采用改进的集总平均经验模态分解法的内燃机气门拍击激励与燃烧激励分离的研究 被引量：3

1

作者 郑旭 郝志勇 +1 位作者 金阳 卢兆刚 《汽车工程》 EI CSCD 北大核心 2011年第11期930-936,共7页

提出了一种改进的集总平均经验模态分解(M-EEMD)方法,并阐述了其基本原理。通过仿真试验,证实了M-EEMD不仅能够很好地解决经验模态分解(EMD)中模态混叠问题,而且能够抑制集总平均经验模态分解(EEMD)的噪声残余和模态分裂等问题。作为实... 提出了一种改进的集总平均经验模态分解(M-EEMD)方法,并阐述了其基本原理。通过仿真试验,证实了M-EEMD不仅能够很好地解决经验模态分解(EMD)中模态混叠问题,而且能够抑制集总平均经验模态分解(EEMD)的噪声残余和模态分裂等问题。作为实例,对一个4缸4冲程内燃机气缸盖罩的振动信号进行M-EEMD分解,并对分解得到的IMF分量进行时频分析。结果表明M-EEMD能够成功地将内燃机气门拍击引起的机械激励成分与燃烧激励成分分离。 展开更多

关键词 内燃机 气门拍击 燃烧 激励分离 改进的集总平均经验模态分解

在线阅读 下载PDF 职称材料

采用改进互补集总经验模态分解的电能质量扰动检测方法 被引量：7

2

作者 吴新忠 邢强 +2 位作者 陈明 成江洋 杨春雨 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2017年第9期1834-1843,共10页

针对集总经验模态分解(EEMD)方法加噪参数(噪声幅值、集总次数)需人为确定、分解残余噪声大以及计算耗时长的缺点,提出一种自适应快速互补集总经验模态分解(AFCEEMD)方法.该方法分析不同频率形式噪声对极值点分布的影响,确定加噪频率采... 针对集总经验模态分解(EEMD)方法加噪参数(噪声幅值、集总次数)需人为确定、分解残余噪声大以及计算耗时长的缺点,提出一种自适应快速互补集总经验模态分解(AFCEEMD)方法.该方法分析不同频率形式噪声对极值点分布的影响,确定加噪频率采用高频辅助分解的优势,并以极值点分布特性作为评价指标自适应选择最优加噪频率.通过对EEMD加噪准则的研究,推导出加噪幅值和分解次数采取固定值:0.01SD和2次,且以正负成对的形式加入到原始信号中.通过仿真实验和搭建的电能质量扰动平台的实测数据验证了所提方法的自适应性和计算性能,而且适用于电能质量扰动检测与分析. 展开更多

关键词 集总经验模态分解(EEMD) 自适应快速互补EEMD(AFCEEMD) 极值点分布 加噪频率参数优化 电能质量扰动

在线阅读 下载PDF 职称材料

基于集总平均经验模态分解法(EEMD)的星箭解锁分离机构冲击响应分析 被引量：8

3

作者 汪国元 徐洋 +2 位作者 胡晓楠 盛晓伟 蒋青飞 《振动与冲击》 EI CSCD 北大核心 2018年第1期47-52,共6页

基于集总平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD),提出一种星箭解锁分离机构冲击响应信号分析新方法。通过EEMD,将星箭解锁分离机构解锁过程的冲击信号分解成不同模态分量(Intrinsic Mode Function,IMF)。结果... 基于集总平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD),提出一种星箭解锁分离机构冲击响应信号分析新方法。通过EEMD,将星箭解锁分离机构解锁过程的冲击信号分解成不同模态分量(Intrinsic Mode Function,IMF)。结果表明前两阶模态分量IMF主要为冲击引起的高频振动,而IMF3之后为冲击激励引起的不同阶固有模态振动和局部振动,并通过模态实验验证了分析的正确性。 展开更多

