检索结果-维普期刊中文期刊服务平台

基于MODWT变换的海洋重力观测航行数据滤波方法被引量：4: 1; 作者孙鹤泉金绍华张宇《海洋通报》 CAS CSCD 北大核心 2020年第4期426-430,共5页; 厄特弗斯效应是动态海洋重力测量的主要误差来源,厄特弗斯改正精度与航速和航向角精度密切相关。本文从最大重叠离散小波变换系数的分布特性入手,利用改进的定量化Lipschitz条件来确定观测曲线的正则性,提出了一种海洋重力观测中含噪航... 展开更多; 关键词海洋重力测量最大重叠离散小波变换厄特弗斯改正 LIPSCHITZ条件; 在线阅读下载PDF 职称材料

结合小波变换与数学形态学的电缆局放信号识别与降噪方法被引量：3: 2; 作者杨翠茹彭向阳余欣《沈阳工业大学学报》 CAS 北大核心 2023年第6期619-624,共6页; 针对大部分电缆局放(PD)信号识别方法在噪声影响下的识别准确率低、波形失真等问题,提出了一种基于小波变换与数学形态学的电缆PD信号识别及降噪方法。该方法利用最大重叠离散小波变换提取PD信号的高频和低频特征,结合重构和数学形态法... 展开更多; 关键词电缆局放信号信号识别信号降噪最大重叠离散小波变换数学形态学自适应神经网络白噪声脉冲噪声; 在线阅读下载PDF 职称材料

基于振动数据驱动的深小孔退钻时机识别方法: 3; 作者梁杰范文浩高琳《机电工程》北大核心 2025年第7期1367-1377,共11页; 在航天用螺栓保险丝孔钻削过程中,退钻时机的判断通常依赖操作人员的经验,缺乏有效的实时监测手段,导致加工效率低下。针对这一问题,从振动监测角度提出了一种基于振动数据驱动的螺栓保险丝孔钻削退钻时机识别方法。首先,搭建了钻孔实... 展开更多; 关键词数据驱动钻削最大重叠离散小波变换滑动窗口模糊熵全因子实验设计; 在线阅读下载PDF 职称材料

基于MODWT-CEEMDAN-LSTM的短期光伏功率区间预测模型: 4; 作者陈船宇熊国江 +1 位作者方厚康罗颖勋《太阳能学报》北大核心 2025年第2期416-424,共9页; 针对光伏功率的波动性、随机性、间歇性,提出一种基于最大重叠小波变换(MODWT)、自适应噪声完备集合经验模态分解(CEEMDAN)、长短期记忆网络(LSTM)的光伏功率短期区间预测模型。首先利用MODWT和CEEMDAN将光伏功率时间序列进行二次分解... 展开更多; 关键词光伏功率预测深度学习长短期记忆最大重叠小波变换自适应噪声完备集合经验模态分解; 在线阅读下载PDF 职称材料

基于小波特征提取与深度学习的微电网故障诊断与分类方法被引量：19: 5; 作者姚欣邢砾云辛平《智慧电力》北大核心 2021年第12期17-24,共8页; 针对现有微电网(MG)故障诊断准确率不高,分类精度不理想等问题,提出了一种基于小波特征提取与深度学习的微电网故障诊断与分类方法。首先,采用最大重叠离散小波变换(MODWT)和母小波提取MG电力信号特征,并进行三级分解,以获得高精度的信... 展开更多; 关键词微电网故障诊断故障分类最大重叠离散小波变换深度循环Q网络长短期记忆网络特征提取; 在线阅读下载PDF 职称材料

基于单通道ECG信号与INFO-ABCLogitBoost模型的睡眠分期: 6; 作者朱炳洋吴建锋 +2 位作者王柯王章权刘半藤《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第12期2547-2555,2585,共10页; 为了减少对传统多导睡眠图(PSG)系统的依赖,基于单通道心电图(ECG)信号,设计了一种简单高效的睡眠分析算法.采用最大重叠离散小波变换(MODWT)对原始信号进行多分辨分析,再进一步提取峰值信息;根据峰值位置的一阶偏差,提取多维度的心率... 展开更多; 关键词睡眠分析心电图(ECG) 最大重叠离散小波变换(MODWT) 心率变异性(HRV) INFO-ABCLogitBoost; 在线阅读下载PDF 职称材料

题名基于MODWT变换的海洋重力观测航行数据滤波方法被引量：4: 1; 作者孙鹤泉金绍华张宇; 机构海军大连舰艇学院军事海洋与测绘系; 出处《海洋通报》 CAS CSCD 北大核心 2020年第4期426-430,共5页; 基金国家自然科学基金(41876103)。; 文摘厄特弗斯效应是动态海洋重力测量的主要误差来源,厄特弗斯改正精度与航速和航向角精度密切相关。本文从最大重叠离散小波变换系数的分布特性入手,利用改进的定量化Lipschitz条件来确定观测曲线的正则性,提出了一种海洋重力观测中含噪航行数据的滤波方法,该方法在抑制噪声干扰的同时能够很好地保留测量信号的局部特征。本文提供了两组海洋重力测量中航速和航向角数据的处理结果,充分验证了本文方法的可靠性与有效性。; 关键词海洋重力测量最大重叠离散小波变换厄特弗斯改正 LIPSCHITZ条件; Keywords marine gravimetry maximal overlap discrete wavelet transform Eotvis correction Lipschitz condition; 分类号 P223.39 [天文地球—大地测量学与测量工程]; 在线阅读下载PDF 职称材料

