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ICEEMDAN和VMD的行星齿轮箱故障特征提取

2

作者 王莉静 李鸿江 +1 位作者 李民生 贾政 《河北工程大学学报(自然科学版)》 2025年第1期105-112,共8页

提出一种基于改进的自适应噪声完备集合经验模态分解(ICEEMDAN)和变分模态分解(VMD)方法的行星齿轮箱故障特征提取方法。利用ICEEMDAN对信号进行分解,根据分量包络峭度对信号进行筛选重构。基于最大包络谱峰度作为适应度函数,采用麻雀... 提出一种基于改进的自适应噪声完备集合经验模态分解(ICEEMDAN)和变分模态分解(VMD)方法的行星齿轮箱故障特征提取方法。利用ICEEMDAN对信号进行分解,根据分量包络峭度对信号进行筛选重构。基于最大包络谱峰度作为适应度函数,采用麻雀搜索算法对VMD进行参数自适应优化,将重构后的信号分解为多个模态分量。根据分量的包络谱峭度,选取最优分量进行包络解调分析,实现行星齿轮箱故障特征提取。最后,通过实验得到本文所提方法的一致性相关系数在0.4723~0.7936之间,远高于EEMD-WTD方法的0.0881~0.2863和以包络谱为分量选取指标的0.1427~0.2864。 展开更多

关键词 行星齿轮箱 故障诊断 改进的自适应噪声完备集合经验模态分解 变分模态分解

在线阅读 下载PDF 职称材料

基于多尺度分解的微地震噪声压制与初至检测方法研究 被引量：8

3

作者 唐杰 温雷 +1 位作者 李聪 戚瑞轩 《石油物探》 EI CSCD 北大核心 2019年第4期517-523,共7页

地面微地震数据信噪比很低,严重影响了初至拾取的精度及反演结果的可靠性。为此,对基于改进的完备总体经验模态分解(ICEEMD)的去噪方法与初至检测方法进行了研究,首先利用ICEEMD将非平稳信号分解为一系列相对平稳的固有模态函数,然后提... 地面微地震数据信噪比很低,严重影响了初至拾取的精度及反演结果的可靠性。为此,对基于改进的完备总体经验模态分解(ICEEMD)的去噪方法与初至检测方法进行了研究,首先利用ICEEMD将非平稳信号分解为一系列相对平稳的固有模态函数,然后提出了一种自适应间隔阈值去除固有模态中噪声成分的方法,最后将去噪后的分量相加重构去噪后的信号。应用Hilbert变换计算每个分量的振幅,然后计算持续能量比,利用给定的阈值找到局部最大值,计算得到高能量的地震信号的到达时间。理论模型数据及实际微地震资料的处理结果表明,去噪后数据的信噪比得到了改进,相对于传统的空间域滤波与变换域阈值去噪,该去噪方法具有显著的优势及较好的应用价值,与Hilbert变换结合的初至检测方法可以有效地检测微地震信号初至。 展开更多

关键词 微地震 随机噪声压制 改进的完备总体经验模态分解 固有模态函数 自适应间隔阈值 重构 初至检测

在线阅读 下载PDF 职称材料

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

4

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)模型 门限广义自回归条件异方差(TGARCH)模型 改进型自适应白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 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：2

5

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

基于ICEEMDAN和共振解调的轴承故障检测方法

6

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

基于改进型CEEMDAN-Stacking集成学习的短期电力负荷预测

7

作者 李翔 沈艳霞 《通信电源技术》 2023年第8期81-86,共6页

为了提高短期电力负荷的预测精度,提出了一种改进型基于自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Stacking,CEEMDAN-Stacking)-Stacking的负荷预测模型。首先,利用CEEMDAN... 为了提高短期电力负荷的预测精度,提出了一种改进型基于自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Stacking,CEEMDAN-Stacking)-Stacking的负荷预测模型。首先,利用CEEMDAN算法对滑动窗口处理后的负荷序列进行分解并重构其模态分量。其次,采用精度赋权的方法替代传统Stacking模型对测试集预测结果取平均的模式,提升模型的整体预测精度。最后,利用改进的Stacking模型融合多种算法对各分量进行预测,通过叠加形成最终的预测值。实验结果表明,相较于传统Stacking模型和CEEMDAN-Stacking模型,所构建的改进型CEEMDAN-Stacking模型具有更高的预测精度。 展开更多

关键词 短期电力负荷预测 滑动窗口 自适应噪声完备集合经验模态分解(CEEMDAN) Stacking集成学习模型

在线阅读 下载PDF 职称材料

基于ICEEMDAN和小波阈值的Φ-OTDR信号去噪算法

8

作者 师雪玮 徐大林 刘志成 《指挥控制与仿真》 2024年第1期78-84,共7页

针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Int... 针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise)对实际采集的信号进行分解,计算样本熵,将其中的含噪分量进行小波阈值去噪,最后与未处理的信号分量进行重构。实验结果表明,对实采的信号进行降噪处理后,信噪比提高了5.34 dB,均方误差降低了0.0148,波形互相关系数提高了5.7%。与其他常用的去噪方法相比,该方法不仅在信噪比方面表现更优秀,而且在均方误差和波形互相关系数方面也具有更好的性能,能够更好地保留有用信号。 展开更多