关键词 星箭解锁分离机构 集总平均经验模态分解法(EEMD) 模态分量IMF 冲击响应

在线阅读 下载PDF 职称材料

完全互补小波噪声辅助集总经验模态分解 被引量：19

4

作者 何刘 丁建明 +1 位作者 林建辉 刘新厂 《振动与冲击》 EI CSCD 北大核心 2017年第4期232-242,共11页

经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的EMD方法能克服EMD方法在处理间歇信号时出现的"模态混叠"现象。在这些噪声辅助方法中,互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(C... 经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的EMD方法能克服EMD方法在处理间歇信号时出现的"模态混叠"现象。在这些噪声辅助方法中,互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(CEEMDAN)恢复了EMD分解的完整性。在现有分析方法上提出了完全互补小波噪声辅助集总经验模态分解(CCWEEMDAN)算法。该算法能用更小的集总数、更少的迭代次数和极小的计算消耗获得更好的光谱分离效果和数目较少的筛选模态。 展开更多

关键词 经验模态分解 集合经验模态分解 噪声辅助 模态混叠 互补集总经验模态分解

在线阅读 下载PDF 职称材料

基于集总经验模态分解和极坐标表示的瞬时转速诊断方法 被引量：4

5

作者 王帅 向阳 王磊 《中国机械工程》 EI CAS CSCD 北大核心 2017年第15期1848-1853,1861,共7页

为解决瞬时转速方法在诊断多缸中高速V型机发生失火故障时,存在的特征参数难以提取、诊断精度不高等问题,以发火间隔角不均匀的某V12柴油机为对象,进行了基于集总经验模态分解(EEMD)和极坐标表示的诊断方法研究。结果表明:构成本征模态... 为解决瞬时转速方法在诊断多缸中高速V型机发生失火故障时,存在的特征参数难以提取、诊断精度不高等问题,以发火间隔角不均匀的某V12柴油机为对象,进行了基于集总经验模态分解(EEMD)和极坐标表示的诊断方法研究。结果表明:构成本征模态函数IMF6分量的主频率为8.3Hz(0.5谐次),经过EEMD分解提取了0.5谐次成分,其幅值可作为判别单缸失火故障的特征值;将0.5谐次相位及其变化规律与极坐标表示结合,能够直观准确地定位故障。 展开更多

关键词 集总经验模态分解 瞬时转速 单缸失火 极坐标表示 故障定位

在线阅读 下载PDF 职称材料

基于互补集总经验模态分解和局部异常因子的有载分接开关状态特征提取及异常状态诊断 被引量：25

6

作者 张知先 陈伟根 +2 位作者 汤思蕊 王有元 万福 《电工技术学报》 EI CSCD 北大核心 2019年第21期4508-4518,共11页

为了及时发现和诊断有载分接开关(OLTC)的异常状态,在特征提取方面,结合驱动电机电流信号选取OLTC振动信号的特定时段,以突出状态特征;利用互补集总经验模态分解(CEEMD)得到振动信号的固有模态函数(IMF),针对OLTC振动信号的特点,提出基... 为了及时发现和诊断有载分接开关(OLTC)的异常状态,在特征提取方面,结合驱动电机电流信号选取OLTC振动信号的特定时段,以突出状态特征;利用互补集总经验模态分解(CEEMD)得到振动信号的固有模态函数(IMF),针对OLTC振动信号的特点,提出基于IMF能量特征的降噪算法;设计了时频矩阵划分算法,提取划分线、峭度、包络谱熵、时频矩阵能量密度、时频矩阵变异系数等特征参量。在异常状态诊断方面,通过多个振动测点,同时实现OLTC本体和传动机构的异常状态诊断;建立了以局部异常因子(LOF)为诊断参量的OLTC异常状态诊断方法,通过待测样本与正常样本集的比较来发现和诊断OLTC的异常状态,具有较好的普适性。仿真和实验结果表明,基于该文提出的方法能有效发现和诊断OLTC的异常状态。 展开更多