题名结合小波变换与数学形态学的电缆局放信号识别与降噪方法被引量：3: 2; 作者杨翠茹彭向阳余欣; 机构广东电力公司科学研究院; 出处《沈阳工业大学学报》 CAS 北大核心 2023年第6期619-624,共6页; 基金广东省自然科学基金项目(2018A030307033) 南方电网科技基金项目(GDKJXM20200473)。; 文摘针对大部分电缆局放(PD)信号识别方法在噪声影响下的识别准确率低、波形失真等问题,提出了一种基于小波变换与数学形态学的电缆PD信号识别及降噪方法。该方法利用最大重叠离散小波变换提取PD信号的高频和低频特征,结合重构和数学形态法滤除噪声。利用自适应神经网络学习小波变换后的特征,最终完成PD信号的识别分类。基于某变电站实测PD信号波形对所提方法进行实验分析结果表明,信号降噪处理后的信噪比与均方误差分别为5.439 dB、0.251,且整体的识别准确率超过了88%,均优于其他对比方法,具有良好的应用前景。; 关键词电缆局放信号信号识别信号降噪最大重叠离散小波变换数学形态学自适应神经网络白噪声脉冲噪声; Keywords cable partial discharge signal signal recognition signal noise reduction maximum overlap discrete wavelet transform mathematical morphology adaptive neural network white noise impulse noise; 分类号 TM247 [一般工业技术—材料科学与工程]; 在线阅读下载PDF 职称材料

题名基于振动数据驱动的深小孔退钻时机识别方法: 3; 作者梁杰范文浩高琳; 机构郑州大学机械与动力工程学院; 出处《机电工程》北大核心 2025年第7期1367-1377,共11页; 基金国家重点研发计划项目(2023YFB3306600)。; 文摘在航天用螺栓保险丝孔钻削过程中,退钻时机的判断通常依赖操作人员的经验,缺乏有效的实时监测手段,导致加工效率低下。针对这一问题,从振动监测角度提出了一种基于振动数据驱动的螺栓保险丝孔钻削退钻时机识别方法。首先,搭建了钻孔实验平台及信号采集设备,进行了恒进给钻削实验并采集得到了断裂信号;然后,通过小波变换揭示了断裂信号的时频变化特征,利用最大重叠离散小波变换(MODWT)实现了对特征信号的重构目的;接着,将模糊熵特征评价指标与滑动窗口重叠采样进行了结合,计算并分析了模糊熵随钻削深度的变化趋势;最后,采用实验验证了不同切削参数和退钻模式下识别方法的有效性。研究结果表明:在正常钻削工况下,工件与主轴处高频振动信号的模糊熵值分别稳定于0.01和0.0015阈值线以下,当钻头进入断裂临界状态时,两测点的模糊熵值均呈现持续上升趋势,并最终超出阈值线;以钻削过程模糊熵标准差最小为优化目标,得到了两种退钻模式下的最优切削参数,相较于传统依赖经验的固定深度啄钻方法,优化后的两种切削参数在效率上分别提高了41.8%和36.7%。振动数据驱动的螺栓保险丝孔钻削退钻时机识别方法能有效识别不同退钻模式和切削参数下的退钻时机,且其识别准确性不受测量位置影响,具有较好的鲁棒性。优化后的切削参数为螺栓保险丝孔高效率加工提供了参考依据。; 关键词数据驱动钻削最大重叠离散小波变换滑动窗口模糊熵全因子实验设计; Keywords data-driven drilling maximal overlap discrete wavelet transform(MODWT) sliding window fuzzy entropy full factorial design of experiment; 分类号 TH162 [机械工程—机械制造及自动化] TG52 [金属学及工艺—金属切削加工及机床]; 在线阅读下载PDF 职称材料

