期刊文献+
共找到391篇文章
< 1 2 20 >
每页显示 20 50 100
基于符号变量矩阵的改进样本熵算法
1
作者 李彦阳 罗伟 《科学技术与工程》 北大核心 2025年第5期1913-1919,共7页
针对样本熵算法在相空间重构过程中存在冗余运算的问题,通过构建符号变量矩阵的方法,对样本熵算法的相空间重构过程进行替换,建立改进的样本熵算法。白噪声和粉噪声仿真信号分析表明,改进的样本熵算法能有效提取信号的特征,并且具有较... 针对样本熵算法在相空间重构过程中存在冗余运算的问题,通过构建符号变量矩阵的方法,对样本熵算法的相空间重构过程进行替换,建立改进的样本熵算法。白噪声和粉噪声仿真信号分析表明,改进的样本熵算法能有效提取信号的特征,并且具有较高计算效率。以往复压缩机轴承间隙故障为研究对象,应用改进的样本熵算法对其进行特征提取,并与样本熵进行对比,该方法特征提取结果与样本熵算法保持高度一致,算法的计算效率远高于样本熵算法。 展开更多
关键词 样本熵 改进的样本熵 计算效率 特征提取 往复压缩机
在线阅读 下载PDF
基于组合带阻滤波器与样本熵的科氏流量计挂壁故障检测方法
2
作者 思悦 张炎羿 +2 位作者 王丽洁 元振毅 李淑娟 《仪器仪表学报》 北大核心 2025年第2期132-140,共9页
测量管故障是影响和制约科氏流量计测量精度、可靠性和安全性的关键因素。挂壁故障是科氏流量计服役过程中极易出现的测量管故障形式之一,挂壁故障的产生使科氏流量计物理刚性值发生变化,导致计量校准因子发生偏移,直接影响质量流量及... 测量管故障是影响和制约科氏流量计测量精度、可靠性和安全性的关键因素。挂壁故障是科氏流量计服役过程中极易出现的测量管故障形式之一,挂壁故障的产生使科氏流量计物理刚性值发生变化,导致计量校准因子发生偏移,直接影响质量流量及其他流体信息的测量精度;另外,若挂壁故障不能及时被预警,则故障增长可能造成管道堵塞,严重时引发爆炸,造成重大工业安全事故。因此,检测科氏流量计服役状态、识别测量管挂壁故障,是提高科氏流量计测量精度、可靠性和安全性的迫切需求。故提出了一种基于组合带阻滤波器与样本熵的挂壁故障检测方法。由于振动响应信号通常包含多种模态特征信号和干扰信号。组合带阻滤波器能有效滤除干扰信号并保留目标模态特征信号。通过计算不同状态下模态特征信号的样本熵,可充分利用其对信号动态变化的高度敏感性。故障发生时,信号复杂性显著增加,样本熵值随之变化,为故障诊断和评估提供可靠依据。通过对比正常与故障状态的样本熵值,可定量分析故障严重程度,实现流量计故障状态的有效监测。实验结果表明,该方法可有效识别科氏流量计测量管的挂壁故障,且识别效果优于现有其他方法。 展开更多
关键词 科氏流量计 组合带阻滤波器 样本熵 故障检测
在线阅读 下载PDF
基于样本熵双分解和SSA-LSTM的超短期风速预测
3
作者 王希 孙娜 +3 位作者 苏浩 张楠 张帅 纪捷 《太阳能学报》 北大核心 2025年第3期611-618,共8页
为进一步提高超短期风速预测的准确性,提出一种基于样本熵的双分解和麻雀搜索算法(SSA)改进长短时记忆神经网络(ILSTM)的耦合模型(简记为DILSTM)。首先,利用变分模态分解(VMD)分解原始序列并通过样本熵量化各子序列的复杂性;其次,利用... 为进一步提高超短期风速预测的准确性,提出一种基于样本熵的双分解和麻雀搜索算法(SSA)改进长短时记忆神经网络(ILSTM)的耦合模型(简记为DILSTM)。首先,利用变分模态分解(VMD)分解原始序列并通过样本熵量化各子序列的复杂性;其次,利用完全自适应噪声集合经验模态分解(CEEMDAN)分解复杂度最高的子序列进一步提取特征过滤噪声;最后,将双分解得到的子序列分别建立DILSTM预测模型,并对所有子序列的预测结果叠加得到最终风速预测结果。真实风场数据实验结果表明,所提模型与LSTM、随机森林(RF)、卷积神经网络(CNN)单一模型相比,R2提升约25%,RMSE降低约65%;同时,与现有同类研究对比,也证实了所提DILSTM模型的优势,该文为提高超短期风速预测精准度提供了一种新的方法。 展开更多
