数控车床主轴热误差完全自适应经验模态分解与小波阈值变换分离方法

1

作者 陈庚 丁强强 +2 位作者 苏哲 郭世杰 唐术锋 《航空制造技术》 北大核心 2025年第6期104-114,共11页

数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始... 数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始信号进行分解,将获得的低频模态分量重构后作为EWT算法的输入进行分解,使用离散系数评估EWT算法每次迭代的分解效果。其次,通过对一组仿真信号进行分解,验证该方法的准确性,与ICEEMDAN算法相比,ICEEMDAN-EWT算法的均方根误差(RMSE)降低了5.2%。最后,在CKA6 163A型车床上进行试验,使用五点法辨识热误差,将ICEEMDAN-EWT分离算法与傅里叶变换(FFT)算法进行对比。结果表明,与FFT算法相比,使用ICEEMDAN-EWT算法分离出的5项热变形信号与机床温度的Pearson相关性提高了3.8%,Spearman相关性提高了6.6%,准确度更高。 展开更多

关键词 数控车床 主轴 热误差 完全自适应噪声集合经验模态分解-经验小波变换(ICEEMDAN-EWT) 误差分离

在线阅读 下载PDF 职称材料

基于完全自适应噪声集合经验模态分解和互相关分析的核电厂信号降噪研究 被引量：2

2

作者 刘琳琳 王振宇 +1 位作者 李露 陈嘉翊 《核科学与工程》 CAS CSCD 北大核心 2024年第1期80-90,共11页

针对在强噪声背景中提取核电厂信号有效成分的问题,本文提出一种将完全自适应噪声集合经验模态分解与互相关分析法相结合的降噪方法并进行验证。该方法的主要步骤如下。首先,通过完全自适应噪声集合经验模态分解法对电站信号进行有效分... 针对在强噪声背景中提取核电厂信号有效成分的问题,本文提出一种将完全自适应噪声集合经验模态分解与互相关分析法相结合的降噪方法并进行验证。该方法的主要步骤如下。首先,通过完全自适应噪声集合经验模态分解法对电站信号进行有效分解,得到全部的本征模态分量。然后,根据互相关系数将上述分量进行筛选,得到有用信号主导的分量,将其叠加、重构成降噪后信号。最后,使用降噪指标对降噪效果进行评价。结果表明:与基于经验模态分解、集合经验模态分解的降噪方法相比,本文所提方法得到的降噪后信号信噪比更高、均方根误差更小、相关系数更大、平滑度更好,具有更优的降噪效果。 展开更多

关键词 信号降噪 经验模态分解 集合经验模态分解 完全自适应噪声集合经验模态分解 互相关分析

在线阅读 下载PDF 职称材料

基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法 被引量：10

3

作者 毛世榕 史水平 +5 位作者 玉壮基 苏梅艳 李莎 何嘉 幸符 衡张清 《地震学报》 CSCD 北大核心 2023年第2期258-270,共13页

在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经... 在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解(CEEMDAN)算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数(IMF),然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。 展开更多

关键词 地震数据去噪 地磁数据去噪 自适应噪声完全集合经验模态分解 HURST指数

在线阅读 下载PDF 职称材料

抵抗低频高能噪声影响的海上风电结构模态参数识别方法研究

4

作者 董霄峰 时泽坤 彭泓浩 《振动与冲击》 北大核心 2025年第9期214-222,265,共10页

模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识... 模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识别方法(CEEMDAN-VMD-SSI,CVS)。首先,利用完全自适应噪声集合经验模态分解法(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)滤除原始信号中的高频噪声;随后,通过麻雀优化算法(sparrow’s optimization algorithm, SSA)以最小包络熵作为适应度函数迭代计算自适应确定变分模态分解法(variational mode decomposition, VMD)的信号分解层数K和惩罚因子α,实现信号的VMD自适应优化分解以剔除低频高能噪声影响;最后,再采用随机子空间方法实现信号中模态参数的识别提取。研究分别针对构造仿真含噪信号和原型观测信号开展了识别效果对比验证。结果表明:相比于传统模态识别方法,CVS方法在信噪比、波形相似系数、相对误差等参数方面具有更好的有效性和精确性;同时,该方法对实测信号的处理能力强,降噪效果好,能够准确识别结构固有频率、叶轮转动频率(1P)和叶片扫掠频率(3P),具有良好的工程适用性,为后续基于实测数据开展海上风电结构模态参数识别与运行安全评价提供了新思路。 展开更多