关键词 有载分接开关 振动信号降噪 时频分析 互补集总经验模态分解 局部异常因子

在线阅读 下载PDF 职称材料

基于变分模态分解算法的单通道无线电混合信号分离 被引量：9

7

作者 江春冬 王景玉 +2 位作者 杜太行 郝静 龙超 《上海交通大学学报》 EI CAS CSCD 北大核心 2018年第12期1618-1626,共9页

针对复杂电磁环境下单通道无线电混合信号分离困难及分离精度不高的问题,提出2次使用变分模态分解(VMD)算法对单通道无线电混合信号进行分离的方法.首先利用VMD算法对单通道无线电混合信号进行粗分离,并将VMD算法与总体平均经验模态分解... 针对复杂电磁环境下单通道无线电混合信号分离困难及分离精度不高的问题,提出2次使用变分模态分解(VMD)算法对单通道无线电混合信号进行分离的方法.首先利用VMD算法对单通道无线电混合信号进行粗分离,并将VMD算法与总体平均经验模态分解(EEMD)算法进行对比,得出前者分离出的信号在时域、频域及信噪比和相似系数等方面均比后者取得的对应结果效果好的结论.然后对VMD算法的参数利用改进的量子粒子群优化算法进行优化,确定所需分量个数和惩罚因子的值.最后对VMD算法分离后的信号使用参数优化后的VMD算法进行细分离.数值模拟和实验信号分析结果均表明,再次分离后所得到的信号精度较利用VMD算法对单通道无线电混合信号进行粗分离时更高,证明了所提算法对单通道无线电混合信号分离的有效性. 展开更多

关键词 变分模态分解 总体平均经验模态分解 改进的量子粒子群优化

在线阅读 下载PDF 职称材料

基于奇异值分解(SVD)差分谱降噪和本征模函数(IMF)能量谱的改进Hilbert-Huang方法 被引量：18

8

作者 柴凯 张梅军 +1 位作者 黄杰 唐俊刚 《科学技术与工程》 北大核心 2015年第9期90-96,共7页

针对随机噪声和虚假IMF会导致改进HHT中EEMD分解质量下降和Hilbert谱混乱,提出了一种基于SVD差分谱降噪预处理和IMF能量谱剔除虚假分量的改进HHT。该方法首先对原始信号进行SVD降噪,通过基本不等式原理来确定相空间重组的最佳Hankel矩... 针对随机噪声和虚假IMF会导致改进HHT中EEMD分解质量下降和Hilbert谱混乱,提出了一种基于SVD差分谱降噪预处理和IMF能量谱剔除虚假分量的改进HHT。该方法首先对原始信号进行SVD降噪,通过基本不等式原理来确定相空间重组的最佳Hankel矩阵结构,利用奇异值差分谱来确定有效奇异值的阶次;然后对消噪的信号进行EEMD分解,通过IMF能量谱来去除虚假分量;最后对主IMF进行Hilbert谱分析。仿真和实验结果表明,SVD能提高信噪比,抑制噪声对EEMD分解精度的干扰;能量谱能有效地消除虚假IMF对Hilbert谱分析的影响;Hilbert谱中各频率成分清晰,解决了随机噪声和虚假分量对传统改进HHT的不良影响。 展开更多

关键词 改进Hilbert-Huang变换 奇异值分解 差分谱 总体平均经验模态分解 固有模态函数 能量谱

在线阅读 下载PDF 职称材料

基于校准窗口集成与耦合市场特征的可解释双层日前电价预测 被引量：5

9

作者 刘慧鑫 沈晓东 +3 位作者 魏泽涛 刘友波 刘俊勇 白元宝 《中国电机工程学报》 EI CSCD 北大核心 2024年第4期1272-1285,I0003,共15页

