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8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：
基于特征模态分解及多尺度模糊散布熵的滚动轴承故障诊断
1
作者 梁翔宇 胡业林 +1 位作者 马向阳 宋晓 《科学技术与工程》 北大核心 2025年第1期176-185,共10页
针对复杂环境下的滚动轴承故障信息有效提取与辨识问题,提出一种基于特征模态分解(feature mode decomposition,FMD)及多尺度模糊散布熵(multiscale fuzzy dispersion entropy,MFDE)和斑马优化算法(zebra optimization algorithm,ZOA)... 针对复杂环境下的滚动轴承故障信息有效提取与辨识问题,提出一种基于特征模态分解(feature mode decomposition,FMD)及多尺度模糊散布熵(multiscale fuzzy dispersion entropy,MFDE)和斑马优化算法(zebra optimization algorithm,ZOA)优化支持向量机的滚动轴承故障诊断方法。为了解决FMD中关键参数不具有自适应性这一问题,以最小包络熵作为目标函数,采用白鲸优化算法(beluga whale optimization,BWO)优化FMD寻找最优参数组合,实现对故障信号的最优分解;引入多尺度模糊散布熵构建分解后不同模态下的特征向量;最后,将特征向量输入支持向量机中进行训练和识别,通过公开数据集和自制实验平台数据集验证了提出方法的有效性。 展开更多
关键词 特征模态分解 多尺度模糊散布熵 支持向量机 滚动轴承 故障诊断
在线阅读 下载PDF
模糊散布熵及其应用 被引量：2
2
作者 胡保华 朱宗俊 +3 位作者 金飞翔 鲁翠萍 修磊 王勇 《计算机工程与应用》 CSCD 北大核心 2024年第2期326-336,共11页
散布熵(dispersion entropy,DispEn)是近期提出的一种衡量信号不规则程度的动力学指标。相比于样本熵,散布熵可同时检测信号幅度和频率的变化,计算时间也大大缩短。然而,由于散布熵是基于取整函数(阶跃函数)设置的,对数据长度和参数选... 散布熵(dispersion entropy,DispEn)是近期提出的一种衡量信号不规则程度的动力学指标。相比于样本熵,散布熵可同时检测信号幅度和频率的变化,计算时间也大大缩短。然而,由于散布熵是基于取整函数(阶跃函数)设置的,对数据长度和参数选择较敏感,特别是类的数量(量化级别),某些情况下由噪声引起的信号幅值的微小变化会改变量化序列从而引起熵值剧烈波动。为解决这些局限性,结合模糊隶属度函数提出了模糊散布熵(fuzzy dispersion entropy,FuzzyDispEn)。在FuzzyDispEn中,基于欧式距离实现嵌入向量与量化级别的模糊化隶属。使用合成时间序列信号测试FuzzyDispEn相比DispEn的性能。结果表明,与DispEn相比,FuzzyDispEn对信号数据长度、参数选择的灵敏度更低,而且抗噪性更好。FuzzyDispEn还应用于脑电与轴承信号的复杂度检测,实验结果表明在真实物理信号分析方面FuzzyDispEn的性能表现同样优于DispEn。结果表明模糊散布熵可为信号复杂度测量提供一种新的方法。 展开更多
关键词 模糊散布熵 模糊隶属度函数 复杂性 脑电信号 轴承信号
在线阅读 下载PDF
基于CEEMDAN和IMSA的混合模型在水质预测中的应用 被引量：1
3
作者 郭利进 吴昊天 《长江科学院院报》 北大核心 2025年第6期60-70,86,共12页
水质预测是水污染防治的重要组成部分,但水质序列呈现出较强的随机性、不平稳性等特点,为进一步提高地表水质预测的精度,提出一种新型水质预测混合模型。首先采用自适应噪声完备集合经验模态分解(CEEMDAN)将原始水质序列分解,然后利用... 水质预测是水污染防治的重要组成部分,但水质序列呈现出较强的随机性、不平稳性等特点,为进一步提高地表水质预测的精度,提出一种新型水质预测混合模型。首先采用自适应噪声完备集合经验模态分解(CEEMDAN)将原始水质序列分解,然后利用模糊散布熵(FuzzDE)将分量划分为高、中、低3种复杂度成分,其次分别利用改进螳螂算法(IMSA)优化后的双向长短时记忆网络(BiLSTM)、最小二乘支持向量机回归(LSSVR)、极限学习机(ELM)对高、中、低3种复杂度成分进行预测,并对预测结果进行组合重构,最后建立BiLSTM误差校正模型对误差进行修正,得到最终预测结果。利用沅江支流酉水两个断面的溶解氧浓度及湘江流域一个断面的pH值进行仿真验证,R 2可达90%以上,结果表明混合模型预测的准确性优于其他对比预测模型。 展开更多
