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：
等概率粗粒化LZC算法在降水变化复杂性研究中的应用 被引量：5
1
作者 武秋晨 刘东 《中国农村水利水电》 北大核心 2013年第5期1-5,10,共6页
区域水文过程复杂性研究是一种新的研究模式,降水复杂性变化更是当前研究热点。运用等概率粗粒化的LZC方法,以红兴隆分局为例,对红兴隆分局辖区内10个农场逐月降水序列复杂性进行诊断,运用GIS技术绘制降水复杂性空间分布图。结果表明:... 区域水文过程复杂性研究是一种新的研究模式,降水复杂性变化更是当前研究热点。运用等概率粗粒化的LZC方法,以红兴隆分局为例,对红兴隆分局辖区内10个农场逐月降水序列复杂性进行诊断,运用GIS技术绘制降水复杂性空间分布图。结果表明:八五三农场降水复杂性最高,八五二农场次之,五九七农场最低。进一步分析表明,降水是当地地下水埋深复杂性变化的主导影响因素之一。研究成果揭示了当地降水复杂性演变特征,为区域降水、地下水埋深准确预测及水资源合理优化配置提供了科学依据。 展开更多
关键词 lzc 等概率粗粒化 红兴隆分局 降水
在线阅读 下载PDF
基于等概率粗粒化的复杂度算法及其应用 被引量：7
2
作者 张佃中 谭小红 +1 位作者 王智 刘昭前 《系统仿真学报》 EI CAS CSCD 北大核心 2008年第15期4096-4098,4103,共4页
为探究Lempel-Ziv复杂度(LZC)在心率变异(HRV)分析中的稳定性,提出了等概率粗粒化重构出符号序列计算LZC的新方法和具体算法.以年轻(21-34岁)与年老(68-85岁)组健康受试者的HRV信号为实验数据,选取不同的粗粒化段数,用常规和等概率方法... 为探究Lempel-Ziv复杂度(LZC)在心率变异(HRV)分析中的稳定性,提出了等概率粗粒化重构出符号序列计算LZC的新方法和具体算法.以年轻(21-34岁)与年老(68-85岁)组健康受试者的HRV信号为实验数据,选取不同的粗粒化段数,用常规和等概率方法分别计算LZC.再算出不同分段数LZC序列之间的相关系数.结果表明,用新方法得出的相关系数都大于0.96,年老组的LZC指标明显降低(P<0.001),这些结果不受粗粒化段数的影响.新方法算得的LZC是度量HRV稳定而有效的指标。 展开更多
关键词 Lempel-Ziv复杂度 粗粒化 等概率 心率变异
在线阅读 下载PDF
脑电信号多重粗粒化复杂度分析方法研究 被引量：3
3
作者 肖毅 陈善广 +1 位作者 韩东旭 王春慧 《电子科技大学学报》 EI CAS CSCD 北大核心 2013年第3期469-474,共6页
为了准确地描述脑电信号的精细结构和复杂成分,提出了基于多重粗粒化的脑电信号复杂度方法。根据脑电信号幅值微弱,幅值跨越大,一定幅值范围的脑电具有特定认知和生理意义的脑电特性,采用多重赋值,可尽量保留对信号复杂结构的描述;基于... 为了准确地描述脑电信号的精细结构和复杂成分,提出了基于多重粗粒化的脑电信号复杂度方法。根据脑电信号幅值微弱,幅值跨越大,一定幅值范围的脑电具有特定认知和生理意义的脑电特性,采用多重赋值,可尽量保留对信号复杂结构的描述;基于统计学特点(以百分比为阈值)对已经归一化的信号划分幅值域,进行粗粒化,基于传统方法计算复杂度。该方法有效地克服了经典LZC复杂度不能描述脑电精细结构的不足。提出了当脑电信号在粗粒化后出现局部周期,且达到一定阈值后(如beta波或具有相似幅值特性的脑电信号达到一定阈值),4重复杂度值小于10重复杂度值的假设,初步建立了脑电节律与多重LZC的联系。仿真计算和实际数据验证表明,多重LZC方法结果更准确、合理,而且能反映脑电节律成分特性。 展开更多
关键词 假设 二重粗粒化 精细结构 lzc复杂度 多重粗粒化
在线阅读 下载PDF
基于CMIE与参数优化KELM的旋转机械故障诊断策略 被引量：1
4
作者 连璞 吴磊 伍永豪 《机电工程》 北大核心 2024年第1期62-71,共10页
