期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进变分模态分解和快速谱峭度图的滚动轴承检测方法 被引量：11
1
作者 何凯 廖玉松 +1 位作者 胡斌 谭邦俊 《噪声与振动控制》 CSCD 2020年第2期121-124,197,共5页
针对滚动轴承早期故障信号微弱、复杂且提取困难的问题,提出一种基于改进变分模态分解(Variational Mode Decomposition,简称VMD)和快速谱峭度图的滚动轴承检测方法。首先利用粒子群算法对VMD最佳影响参数组合进行搜索,采用多尺度模糊熵... 针对滚动轴承早期故障信号微弱、复杂且提取困难的问题,提出一种基于改进变分模态分解(Variational Mode Decomposition,简称VMD)和快速谱峭度图的滚动轴承检测方法。首先利用粒子群算法对VMD最佳影响参数组合进行搜索,采用多尺度模糊熵(Multiscal Enproty,简称MSE)作为适应度函数,并利用优化参数的VMD对原始信号进行分解,得到多个本征模态分量(Intrinsic Mode Function,简称IMF);其次计算原始信号和各模态分量的快速峭度图;再次找出原始信号和各个IMF谱峭度最大值所处的频带区间;然后通过比较原始信号和IMF谱峭度最大值所处频带区间的从属关系来选择最佳IMF;最后,重组最佳IMF并通过共振解调技术求其包络谱图。实验结果表明基于改进变分模态分解和快速谱峭度图的滚动轴承检测方法能更有效诊断出滚动轴承的早期故障。 展开更多
关键词 故障诊断 滚动轴承 快速谱峭度图 改进变分模态分解 本征模态分量
在线阅读 下载PDF
基于经验模态分解的粒子图像测速流场重构研究 被引量：1
2
作者 王晓宇 贺静 +1 位作者 柯汉兵 林梅 《西安交通大学学报》 EI CAS CSCD 北大核心 2021年第1期162-169,共8页
为了消除PIV流场数据中的错误数据并降低误差,利用经验模态分解将PIV流场数据分解为多个本征模态分量,对波形异常的本征模态分量进行滤波处理,并将处理后的本征模态分量与其他波形平滑正常的本征模态分量进行反向叠加,有效实现了流场数... 为了消除PIV流场数据中的错误数据并降低误差,利用经验模态分解将PIV流场数据分解为多个本征模态分量,对波形异常的本征模态分量进行滤波处理,并将处理后的本征模态分量与其他波形平滑正常的本征模态分量进行反向叠加,有效实现了流场数据的重构和错误数据的消除。当分解得到的本征模态分量较多且错误数据集中在某一个本征模态分量时,可以通过求解各个本征模态分量与原始流场数据的相关系数,将与原始流场数据相关的本征模态分量进行反向叠加重构并摒弃与原始流场数据不相关的本征模态分量,实现错误数据的直接消除。利用本方法分别对2个人为添加误差为1.7%和3.3%的标准模拟流场进行了处理,处理后的流场数据误差分别为0.002%和0.18%。采用该方法对某实验的原始流场数据进行处理,结果表明错误数据得到了有效消除,流场特性更加清晰准确。本研究可为减小变化缓和的流场数据的误差提供一定的指导。 展开更多
关键词 粒子图像测速 经验模态分解 本征模态分量 相关系数
在线阅读 下载PDF
基于EMD和2(1/2)维谱的直升机声信号特征提取 被引量：1
3
作者 谭皇 杨巨龙 +1 位作者 张玉军 高勇 《舰船电子工程》 2010年第11期41-44,共4页
利用经验模态分解(Empirical Mode Decomposition,EMD)的方法将直升机声信号进行分解,得到一系列本征模态分量(Instrinsic Mode Function,IMF)。计算实际直升机声信号及由其分解得到的每个IMF分量的四阶累积量对角切片谱,并由此得到实... 利用经验模态分解(Empirical Mode Decomposition,EMD)的方法将直升机声信号进行分解,得到一系列本征模态分量(Instrinsic Mode Function,IMF)。计算实际直升机声信号及由其分解得到的每个IMF分量的四阶累积量对角切片谱,并由此得到实际信号及每个IMF分量的四阶累积量对角切片谱的幅度绝对值之和E。计算每一个IMF的E值与实际信号E值的比值构成直升机声信号特征矢量。采用神经网络分类器,对两种不同机型的直升机声信号进行分类和识别。仿真实验验证了该方法是可行的、有效的,分类识别取得了较好的效果。 展开更多
关键词 经验模态分解 本征模态分量 四阶累积量对角切片谱 BP神经网络
在线阅读 下载PDF
基于CEEMDAN-Hilbert变换的水下爆炸信号时频分析方法研究
