期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
基于本征模函数的轨道质量评价方法 被引量:8
1
作者 李再帏 练松良 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2013年第2期213-217,共5页
为了更合理有效地评价轨道质量,将轨道不平顺波长因素纳入轨道质量评价中,提出基于本征模函数(intrinsicmode function,IMF)的轨道质量评价方法——轨道质量能量指标(track quality energy index,TQEI).通过对轨道不平顺数据进行经验模... 为了更合理有效地评价轨道质量,将轨道不平顺波长因素纳入轨道质量评价中,提出基于本征模函数(intrinsicmode function,IMF)的轨道质量评价方法——轨道质量能量指标(track quality energy index,TQEI).通过对轨道不平顺数据进行经验模态分解得到对应波长频段的不平顺IMF,利用频谱分析的方法求得各个IMF的能量;将各个IMF的能量与总能量的比值作为特征向量,并进行量纲一化处理,从而得到轨道不平顺IMF的能量系数;利用能量系数求得TQEI.通过理论推导证明了轨道质量数(track qualityindex,TQI)是在不考虑波长因素作用下轨道质量能量指标的特殊形式.最后,以京广提速干线轨道不平顺数据为例,对比分析了实际检测数据TQEI与TQI的关系.结果表明:轨道质量能量指标是对TQI的细化和延续,其既起到了TQI的幅值管理作用,又可以弥补TQI在波长及幅值管理方面的缺陷,可以准确有效地对轨道质量进行评价. 展开更多
关键词 轨道不平顺 本征函数 经验态分解 能量系数 波长 评价方法
在线阅读 下载PDF
基于IMF能量谱的水声信号特征提取与分类 被引量:18
2
作者 刘深 张小蓟 +1 位作者 牛奕龙 汪平平 《计算机工程与应用》 CSCD 2014年第3期203-206,226,共5页
经验模态分解(EMD)是用来处理非平稳时变信号的一种信号分析方法,该方法对所分析信号的局部特征信号进行不同时间尺度的分解,从而得到这些局部特征信号的各阶本征模函数(IMF)。提出了一种基于IMF能量谱的水声信号特征提取与选择方法,通... 经验模态分解(EMD)是用来处理非平稳时变信号的一种信号分析方法,该方法对所分析信号的局部特征信号进行不同时间尺度的分解,从而得到这些局部特征信号的各阶本征模函数(IMF)。提出了一种基于IMF能量谱的水声信号特征提取与选择方法,通过对水声信号进行经验模态分解,提取信号的本征模式分量并转换为能量谱特征向量,从而观测不同信号子频带能量谱的特征变化。分类实验采用支持向量机(SVM)分类器进行。实验结果表明,相对于小波能量谱特征提取法而言,利用IMF能量谱作为特征向量的分类实验具有更佳的分类效果,平均正确率达88%以上。 展开更多
关键词 经验态分解 本征函数 本征函数能量 提取 支持向量机(SVM)分类器
在线阅读 下载PDF
漏表面波IMF_(1)能量识别无砟轨道脱空适用性研究
3
作者 马嘉霈 袁笙哲 +3 位作者 肖军华 李航 潘越 苏志鹏 《振动.测试与诊断》 EI CSCD 北大核心 2023年第5期850-858,1033,1034,共11页
为了研究漏表面波法对高铁无砟轨道层间脱空检测的适用性,建立脱空特征指标,通过含层间脱空的板式无砟轨道实尺模型进行试验,建立空气‑无砟轨道耦合有限元模型,分析不同工况下的冲击响应声场分布特征;进一步对漏表面波信号进行希尔伯特... 为了研究漏表面波法对高铁无砟轨道层间脱空检测的适用性,建立脱空特征指标,通过含层间脱空的板式无砟轨道实尺模型进行试验,建立空气‑无砟轨道耦合有限元模型,分析不同工况下的冲击响应声场分布特征;进一步对漏表面波信号进行希尔伯特‑黄变换,保留高频特征信号至第1阶本征模函数(intrinsic mode function,简称IMF_(1)),分解低频干扰信号至高阶本征模函数,提出以IMF_(1)能量为特征指标的层间脱空判识方法。研究结果表明:随着脱空长度和脱空至荷载冲击点距离的增大,漏表面波IMF_(1)能量分布呈现正相关变化趋势;IMF_(1)能量对CRTSII型板式无砟轨道板中CA砂浆层脱空0.2~0.5 m较为敏感,基于漏表面波的CA砂浆层脱空检测具备一定理论可行性。 展开更多