关键词 风速 神经网络 预测 变分模态分解 样本熵 麻雀搜索算法
在线阅读 下载PDF
基于改进层次样本熵和极限学习机的离心泵故障诊断方法 被引量:3
4
作者 王卫玉 赵训新 +3 位作者 魏加达 陈飞 王斌 陈帝伊 《排灌机械工程学报》 CSCD 北大核心 2024年第9期872-880,共9页
为了提高离心泵早期故障诊断模型的准确性,提出一种改进层次样本熵(improved hierarchical sample entropy,IHSE)和极限学习机(extreme learning machine,ELM)相结合的离心泵故障诊断方法.首先,针对传统分层样本熵在高层次下算法稳定性... 为了提高离心泵早期故障诊断模型的准确性,提出一种改进层次样本熵(improved hierarchical sample entropy,IHSE)和极限学习机(extreme learning machine,ELM)相结合的离心泵故障诊断方法.首先,针对传统分层样本熵在高层次下算法稳定性弱的问题,利用移动平均和移动差分过程代替传统的分层模式,提出一种新的评估时序信号复杂性工具——IHSE;然后,利用IHSE提取离心泵振动信号的故障特征;最后,将故障特征输入ELM模型,实现离心泵不同运行状态的有效识别.研究结果表明:所提方法在2个不同类型离心泵故障数据集上的诊断率分别为99.58%和99.68%,在所有诊断模型中表现最佳,表明该方法具有良好的诊断性能.研究结果为离心泵故障诊断提供了一种新的方法,具有良好的参考价值与应用前景. 展开更多
关键词 离心泵 故障诊断 样本熵 特征提取 极限学习机
在线阅读 下载PDF
基于集合经验模态分解与样本熵联合小波的固肥流量微波信号去噪方法 被引量:1
5
作者 张俊宁 赵礼豪 +3 位作者 陈宁波 杨立伟 刘刚 吕树盛 《电子测量与仪器学报》 CSCD 北大核心 2024年第11期118-125,共8页
针对使用多普勒微波传感器测量颗粒肥料流量时,施肥机运作产生的振动和外部多种干扰导致采集到的信号失真的问题,首先对小波分析与卡尔曼滤波算法进行寻找最优参数。通过对比两种算法的去噪效果,提出一种基于集成经验模态与样本熵联合... 针对使用多普勒微波传感器测量颗粒肥料流量时,施肥机运作产生的振动和外部多种干扰导致采集到的信号失真的问题,首先对小波分析与卡尔曼滤波算法进行寻找最优参数。通过对比两种算法的去噪效果,提出一种基于集成经验模态与样本熵联合小波的去噪算法。并以史丹利15-15-15颗粒肥为实验对象,将多普勒微波传感器等检测系统部署在施肥机上,采集颗粒肥料质量流量信号进行算法效果实验验证。结果表明:与原始信号相比,优化增益系数后的卡尔曼滤波算法,平均信号信噪比提升了3.548 dB。优化小波去噪参数后的小波分析算法,平均信噪比提高了7.184 dB。结合优化去噪参数后的小波分析联合集合经验模态与样本熵的去噪算法,去噪后的信号平均信噪比提高了7.899 dB,平均均方根误差降低了0.184,该算法对用多普勒微波传感器测量颗粒肥料质量流量信号的去噪处理上具有显著的优势。 展开更多
关键词 固肥 多普勒微波 去噪 小波分析 集合经验模态 样本熵
在线阅读 下载PDF
基于WSO-VMD样本熵和SSA-SVM算法的有载分接开关故障诊断方法研究 被引量:3
6
作者 袁耀 黄克捷 +2 位作者 陈建兴 鲍连伟 周渠 《西南大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第11期203-216,共14页