针对多尺度排列熵忽略信号幅值信息以及粗粒化处理存在不足,造成旋转机械故障识别准确率不稳定和不可靠等缺陷,提出了一种基于复合多尺度增长熵(CMIE)和算术优化算法(AOA)优化核极限学习机(KELM)的旋转机械故障诊断策略(方法)。首先,引... 针对多尺度排列熵忽略信号幅值信息以及粗粒化处理存在不足,造成旋转机械故障识别准确率不稳定和不可靠等缺陷,提出了一种基于复合多尺度增长熵(CMIE)和算术优化算法(AOA)优化核极限学习机(KELM)的旋转机械故障诊断策略(方法)。首先,引入增长熵代替排列熵,进行了故障特征提取,同时采用复合粗粒化处理进行了信号的多尺度分析,提出了复合多尺度增长熵指标,将其用于提取旋转机械振动信号的非线性故障特征;随后,利用AOA对KELM的核心参数进行了自适应优化,建立了网络结构最优的分类模型;最后,将故障特征输入至AOA-KELM分类器,进行了训练和测试,根据分类器的输出标签完成了样本的故障识别任务;利用旋转机械故障数据集对所提策略的性能进行了实验和分析。研究结果表明:CMIE方法可以有效地识别旋转机械的故障类型和故障程度,两种数据集的识别精度均达到了99.2%,在特征提取效率和识别精度方面均优于比较方法;AOA-KELM模型的识别准确率和识别效率优于遗传算法优化核极限学习机、粒子群算法优化极限学习机、网格算法优化核极限学习机和灰狼算法优化核极限学习机。 展开更多
关键词 复合多尺度增长熵 算术优化算法 核极限学习机 滚动轴承 齿轮箱 复合粗粒化处理 信号多尺度分析
在线阅读 下载PDF
哈尔滨地区汛期径流量变化趋势与复杂性分析 被引量：3
5
作者 刘东 程晨 +1 位作者 KHAN Muhammad Imran FAIZ Muhammad Abrar 《华北水利水电大学学报（自然科学版）》 2017年第4期1-8,共8页
区域水文要素复杂性研究是当今的热点问题,为了研究哈尔滨地区汛期径流量的复杂性特征及变化趋势,将R/S分析法和等概率粗粒化LZC算法引入到区域径流复杂性分析与变化趋势预测中,对地区内10个水文站点的汛期径流序列的复杂性进行诊断并... 区域水文要素复杂性研究是当今的热点问题,为了研究哈尔滨地区汛期径流量的复杂性特征及变化趋势,将R/S分析法和等概率粗粒化LZC算法引入到区域径流复杂性分析与变化趋势预测中,对地区内10个水文站点的汛期径流序列的复杂性进行诊断并对其变化趋势进行分析。研究结果表明:哈尔滨、通河、阿城、依兰、烟囱山各站未来的汛期径流量呈减少趋势,岔林河、莲花、西北河、延寿、四平山各站未来的汛期径流量呈增长趋势;各站点汛期径流序列的复杂度由高到低依次为:四平山、烟囱山、岔林河、阿城、西北河、依兰、莲花、通河、哈尔滨、延寿;从河流集水面积对其径流长程相关性和复杂性的影响可以看出,站点的河流集水面积越大,其径流量的长程相关性越强,复杂性指数越小。研究成果揭示了本地区汛期径流量的变化趋势以及复杂性演变特征,该特征可为区域径流预测及水资源优化配置提供科学依据。 展开更多
关键词 R/S分析法 等概率粗粒化lzc算法 哈尔滨地区 汛期径流量 变化趋势 复杂性
在线阅读 下载PDF
基于VMD-IMDE-PNN的滚动轴承故障诊断方法 被引量：8
6
作者 刘备 蔡剑华 彭梓齐 《噪声与振动控制》 CSCD 北大核心 2022年第5期96-101,133,共7页
为了提高滚动轴承故障诊断的准确性,提出一种变分模态分解(Variational Mode Decomposition,VMD)、改进粗粒化多尺度散布熵(Improved Coarse-grained Multi-scale Dispersion Entropy,IMDE)和概率神经网络(Probabilistic Neural Network... 为了提高滚动轴承故障诊断的准确性,提出一种变分模态分解(Variational Mode Decomposition,VMD)、改进粗粒化多尺度散布熵(Improved Coarse-grained Multi-scale Dispersion Entropy,IMDE)和概率神经网络(Probabilistic Neural Network,PNN)相结合的滚动轴承故障诊断方法。首先对振动信号进行VMD处理,根据互相关系数准则筛选最佳模态分量,突显振动信号的故障特性;然后针对多尺度散布熵(Multi-scale Dispersion Entropy,MDE)不稳定的缺点,对MDE的粗粒化过程进行改进,提出IMDE的非线性分析方法。模拟信号分析结果表明,相比于MDE方法,IMDE方法降低了熵值波动,提高了熵值稳定性。将两种方法运用于实际滚动轴承实验数据,发现相比于MDE,IMDE熵值曲线更平滑稳定,不同滚动轴承状态下的IMDE熵值曲线区分更加明显。最后采用PNN对提取的特征进行识别,与MPE-PNN,MDE-PNN以及VMD-MDE-PNN方法相比,所提的VMD-IMDE-PNN方法能精确地识别滚动轴承的故障类型,且识别率更高。 展开更多