关键词 水质预测 CEEMDAN分解 模糊散布熵 螳螂算法 混合模型
在线阅读 下载PDF
基于改进RCMDE与优化随机森林的掘进机截割头故障诊断
4
作者 马天兵 杨婷 +3 位作者 李长鹏 杜菲 史瑞 于平平 《科学技术与工程》 北大核心 2025年第9期3629-3636,共8页
针对掘进机截割振动信号故障特征不易提取和识别困难等问题,提出了一种精细复合多尺度模糊散布熵(refined composite multiscale fuzzy dispersion entropy,RCMFDE)与河马优化随机森林(hippo optimized random forest,HORF)的掘进机截... 针对掘进机截割振动信号故障特征不易提取和识别困难等问题,提出了一种精细复合多尺度模糊散布熵(refined composite multiscale fuzzy dispersion entropy,RCMFDE)与河马优化随机森林(hippo optimized random forest,HORF)的掘进机截割头故障诊断新方法。首先,利用RCMFDE全面表征掘进机截割头故障特征信息,构建故障特征数据集;其次,采用HORF对故障类型进行训练和测试,实现掘进机截割头的故障模式识别;最后,将所提方法运用在掘进机截割头实验数据分析中,并将其与现有的多尺度模糊熵、精细复合多尺度散布熵故障特征提取方法做比较。实验结果显示:RCMFDE在挖掘故障特征信息方面优于其他两种熵方法,而河马随机森林在故障分类方面优于极限学习机和支持向量机等分类器,所提故障识别模型可以更加精确地识别掘进机截割头的故障类型,且识别准确率达到100%。 展开更多
关键词 掘进机 截割振动信号 特征提取 故障诊断 精细复合多尺度模糊散布熵
在线阅读 下载PDF
基于改进SVD-HPO-VMD电缆局部放电去噪方法
5
作者 马星河 李凯濛 +1 位作者 赵军营 刘鹏 《广东电力》 北大核心 2025年第4期89-100,共12页
对局部放电(partial discharge,PD)的检测是获知高压电缆绝缘状态的主要手段之一,但现场对PD信号的检测易受到噪声的干扰,从而影响对信号检测的准确度。为此,提出一种采用猎人猎物优化算法(hunter-prey optimization algorithm,HPO)优... 对局部放电(partial discharge,PD)的检测是获知高压电缆绝缘状态的主要手段之一,但现场对PD信号的检测易受到噪声的干扰,从而影响对信号检测的准确度。为此,提出一种采用猎人猎物优化算法(hunter-prey optimization algorithm,HPO)优化变分模态分解(variational mode decomposition,VMD),再采用改进奇异值分解(singular value decomposition,SVD)对PD信号进行降噪的方法。首先,对含噪PD信号进行傅里叶变换,在傅里叶变换功率谱中运用差分变换及设定阈值的方法去筛选周期性窄带干扰奇异值;然后,通过HPO优化VMD的参数选择,分解出K个本征模态函数(intrinsic mode function,IMF),利用模糊散布熵(fuzzy dispersion entropy,FuzzyDispEn)确定IMF的性质,从而区分有效分量和噪声分量,对分类后的噪声主导分量通过改进小波阈值方法进行去噪;最后,将信号进行重构,通过仿真和实验计算去噪后信号的信噪比、归一化相关系数以及均方误差,并与传统方法进行比对,证明提出的方法能够有效去除PD信号中的噪声分量,能够运用到供电系统中。 展开更多
关键词 局部放电 变分模态分解 奇异值分解 猎人猎物优化算法 模糊散布熵
在线阅读 下载PDF
基于滚动模态分解和GCN-DABiLSTM的综合能源系统多元负荷预测模型
6
作者 罗林霖 王霄 +1 位作者 何志琴 尹曜华 《广东电力》 北大核心 2025年第9期130-144,共15页