关键词 海上风电 模态参数识别 低频高能噪声 完全自适应噪声集合经验模态分解(CEEMDAN) 变分模态分解法(VMD)

在线阅读 下载PDF 职称材料

基于CEEMDAN与自适应双阈值小波分析的心音去噪

5

作者 卢官明 唐瑭 +2 位作者 戚继荣 王洋 赵宇航 《南京邮电大学学报(自然科学版)》 北大核心 2025年第4期36-47,共12页

针对现有基于经验模态分解的心音去噪算法在进行模态分解后存在心脏杂音与噪声模态混叠的问题,提出了一种基于自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与自适应... 针对现有基于经验模态分解的心音去噪算法在进行模态分解后存在心脏杂音与噪声模态混叠的问题,提出了一种基于自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与自适应双阈值小波分析的心音去噪算法。首先,通过CEEMDAN方法,将含噪心音信号分解为不同时间尺度上的固有模态函数(Intrinsic Mode Function,IMF)分量;然后,采用去趋势波动分析(Detrended Fluctuation Analysis,DFA)方法将不同的IMF分量判定为含噪的心脏杂音IMF分量或心音IMF分量;接着,利用小波分析技术,滤除含噪心脏杂音IMF分量中的噪声,保留含有病理特征的心脏杂音;最后,将保留下来的心脏杂音与心音IMF分量进行重构,得到去噪后的心音信号。在Khan数据集上的实验结果表明,在不同噪声强度下,所提出的心音去噪算法均能明显提高心音信号的信噪比,降低均方根误差,优于其他现有方法。对临床采集的新生儿心音信号进行去噪的实验结果表明,所提算法具有良好的抑制噪声能力,并保留了含有病理特征的心脏杂音。 展开更多

关键词 心音去噪 自适应噪声完全集合经验模态分解 去趋势波动分析 小波分析 心脏杂音

在线阅读 下载PDF 职称材料

基于二次模态分解的LSTM短期电力负荷预测 被引量：10

6

作者 张淑娴 江文韬 +3 位作者 陈玉花 杨晓东 金丰 白莉 《科学技术与工程》 北大核心 2024年第7期2759-2766,共8页

为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始... 为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始负荷序列进行自适应噪声的完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),再将CEEMDAN分解后分量中的强非平稳分量进行变分模态分解(variational mode decomposition, VMD),同时用中心频率法对VMD分解个数进行优化,然后将两次分解后得到的负荷子序列送入LSTM中进行预测,并将所得分量预测结果进行叠加。结果表明,本文所提方法对短期电力负荷预测结果精度和模型性能都有较大提升。 展开更多

关键词 短期负荷预测 二次模态分解 自适应噪声的完全集合经验模态分解(CEEMDAN) 变分模态分解(VMD) 长短期记忆网络(LSTM)

在线阅读 下载PDF 职称材料

基于信号分解与深度学习的茶叶出口单价预测

7

作者 苏信通 陈文辉 李青 《福建茶叶》 2025年第2期56-59,共4页

为了应对当前我国茶叶出口单价波动,研究基于结合序列分解、样本熵、卷积神经网络-门控循环单元以及贝叶斯超参数优化开发了一种茶叶出口单价的预测模型,该模型通过与其他几种预测模型的比较分析发现,本模型的决定系数达到了0.847,均方... 为了应对当前我国茶叶出口单价波动,研究基于结合序列分解、样本熵、卷积神经网络-门控循环单元以及贝叶斯超参数优化开发了一种茶叶出口单价的预测模型,该模型通过与其他几种预测模型的比较分析发现,本模型的决定系数达到了0.847,均方根误差为0.249,平均绝对百分比误差为3.587%,显著优于对照组,验证了本模型在预测茶叶出口单价方面的有效性。 展开更多

