞干扰识别方法: 3; 作者酒昀洋刘金朝 +3 位作者孟景辉杨树忠李润雷段贺辉《铁道学报》北大核心 2025年第1期82-90,共9页; 针对公众无线网对铁路专用无线网造成阻塞干扰的问题,基于实时频谱动态检测数据,提出一种基于自适应啁啾模态分解(ACMD)和频谱感知的阻塞干扰自动识别方法。采用阈值法和能量重心法,实现三维图像数据降维,提取频谱包络和密度脊线等二维... 展开更多; 关键词铁路无线通信动态检测阻塞干扰自适应啁啾模态分解频谱感知; 在线阅读下载PDF 职称材料

一种随机激励下时变结构工作模态辨识方法被引量：2: 4; 作者王豪蓝鲲 +1 位作者夏国江耿胜男《噪声与振动控制》 CSCD 北大核心 2023年第1期128-134,共7页; 时变结构在随机激励下的瞬时频率辨识始终是一项充满挑战的任务。结合图像处理技术和基于能量的脊线检测方法,提出一种自适应提取时频脊线的方法,其优点在于无须先验信息(如分量个数、分量带宽)即可实现时频域内所有分量脊线的提取,同... 展开更多; 关键词振动与波时变结构工作模态辨识自适应脊线提取多通道固有啁啾分量分解白噪声激励色噪声激励; 在线阅读下载PDF 职称材料

适用于低频振荡信号参数辨识的ACMD算法被引量：1: 5; 作者邵鹏达杨德友 +1 位作者王博王迪《电力系统及其自动化学报》 CSCD 北大核心 2021年第9期138-143,共6页; 针对由于低频振荡信号存在模态耦合现象导致参数辨识结果不精准问题,本文提出一种适用于互联电网低频振荡信号参数辨识的自适应啁啾模态分解方法。首先,利用自适应啁啾模态分解从低频振荡信号中分离出各个振荡分量;然后,用Hilbert变换... 展开更多; 关键词低频振荡自适应啁啾模态分解希尔伯特变换经验模态分解; 在线阅读下载PDF 职称材料

题名集成自适应啁啾模态分解和BiLSTM的短期负荷组合预测模型被引量：17: 1; 作者姚浩然李成鑫郑秀娟杨平; 机构四川大学电气工程学院; 出处《电力系统保护与控制》 EI CSCD 北大核心 2022年第19期58-66,共9页; 基金国家自然科学基金项目资助(52077146)。; 文摘为提高用户侧短期负荷预测的精度,提出了一种基于自适应啁啾模态分解(adaptive chirp mode decomposition,ACMD)和麻雀搜索算法(sparrow search algorithm, SSA)优化双向长短时记忆网络(bi-directional long short-term memory, BiLSTM)的短期负荷组合预测方法。针对短期电力负荷存在波动性强和非平稳性的问题,采用ACMD将短期负荷时间序列分解为多个相对简单的子分量,使用BiLSTM分别对各子分量进行预测。同时,为克服BiLSTM参数取值不同导致预测结果不稳定的问题,使用SSA优化BiLSTM模型的超参数。最后将各子分量预测结果叠加得到最终预测结果。通过具体算例,分别与单一预测模型和多种组合预测模型进行比较,实验结果表明该方法具有更高的预测精度。; 关键词负荷预测双向长短时记忆网络自适应啁啾模态分解麻雀搜索算法时序分解; Keywords load forecasting BiLSTM ACMD sparrow search algorithm temporal decomposition; 分类号 TM715 [电气工程—电力系统及自动化] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于SVD-IACMD的GIS振动信号去噪算法被引量：3: 2; 作者涂嘉毅关向雨赵俊义林建港赖泽楷; 机构福州大学电气工程与自动化学院中铝山东有限公司; 出处《电力工程技术》北大核心 2024年第6期163-172,共10页; 基金福建省自然科学基金资助项目“GIS触头多尺度失效特征与接触故障智能诊断方法研究”(2020J01509)。; 文摘振动测量对发现气体绝缘开关设备(gas insulated switchgear,GIS)潜在性缺陷具有重要意义,但GIS本体振动信号易受基础振动、测量噪声以及环境噪声的影响,使得现场GIS振动带电检测和机械缺陷诊断的效果较差。针对此问题,提出一种基于奇异值分解(singular value decomposition,SVD)-改进自适应啁啾模态分解(improve adaptive chirp mode decomposition,IACMD)的现场振动信号降噪算法。该方法首先利用SVD对原始振动信号进行预处理,滤除低频基础振动和测量噪声,其次利用鱼鹰优化算法(osprey optimization algorithm,OOA)对处理后的信号进行自适应模态分解,得到分解后的固有模态(intrinsic mode functions,IMF)分量,再利用互相关系数筛选有效分量重构振动信号。模拟信号与现场信号测试结果表明:与OOA-自适应啁啾模态分解(adaptive chirp mode decomposition,ACMD)和SVD-变分模态分解(variational mode decomposition,VMD)相比,所提出的SVD-IACMD算法可以去除基础振动、测量噪声和环境噪声,保留GIS本体振动的基频和谐波分量,为GIS现场抗干扰振动检测和机械缺陷诊断提供技术支持。; 关键词气体绝缘开关设备(GIS) 信号降噪奇异值分解(SVD) 改进自适应啁啾模态分解(iacmd) 鱼鹰优化算法(OOA) 机械振动; Keywords gas insulated switchgear(GIS) signal denoising singular value decomposition(SVD) improve adaptive chirp mode decomposition(iacmd) osprey optimization algorithm(OOA) mechanical vibration; 分类号 TM81 [电气工程—高电压与绝缘技术]; 在线阅读下载PDF 职称材料