随着电力市场之间耦合程度不断加深,只局限于单个市场内部的传统特征集不足以支撑高精度预测的需求。而且模型预测性能对校准窗口的选择敏感,而传统电价预测仅使用一个固定时间长度的数据集,同时预测模型的“黑盒”结构导致预测结果在... 随着电力市场之间耦合程度不断加深,只局限于单个市场内部的传统特征集不足以支撑高精度预测的需求。而且模型预测性能对校准窗口的选择敏感,而传统电价预测仅使用一个固定时间长度的数据集,同时预测模型的“黑盒”结构导致预测结果在工程应用中可信度偏低。针对上述问题,该文提出一种考虑校准窗口集成与耦合市场特征的可解释双层日前电价预测框架。内层框架为基于改进自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition,ICEEMDAN)的择优预测,首先分解原始电价序列,然后应用Lasso估计回归(lassoestimated autoregressive,LEAR)、长期和短期时间序列网络(long-term and short-term time-series networks,LSTNet)、卷积神经网络-长短记忆神经网络(convolutionalneuralnetworks-longshort termmemory,CNN-LSTM)、移动平均(autoregressive integrated moving average,ARIMA)和核极限学习机(kernel extreme learning machines,KELM)模型预测子序列并选择最优预测算法。外层框架为基于贝叶斯模型平均(bayes modelaveraging,BMA)的校准窗口集成预测,针对每个不同校准窗口长度数据集下的预测分配权重并集成得到预测电价。最后,通过可解释方法沙普利加性解释模型(shapley additiveexplanations,SHAP)分析耦合市场特征如何影响预测电价。该文通过北欧电力市场数据集的算例分析证明了所提算法的优越性和校准窗口集成方案的有效性。 展开更多

关键词 校准窗口集成 耦合市场特征 双层预测框架 改进自适应噪声完备集合经验模态分解(ICEEMDAN) 贝叶斯模型平均(BMA) 沙普利加性解释模型(SHAP)

在线阅读 下载PDF 职称材料

基于EMD-DESN的无人机集群航迹目的地预测 被引量：1

10

作者 薛锡瑞 黄树彩 +1 位作者 韦道知 吴建峰 《系统工程与电子技术》 EI CSCD 北大核心 2024年第1期290-299,共10页

无人机(unmanned aerial vehicle,UAV)集群作战样式多样、运动模式复杂,导致集群航迹目的地难以预测。为解决上述问题,本文提出了一种基于经验模态分解(empirical mode decomposition,EMD)和深度回声状态网络(deep echo state network,D... 无人机(unmanned aerial vehicle,UAV)集群作战样式多样、运动模式复杂,导致集群航迹目的地难以预测。为解决上述问题,本文提出了一种基于经验模态分解(empirical mode decomposition,EMD)和深度回声状态网络(deep echo state network,DESN)的UAV集群航迹目的地预测算法。为使集群运动模型更真实地模拟UAV集群作战过程,本文引入航向误差时变方差,改进了Olfati-Saber集群运动模型的虚拟领导项。为处理因群内的协同作用和集群航向误差导致的运动非平稳性,引入了EMD,对UAV航迹序列进行重构。考虑到获知航迹的时序性,设计了滑窗结构,采用DESN对重构航迹的不同时段进行目的地预测。仿真实验结果表明,本文提出的EMD-DESN算法较基本DESN算法能以更高的准确度预测UAV集群航迹目的地,并能更早地实现稳定的正确预测。 展开更多