关键词 样本熵 自适应白噪声 完全集合模态分解

在线阅读 下载PDF 职称材料

白条猪价格预测模型构建 被引量：4

8

作者 刘合兵 华梦迪 +1 位作者 席磊 尚俊平 《河南农业大学学报》 CAS CSCD 北大核心 2024年第1期123-131,共9页

【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应... 【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。 展开更多

关键词 价格预测 自适应白噪声完全集合模态分解 主成分分析 神经网络 组合模型

在线阅读 下载PDF 职称材料

融合 OCEEMDAN的多模态互量纲一化与宽度学习改进的智能故障诊断

9

作者 李春林 陈滢 +3 位作者 胡钦太 柳琼青 熊建斌 张清华 《机床与液压》 北大核心 2024年第8期179-188,共10页

滚动轴承作为旋转机械的重要组成部分,在恶劣环境运行导致振动信号具有非线性和非平稳的特点,使得区分故障信号和正常信号变得困难。针对此,提出一种结合多模态互量纲一化(MMDI)与宽度学习系统(BLS)的智能故障诊断方法。通过优化完全自... 滚动轴承作为旋转机械的重要组成部分,在恶劣环境运行导致振动信号具有非线性和非平稳的特点,使得区分故障信号和正常信号变得困难。针对此,提出一种结合多模态互量纲一化(MMDI)与宽度学习系统(BLS)的智能故障诊断方法。通过优化完全自适应噪声集合经验模态(OCEEMDAN)与小波阈值对轴承观测信号进行分解处理,对有效的本征模态函数(IMF)重构并提取MDI,构建了一批MMDI;采用反向传播算法(BP)与堆叠模块方式优化BLS,改进的BLS算法能够快速识别不同的故障类型;最后通过凯斯西储大学轴承数据中心与某实验室提供的轴承数据集对所提方法进行验证,平均准确率分别为99.8%与100%,验证了方法的有效性。 展开更多

关键词 完全自适应噪声集合经验模态分解(CEEMDAN) 特征提取 互量纲一化指标 宽度学习系统(BLS) 故障诊断

在线阅读 下载PDF 职称材料

基于二次分解和ATT-CNN-LSTM-MLR组合模型的短期电价预测方法 被引量：1

10

作者 张玉敏 孙猛 +2 位作者 吉兴全 叶平峰 张晓峰 《智慧电力》 北大核心 2024年第12期65-72,共8页

针对电力现货市场价格的强波动性,电价存在跳跃点、尖峰点的特点,提出基于二次分解和注意力机制(ATT)-卷积神经网络(CNN)-长短时记忆神经网络(LSTM)-多元线性回归(MLR)组合模型的短期电价预测方法。首先,为深度挖掘电价跳跃点和尖峰点... 针对电力现货市场价格的强波动性,电价存在跳跃点、尖峰点的特点,提出基于二次分解和注意力机制(ATT)-卷积神经网络(CNN)-长短时记忆神经网络(LSTM)-多元线性回归(MLR)组合模型的短期电价预测方法。首先,为深度挖掘电价跳跃点和尖峰点处的特征,采用自适应噪声完备集合经验模态分解和变分模态分解将原始电价序列分解为一系列模态分量;其次,针对分解后的低频与高频子序列,分别建立MLR浅学习模型和ATT-CNN-LSTM组合模型实现多频预测,重构各子模型输出得到最终预测结果;最后,采用具有强波动性特征的欧洲电力交易所数据进行算例分析,验证了模型的有效性。 展开更多

关键词 电价预测 注意力机制 完全自适应噪声完备集合经验模态分解 变分模态分解 多频组合

在线阅读 下载PDF 职称材料

基于多层信号分解的混凝土拱坝变形监测模型

11

作者 王子轩 欧斌 +3 位作者 陈德辉 杨石勇 赵定柱 傅蜀燕 《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第6期1-9,共9页

