期刊文献+
共找到105篇文章
< 1 2 6 >
每页显示 20 50 100
变分模态分解和自适应稀疏自编码器的故障诊断模型
1
作者 吴亚丽 冯梦琦 +2 位作者 王君虎 董昂 杨延西 《机械科学与技术》 北大核心 2025年第9期1603-1611,共9页
针对旋转机械滚动轴承故障诊断中变分模态分解的参数选择和稀疏自编码器网络结构难以确定的问题,该文提出了一种粒子群算法优化的变分模态分解与稀疏自编码器相结合的故障诊断模型。首先计算包络熵确定变分模态算法的分解层数和模态分量... 针对旋转机械滚动轴承故障诊断中变分模态分解的参数选择和稀疏自编码器网络结构难以确定的问题,该文提出了一种粒子群算法优化的变分模态分解与稀疏自编码器相结合的故障诊断模型。首先计算包络熵确定变分模态算法的分解层数和模态分量,通过信号分解和降噪从而实现最佳分量的筛选。接着计算最佳分量的包络谱并将其作为稀疏自编码器的输入,引入粒子群算法优化稀疏自编码器的网络结构,获得自动提取振动数据的最优特征表示能力,在满足模型较优的特征学习能力的前提下极大地增强了模型的适应性。对凯斯西储大学轴承和变速轴承数据集的故障类型识别的仿真结果表明,该文所提方法拥有较强自适应性和较优的准确率。 展开更多
关键词 模态分解 包络熵 稀疏自编码器 粒子算法 故障诊断
在线阅读 下载PDF
基于变分模态分解和粒子群算法的微震信号降噪方法 被引量:10
2
作者 邓红卫 申一鹏 《矿冶工程》 CAS CSCD 北大核心 2021年第1期7-10,15,共5页
为从含噪微震信号中提取有效信息,并准确识别岩体破裂信号和爆破振动信号,提出了基于粒子群算法和小波阈值去噪的改进变分模态分解方法。该方法利用粒子群算法实现模态数量和惩罚因子的最优取值,以最优参数对微震信号进行变分模态分解,... 为从含噪微震信号中提取有效信息,并准确识别岩体破裂信号和爆破振动信号,提出了基于粒子群算法和小波阈值去噪的改进变分模态分解方法。该方法利用粒子群算法实现模态数量和惩罚因子的最优取值,以最优参数对微震信号进行变分模态分解,再对由高频噪声主导的模态分量进行小波阈值去噪,将去噪后的高频信号分量与原先的低频信号分量进行重构,实现信号降噪。经验证,该方法相比集合经验模态分解和单纯的变分模态分解方法具有更好的降噪效果。以该方法对200组岩体破裂信号和200组爆破振动信号进行去噪,以第一模态分量能量占比50%作为区分爆破振动信号和岩体破裂信号的依据,识别成功率达到97.25%,证实了此识别方法的准确性。 展开更多
关键词 爆破振动信号 岩体破裂信号 模态分解 粒子算法 小波阈值 去噪 微震信号识别 降噪
在线阅读 下载PDF
基于粒子群算法和变分模态分解的起重机滚动轴承性能退化评估 被引量:1
3
作者 陆后军 张飞 孙跃峰 《中国工程机械学报》 北大核心 2023年第6期574-579,共6页
针对港口起重机滚动轴承早期故障特征不易提取、识别精度不够高的缺点,提出一种以粒子群(PSO)优化变分模态分解(VMD),结合支持向量数据描述(SVDD)的滚动轴承性能退化评估模型。通过PSO优化VMD中的参数,更好地提取滚动轴承的特征。利用S... 针对港口起重机滚动轴承早期故障特征不易提取、识别精度不够高的缺点,提出一种以粒子群(PSO)优化变分模态分解(VMD),结合支持向量数据描述(SVDD)的滚动轴承性能退化评估模型。通过PSO优化VMD中的参数,更好地提取滚动轴承的特征。利用SVDD模型中球心距离度量性能退化程度,并借助隶属度函数量化轴承性能退化,进而实现对轴承性能退化程度的精确评估。应用滚动轴承的全寿命试验数据验证该模型,并与传统的时域特征指标比较,本方法对轴承性能退化评估具有更强的敏感性,验证该方法的优越性。 展开更多
关键词 滚动轴承 性能退化评估 模态分解 粒子优化算法(PSO) 支持向量数据描述(SVDD)
在线阅读 下载PDF
基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究 被引量:23
4
作者 姜宇航 王伟 +3 位作者 邹丽芳 王如宾 刘世藩 段雪雷 《岩土力学》 EI CAS CSCD 北大核心 2022年第S01期601-612,共12页