4
作者 樊涛 王宪楠 +3 位作者 吴岩 赵爽 郭策安 张健 《沈阳理工大学学报》 CAS 2024年第5期20-26,共7页
研究水下爆炸冲击波信号的时频特性,对于舰艇利用弹药水下爆炸信号对抗自导鱼雷具有重要的实际意义。本文针对EMD-Hilbert方法中经验模态分解(EMD)存在模态混叠的问题,提出CEEMDAN-Hilbert方法实现水下爆炸冲击波信号精确的时频分析。... 研究水下爆炸冲击波信号的时频特性,对于舰艇利用弹药水下爆炸信号对抗自导鱼雷具有重要的实际意义。本文针对EMD-Hilbert方法中经验模态分解(EMD)存在模态混叠的问题,提出CEEMDAN-Hilbert方法实现水下爆炸冲击波信号精确的时频分析。在水深100 m处单发炸药爆炸,产生爆炸信号的频率主要分布在56.5 kHz以下的低频段,特别是0~28.3 kHz以下的能量最大,高于56.5 kHz的能量较少。通过与EMD-Hilbert方法相比,CEEMDAN-Hilbert方法在28.3~56.5 kHz频段的能量分布会更加明显,具有一定的优越性。 展开更多
关键词 水下爆炸 CEEMDAN-Hilbert变换 Hilbert谱 本征模态分量
在线阅读 下载PDF
使用快速傅里叶变换优化周期参数的EMD-FFT-SARIMA光伏发电预测模型
5
作者 熊川羽 廖晓红 +5 位作者 何诗英 陈然 王巍 臧楠 王瀛 肖梦涵 《强激光与粒子束》 CAS CSCD 北大核心 2024年第8期117-123,共7页
根据分布式能源工业园区的光伏电力单元特点,对园区光伏发电功率预测模型进行优化,为后续的调度策略提供数据支持。针对经验模式分解(EMD)与季节性差分自回归移动平均模型(SARIMA)相组合的EMD-SARIMA预测模型中,原始数据经过EMD分解得... 根据分布式能源工业园区的光伏电力单元特点,对园区光伏发电功率预测模型进行优化,为后续的调度策略提供数据支持。针对经验模式分解(EMD)与季节性差分自回归移动平均模型(SARIMA)相组合的EMD-SARIMA预测模型中,原始数据经过EMD分解得到的各固有本征模态函数(IMF)分量周期计算问题,提出加入快速傅里叶变换(FFT)的周期计算方法,建立EMD-FFT-SARIMA光伏发电功率预测模型。再将每个IMF对应的预测结果进行叠加重构得到最终的预测结果。通过预测结果的误差计算可以发现,加入FFT环节后均方根误差(RMSE)从120.6 MW下降到19.3 MW,平均绝对误差(MAE)从52.87 MW下降到12.3 MW。 展开更多
关键词 经验模式分解 季节性差分自回归移动平均模型 周期计算 固有本征模态函数信号分量 快速傅里叶变换 光伏发电预测
在线阅读 下载PDF
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：8
6
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
基于EEMD的高分辨率层序地层划分方法 被引量：7
7
作者 杨应 杨巍 朱仕军 《岩性油气藏》 CSCD 北大核心 2018年第5期59-67,共9页
划分不同级次的层序界面以及识别其内部的沉积旋回类型是层序地层分析的重要基础。测井信号是不同周期的地层旋回信息的叠合,通过时频分析方法可将测井数据内隐藏的地层旋回性信息拓展到不同的频带内,进而进行不同级次层序界面的划分以... 划分不同级次的层序界面以及识别其内部的沉积旋回类型是层序地层分析的重要基础。测井信号是不同周期的地层旋回信息的叠合,通过时频分析方法可将测井数据内隐藏的地层旋回性信息拓展到不同的频带内,进而进行不同级次层序界面的划分以及旋回类型的判别。利用总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法对测井数据进行分解,得到不同频带的本征模态分量,结合Hilbert变换获取各分量的频率特征。最后根据各分量的周期性波动和频率变化特征与不同沉积旋回类型以及各级层序界面之间的对应关系划分地层层序。在东营凹陷沙三段的应用中表明,该方法适用于短期、中期、长期基准面旋回的划分,为高分辨率层序地层划分提供了新思路。 展开更多
关键词 高分辨率 总体经验模态分解 本征模态分量 HILBERT变换 层序地层 时频分析
在线阅读 下载PDF
基于参数自适应的VMD滚动轴承故障诊断 被引量：11
8
作者 李永琪 彭珍瑞 《噪声与振动控制》 CSCD 北大核心 2021年第5期139-146,共8页