有载分接开关(On-Load Tap-Changer,OLTC)作为变压器的重要机械结构部件,负责变压器分解绕组切换调压,随着服役时间增加或出厂缺陷等原因容易使其发生机械故障并造成电力系统重大经济损失,开展OLTC故障诊断方法研究对确保变压器本体及... 有载分接开关(On-Load Tap-Changer,OLTC)作为变压器的重要机械结构部件,负责变压器分解绕组切换调压,随着服役时间增加或出厂缺陷等原因容易使其发生机械故障并造成电力系统重大经济损失,开展OLTC故障诊断方法研究对确保变压器本体及电力系统安全稳定运行具有重要意义.搭建了10 kV OLTC典型缺陷模拟实验平台,开展了正常、弹簧断裂、弹簧疲软以及触头松动4种工况下的模拟实验,获得了4种不同工况的振动信号样本库.针对OLTC振动信号特征提取不完整及故障识别准确率低的问题,以模态分量(IMF)的包络熵为目标函数,提出了基于大白鲨(WSO)优化变分模态分解(VMD)和样本熵的特征构建方法,利用WSO优化后的VMD模型对原始振动信号进行模态分解并构建样本熵特征向量,作为支持向量机(SVM)的输入开展OLTC故障识别研究.研究结果表明:与经验模态分解(EMD)、集成经验模态分解(EEMD)、给定参数VMD的振动信号分解方法相比,基于WSO-VMD样本熵的OLTC振动信号特征信息更加丰富,故障识别准确率高达95.83%.为进一步提高OLTC故障识别准确率,选用麻雀搜索(SSA)、粒子群(PSO)以及灰狼优化(GWO)算法分别对SVM进行参数寻优.结果表明:基于WSO-VMD样本熵和SSA-SVM算法的OLTC运行状态识别效果最好,对正常、弹簧断裂、弹簧疲软以及触头松动4种运行工况样本测试集的识别准确率为100%,该算法具有较高的可行性以及有效性. 展开更多
关键词 WSO-VMD算法 样本熵 SSA-SVM算法 有载分接开关 故障诊断
在线阅读 下载PDF
磁声发射信号样本熵特征量的应力检测方法研究
7
作者 陈炫宇 龙盛蓉 +2 位作者 韩壮禄 陈学宽 李志农 《中国测试》 CAS 北大核心 2024年第2期7-13,共7页
为解决在应力检测中传统磁声发射(magnetic acoustic emission,MAE)特征量易受噪声干扰的问题,提出基于磁声发射信号样本熵特征量的应力检测方法。在研究Q235钢试样在0~400 MPa拉伸应力状态下磁声发射信号中样本熵变化规律的基础上,分... 为解决在应力检测中传统磁声发射(magnetic acoustic emission,MAE)特征量易受噪声干扰的问题,提出基于磁声发射信号样本熵特征量的应力检测方法。在研究Q235钢试样在0~400 MPa拉伸应力状态下磁声发射信号中样本熵变化规律的基础上,分析励磁强度、嵌入维数、容限系数对磁声发射信号样本熵特征量的影响规律。结果表明磁声发射信号样本熵特征量与应力具有良好的对应关系,并且相较于传统时域特征量(峰峰值和均方根值),样本熵值的波动性指标分别下降89%和33%,在所选励磁条件下由样本熵值计算得到的应力值和实际应力值平均误差仅为8.5%,其受噪声干扰较小且一致性更好,更适合应用于铁磁性材料的应力检测。 展开更多
关键词 样本熵 应力特征 铁磁性材料 磁声发射
在线阅读 下载PDF
基于复合多尺度等概率符号化样本熵的两相流动态特性分析
8
作者 孙庆明 巴頔 +2 位作者 钟林 王成龙 陈淑鑫 《大连理工大学学报》 CAS CSCD 北大核心 2024年第2期127-137,共11页
多尺度样本熵(MSE)在两相流动态特性分析中存在两点不足:一是熵值无法单纯反映时间序列信息增长速率,在高尺度下稳定性较差;二是传统粗粒化过程中有部分数据信息丢失.针对上述问题,提出复合多尺度等概率符号化样本熵(CMESSE),并通过对... 多尺度样本熵(MSE)在两相流动态特性分析中存在两点不足:一是熵值无法单纯反映时间序列信息增长速率,在高尺度下稳定性较差;二是传统粗粒化过程中有部分数据信息丢失.针对上述问题,提出复合多尺度等概率符号化样本熵(CMESSE),并通过对几种典型非线性时间序列进行分析验证了其有效性.与MSE相比,CMESSE不仅能够有效表征不同动力系统非线性时间序列复杂性,而且在时间序列较短时稳定性更好.在此基础上分析了123组流动条件下垂直上升管内空气-水两相流压差波动时间序列.研究结果表明,泡状流、塞状流及混状流的CMESSE变化趋势能够在不同尺度下定性表征不同流型的动态特性,CMESSE复杂性指数可跨多尺度定量描述不同流型的动力学复杂性. 展开更多