题名基于MODWT-CEEMDAN-LSTM的短期光伏功率区间预测模型: 4; 作者陈船宇熊国江方厚康罗颖勋; 机构贵州大学电气工程学院贵州大学勘察设计研究院有限责任公司; 出处《太阳能学报》北大核心 2025年第2期416-424,共9页; 基金国家自然科学基金(52167007 52367006) 贵州大学勘察设计研究院有限责任公司创新基金(贵大勘察[2022]03号)。; 文摘针对光伏功率的波动性、随机性、间歇性,提出一种基于最大重叠小波变换(MODWT)、自适应噪声完备集合经验模态分解(CEEMDAN)、长短期记忆网络(LSTM)的光伏功率短期区间预测模型。首先利用MODWT和CEEMDAN将光伏功率时间序列进行二次分解得到本征模态函数(IMF)分量;再将这些IMF分量分别输入进LSTM进行分量预测并将分量预测结果重构得到点预测结果;最后利用分位数回归对点预测结果进行建模后得到区间预测结果。实际算例表明,时频域分解方法与频域分解方法的结合,使得该模型在3种天气情况下的光伏功率点预测和区间预测均表现出优异的鲁棒性和准确性。; 关键词光伏功率预测深度学习长短期记忆最大重叠小波变换自适应噪声完备集合经验模态分解; Keywords PV power prediction deep learning long short-term memory maximal overlap discrete wavelet transform complete ensemble empirical mode decomposition with adaptive noise; 分类号 TM615 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于小波特征提取与深度学习的微电网故障诊断与分类方法被引量：19: 5; 作者姚欣邢砾云辛平; 机构北华大学电气与信息工程学院; 出处《智慧电力》北大核心 2021年第12期17-24,共8页; 基金国家自然科学基金青年科学基金资助项目(61901007)。; 文摘针对现有微电网(MG)故障诊断准确率不高,分类精度不理想等问题,提出了一种基于小波特征提取与深度学习的微电网故障诊断与分类方法。首先,采用最大重叠离散小波变换(MODWT)和母小波提取MG电力信号特征,并进行三级分解,以获得高精度的信号特征提取。然后,利用长短期记忆网络优化深度Q网络,构建深度循环Q网络(DRQN),更好地分析复杂数据且克服噪声的干扰。最后,将MODWT每个分解层次上的信号分量能量输入DRQN,实现故障的诊断和分类。基于MATLAB环境搭建MG系统仿真模型对所提方法进行实验论证,结果表明使用高采样频率和电流、电压信号时,诊断性能最佳,分类准确率超过91%。同时,所提方法在11种故障类型和4种场景下的分类准确率均超过90%,优于其他对比方法。; 关键词微电网故障诊断故障分类最大重叠离散小波变换深度循环Q网络长短期记忆网络特征提取; Keywords microgrid fault diagnosis fault classification MODWT DRQN long-term and short-term memory network feature extraction; 分类号 TM733 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于单通道ECG信号与INFO-ABCLogitBoost模型的睡眠分期: 6; 作者朱炳洋吴建锋王柯王章权刘半藤; 机构湖州师范学院信息工程学院浙江树人学院信息科技学院浙江大学工业控制技术国家重点实验室; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第12期2547-2555,2585,共10页; 基金浙江省自然科学基金资助项目(LY20H090001,LQ23F030002) 浙江省“领雁”研发攻关计划资助项目(2022C03122) 浙江大学工业控制技术国家重点实验室开放课题资助项目(ICT2022B34)。; 文摘为了减少对传统多导睡眠图(PSG)系统的依赖,基于单通道心电图(ECG)信号,设计了一种简单高效的睡眠分析算法.采用最大重叠离散小波变换(MODWT)对原始信号进行多分辨分析,再进一步提取峰值信息;根据峰值位置的一阶偏差,提取多维度的心率变异性(HRV)特征.为了进一步筛选与不同睡眠阶段具有强关联性的HRV特征,提出基于ReliefF算法与Gini指数的特征提取方法.在此基础上,采用INFO-ABCLogitBoost方法挖掘HRV与不同睡眠阶段之间的关联性,从而实现睡眠阶段的精细分类.在实际公开数据集上的实验结果表明,所提出的模型在睡眠分期任务中,总体精度为83.67%,准确率为82.59%,Kappa系数为77.94%,F1-Score为82.97%.相比于睡眠分期任务中的常规模型,所提方法展现出更加高效便捷的睡眠质量评估性能,有助于实现家庭或移动医疗场景下的睡眠监测.; 关键词睡眠分析心电图(ECG) 最大重叠离散小波变换(MODWT) 心率变异性(HRV) INFO-ABCLogitBoost; Keywords sleep analysis electrocardiogram(ECG) maximum overlap discrete wavelet transform(MODWT) heart rate variability(HRV) INFO-ABCLogitBoost; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 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	基于MODWT变换的海洋重力观测航行数据滤波方法	孙鹤泉金绍华张宇	《海洋通报》 CAS CSCD 北大核心	2020	4	在线阅读下载PDF 职称材料
2	结合小波变换与数学形态学的电缆局放信号识别与降噪方法	杨翠茹彭向阳余欣	《沈阳工业大学学报》 CAS 北大核心	2023	3	在线阅读下载PDF 职称材料
3	基于振动数据驱动的深小孔退钻时机识别方法	梁杰范文浩高琳	《机电工程》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于MODWT-CEEMDAN-LSTM的短期光伏功率区间预测模型	陈船宇熊国江方厚康罗颖勋	《太阳能学报》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于小波特征提取与深度学习的微电网故障诊断与分类方法	姚欣邢砾云辛平	《智慧电力》北大核心	2021	19	在线阅读下载PDF 职称材料
6	基于单通道ECG信号与INFO-ABCLogitBoost模型的睡眠分期	朱炳洋吴建锋王柯王章权刘半藤	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料