题名基于ACMD与频谱感知的铁路无线通信阻塞干扰识别方法: 3; 作者酒昀洋刘金朝孟景辉杨树忠李润雷段贺辉; 机构中国铁道科学研究院研究生部中国铁道科学研究院集团有限公司基础设施检测研究所北京铁科英迈技术有限公司; 出处《铁道学报》北大核心 2025年第1期82-90,共9页; 基金中国国家铁路集团有限公司科技研究开发计划(K2021T015)。; 文摘针对公众无线网对铁路专用无线网造成阻塞干扰的问题,基于实时频谱动态检测数据,提出一种基于自适应啁啾模态分解(ACMD)和频谱感知的阻塞干扰自动识别方法。采用阈值法和能量重心法,实现三维图像数据降维,提取频谱包络和密度脊线等二维波形。利用ACMD对包络曲线进行模态分解,降低原始波形的非平稳性,再基于曲线特征进行频段划分和频段信号分类。通过频谱感知算法识别阻塞干扰并判断造成干扰的信号类型及其频率信息。实验结果表明:本文所提方法能够自动识别公众无线网对铁路专用无线网造成的阻塞干扰,并准确判断干扰信号带宽类型,同时检测出干扰信号和被干扰信号的频率值或频率范围,有效提高阻塞干扰的检出效率。; 关键词铁路无线通信动态检测阻塞干扰自适应啁啾模态分解频谱感知; Keywords railway wireless communication dynamic inspection blocking interference adaptive chirp mode decomposi⁃tion spectrum sensing; 分类号 U285 [交通运输工程—交通信息工程及控制]; 在线阅读下载PDF 职称材料

题名一种随机激励下时变结构工作模态辨识方法被引量：2: 4; 作者王豪蓝鲲夏国江耿胜男; 机构北京宇航系统工程研究所; 出处《噪声与振动控制》 CSCD 北大核心 2023年第1期128-134,共7页; 基金民用航天“十三五”第三批预先研究资助项目(B0104)。; 文摘时变结构在随机激励下的瞬时频率辨识始终是一项充满挑战的任务。结合图像处理技术和基于能量的脊线检测方法,提出一种自适应提取时频脊线的方法,其优点在于无须先验信息(如分量个数、分量带宽)即可实现时频域内所有分量脊线的提取,同时增强脊线提取的稳定性。在已知瞬时频率的基础上,又利用多通道固有啁啾分量分解方法实现时域内各通道各频率成分的同步分离,通过计算各分量的瞬时振幅比值获得瞬时振型。白噪声激励下的三自由度时变结构仿真和色噪声激励下的充液圆筒放水实验证明了该方法的有效性、鲁棒性和实用性。; 关键词振动与波时变结构工作模态辨识自适应脊线提取多通道固有啁啾分量分解白噪声激励色噪声激励; Keywords vibration and wave time-varying structures operational modal analysis adaptive ridge extraction multivariate intrinsic chirp component decomposition white noise excitation colored noise excitation; 分类号 TN911.6 [电子电信—通信与信息系统] V475.1 [航空宇航科学与技术—飞行器设计]; 在线阅读下载PDF 职称材料

题名适用于低频振荡信号参数辨识的ACMD算法被引量：1: 5; 作者邵鹏达杨德友王博王迪; 机构东北电力大学电气工程学院国网吉林省电力有限公司四平供电公司; 出处《电力系统及其自动化学报》 CSCD 北大核心 2021年第9期138-143,共6页; 文摘针对由于低频振荡信号存在模态耦合现象导致参数辨识结果不精准问题,本文提出一种适用于互联电网低频振荡信号参数辨识的自适应啁啾模态分解方法。首先,利用自适应啁啾模态分解从低频振荡信号中分离出各个振荡分量;然后,用Hilbert变换实现对各个分量的参数辨识;最后,对自合成测试信号、实测数据加以分析,并与经验模态分解和Prony方法进行比较。算例结果证明了该方法的有效性及实用性,具有一定的辨识精度。; 关键词低频振荡自适应啁啾模态分解希尔伯特变换经验模态分解; Keywords low-frequency oscillation adaptive chirped modal decomposition(ACMD) Hilbert transform empirical mode decomposition; 分类号 TM712 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	集成自适应啁啾模态分解和BiLSTM的短期负荷组合预测模型	姚浩然李成鑫郑秀娟杨平	《电力系统保护与控制》 EI CSCD 北大核心	2022	17	在线阅读下载PDF 职称材料
2	基于SVD-IACMD的GIS振动信号去噪算法	涂嘉毅关向雨赵俊义林建港赖泽楷	《电力工程技术》北大核心	2024	3	在线阅读下载PDF 职称材料
3	基于ACMD与频谱感知的铁路无线通信阻塞干扰识别方法	酒昀洋刘金朝孟景辉杨树忠李润雷段贺辉	《铁道学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	一种随机激励下时变结构工作模态辨识方法	王豪蓝鲲夏国江耿胜男	《噪声与振动控制》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
5	适用于低频振荡信号参数辨识的ACMD算法	邵鹏达杨德友王博王迪	《电力系统及其自动化学报》 CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料