关键词 复合多尺度 符号化 样本熵 两相流 动态特性
在线阅读 下载PDF
基于样本熵的港口集装箱吞吐量可预测性测度研究
9
作者 李楚楚 林琴 +1 位作者 冯宏祥 李松 《中国航海》 CSCD 北大核心 2024年第1期81-87,共7页
港口吞吐量历史时间序列数据具有较强的随机性,而不同特征的时间序列数据的预测精度差异较大,由此产生了时间序列数据可预测性的测度问题。学术界认为,这种可预测性可以用熵进行描述。文章采用样本熵表征测度我国20个港口集装箱吞吐量... 港口吞吐量历史时间序列数据具有较强的随机性,而不同特征的时间序列数据的预测精度差异较大,由此产生了时间序列数据可预测性的测度问题。学术界认为,这种可预测性可以用熵进行描述。文章采用样本熵表征测度我国20个港口集装箱吞吐量时间序列数据的复杂性,然后运用自回归综合移动平均模型(ARIMA)预测港口吞吐量。结果表明,样本熵与其预测精度之间的相关性较弱,ARIMA模型对于港口生命周期处于“成长”阶段的港口或者大型港口的预测精度更好。研究结论有助于理解熵和时间序列数据可预测性之间的关系。 展开更多
关键词 集装箱吞吐量 样本熵 自回归综合移动平均模型 生命周期
在线阅读 下载PDF
基于样本熵和极端学习机的超短期风电功率组合预测模型 被引量:78
10
作者 张学清 梁军 +3 位作者 张熙 张峰 张利 徐兵 《中国电机工程学报》 EI CSCD 北大核心 2013年第25期33-40,8,共8页
该文提出一种经验模态分解(empirical mode decomposition,EMD)–样本熵(sample entropy,SE)和极端学习机(extreme learning machine,ELM)相结合的风电功率超短期预测方法。该方法首先利用EMD-SE将风电功率时间序列分解为一系列复杂度... 该文提出一种经验模态分解(empirical mode decomposition,EMD)–样本熵(sample entropy,SE)和极端学习机(extreme learning machine,ELM)相结合的风电功率超短期预测方法。该方法首先利用EMD-SE将风电功率时间序列分解为一系列复杂度差异明显的风电子序列;其次利用最小二乘支持向量机(least squares support vector machine,LSSVM)、极端学习机和经原始岭回归(primal ridgeregression,PRR)改进的极端学习机(PRR-ELM)对各子序列建立组合预测模型,并采用交叉验证法和重构相空间法确定各模型的参数和输入向量维数,以提高各组合模型的预测精度;最后以某一风电场实际采集的数据为算例,结果表明基于EMD-SE理论的ELM和PRR-ELM组合预测模型在预测精度和训练速度上都明显优于EMD-SE理论和LSSVM的组合模型,且其预测结果更接近于真实值,为实现风电功率在线的较高精度超短期预测提供了可能。 展开更多
关键词 风电预测 样本熵 极端学习机 岭回归 支持向量机
在线阅读 下载PDF
基于小波包样本熵的滚动轴承故障特征提取 被引量:58
11
作者 苏文胜 王奉涛 +3 位作者 朱泓 郭正刚 张志新 张洪印 《振动.测试与诊断》 EI CSCD 北大核心 2011年第2期162-166,263,共5页
将样本熵引入故障诊断领域,讨论了样本熵的性能和计算参数的选择。结合小波包分解和样本熵,提出了一种新的滚动轴承故障特征提取方法。首先对轴承振动信号进行小波包分解;然后对归一化能量最大的子带进行重构,计算重构信号的样本熵;最... 将样本熵引入故障诊断领域,讨论了样本熵的性能和计算参数的选择。结合小波包分解和样本熵,提出了一种新的滚动轴承故障特征提取方法。首先对轴承振动信号进行小波包分解;然后对归一化能量最大的子带进行重构,计算重构信号的样本熵;最后通过样本熵评价故障状态。滚动轴承故障诊断实例验证了该方法的有效性。 展开更多