关键词 板式无砟轨道 脱空识别 漏表面波 本征函数 第1阶本征模函数能量
在线阅读 下载PDF
基于TVFEMD-IMF能量熵增量的桥梁监测数据降噪方法 被引量:6
4
作者 李双江 辛景舟 +3 位作者 蒋黎明 刘水康 巴建明 周建庭 《振动.测试与诊断》 EI CSCD 北大核心 2024年第1期178-185,206,共9页
针对桥梁监测数据受多重噪声干扰、影响结构真实响应获取的问题,提出了一种基于时变滤波经验模态分解(time-varying filtering empirical mode decomposition,简称TVFEMD)和本征模函数(intrinsic mode function,简称IMF)能量熵增量的桥... 针对桥梁监测数据受多重噪声干扰、影响结构真实响应获取的问题,提出了一种基于时变滤波经验模态分解(time-varying filtering empirical mode decomposition,简称TVFEMD)和本征模函数(intrinsic mode function,简称IMF)能量熵增量的桥梁监测数据降噪方法。首先,利用TVFEMD分解桥梁原始监测数据,得到多个子序列;其次,采用IMF能量熵增量确定多个子序列中的有效子序列;然后,划分子序列中的结构响应分量和噪声分量,对结构响应分量重组实现监测数据降噪;最后,利用平均绝对误差(mean absolute error,简称MAE)、均方根误差(root mean squared error,简称RMSE)和信噪比(signal-noise ratio,简称SNR)对不同方法的降噪效果进行评价。仿真算例和工程实例结果表明:TVFEMD相比经验模态分解(empirical mode decomposition,简称EMD),有效解决了模态混叠问题;TVFEMD结合IMF能量熵增量方法,有效抑制了多重噪声影响,对结果精度有较大提升;与EMD-IMF能量熵增量和Kalman滤波降噪法相比,TVFEMD-IMF能量熵增量法所得到降噪信号的MAE和RMSE值分别提升了23%和21%以上,降噪效果更好,信噪比提升38%以上,抗噪性能更佳。 展开更多
关键词 桥梁 健康监测 降噪 时变滤波经验态分解 本征函数能量熵增量
在线阅读 下载PDF
基于EMD能量熵和支持向量机的齿轮故障诊断方法 被引量:130
5
作者 张超 陈建军 郭迅 《振动与冲击》 EI CSCD 北大核心 2010年第10期216-220,共5页
针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出了基于经验模态分解(empirical mode decomposition,EMD)和支持向量机的齿轮故障诊断方法。首先通过EMD方法将非平稳的原始加速度振动信号分解成若干个平... 针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出了基于经验模态分解(empirical mode decomposition,EMD)和支持向量机的齿轮故障诊断方法。首先通过EMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(intrinsic mode function,IMF);齿轮发生不同的故障时,在不同频带内的信号能量值会发生改变,故可以通过计算不同振动信号的EMD能量熵判断是否发生故障;从包含有主要故障信息的IMF分量中提取出来的能量特征作为输入建立支持向量机(support vector machine,SVM),判断齿轮的工作状态和故障类型。实验结果表明,该方法能有效地应用于齿轮的故障诊断。 展开更多
关键词 经验态分解 本征函数 能量 支持向量机 故障诊断
在线阅读 下载PDF
基于IMF能量矩和神经网络的轴承故障诊断 被引量:35