关键词 故障诊断 变分模态分解 改进粗粒化多尺度散布熵 概率神经网络 滚动轴承
在线阅读 下载PDF
基于IMIE、MCFS和SSA-ELM的离心泵故障诊断方法 被引量：4
7
作者 辜文娟 张扬 《机电工程》 CAS 北大核心 2023年第9期1456-1463,共8页
采用多尺度排列熵对离心泵振动信号进行分析时,存在忽略信号幅值信息以及粗粒化处理存在不足的问题,从而导致离心泵的故障识别准确率不高,为此,提出了一种基于改进多尺度增长熵(IMIE)、多聚类特征选择(MCFS)和麻雀搜索算法优化极限学习... 采用多尺度排列熵对离心泵振动信号进行分析时,存在忽略信号幅值信息以及粗粒化处理存在不足的问题,从而导致离心泵的故障识别准确率不高,为此,提出了一种基于改进多尺度增长熵(IMIE)、多聚类特征选择(MCFS)和麻雀搜索算法优化极限学习机(SSA-ELM)的离心泵故障诊断方法。首先,基于改进粗粒化处理,提出了改进多尺度增长熵(IMIE)方法,将其用于提取故障特征,构造了反映离心泵损伤属性的特征矩阵;随后,采用多聚类特征选择(MCFS),对原始故障特征进行了重要性排序,获得了对分类识别贡献度更高的故障特征,提高了故障特征的质量;最后,将低维的敏感特征输入至基于麻雀搜索算法(SSA)的极限学习机(ELM)中,进行了离心泵故障分类,完成了离心泵不同故障类型的识别任务;并采用离心泵故障数据集,对基于IMIE、MCFS和SSA-ELM的故障诊断方法的有效性进行了实验验证。研究结果表明:所提故障诊断方法的故障识别准确率达到了100%,多次实验的平均准确率和标准差也优于其他对比的故障诊断方法,即IMIE能够准确地提取信号中的故障信息,进而表征离心泵的健康状态;SSA-ELM能够准确地识别离心泵的故障类型,证明该方法具有一定的有效性和优越性。 展开更多
关键词 叶片式泵 改进粗粒化处理 改进多尺度增长熵 多聚类特征选择 麻雀搜索算法 极限学习机 特征矩阵
在线阅读 下载PDF
基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断 被引量：1
8
作者 杨小强 宫建成 +1 位作者 安立周 刘晓明 《机电工程》 CAS 北大核心 2023年第3期335-343,共9页
针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模... 针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模糊熵(ERCmvMFE)算法,在此基础上,结合t分布随机邻域嵌入(t-SNE)和人工鱼群算法优化的核极限学习机(AFSA-KELM),提出了一种新的齿轮箱故障综合诊断方法。首先,采用多种形式粗粒化方法的集成方法以及多通道信号处理方法,对模糊熵算法进行了改进,并进行了齿轮箱故障的初始特征提取;然后,通过t-SNE压缩原始故障特征,实现了维数的约简,并将低维故障特征输入至AFSA-KELM中进行了故障的分类识别;最后,为了对ERCmvMFE方法的特征提取性能进行测试,采用QPZZ-II旋转机械故障模拟测试平台进行了相关的实验。实验结果表明:采用新的齿轮箱故障综合诊断方法能够对不同类型的齿轮箱故障进行可靠诊断,对齿轮箱5种工况下的20次识别实验中,获得的平均准确率可达98.92%,标准差为0.956,识别准确率和稳定性均优于其他对比方法。研究结果表明:采用ERCmvMFE算法能够更充分地提取出齿轮箱的故障特征,因此,基于该特征提取方法的故障诊断方法具有更高的齿轮箱故障识别准确率。 展开更多
关键词 集成精细复合多元多尺度模糊熵 人工鱼群算法优化的核极限学习机 t分布随机邻域嵌入 特征提取 多粗粒化处理 多通道信号处理 故障分类识别
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