关键词 无人机集群 目的地预测 深度回声状态网络 经验模态分解 改进Olfati-Saber模型

在线阅读 下载PDF 职称材料

基于ICEEMDAN分解重构的BiLSTM-KELM短期电力负荷预测 被引量：1

11

作者 王晨 李又轩 +2 位作者 王淑侠 邬蓉蓉 吴其琦 《科学技术与工程》 北大核心 2024年第32期13836-13843,共8页

短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分... 短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)和排列熵(permutation entropy,PE)重构部分,以及双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)与核极限学习(kernel extreme learning machine,KELM)预测部分。首先,使用ICEEMDAN将复杂的负荷数据分解成n个相对平稳的子序列,从而降低数据的随机性,并引入排列熵来计算每个子序列的PE值来进行重构,有效减小了模型的计算规模。其次,采用BiLSTM模型来挖掘数据之间的内在联系,对各个重构序列进行学习和预测。最后,利用KELM对重构序列的预测值进行非线性拟合,进一步提高预测精度。实验结果表明:ICEEMDAN-PE-BiLSTM-KELM模型比传统长短期记忆神经网络(long short-term memory,LSTM)模型的均方根误差(root mean square error,RMSE)降低了106.05 MW,平均绝对误差(mean absolute error,MAE)降低了62.34 MW,平均绝对百分比误差(mean absolute percentage error,MAPE)降低了0.877%,可见该模型能够更好地解决数据的复杂性和随机性,同时提高预测精度。 展开更多

关键词 短期电力负荷预测 改进的自适应噪声完备集经验模态分解(ICEEMDAN) 排列熵(PE) 双向长短期记忆神经网络(BiLSTM) 核极限学习(KELM)

在线阅读 下载PDF 职称材料

基于EEMD形态谱和KFCM聚类集成的滚动轴承故障诊断方法研究 被引量：27

12

作者 郑直 姜万录 +2 位作者 胡浩松 朱勇 李扬 《振动工程学报》 EI CSCD 北大核心 2015年第2期324-330,共7页

针对滚动轴承的故障诊断问题,提出了一种基于集总经验模态分解(EEMD)、形态谱特征提取和核模糊C均值聚类(KFCMC)集成的故障诊断新方法。首先,对实测的滚动轴承振动信号进行EEMD分解,得到若干个代表不同振动模态的内禀模态函数(IMF);其次... 针对滚动轴承的故障诊断问题,提出了一种基于集总经验模态分解(EEMD)、形态谱特征提取和核模糊C均值聚类(KFCMC)集成的故障诊断新方法。首先,对实测的滚动轴承振动信号进行EEMD分解,得到若干个代表不同振动模态的内禀模态函数(IMF);其次,基于峭度、能量和均方差三个评价指标,从分解得到的若干个IMF分量中选出含有故障特征信息最丰富的3个IMF分量作为诊断用的数据源;然后在选定尺度范围内提取每个IMF分量的形态谱平均值,将三个形态谱平均值构成一个三维特征向量,作为一个样本,形成样本集;最后,利用KFCMC完成对滚动轴承不同故障的分类识别。此外,为了对比说明该方法的识别效果,还将振动信号用经验模态分解(EMD)方法进行分解,用模糊C均值聚类(FCMC)进行分类识别,结果表明所提方法的识别效果要优于EMD形态谱和FCMC相结合的方法。通过对实测的滚动轴承振动信号的实验验证,表明该方法可以实现对滚动轴承故障的有效诊断。 展开更多

关键词 故障诊断 滚动轴承 集总经验模态分解 形态谱 核模糊 C 均值聚类

在线阅读 下载PDF 职称材料

农机总动力增长波动影响因素分析 被引量：19

13

作者 鞠金艳 赵林 王金峰 《农业工程学报》 EI CAS CSCD 北大核心 2016年第2期84-91,91+90,共8页

为了明确农机总动力增长波动变化的特征,分析不同因素对农机总动力增长波动影响的大小,进而采取有效的措施来稳定和加快农机总动力增长。针对农机总动力增长波动的复杂性与非线性的特点,采用经验模态分解法对1986-2013年农机总动力增长... 为了明确农机总动力增长波动变化的特征,分析不同因素对农机总动力增长波动影响的大小,进而采取有效的措施来稳定和加快农机总动力增长。针对农机总动力增长波动的复杂性与非线性的特点,采用经验模态分解法对1986-2013年农机总动力增长及其影响因素进行多层次、多尺度分解,得到各本征模态函数分量和趋势量,并采用集对分析理论分析农机总动力增长各本征模态函数分量与其相对应影响因素之间的联系度,进而计算得到各影响因素对农机总动力增长波动的综合影响率。结果表明,政府投入、劳均(每个劳动力)播种面积、燃料价格指数、粮食单产、非农产业的发展和第一产业从业人员数对农机总动力增长波动的综合影响率分别为23.89%、23.73%、23.67%、7.13%、7.41%和14.17%,农民人均纯收入、农业劳均产值、机械化农具价格指数、初中文化以上农村劳动力比例4个影响因素对农机总动力增长波动不产生影响,只对增长趋势量有影响。该研究成果为农业机械化发展政策的调整和制定提供了参考。 展开更多