6
作者 秦太龙 杨勇 +1 位作者 程珩 薛松 《振动.测试与诊断》 EI CSCD 2008年第3期229-232,共4页
针对滚动轴承故障振动信号的非平稳特征,提出了一种本征模函数(Intrinsic Mode Function,简称IMF)能量矩的特征向量提取法,并与BP神经网络相结合用于滚动轴承的故障诊断。该方法首先利用经验模态分解(Empirical Mode Decomposition,简称... 针对滚动轴承故障振动信号的非平稳特征,提出了一种本征模函数(Intrinsic Mode Function,简称IMF)能量矩的特征向量提取法,并与BP神经网络相结合用于滚动轴承的故障诊断。该方法首先利用经验模态分解(Empirical Mode Decomposition,简称EMD)方法,把振动信号分解为若干个IMF,再将重要的IMF分量作基于时间轴的积分,得到IMF能量矩特征向量,最后借助BP神经网络的分类能力对特征向量进行分类。对滚动轴承的正常状态、外圈故障、滚动体故障和外圈故障信号的分析结果表明,该方法能够准确、有效地识别这些故障。 展开更多
关键词 滚动轴承 本征函数 能量 故障诊断 经验态分解 BP神经网络
在线阅读 下载PDF
基于EEMD能量熵和支持向量机的齿轮故障诊断方法 被引量:56
7
作者 张超 陈建军 郭迅 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2012年第3期932-939,共8页
针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出基于总体平均经验模态分解(EEMD)和支持向量机的齿轮故障诊断方法。通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(IMF);齿轮... 针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出基于总体平均经验模态分解(EEMD)和支持向量机的齿轮故障诊断方法。通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(IMF);齿轮发生不同的故障时,在不同频带内的信号能量值会发生改变,故可通过计算不同振动信号的EEMD能量熵判断是否发生故障;从包含有主要故障信息的IMF分量中提取出来的能量特征作为输入建立支持向量机,判断齿轮的工作状态和故障类型。实验结果表明:文中提出的方法能有效地应用于齿轮的故障诊断。 展开更多
关键词 总体平均经验态分解 本征函数 能量 支持向量机 故障诊断
在线阅读 下载PDF
基于IMF能量矩和SVM的电力线路故障定位 被引量:3
8
作者 徐舜 杨毅 +2 位作者 王奕 张健 曾祥君 《电测与仪表》 北大核心 2015年第11期117-123,共7页
针对配电网拓扑结构日益复杂化以及线路单相接地时故障信息难以提取等问题,提出了一种基于本征模函数IMF(Intrinsic Mode Function)特征能量矩的故障信息提取方法,并利用SVM进行故障定位。该方法首先利用经验模式分解(EMD)良好的局域化... 针对配电网拓扑结构日益复杂化以及线路单相接地时故障信息难以提取等问题,提出了一种基于本征模函数IMF(Intrinsic Mode Function)特征能量矩的故障信息提取方法,并利用SVM进行故障定位。该方法首先利用经验模式分解(EMD)良好的局域化特征来量化故障信息,将故障电流信号分解得到多类IMF并在时域轴上对该IMF进行积分,从而得到能量矩特征故障向量,从能量矩中选取相关系数大的作为学习样本输入SVM分类器,得到故障线路分类模型,进而完成配电网的故障定位。基于66k V线路模型的仿真实验表明,该方法仅需测量故障电流,可以准确、有效地识别故障区段,可靠性高。 展开更多
关键词 经验式分解 本征函数 能量 支持向量机
在线阅读 下载PDF
基于IMF能量矩和Bayes-LSSVM的滚动轴承诊断 被引量:5
9