为了充分挖掘大坝变形监测数据的非线性和非平稳性特征,本文提出了一种大坝变形监测模型.首先,该模型通过自适应噪声完全集合经验模态分解(CEEMDAN)对变形监测数据进行分解处理.在分解过程中融入样本熵(SE)和K-均值聚类,以确保得到的模... 为了充分挖掘大坝变形监测数据的非线性和非平稳性特征,本文提出了一种大坝变形监测模型.首先,该模型通过自适应噪声完全集合经验模态分解(CEEMDAN)对变形监测数据进行分解处理.在分解过程中融入样本熵(SE)和K-均值聚类,以确保得到的模态分量(IMF)个数能够准确描述大坝变形.然后,对于高频IMF分量,采用变分模态分解(VMD)进行二次分解,并利用偏最小二乘法(PLS)分析变形序列影响因子,以提取最佳的IMF分量作为后续模型的输入因子.最后,利用改进的共生生物搜索算法(ISOS)结合长短期记忆神经网络(LSTM)进行大坝变形的准确预测.研究结果表明:相较于单层信号处理,本文通过二次信号处理可以显著提升模型的预测精度;对二次分解后的IMFs分量进行PLS筛选可以有效避免模型的冗余性,提高计算效率;相较于各对比模型,本文模型在各测点上均具有较好的预测精度和稳定性.本文提出的模型能够深入挖掘大坝监测数据中的拓扑关系,有效保留数据中的高频有用信息,从而提高预测的准确性和平滑性,展示出较好的预测精度和泛化能力. 展开更多

关键词 大坝变形 自适应噪声完全集合经验模态分解 样本熵 K-均值聚类算法 改进的共生生物搜索算法 变分模态分解

在线阅读 下载PDF 职称材料

基于二次CEEMDAN与CCJC的滚动轴承故障冲击特征提取 被引量：1

12

作者 张亢 曹振华 +2 位作者 刘鹏飞 陈向民 牛晓瑞 《噪声与振动控制》 北大核心 2025年第1期112-118,247,共8页

滚动轴承故障振动信号的成分复杂多样,且受噪声和传递路径的影响,导致从中提取表征故障的周期性冲击成分难度很大。对此,利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEM... 滚动轴承故障振动信号的成分复杂多样,且受噪声和传递路径的影响,导致从中提取表征故障的周期性冲击成分难度很大。对此,利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)良好的非平稳非线性数据处理能力,首先将原始轴承振动信号中的各种成分予以分离,在此基础上,提出相关系数跳变准则(Correlation Coefficient Jump Criterion,CCJC)区别以故障周期性冲击成分为主的分量,以及以噪声和转频成分为主的分量,并通过二次分解二次重构的方式,最大限度去除噪声与转频相关成分,最终得到提纯的滚动轴承故障周期性冲击信号。通过对滚动轴承故障仿真信号和基准数据的分析,表明所提方法可以准确高效提取轴承故障周期性冲击成分;对滚动轴承实验振动信号进行分析,并与经典方法对比,验证所提方法的优势及其良好的工程应用前景。 展开更多

关键词 故障诊断 滚动轴承 振动信号 周期性冲击特征 自适应噪声完全集合经验模态分解 相关系数跳变准则

在线阅读 下载PDF 职称材料

基于ICEEMDAN-PE-GDBO-LSSVM的风电功率预测

13

作者 汪繁荣 张旭东 《现代电子技术》 北大核心 2025年第10期57-62,共6页

随着可再生能源特别是风电的高比例接入,电网面临着前所未有的不确定性和波动性挑战。为准确预测风电功率,提出一种基于改进的自适应噪声完全集合经验模态分解(ICEEMDAN)-排列熵(PE)-改进的蜣螂优化算法(GDBO)-最小支持二乘向量机(LSSVM... 随着可再生能源特别是风电的高比例接入,电网面临着前所未有的不确定性和波动性挑战。为准确预测风电功率,提出一种基于改进的自适应噪声完全集合经验模态分解(ICEEMDAN)-排列熵(PE)-改进的蜣螂优化算法(GDBO)-最小支持二乘向量机(LSSVM)的组合模型。首先使用ICEEMDAN对风电数据进行分解,从而降低复杂度;之后根据PE对分解后得到的各分量进行聚合,再使用GDBO算法对LSSVM的关键参数进行寻优,以得到最佳预测模型;最后使用优化模型对各聚合分量分别进行预测和叠加,得到总的预测结果。基于国内风电场数据集进行实验验证,结果表明所提方法有较高的预测精度,均方根误差比单一的LSSVM模型低61.39%,在工程实践中具有更为广阔的应用前景。 展开更多