以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法(PSO)对变分模态分解(VMD)进行参数寻优,并将... 以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法(PSO)对变分模态分解(VMD)进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络(NARX)进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元(GRU)进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的(PSO-VMD)-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机(SVM)和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。 展开更多
关键词 滑坡位移预测 粒子算法 模态分解 格兰杰因果检验 非线性自回归神经网络 门控循环单元
在线阅读 下载PDF
基于模糊C均值聚类-变分模态分解和群智能优化的多核神经网络短期负荷预测模型 被引量:31
5
作者 王煜尘 窦银科 孟润泉 《高电压技术》 EI CAS CSCD 北大核心 2022年第4期1308-1319,共12页
电力系统的运行和控制中,短期负荷预测(short-term load forecasting,STLF)起着至关重要的作用。由于负荷的随机性和复杂性,准确预测负荷成为一项挑战。该文将结合了模糊C均值聚类(fuzzy C-means clustering,FCM)理论、变分模态分解(var... 电力系统的运行和控制中,短期负荷预测(short-term load forecasting,STLF)起着至关重要的作用。由于负荷的随机性和复杂性,准确预测负荷成为一项挑战。该文将结合了模糊C均值聚类(fuzzy C-means clustering,FCM)理论、变分模态分解(variational modal decomposition,VMD)和混沌粒子群优化(chaotic particle swarm optimization,CPSO)算法的多核极限学习机(multi-kernel extreme learning machine,MKELM)引入到预测模型中,构建聚类、分解、优化、训练、预测的负荷预测模型。然后基于已用于中国南极内陆泰山站能源系统的短期负荷预测应用案例,在原有模型基础上改进后获得适用于中国国内用电负荷预测模型。模型训练结果对比表明,该新模型在负荷短期预测中具有较高精度,能够反映区域用电负荷的变化趋势,研究成果为各种场景的用电负荷预测提供了新方法和新思路。 展开更多
关键词 模糊C均值聚类 模态分解 混沌粒子优化 多核极限学习机 短期负荷预测
在线阅读 下载PDF
基于变分模态分解排列熵和粒子群优化支持向量机的滚动轴承故障诊断方法 被引量:8
6
作者 阮婉莹 马增强 李亚超 《济南大学学报(自然科学版)》 CAS 北大核心 2018年第4期291-296,共6页
针对滚动轴承故障振动信号的非平稳性和低信噪比的特点,提出基于变分模态分解(VMD)排列熵和粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法;该方法利用VMD对信号进行预处理,可得若干本征模态分量(IMFs),根据包含故障信息的数量... 针对滚动轴承故障振动信号的非平稳性和低信噪比的特点,提出基于变分模态分解(VMD)排列熵和粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法;该方法利用VMD对信号进行预处理,可得若干本征模态分量(IMFs),根据包含故障信息的数量筛选出有效IMFs,求其排列熵构造特征向量,建立支持向量机的滚动轴承故障诊断模型,并用粒子群算法优化参数,以提升分类性能;在滚动轴承故障诊断实例中,通过与VMD结合SVM和集成经验模态分解(EEMD)结合PSO-SVM进行对比。结果表明,本文中提出的方法故障诊断的准确率更高。 展开更多
关键词 滚动轴承 故障诊断 模态分解 排列熵 粒子优化支持向量机