针对综合能源系统(integrated energy system,IES)中因多元负荷复杂性和耦合性导致的预测精度受限问题,提出一种基于滚动模态分解和GCN-DABiLSTM的IES多元负荷预测模型。首先,利用完全自适应噪声集合经验模态分解(complete ensemble emp... 针对综合能源系统(integrated energy system,IES)中因多元负荷复杂性和耦合性导致的预测精度受限问题,提出一种基于滚动模态分解和GCN-DABiLSTM的IES多元负荷预测模型。首先,利用完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)对电、冷、热负荷进行初步分解,生成一系列子序列;其次,采用模糊散布熵(fuzzy discrete entropy,FDE)对子序列进行复杂性评估并聚合;然后,通过变分模态分解(variational mode decomposition,VMD)对高频分量进行二次分解,将原始序列解耦为特征聚焦且平稳的子序列。在分解过程中,引入滚动分解策略,规避了传统基于模态分解的预测方法带来的信息渗透问题。最后,构建一个结合图卷积网络(graph convolutional network,GCN)和双重注意力(dual-attention mechanism,DA)机制优化的双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)的组合预测框架,用于多元负荷预测。基于美国亚利桑那州立大学IES数据的验证表明,该模型相较于其他模型,预测误差显著降低,验证了其在预测任务中的有效性。 展开更多
关键词 负荷预测 滚动模态分解 模糊散布熵 图卷积网络 双向长短期记忆网络 双重注意力机制
在线阅读 下载PDF
融合多维特征与多元宇宙优化算法的脑电信号处理 被引量：1
7
作者 谷学静 杨赵辉 +1 位作者 郭宇承 刘佳 《中国测试》 北大核心 2025年第3期131-138,共8页
针对运动想象脑电信号(MI-EEG)具有非线性、时变复杂、分类识别准确率低等问题,提出一种基于多维特征融合并使用多元宇宙算法优化支持向量机的方法进行脑电信号处理。首先,使用小波包变换(WPT)对预处理后的EEG信号进行时频分解,并选择... 针对运动想象脑电信号(MI-EEG)具有非线性、时变复杂、分类识别准确率低等问题,提出一种基于多维特征融合并使用多元宇宙算法优化支持向量机的方法进行脑电信号处理。首先,使用小波包变换(WPT)对预处理后的EEG信号进行时频分解,并选择与运动想象相关的时频信息;然后,分别通过模糊散布熵(fuzzy dispersion entropy,FDE)和公共空间模式(CSP)对WPT获得的特征集进行处理,得到相应的非线性特征和空域特征,并通过并行特征融合方法将两组特征进行融合;最后,导入基于多元宇宙优化算法(multi verse optimizer,MVO)优化的支持向量机(SVM)分类器中实现最终的分类任务。分别在2003年和2005年国际BCI大赛数据集上进行验证,最终平均分类准确率达到93.57%和88.03%,可知该文方法在分类准确率上得到显著提高。 展开更多
关键词 脑电信号 特征融合 模糊散布熵 多元宇宙优化算法
在线阅读 下载PDF
矿用高压电缆局部放电信号去噪方法
8
作者 张小牛 司士军 +1 位作者 李军鸿 王安乐 《工矿自动化》 2025年第10期123-130,共8页
目前矿用高压电缆局部放电(PD)信号易埋没在噪声中难以提取,在PD降噪中使用变分模态分解(VMD)是一种有效手段,但VMD算法的分解层数K和惩罚因子α难以确定。针对该问题,提出基于自适应螺旋飞行麻雀搜索算法(ASFSSA)-VMD-KSVD的矿用高压... 目前矿用高压电缆局部放电(PD)信号易埋没在噪声中难以提取,在PD降噪中使用变分模态分解(VMD)是一种有效手段,但VMD算法的分解层数K和惩罚因子α难以确定。针对该问题,提出基于自适应螺旋飞行麻雀搜索算法(ASFSSA)-VMD-KSVD的矿用高压电缆局部放电信号去噪方法。采用ASFSSA优化VMD,利用混沌映射策略使种群分布更加均匀,避免陷入局部最优解;通过VMD获得一系列本征模态函数(IMF),再用复合多尺度模糊散布熵(CMFDE)来筛选IMF分量的性质,将IMF分量分为信号主导分量和噪声主导分量;对筛选后的噪声主导分量构建KSVD字典学习的训练样本,通过稀疏编码和字典更新进一步抑制噪声;对处理后的系数进行重构并将信号块叠加即可得到去噪后的信号。采用信噪比(SNR)、均方根误差(RMSE)、归一化互相关系数(NCC)来评估去噪效果,实验结果表明:在不同SNR条件下,采用ASFSSA算法去噪后的SNR远大于灰狼优化(GWO)算法和改进鲸鱼优化算法(IWOA),在噪声抑制方面有明显优势;采用ASFSSA算法去噪后的RMSE远小于GWO算法和IWOA,去噪时的真实值与预测值差别最小;采用ASFSSA算法去噪后的NCC十分接近1,在波形相似度上表现良好。 展开更多
关键词 局部放电 变分模态分解 自适应螺旋飞行麻雀搜索 复合多尺度模糊散布熵 KSVD字典学习
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