关键词 风电功率预测 自适应噪声完全集合经验模态分解 改进的蜣螂优化算法 排列熵 改进的完全集合经验模态分解 最小支持二乘向量机 分量聚合

在线阅读 下载PDF 职称材料

基于改进CEEMDAN-BO-LSTM的短期电价预测 被引量：1

14

作者 秦昆 刘立群 +1 位作者 吴青峰 何俊强 《陕西科技大学学报》 北大核心 2025年第1期169-176,共8页

电价预测对于国家电力市场的销售价格,电力调度和市场波动管理具有重要意义,但现有方法在电价预测的准确性上不理想.为了进一步提升电价预测的准确性,提出一种基于改进完全自适应噪声集合经验模态分解(ICEEMDAN),贝叶斯优化(BO)和长短... 电价预测对于国家电力市场的销售价格,电力调度和市场波动管理具有重要意义,但现有方法在电价预测的准确性上不理想.为了进一步提升电价预测的准确性,提出一种基于改进完全自适应噪声集合经验模态分解(ICEEMDAN),贝叶斯优化(BO)和长短时记忆网络(LSTM)的短期电价预测模型.ICEEMDAN将原始数据分解为多个本征模态函数(IMF)和一个残差序列,然后将IMF分量重构为高频,中频和低频三个子序列,将子序列和残差序列分别与相关因素结合,重构为四个多维特征矩阵,输入BO-LSTM模型进行训练,最后得到预测结果.用西班牙国家电网公司Red Electric Espana运营数据进行算例分析,结果表明ICEEMDAN-BO-LSTM模型具有更高的准确度,在电价跳跃点和峰值点处预测结果表现出色,与其他方法相比预测效果更好,对能源企业和国家电力市场调控策略具有实用价值. 展开更多

关键词 电价预测 完全自适应噪声集合经验模态分解 贝叶斯优化 长短期记忆网络

在线阅读 下载PDF 职称材料

基于改进蜣螂优化算法和融合注意力机制的风电功率预测 被引量：1

15

作者 张旭东 汪繁荣 《广东电力》 北大核心 2025年第1期32-40,共9页

为进一步提高风电功率的预测精准度,提出使用自适应噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)来对原始数据进行分解,并结合多策略改进蜣螂优化算法(multi-strategy enhan... 为进一步提高风电功率的预测精准度,提出使用自适应噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)来对原始数据进行分解,并结合多策略改进蜣螂优化算法(multi-strategy enhanced dung beetle optimization algorithm,MDBO)来优化融合了卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络的风电预测方法。首先,使用CEEMDAN分解算法对初始风力发电功率进行分解,以降低风电数据的非线性和随机性;之后,在预测模型中引入注意力机制(attention mechanism,AM),对分解得到的各分量分别使用经MDBO算法寻优得到的CNN-BiLSTM-AM模型进行预测;最后,把各子分量的预测值进行叠加聚合得到总的预测值,并采用皮尔逊相关系数计算环境特征对风电功率的相关性,保留相关性强的环境特征以进一步提升预测精度。使用所提CEEMDAN-MDBO-CNN-BiLSTM-AM算法进行风电功率预测,预测结果有着较高的预测精准度,其均方根误差较CNN和BiLSTM单一预测模型分别降低了65.12%和64.00%,相较于CNN-BiLSTM其均方根误差和平均绝对误差分别降低了53.20%和53.98%,其回归系数提升了7.581%。 展开更多