在线阅读 下载PDF
基于自适应变分模态分解的齿轮箱故障诊断 被引量:1
7
作者 谢锋云 汪淦 +2 位作者 赏鉴栋 樊秋阳 朱海燕 《推进技术》 EI CAS CSCD 北大核心 2024年第9期218-227,共10页
针对航空齿轮箱故障诊断中采集到的振动信号包含复杂噪声干扰和冗余成分的问题,提出了基于自适应变分模态分解的齿轮箱故障诊断方法。利用综合评价指标完成变分模态分解(VMD)中分解层数K值的自适应选取,通过设置相关系数和能量熵的阈值... 针对航空齿轮箱故障诊断中采集到的振动信号包含复杂噪声干扰和冗余成分的问题,提出了基于自适应变分模态分解的齿轮箱故障诊断方法。利用综合评价指标完成变分模态分解(VMD)中分解层数K值的自适应选取,通过设置相关系数和能量熵的阈值,筛选同时大于阈值的分量作为包含主要能量且与原信号更加相似的分量进行重构,实现信号的降噪和特征增强。利用结合精细复合多尺度散布熵(RCMDE)对降噪后的信号进行特征提取,充分提取反映振动信号不同时间尺度复杂程度的非线性特征组成特征向量。使用粒子群算法(PSO)优化的核极限学习机(KELM)对所提取的特征进行识别。通过实验验证,该模型10次测试的平均准确率可达95.04%。与其他特征提取和模式识别方法进行对比,所提方法具有更高的诊断准确率,为航空齿轮箱的故障诊断提供了新的方法。 展开更多
关键词 航空齿轮箱 故障诊断 信号降噪 自适应模态分解 粒子算法 核极限学习机
在线阅读 下载PDF
基于优化变分模态分解的大坝变形组合预测模型:以丰满水电站为例 被引量:2
8
作者 叶玉龙 张研 +1 位作者 袁普龙 王峻峰 《科学技术与工程》 北大核心 2024年第26期11401-11408,共8页
大坝的变形通常受到多种因素的影响,监测数据表现出一定的非平稳性和随机性,为提高大坝变形预测的精度,提出了基于优化变分模态分解的大坝变形组合预测模型。该模型首先采用粒子群优化算法(particle swarm optimization,PSO)寻找变分模... 大坝的变形通常受到多种因素的影响,监测数据表现出一定的非平稳性和随机性,为提高大坝变形预测的精度,提出了基于优化变分模态分解的大坝变形组合预测模型。该模型首先采用粒子群优化算法(particle swarm optimization,PSO)寻找变分模态分解(variational mode decomposition,VMD)的最优超参数,然后将大坝变形分解为趋势项、周期项和随机项分量。针对分解后各分量的时序特点,采用时域卷积网络(temporal convolutional network,TCN)和长短时记忆网络(long short-term memory,LSTM)进行组合预测,对各分量预测值重构加成得到最终预测值。以实际工程数据为例,采用平均绝对误差(mean absolute error,MAE),均方误差(mean square error,MSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)等指标对模型量化评估,并与单一的预测模型进行比较。结果表明:本文提出的基于优化变分模态分解的大坝变形组合预测模型精度更高,可以有效提取大坝变形数据中隐含的信息特征,降低大坝变形时序数据的非平稳性,具有较高推广应用价值,为精准预测大坝变形提供了借鉴和指导。 展开更多
关键词 大坝形预测 模态分解 粒子算法 时域卷积网络 长短时记忆网络 组合模型
在线阅读 下载PDF
基于自适应变分模态分解的组合模型风电功率预测 被引量:2
9
作者 鹿凯 石开明 +3 位作者 贾欢 金勇杰 王旭 徐谱鑫 《电源学报》 CSCD 北大核心 2024年第2期283-289,共7页
风电机组出力的高波动与随机性,影响电力系统安全稳定运行与风电预测精度,针对此提出结合风电功率波动特性研究的风电功率预测方法。首先从时间与机组规模尺度分析风电功率波动特性,并指导选取合适的风电数据用于风电功率预测;然后建立... 风电机组出力的高波动与随机性,影响电力系统安全稳定运行与风电预测精度,针对此提出结合风电功率波动特性研究的风电功率预测方法。首先从时间与机组规模尺度分析风电功率波动特性,并指导选取合适的风电数据用于风电功率预测;然后建立基于最小二乘支持向量机的风电机组短期功率预测模型,采用自适应变分模态分解实现风电数据分频,并采用改进粒子群优化最小二乘支持向量机模型中影响回归预测的模型参数。实验结果表明,预测模型自适应性较强,通过预测误差评价指标,可证明预测方法的有效性。 展开更多