关键词 分布式光纤声波传感系统 改进自适应噪声完全集成经验模态分解 样本熵 小波阈值去噪

在线阅读 下载PDF 职称材料

基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法

9

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 职称材料

基于CEEMDAN-改进小波阈值的水工结构振动信号联合降噪方法

10

作者 李火坤 邬鹏贞 +1 位作者 黄伟 刘晗玥 《南昌大学学报（工科版）》 CAS 2022年第1期1-8,共8页

针对水工结构在泄流激励作用下动力响应信号被噪声淹没的实际问题,提出一种基于自适应噪声的完整集成经验模态分解(CEEMDAN)和改进小波阈值函数联合降噪的方法。对水工结构振动信号先进行CEEMDAN分解,将信号分解成一系列固有模态(IMF)分... 针对水工结构在泄流激励作用下动力响应信号被噪声淹没的实际问题,提出一种基于自适应噪声的完整集成经验模态分解(CEEMDAN)和改进小波阈值函数联合降噪的方法。对水工结构振动信号先进行CEEMDAN分解,将信号分解成一系列固有模态(IMF)分量,运用自相关函数和互相关系数剔除无效IMF分量,实现振动信号的初次降噪;再利用改进小波阈值函数对含有主要振动信息的IMF分量进行降噪处理,实现含噪信号的二次降噪;最后,将包含主要结构振动信息的IMF分量和残量进行信号重构,得到降噪后的振动信号。通过数值仿真分析,发现CEEMDAN-改进小波阈值联合降噪后信号(10%噪声水平)的信噪比从20.21提升到23.54,均方根误差从0.19降低到0.09,验证了联合降噪具有更高的信噪比和更低的均方根误差,更为接近纯净信号。结合国内某水电站导墙实测数据,运用该方法进行降噪分析,结果表明该方法具有较好的降噪性能和应用前景,可为水工结构流激振动安全诊断提供有效依据。 展开更多

关键词 水工结构 自适应噪声的完整集成经验模态分解 改进小波阈值函数 信号降噪

在线阅读 下载PDF 职称材料

基于TVD和ICEEMDAN的滚动轴承微弱故障特征提取 被引量：3

11

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 改进自适应噪声的完备集成经验模态分解 特征提取

在线阅读 下载PDF 职称材料

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

12

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 职称材料

基于ICEEMDAN-MPE-RF和SVM的齿轮箱特征提取与故障诊断 被引量：2

13

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 改进的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 职称材料

基于ICEEMDAN-SE-TFPF的水电机组振动信号降噪方法

14

作者 李中梁 曹超凡 +3 位作者 蒋双云 于庆 王萌竹 卢娜 《水电与抽水蓄能》 2023年第5期5-10,16,共7页

针对水电机组振动信号中的背景噪声过大影响信号质量,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(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)、样... 针对水电机组振动信号中的背景噪声过大影响信号质量,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(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)、样本熵(SampEn,SE)及时频峰值滤波(Time-Frequency Peak Filtering,TFPF)重构的水电机组振动信号降噪方法。首先采用ICEEMDAN对水电机组振动信号进行分解得到若干本征模态分量(Intrinsic Mode Functions,IMFs);然后利用SE筛选主要IMF分量,并采用TFPF方法进行信号滤波重构,降低信号噪声;最后将重构后的信号输入支持向量机(Support Vector Machine,SVM)进行故障诊断,验证降噪方法的有效性;利用某电站3号机组数据进行实验,结果表明本文方法能够有效降低噪声对真实信号的影响,准确识别不同故障类型,提高诊断精度,具有一定应用价值。 展开更多

关键词 水电机组 振动信号降噪 自适应噪声完备集成经验模态分解 样本熵 时频峰值滤波

在线阅读 下载PDF 职称材料

基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型研究 被引量：4

15

作者 程小龙 张斌 +1 位作者 刘相杰 刘陶胜 《人民黄河》 CAS 北大核心 2024年第1期146-150,共5页

为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分... 为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分解为高频随机分量、中频周期分量和低频趋势分量,再分别采用GMDH模型、ARIMA模型对高中频分量、低频分量进行预测,建立基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型。以江西上犹江水电站为例,将该模型预测结果与反向传播(BP)、径向基函数(RBF)、GMDH和CEEMDAN-GMDH模型的预测结果进行对比分析。结果表明:CEEMDAN-GMDH-ARIMA模型的均方根误差(E_(RMS))、平均绝对误差(E_(MA))、相关系数(r)分别为0.048 mm、0.035 mm、0.994,均优于BP、RBF、GMDH、CEEMDAN-GMDH模型,模型预测效果最好,能够很好地体现监测点水平位移变化趋势。 展开更多

关键词 自适应噪声完备集成经验模态分解 数据处理群集法 差分自回归移动平均模型算法 大坝 变形预测 江西上犹江水电站

在线阅读 下载PDF 职称材料

深孔台阶爆破近区振动信号预处理与时频特征分析

16

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 改进的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 职称材料

基于深度学习的电池健康状态监测与预测系统设计

17

作者 凌明毅 《通信电源技术》 2024年第15期88-91,共4页

文章旨在设计一套能够实时监测锂离子电池健康状态并进行准确预测的系统。通过整合改进的完全自适应噪声集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)信号分解算法、支持... 文章旨在设计一套能够实时监测锂离子电池健康状态并进行准确预测的系统。通过整合改进的完全自适应噪声集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)信号分解算法、支持向量回归(Support Vector Regression,SVR)算法以及长短期记忆(Long Short-Term Memory,LSTM)网络模型,构建了一个综合性的电池健康管理系统。通过对锂离子电池进行恒流恒压充电、恒流放电以及阻抗测量等,利用所获取的数据进行预处理、分解及模型训练。结果显示,所提出的系统能够有效预测电池的容量、健康状态及剩余使用时间,与实际数据符合度较高。该研究为电池健康管理领域的发展提供了有效参考,具有一定的理论和应用价值。 展开更多

关键词 电池健康管理 锂离子电池 实时监测 改进的完全自适应噪声集合经验模态分解(iceemdan)

在线阅读 下载PDF 职称材料

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

18

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 自适应白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 职称材料