关键词 农业机械 信号分析 粮食 农机总动力 经验模态分解法 集对分析 影响因素 综合影响率

在线阅读 下载PDF 职称材料

基于改进的MEEMD的隧道掘进爆破振动信号去噪优化分析 被引量：9

14

作者 周红敏 赵事成 +3 位作者 赵文清 王双 郝广伟 张宪堂 《振动与冲击》 EI CSCD 北大核心 2023年第10期74-81,共8页

爆破振动信号受现场条件限制,多为复杂含噪信号,对降噪方法的性能提出更高要求。为了获得真实振动特征,建立了一种基于改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)的联合去噪方法。首先,将原始... 爆破振动信号受现场条件限制,多为复杂含噪信号,对降噪方法的性能提出更高要求。为了获得真实振动特征,建立了一种基于改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)的联合去噪方法。首先,将原始信号进行MEEMD分解得到本征模态分量(intrinsic mode function,IMF),结合相关系数和样本熵(sample entropy,SE)-Hurst指数进行IMF分类;然后,针对含噪IMF分量中的残留噪声,使用最小均方(least mean square,LMS)自适应滤波进行降噪,达到信号去噪的目的。算法对比结果表明:在仿真试验中,MEEMD-LMS相较互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)等方法表现出更优的降噪性能;在隧道掘进爆破的实例分析中,MEEMD-LMS相较MEEMD对高频噪声的降噪效果更好,低频段频谱更清晰,具备良好的适用性。 展开更多

关键词 隧道掘进 爆破振动 改进的总体平均经验模态分解(MEEMD) 最小均方(LMS)滤波 本征模态分量(IMF)评价

在线阅读 下载PDF 职称材料

基于EMD改进算法的爆破振动信号去噪 被引量：38

15

作者 易文华 刘连生 +1 位作者 闫雷 董斌斌 《爆炸与冲击》 EI CAS CSCD 北大核心 2020年第9期75-85,共11页

为了解决振动信号经验模态分解(empirical mode decomposition,EMD)滤波去噪效果不佳的问题,提出一种自适应性正交经验模态分解(principal empirical mode decomposition,PEMD)的信号去噪方法。该算法融合了EMD分解的自适应性和主成分分... 为了解决振动信号经验模态分解(empirical mode decomposition,EMD)滤波去噪效果不佳的问题,提出一种自适应性正交经验模态分解(principal empirical mode decomposition,PEMD)的信号去噪方法。该算法融合了EMD分解的自适应性和主成分分析(principal component analysis,PCA)的完全正交性特点,对信号EMD分解过程中产生的模态混叠现象进行消除,得到了最佳的去噪效果。分析表明:PEMD在仿真模拟试验中相比于传统EMD算法和集总经验模态分解(ensemble empirical mode decomposition,EEMD)算法,信噪比分别提高了1.15 dB和0.38 dB,且均方根误差最小;频域上PEMD对仿真信号频率(30 Hz)识别的灵敏度最高,30 Hz之外的噪声滤除效果最好。在爆破振动试验中,PEMD和EEMD去除噪声毛刺的效果较为理想,且PEMD在0~300 Hz的中低频振动信号保存效果最好,300 Hz以上的高频噪声滤除效果最好。 展开更多