关键词 小波包分解 样本熵 滚动轴承 故障诊断
在线阅读 下载PDF
基于EEMD样本熵的高速列车转向架故障特征提取 被引量:39
12
作者 秦娜 金炜东 +2 位作者 黄进 李智敏 刘景波 《西南交通大学学报》 EI CSCD 北大核心 2014年第1期27-32,共6页
为了监测高速列车转向架关键部件的工作状态,提出了采用聚合经验模态分解和样本熵信息测度理论相结合的方法提取信号特征.以转向架正常、空气弹簧失气、横向减振器故障和抗蛇行减振器故障4种典型工况下车体及转向架的振动信号为研究对象... 为了监测高速列车转向架关键部件的工作状态,提出了采用聚合经验模态分解和样本熵信息测度理论相结合的方法提取信号特征.以转向架正常、空气弹簧失气、横向减振器故障和抗蛇行减振器故障4种典型工况下车体及转向架的振动信号为研究对象,将信号进行聚合经验模态分解,得到一系列成分简单的固有模态函数,分别计算样本熵值构成高维特征矢量,最后采用支持向量机进行故障状态的分类识别.实验结果表明,列车在200 km/h速度下,故障识别率可以达到88%,证明了该特征提取算法的有效性. 展开更多
关键词 转向架 阈值消噪 聚合经验模态分解 样本熵 支持向量机
在线阅读 下载PDF
基于EEMD-样本熵和Elman神经网络的短期电力负荷预测 被引量:56
13
作者 陈艳平 毛弋 +2 位作者 陈萍 童伟 袁建亮 《电力系统及其自动化学报》 CSCD 北大核心 2016年第3期59-64,共6页
针对电力负荷序列的非线性、非平稳性等特点,提出了一种基于集总经验模式分解EEMD-样本熵和El-man神经网络的短期负荷预测方法。为了减小电力负荷序列局部分析的计算规模以及提高负荷预测的精度,先利用EEMD-样本熵将原始电力负荷序列分... 针对电力负荷序列的非线性、非平稳性等特点,提出了一种基于集总经验模式分解EEMD-样本熵和El-man神经网络的短期负荷预测方法。为了减小电力负荷序列局部分析的计算规模以及提高负荷预测的精度,先利用EEMD-样本熵将原始电力负荷序列分解成一系列复杂度差异明显的子序列;然后在综合考虑温度及日期类型等因素对各子序列影响的基础上,根据各子序列的特点构造不同的Elman神经网络对各子序列分别进行预测;最后将各子序列的预测结果叠加得到最终预测值,并对EUNITE国际电力负荷预测竞赛公布的数据进行仿真实验。仿真结果表明该方法能有效地提高负荷预测的精度。 展开更多
关键词 短期负荷预测 样本熵 集总经验模式分解 ELMAN神经网络
在线阅读 下载PDF
基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究 被引量:28
14
作者 赵晓华 许士丽 +1 位作者 荣建 张兴俭 《西南交通大学学报》 EI CSCD 北大核心 2013年第1期178-183,共6页
为了获得客观而准确的驾驶疲劳判别阈值,采用驾驶模拟实验研究方法,采集驾驶员在清醒及疲劳状态下的脑电信号,对比分析不同状态下脑电信号的时域特征,选取表征信号复杂程度的样本熵作为驾驶疲劳判别指标,并利用受试者工作特性曲线(recei... 为了获得客观而准确的驾驶疲劳判别阈值,采用驾驶模拟实验研究方法,采集驾驶员在清醒及疲劳状态下的脑电信号,对比分析不同状态下脑电信号的时域特征,选取表征信号复杂程度的样本熵作为驾驶疲劳判别指标,并利用受试者工作特性曲线(receiver operating characteristic curve,ROC)分析方法,确定基于脑电信号样本熵值的驾驶疲劳判别阈值.研究结果表明:脑电信号样本熵值处于区间(0.32,0.71)时,驾驶员处于疲劳过渡时期,可能出现疲劳特征;脑电信号样本熵值小于阈值0.605时,判定驾驶员处于驾驶疲劳状态,准确率为0.95,该值可作为基于脑电信号样本熵的驾驶疲劳判定阈值. 展开更多
关键词 样本熵 脑电信号 最佳阈值 驾驶疲劳判别 ROC曲线