作者 邓辉 罗倩 王岩 《计算机工程与应用》 CSCD 北大核心 2019年第17期156-161,226,共7页
针对传统方法对滚动轴承故障特征提取效果尚有局限和最小二乘支持向量机分类器的参数不易确定,从而降低了故障诊断的准确性的问题,提出基于本征模函数能量矩和贝叶斯框架下的最小二乘支持向量机实现滚动轴承的故障诊断。在该方法中,通... 针对传统方法对滚动轴承故障特征提取效果尚有局限和最小二乘支持向量机分类器的参数不易确定,从而降低了故障诊断的准确性的问题,提出基于本征模函数能量矩和贝叶斯框架下的最小二乘支持向量机实现滚动轴承的故障诊断。在该方法中,通过经验模态分解将原始信号分解为多个本征模函数,之后将本征模函数作时间轴的积分,得到本征模函数能量矩特征故障向量。采用贝叶斯推理方法进行三级分层推断,解决最小二乘支持向量机分类器的参数具有任意性和不确定性的问题,实现参数优化。对滚动轴承的仿真结果表明,该方法能对故障进行有效、准确的诊断,诊断正确率达到98.75%。 展开更多
关键词 故障诊断 经验态分解 本征函数能量 贝叶斯 最小二乘支持向量机 参数优化
在线阅读 下载PDF
一种旋转机械系统耦合故障诊断的新方法 被引量:7
10
作者 焦卫东 蒋永华 +1 位作者 施继忠 王晓燕 《仪器仪表学报》 EI CAS CSCD 北大核心 2016年第7期1449-1456,共8页
旋转机械系统中,与转子振动响应相关的裂纹非线性开/合行为以及动-静件瞬态碰摩接触或齿轮啮合冲击、机座松动等缺陷或故障均会激起非线性振动,且不同的故障激励源相互作用,导致复杂的故障耦合形态,增加了故障诊断的难度。为此提出一种... 旋转机械系统中,与转子振动响应相关的裂纹非线性开/合行为以及动-静件瞬态碰摩接触或齿轮啮合冲击、机座松动等缺陷或故障均会激起非线性振动,且不同的故障激励源相互作用,导致复杂的故障耦合形态,增加了故障诊断的难度。为此提出一种基于本征模函数能量矩-灰色关联分析的旋转机械系统耦合故障诊断方法。应用能量矩测度,从振动响应信号的经验模态分解本征模函数中分别抽取特征,然后进一步利用灰色关联分析对耦合故障的关联特性进行定量评价,从而实现复杂耦合故障模式的识别。仿真与实验研究结果验证了方法的有效性。而且,利用本方法可以对故障的严重程度进行排序,可以有力地支持合理的维修决策的制定。 展开更多
关键词 经验态分解 本征函数能量 灰色关联分析 非线性振动 故障耦合
在线阅读 下载PDF
基于参数优化的VMD与TEO融合的微电网电能质量检测方法 被引量:5
11
作者 王玉梅 郑义 《电气工程学报》 CSCD 2023年第2期164-173,共10页
针对变分模态分解(Variational mode decomposition,VMD)检测微电网中多类电能质量扰动信号时,其实时性差及多类信号难以统一处理的问题,提出一种参数优化的VMD与Teager能量算子(Teager energy operator,TEO)融合的微电网电能质量扰动... 针对变分模态分解(Variational mode decomposition,VMD)检测微电网中多类电能质量扰动信号时,其实时性差及多类信号难以统一处理的问题,提出一种参数优化的VMD与Teager能量算子(Teager energy operator,TEO)融合的微电网电能质量扰动检测方法。针对VMD方法参数难确定的问题,利用天牛须搜索(Beetleantennaesearch,BAS)对VMD方法的最佳参数进行优化搜索。搜索过程以VMD分解后各本征模函数的包络熵极小值与VMD迭代次数的结合作为适应度函数。根据搜索结果设定VMD方法的最佳分解层数K和惩罚因子α,并运用参数优化VMD对扰动信号进行分解。针对扰动信号经分解后本征模函数的筛选问题,以包络熵为指标,选取包络熵较小值的本征模函数进行TEO解调分析,提取扰动信号的特征信息。仿真结果表明,融合算法能实现对微电网电能质量扰动的准确检测,并具有良好的抗噪性。 展开更多
关键词 变分态分解 天牛须搜索 电能质量扰动 TEAGER能量算子 包络熵 本征函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部