关键词 爆破振动 去噪 模态混叠 主成分分析 经验模态分解 集总经验模态分解

在线阅读 下载PDF 职称材料

基于WPES与MEEMD的船用主机振动研究 被引量：1

16

作者 吴刚 江国栋 +1 位作者 闫国华 陈晓东 《舰船科学技术》 北大核心 2024年第4期103-108,共6页

为揭示船用长冲程低速柴油机健康状态下的振动特征,采用小波包能量谱(Wavelet Packet Energy Spectrum, WPES)和改进的总体平均经验模态分解(Modified Ensemble Empirical Mode Decomposition, MEEMD)结合的特征提取方法,对典型推进工... 为揭示船用长冲程低速柴油机健康状态下的振动特征,采用小波包能量谱(Wavelet Packet Energy Spectrum, WPES)和改进的总体平均经验模态分解(Modified Ensemble Empirical Mode Decomposition, MEEMD)结合的特征提取方法,对典型推进工况下低速机的表面振动信号进行3层小波包分解和重构。通过对能量占比较大的节点采用MEEMD方法进行分解,获得IMF1分量频谱。研究结果表明,在40%以下的较低发动机负荷时,各单次燃烧循环的振动波动较小,振动幅值基本一致。提升至50%以上发动机负荷时,燃烧引起振动波动明显增强。50%工况下,中高频能量占总能量的41.51%,为主要振动源。 展开更多

关键词 船用低速柴油机 小波包能量谱 改进的总体平均经验模态分解 振动特性 状态评估

在线阅读 下载PDF 职称材料

基于ICEEMDAN与POA-SVM的感应电机故障诊断 被引量：2

17

作者 刘满强 吴杰 《现代制造工程》 CSCD 北大核心 2024年第5期127-137,共11页

针对感应电机定子电流故障特征提取困难,支持向量机(SVM)惩罚系数c和核函数参数g的选择对诊断结果影响较大等问题,提出一种改进自适应噪声平均总体经验模态分解(ICEEMDAN)与鹈鹕优化算法(POA)优化支持向量机(POA-SVM)相结合的感应电机... 针对感应电机定子电流故障特征提取困难,支持向量机(SVM)惩罚系数c和核函数参数g的选择对诊断结果影响较大等问题,提出一种改进自适应噪声平均总体经验模态分解(ICEEMDAN)与鹈鹕优化算法(POA)优化支持向量机(POA-SVM)相结合的感应电机故障诊断方法。首先,利用ICEEMDAN经陷波器滤除工频的定子电流获得一系列固有模态函数(IMF);然后,选取各状态信号的前7阶IMF分量并计算能量熵作为故障特征向量;最后,将故障特征向量输入POA-SVM模型得到诊断结果。通过仿真软件Ansoft/Maxwell建立电机模型来获得电流数据,诊断准确率达到了100%,实现了感应电机的故障诊断。为进一步验证诊断方法的优越性,搭建电机故障模拟试验台来采集电流信号,结果表明,该方法在空载、半载和满载3种负载情况下诊断准确率均可达到97.5%以上,与其他故障诊断方法相比,所提方法对感应电机电气故障具有更好的识别能力。 展开更多