在线阅读 下载PDF
谐波窗分解样本熵与灰色关联度在转子故障识别中的应用 被引量:16
15
作者 张文斌 郭德伟 +3 位作者 普亚松 滕瑞静 王鹏 苏艳萍 《中国电机工程学报》 EI CSCD 北大核心 2013年第21期132-137,202,共6页
针对实测转子振动信号的非平稳特性和在现实条件中难以获得大量典型故障样本的问题,提出一种基于谐波窗分解(harmonic window decomposition,HWD)、样本熵与灰色关联度相结合的故障识别方法。首先,为了降低噪声的影响,引入循环统计学的... 针对实测转子振动信号的非平稳特性和在现实条件中难以获得大量典型故障样本的问题,提出一种基于谐波窗分解(harmonic window decomposition,HWD)、样本熵与灰色关联度相结合的故障识别方法。首先,为了降低噪声的影响,引入循环统计学的思想对传统形态滤波方法进行改进,定义了顺序形态滤波器,并结合实际选用最简单的直线结构元素,对实测转子振动信号进行顺序形态滤波降噪预处理。然后,采用不分层分析的HWD来提取包含转子典型故障信息的6个特征频带,运用非线性动力学参数样本熵作为特征,计算转子正常、不平衡、不对中、油膜涡动、油膜振荡等5种工况的样本熵。最后,由于灰色关联度分析对小样本模式识别具有良好的分类效果,以特征频带的样本熵为元素构造特征向量,通过计算不同振动信号的灰色关联度来判断转子的工作状态和故障类型。试验分析结果表明,所提的方法能够有效地应用于转子系统的故障诊断。 展开更多
关键词 谐波窗分解 灰色关联度 样本熵 顺序形态滤波 转子故障识别
在线阅读 下载PDF
基于样本熵的注意力相关脑电特征信息提取与分类 被引量:24
16
作者 燕楠 王珏 +1 位作者 魏娜 宗良 《西安交通大学学报》 EI CAS CSCD 北大核心 2007年第10期1237-1241,共5页
提出一种用样本熵作为特征进行注意力相关脑电信号的分析与分类处理、并采用支持向量机(SVM)算法实现分类器的方法.7位年龄在20-30岁之间的男性受试者接受了执行3种不同注意任务状态下的测试.数据分析结果显示:样本熵分类法对注意... 提出一种用样本熵作为特征进行注意力相关脑电信号的分析与分类处理、并采用支持向量机(SVM)算法实现分类器的方法.7位年龄在20-30岁之间的男性受试者接受了执行3种不同注意任务状态下的测试.数据分析结果显示:样本熵分类法对注意任务相关脑电信号分类的正确率可达85.5%,优于传统频段能量法获得的分类精度(77.9%).这个结果暗示了样本熵能有效地识别出自发脑电中注意力相关信息,因而它可在脑电生物信息反馈治疗系统设计中获得广泛的应用. 展开更多
关键词 脑电 生物反馈 样本熵 支持向量机
在线阅读 下载PDF
基于振动信号样本熵和相关向量机的万能式断路器分合闸故障诊断 被引量:49
17
作者 孙曙光 于晗 +2 位作者 杜太行 王景芹 赵黎媛 《电工技术学报》 EI CSCD 北大核心 2017年第7期20-30,共11页
为实现对万能式断路器分合闸故障的非侵入式监测和诊断,以分合闸过程中所产生的包含丰富机械特性信息的振动作为信号来源,提出一种基于振动信号互补总体平均经验模态分解(CEEMD)-样本熵和相关向量机(RVM)相结合的万能式断路器故障诊断... 为实现对万能式断路器分合闸故障的非侵入式监测和诊断,以分合闸过程中所产生的包含丰富机械特性信息的振动作为信号来源,提出一种基于振动信号互补总体平均经验模态分解(CEEMD)-样本熵和相关向量机(RVM)相结合的万能式断路器故障诊断方法。该方法首先将振动信号通过改进的小波包阈值去噪算法处理;其次采用CEEMD提取若干个反映断路器状态信息的固有模态函数(IMF)分量,依据各IMF分量的能量分布特点,选择其中前7阶进行处理,计算其样本熵形成有效的特征样本;最后通过计算不同故障类型的样本间欧氏距离来定量评价类间样本平均距离,建立基于RVM的二叉树多分类器,诊断得出万能式断路器故障类型。基于所设计的分合闸典型故障模型进行实验。与其他方法的对比实验表明,所提方法可利用相对较少的故障数据样本实现对万能式断路器故障类型的识别并具有较高的识别率;同时实验表明,辅以同一故障类型的样本间欧氏距离,可实现对分合闸故障中三相不同期故障严重程度的初步评估。 展开更多