关键词 自适应噪声完全集合经验模态分解 风电功率预测 蜣螂优化算法 双向长短期记忆网络 卷积神经网络

在线阅读 下载PDF 职称材料

基于CEEMDAN-BA-SVR-Adaboost模型的白水河滑坡位移预测 被引量：11

16

作者 李龙起 王梦云 +2 位作者 赵皓璆 王滔 赵瑞志 《长江科学院院报》 CSCD 北大核心 2021年第6期52-59,66,共9页

为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及... 为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及由IMF分项构成的波动项。首先采用BP神经网络对趋势项位移进行预测,随后利用CEEMDAN-BA-SVR-Adaboost模型对波动项进行预测,并将预测结果与CEEMDAN-PSO-SVR-Adaboost、CEEMDAN-BA-BP-Adaboost、CEEMADAN-BA-SVR、BA-SVR-Adaboost模型预测结果进行对比分析,验证本模型在位移预测方面的优越性。此外,利用CEEMDAN-BA-SVR-Adaboost模型对ZG118波动项位移进行预测,同时计算ZG93监测点最终累计预测位移。结果表明,对白水河滑坡位移进行预测时,CEEMDAN-BA-SVR-Adaboost模型具有较高的准确性和适用性。 展开更多

关键词 白水河滑坡 位移预测 自适应噪声完全集合经验模态分解(CEEMDAN) 蝙蝠算法(BA) 支持向量回归机(SVR) 集成学习

在线阅读 下载PDF 职称材料

基于CEEMDAN-LSTM的管道输送稀饲料浓度研究

17

作者 于慧泽 刘玉健 +1 位作者 刘涛 许少鹏 《饲料工业》 北大核心 2025年第10期8-18,共11页

为解决管道输送稀饲料过程中稀饲料浓度难以检测的问题,提出一种基于完全自适应噪声完备集合经验模态分解(CEEMDAN)与长短期记忆神经网络(LSTM)相组合的分类预测方法。该方法先通过CEEMDAN分解算法,将采集到的声音信号和振动信号分解为... 为解决管道输送稀饲料过程中稀饲料浓度难以检测的问题,提出一种基于完全自适应噪声完备集合经验模态分解(CEEMDAN)与长短期记忆神经网络(LSTM)相组合的分类预测方法。该方法先通过CEEMDAN分解算法,将采集到的声音信号和振动信号分解为多层具有不同特征的子序列分量本征模态函数(intrinsic mode function,IMF),然后分别建立LSTM网络模型进行单步预测,最后通过叠加预测结果得出管道输送稀饲料浓度最终预测值。结果表明:CEEMDAN分解算法优于经验模态分解(empirical mode decomposition,EMD)和集合经验模态分解(ensemble empirical mode decomposition,EEMD)算法,可克服EMD模态混叠现象和EEMD带来的冗余噪声影响。CEEMDAN-LSTM模型分类预测振动信号的平均绝对误差(mean absolute error,MAE)指标为0.001、均方根误差(root mean square error,RMSE)指标为0.001,分类预测声音信号的MAE指标为0.036、RMSE指标为0.044。相较神经网络(back propagation,BP)、长短期记忆网络、支持向量回归(support vector machines,SVM)等分类预测模型具有更高的准确性。该方法可在管道输送稀饲料时精确预测其浓度提供理论依据,具有一定的实际应用意义。 展开更多