为了更好地选取变分模态分解(variational mode decomposition,VMD)的参数并综合考虑轴承故障信号周期冲击性及循环平稳性,构建一种平均包络谱峭度结合平均样本熵优化的变分模态分解及加权合成峭度提取最优本征模态分量(intrinsic mode ... 为了更好地选取变分模态分解(variational mode decomposition,VMD)的参数并综合考虑轴承故障信号周期冲击性及循环平稳性,构建一种平均包络谱峭度结合平均样本熵优化的变分模态分解及加权合成峭度提取最优本征模态分量(intrinsic mode function,IMF)的轴承故障诊断方法。首先,分别将平均包络谱峭度的倒数及平均样本熵归一化并求和。然后,以其最小值原则分别优化VMD参数,对信号进行VMD分解得到若干IMFs,计算各IMF加权合成峭度,其值最大即为最优IMF。最后,进行包络谱分析判别故障类型,并运用内圈故障仿真信号和实际轴承数据验证方法的有效性。 展开更多
关键词 故障诊断 变分模态分解 本征模态分量 平均包络谱峭度 平均样本熵 加权合成峭度
在线阅读 下载PDF
基于VMD和BP神经网络的轨道病害诊断方法 被引量：2
9
作者 华莉 杨俭 +1 位作者 袁天辰 宋瑞刚 《电子科技》 2022年第4期40-46,共7页
针对从非线性、非稳态的轨枕振动信号中提取病害特征困难的问题,文中提出一种基于变分模态分解和多尺度排列熵的轨道病害特征提取方法,并采用BP神经网络病害诊断模型进行病害识别。利用变分模态分解方法将采集到的振动加速度信号进行分... 针对从非线性、非稳态的轨枕振动信号中提取病害特征困难的问题,文中提出一种基于变分模态分解和多尺度排列熵的轨道病害特征提取方法,并采用BP神经网络病害诊断模型进行病害识别。利用变分模态分解方法将采集到的振动加速度信号进行分解,得到若干个本征模态分量。计算这些本征模态分量的多尺度排列熵值,将其作为轨道病害的高维特征向量,以实现对轨枕振动信号的降噪和病害特征的提取。通过建立BP神经网络病害诊断模型,将高维特征向量输入到BP网络中进行训练、拟合、验证,并与经验模态分解和BP神经网络结合的方法对比。分析结果表明,文中所提方法识别准确率更高,能够有效地进行病害诊断。 展开更多
关键词 变分模态分解 多尺度排列熵 BP神经网络 本征模态分量 降噪 高维特征向量 经验模态分解 病害诊断
在线阅读 下载PDF
基于模块化交通流组合预测模型
10
作者 顾潮 肖婷婷 +2 位作者 丁飞 周启航 赵芝因 《无线电通信技术》 2023年第4期761-772,共12页
短时交通流预测是智能交通系统的核心能力组件之一,为城市交通管理、交通控制和交通引导提供智能决策支撑。针对交通路网交通流呈现的非线性、动态性和时序相关性,提出一种基于模块化的交通流组合预测模型ICEEMDAN-ISSA-BiGRU。采用改... 短时交通流预测是智能交通系统的核心能力组件之一,为城市交通管理、交通控制和交通引导提供智能决策支撑。针对交通路网交通流呈现的非线性、动态性和时序相关性,提出一种基于模块化的交通流组合预测模型ICEEMDAN-ISSA-BiGRU。采用改进的基于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)方法对交通流非线性时间序列进行分解,获取本征模态分量(Intrinsic Mode Functions,IMF);利用双向门控循环单元(Bi-directional Gate Recurrent Unit,BiGRU)挖掘交通流量序列中的时序相关性特征;基于动态自适应t分布变异方法改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA),实现对BiGRU网络权值参数的迭代寻优,避免了短时预测结果陷入局部最优;基于公开PeMS数据集对短时交通流预测性能进行性能评估与验证。实验结果表明,所提组合模型的短时交通流预测性能优于10个传统模型,改进后的交通流量预测平均绝对误差(Mean Absolute Error,MAE)指标接近10.98,平均绝对值百分误差(Mean Absolute Percentage Error,MAPE)指标接近10.12%,均方根误差(Root Mean Square Error,RMSE)指标接近12.42,且在不同数据集下所提模型具有较好的泛化性能。 展开更多
关键词 短时交通流预测 完全自适应噪声集合经验模态分解 本征模态分量 麻雀搜索算法 双向门控循环单元
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部