关键词 万能式断路器 分合闸故障诊断 振动信号 互补总体平均经验模态分解 样本熵相关向量机
在线阅读 下载PDF
基于振动信号时频分解-样本熵的受电弓裂纹故障诊断 被引量:22
18
作者 施莹 林建辉 +1 位作者 庄哲 刘泽潮 《振动与冲击》 EI CSCD 北大核心 2019年第8期180-187,共8页
构建了基于时频分解-样本熵测度的受电弓振动信号故障特征提取模型。对振动信号进行聚合经验模态分解,接着对分解得到的本征模态函数计算参数优化后的样本熵特征。将获取的故障特征输入基于粒子群参数优化的支持向量机(PSO-SVM)进行受... 构建了基于时频分解-样本熵测度的受电弓振动信号故障特征提取模型。对振动信号进行聚合经验模态分解,接着对分解得到的本征模态函数计算参数优化后的样本熵特征。将获取的故障特征输入基于粒子群参数优化的支持向量机(PSO-SVM)进行受电弓故障识别分析。结果发现,基于受电弓顶管振动信号的EEMD样本熵故障诊断效果较好,而碳滑板振动信号诊断效果较差。针对这一特点,利用二代小波样本熵进行优化,进一步提高了碳滑板振动信号故障诊断结果,验证了现代时频分析算法与信息熵联合的诊断方法在受电弓振动信号特征提取与故障诊断的可行性与有效性。 展开更多
关键词 受电弓 故障诊断 时频分解 样本熵
在线阅读 下载PDF
基于EEMD样本熵和GK模糊聚类的机械故障识别 被引量:31
19
作者 王书涛 李亮 +1 位作者 张淑清 孙国秀 《中国机械工程》 EI CAS CSCD 北大核心 2013年第22期3036-3040,3044,共6页
针对目前各种机械故障诊断方法的局限性,提出了基于总体平均经验模式分解(EEMD)样本熵和GK模糊聚类的故障特征提取和分类方法,建立了一种机械故障准确识别的有效途径。首先,对机械振动信号进行EEMD分解,得到若干不同时间尺度的固有模态... 针对目前各种机械故障诊断方法的局限性,提出了基于总体平均经验模式分解(EEMD)样本熵和GK模糊聚类的故障特征提取和分类方法,建立了一种机械故障准确识别的有效途径。首先,对机械振动信号进行EEMD分解,得到若干不同时间尺度的固有模态函数(IMF)分量。其次,通过相关性分析和能量相结合的准则对IMF分量进行筛选,并将筛选出的IMF分量的样本熵组成故障特征向量。最后,将构造的特征向量输入到GK模糊聚类分类器中进行聚类识别。实验及工程实例证明了该方法的有效性和优越性。 展开更多
关键词 总体平均经验模式分解(EEMD) 样本熵 GK模糊聚类 机械故障识别
在线阅读 下载PDF
基于脑电样本熵的测谎分析 被引量:15
20
作者 高军峰 司慧芳 +3 位作者 余彬 顾凌云 梁莹 杨勇 《电子学报》 EI CAS CSCD 北大核心 2017年第8期1836-1841,共6页
测谎分析在刑讯侦查和法律审判中具有重要意义.为了区分是否说谎,根据脑电信号的非线性特征,本文首次使用非线性动力学的样本熵方法分析30名受试者处于诚实和说谎两种状态时脑电信号的样本熵值.研究发现:受试者处于诚实状态时的熵值波... 测谎分析在刑讯侦查和法律审判中具有重要意义.为了区分是否说谎,根据脑电信号的非线性特征,本文首次使用非线性动力学的样本熵方法分析30名受试者处于诚实和说谎两种状态时脑电信号的样本熵值.研究发现:受试者处于诚实状态时的熵值波动范围明显小于说谎状态下的波动范围,更重要的是说谎时的熵值显著高于说实话时的熵值,表明样本熵可以区分诚实和说谎两种不同状态下的脑电信号,该研究为基于脑电的测谎提供了一种新的途径. 展开更多
关键词 测谎 脑电信号 非线性特征 样本熵
在线阅读 下载PDF
上一页 1 2 20 下一页 到第
使用帮助 返回顶部