关键词 管道输送 浓度 完全自适应噪声完备集合经验模态分解(CEEMDAN) 长短期记忆神经网络(LSTM) 分类预测

在线阅读 下载PDF 职称材料

考虑相关性的新能源电力系统风光功率短期联合预测模型

18

作者 沈赋 刘思蕊 +3 位作者 蔡子龙 王哲 杨光兵 翟苏巍 《太阳能学报》 北大核心 2025年第5期203-212,共10页

为提高新能源电力系统(NEPS)风/光功率预测的精确度以降低新能源并网对电网稳定性的影响,考虑风/光功率影响因素的相关性、NEPS分布式电源的特殊性以及模型预测误差的自适应优化能力,提出一种考虑相关性的新能源电力系统风光功率短期联... 为提高新能源电力系统(NEPS)风/光功率预测的精确度以降低新能源并网对电网稳定性的影响,考虑风/光功率影响因素的相关性、NEPS分布式电源的特殊性以及模型预测误差的自适应优化能力,提出一种考虑相关性的新能源电力系统风光功率短期联合预测模型。通过自适应噪声的完全集合经验模态分解(CEEMDAN)对原始数据进行处理,利用基于混沌鲸鱼算法(CWOA)优化的双向长短期记忆神经网络(BILSTM)模型对风/光功率初步预测获取预测误差,将分解后的风/光功率预测误差与原始输入特征融合,对光/风功率交叉联合预测。通过华东地区某新能源场站实际数据进行试验验证,结果表明,与传统预测模型相比,该文所提联合预测模型对NEPS风/光功率预测精度均有所提升。 展开更多

关键词 风力发电 光伏发电 功率预测 双向长短期记忆神经网络 新能源电力系统 自适应噪声的完全集合经验模态分解 混沌鲸鱼算法

在线阅读 下载PDF 职称材料

旋转机械轴心轨迹降噪研究及轴心轨迹识别

19

作者 陕亮 方桃 +1 位作者 孙晨雨 王亮 《核科学与工程》 北大核心 2025年第2期256-264,共9页

针对实测的电厂信号中存在的噪声成分,本文采用完全自适应噪声集合经验模态分解法(CEEMDAN)对电厂信号进行分解,从而剔除表征噪声成分的部分信号。同时,本文采用经验模态分解(EMD)、集合经验模态分解(EEMD)进行了对比分析,并采用排列熵... 针对实测的电厂信号中存在的噪声成分,本文采用完全自适应噪声集合经验模态分解法(CEEMDAN)对电厂信号进行分解,从而剔除表征噪声成分的部分信号。同时,本文采用经验模态分解(EMD)、集合经验模态分解(EEMD)进行了对比分析,并采用排列熵平均值进行定量评价。总结可得,CEEMDAN降噪结果的排列熵平均值更小且降噪后信号更加光滑,证明其可以更好地去除电厂信号中的噪声成分。 展开更多

关键词 信号降噪 完全自适应噪声集合经验模态分解 互相关分析 排列熵 定量评价

在线阅读 下载PDF 职称材料

基于CEEMDAN-SAOA的平抑风电波动混合储能系统定容优化配置

20

作者 黄冬梅 吴冰 +3 位作者 时帅 李媛媛 宋巍 王晓亮 《电力系统保护与控制》 北大核心 2025年第15期59-70,共12页

为解决风力发电直接并网所产生的功率波动问题,提出了一种基于改进阿基米德优化算法融合自适应噪声完全集合经验模态分解(complete ensemble EMD with adaptive noise,CEEMDAN)的容量配置方法。采用由限幅与滑动平均结合的加权滤波算法... 为解决风力发电直接并网所产生的功率波动问题,提出了一种基于改进阿基米德优化算法融合自适应噪声完全集合经验模态分解(complete ensemble EMD with adaptive noise,CEEMDAN)的容量配置方法。采用由限幅与滑动平均结合的加权滤波算法平滑风电出力,同时减小平滑结果的滞后性,得到风电并网功率和混合储能系统(hybrid energy storage system,HESS)参考功率。为了合理分配HESS的内部功率,借助CEEMDAN分解HESS的参考功率,得到高低频分量。综合考虑HESS功率和容量、荷电状态(state of charge,SOC)与负荷缺点率等因素,构建以年综合成本最小为目标的容量优化配置模型并采用改进阿基米德优化算法求解。基于实际算例进行仿真分析,结果表明,与原始风电并网相比,HESS配置方案将波动率减少了13.538%,平滑度提高了16.057%。相较于传统单一储能平抑效果更加明显,减少了容量配置。同时,对比传统阿基米德优化算法节省了15.325%的投资成本。 展开更多

关键词 改进阿基米德算法 自适应噪声完全集合经验模态分解 风力发电 平抑功率波动 混合储能 容量配置

在线阅读 下载PDF 职称材料