关键词 改进自适应噪声平均总体经验模态分解 鹈鹕优化算法 支持向量机 感应电机 故障诊断

在线阅读 下载PDF 职称材料

基于MEEMD-AIC的簇绒地毯织机噪声源识别方法 被引量：4

18

作者 徐洋 张晓蕾 +2 位作者 盛晓伟 赵锦艳 孙志军 《振动．测试与诊断》 EI CSCD 北大核心 2018年第6期1176-1181,1292,共7页

簇绒地毯织机噪声信号由多个噪声源信号混叠而成,为实现簇绒地毯织机噪声源识别,提出了一种基于改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)和赤池信息量准则(Akaike information criterion,... 簇绒地毯织机噪声信号由多个噪声源信号混叠而成,为实现簇绒地毯织机噪声源识别,提出了一种基于改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)和赤池信息量准则(Akaike information criterion,简称AIC)的噪声源识别方法。首先,利用MEEMD将测得的噪声信号分解为有限个本征模态函数(intrinsic mode function,简称IMF)分量;其次,对分量矩阵的协方差矩阵进行奇异值分解(singular value decomposition,简称SVD),得到矩阵特征值;然后,利用AIC准则估计有效分量的个数,同时结合能量特征指标和皮尔逊相关系数法筛选出有效分量;最后,对筛选出的有效分量逐一进行时频分析,实现簇绒地毯织机噪声源识别。结果表明,耦联轴系中钩轴振动是簇绒地毯织机最主要的噪声源,该方法适用于簇绒地毯织机噪声源识别,对实现簇绒地毯织机主动降噪提供了理论支持。 展开更多

关键词 改进集总平均经验模态分解 赤池信息量准则 簇绒地毯织机 噪声源识别

在线阅读 下载PDF 职称材料

数据驱动的凸轮式绝对重力仪微小故障诊断 被引量：1

19

作者 牟宗磊 王晨 +2 位作者 张媛 郝妮妮 胡若 《振动．测试与诊断》 EI CSCD 北大核心 2022年第6期1068-1075,1240,共9页

针对凸轮式绝对重力仪微小故障幅值小、故障特征微弱及易被噪声掩盖而难于发现等特点,提出了一种融合改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)、能量熵以及多尺度排列熵(multi-scale permu... 针对凸轮式绝对重力仪微小故障幅值小、故障特征微弱及易被噪声掩盖而难于发现等特点,提出了一种融合改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)、能量熵以及多尺度排列熵(multi-scale permutation entropy,简称MPE)的凸轮式绝对重力仪微小故障诊断方法。通过MEEMD算法对凸轮式绝对重力仪不同工况下的振动信号进行自适应分解,筛选出有效的本征模态函数(intrinsic mode function,简称IMF),提取出振动数据中具有敏感特征的多尺度排列熵和能量熵,将提取的多维特征向量矩阵输入到以径向基函数(radial basis function,简称RBF)为核函数的支持向量机(support vector machine,简称SVM)中,基于数据实现了凸轮式绝对重力仪微小故障的精确诊断。试验结果表明,该方法可以有效区分凸轮式绝对重力仪的各类微小故障,识别准确度达到97.1%,解决了因微小故障导致凸轮式绝对重力仪测量精度低的问题,实现了重力仪微小故障的快速溯源和精准定位,具有较好的工程应用前景。 展开更多

关键词 凸轮式绝对重力仪 故障诊断 改进集总平均经验模态分解 能量熵 多尺度排列熵

在线阅读 下载PDF 职称材料

基于MEEMD的内燃机辐射噪声贡献 被引量：15

20

作者 郑旭 郝志勇 +1 位作者 金阳 卢兆刚 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2012年第5期954-960,共7页

为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解(MEEMD)方法.通过仿真试验,对比MEEMD与传统经验模态分解(EMD)和集总平均经验模态分解(EEMD)的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不... 为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解(MEEMD)方法.通过仿真试验,对比MEEMD与传统经验模态分解(EMD)和集总平均经验模态分解(EEMD)的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不仅能够抑制模态混叠问题,而且能够解决模态分裂等问题.采用MEEMD方法对内燃机振动成分对辐射噪声的贡献进行研究,以一个4缸4冲程内燃机为例,对标定工况下的缸盖罩振动信号和缸盖罩近场噪声信号进行MEEMD分解,并对分解得到的本征模态函数(IMF)进行时频分析,研究对辐射噪声贡献大的振动成分的来源.研究结果表明,通过MEEMD方法能够得到对内燃机辐射噪声贡献大的振动成分,并且准确确定其来源. 展开更多

关键词 内燃机 振动信号 噪声信号 改进的集总平均经验模态分解 时频分析

在线阅读 下载PDF 职称材料