关键词 最小二乘支持向量机 风电功率预测 自适应模态分解 改进粒子优化 频预测
在线阅读 下载PDF
基于优化变分模态分解的脑电情绪识别 被引量:2
10
作者 王雪蒙 郭滨 马欣 《计算机应用与软件》 北大核心 2024年第2期80-85,177,共7页
为提高脑电情绪识别的准确性与可靠性,提出一种基于优化变分模态分解(VMD)的脑电情绪识别方法。对情绪脑电的节律信号VMD分解,引入磷虾群优化算法(KH)搜索VMD的最优分解层数和惩罚因子;从分解后的固有模态分量(IMFs)中提取平均能量、功... 为提高脑电情绪识别的准确性与可靠性,提出一种基于优化变分模态分解(VMD)的脑电情绪识别方法。对情绪脑电的节律信号VMD分解,引入磷虾群优化算法(KH)搜索VMD的最优分解层数和惩罚因子;从分解后的固有模态分量(IMFs)中提取平均能量、功率谱密度作为特征;利用XGBoost算法进行分类。实验结果表明,与EMD、EEMD等特征提取方法相比,该方法在DEAP数据集上达到了91.02%的分类准确率,可以更有效地提取脑电情感特征,为脑电情绪识别的研究提供了新方法。 展开更多
关键词 脑电情绪识别 模态分解 磷虾优化算法 固有模态
在线阅读 下载PDF
基于变分模态分解算法的单通道无线电混合信号分离 被引量:9
11
作者 江春冬 王景玉 +2 位作者 杜太行 郝静 龙超 《上海交通大学学报》 EI CAS CSCD 北大核心 2018年第12期1618-1626,共9页
针对复杂电磁环境下单通道无线电混合信号分离困难及分离精度不高的问题,提出2次使用变分模态分解(VMD)算法对单通道无线电混合信号进行分离的方法.首先利用VMD算法对单通道无线电混合信号进行粗分离,并将VMD算法与总体平均经验模态分解... 针对复杂电磁环境下单通道无线电混合信号分离困难及分离精度不高的问题,提出2次使用变分模态分解(VMD)算法对单通道无线电混合信号进行分离的方法.首先利用VMD算法对单通道无线电混合信号进行粗分离,并将VMD算法与总体平均经验模态分解(EEMD)算法进行对比,得出前者分离出的信号在时域、频域及信噪比和相似系数等方面均比后者取得的对应结果效果好的结论.然后对VMD算法的参数利用改进的量子粒子群优化算法进行优化,确定所需分量个数和惩罚因子的值.最后对VMD算法分离后的信号使用参数优化后的VMD算法进行细分离.数值模拟和实验信号分析结果均表明,再次分离后所得到的信号精度较利用VMD算法对单通道无线电混合信号进行粗分离时更高,证明了所提算法对单通道无线电混合信号分离的有效性. 展开更多
关键词 模态分解 总体平均经验模态分解 改进的量子粒子优化
在线阅读 下载PDF
基于变分模态分解和AMPSO-SVM耦合模型的滑坡位移预测 被引量:21
12
作者 徐峰 范春菊 +2 位作者 徐勋建 李丽 倪佳筠 《上海交通大学学报》 EI CAS CSCD 北大核心 2018年第10期1388-1395,1416,共9页
滑坡是一种严重威胁危害居民生命财产安全的自然灾害,滑坡位移预测有助于预测滑坡等自然灾害.滑坡体监测数据的处理和预测模型的建立是滑坡位移预测的基础.针对当前时间序列分析中应用广泛的EMD、EEMD分解算法的缺陷,将具有严格数学理... 滑坡是一种严重威胁危害居民生命财产安全的自然灾害,滑坡位移预测有助于预测滑坡等自然灾害.滑坡体监测数据的处理和预测模型的建立是滑坡位移预测的基础.针对当前时间序列分析中应用广泛的EMD、EEMD分解算法的缺陷,将具有严格数学理论支撑且分解个数可控的变分模态分解算法应用于位移时间序列分解,以获得滑坡位移子序列.将自适应变异粒子群优化算法(AMPSO)和支持向量机(SVM)相结合,构建AMPSO-SVM位移预测耦合模型.运用耦合模型对分解所得位移子序列分别进行预测,然后重构子序列预测结果得到总位移预测值.以三峡库区白水河滑坡XD1监测点为例,针对2007~2012年监测数据,设置不同情景以验证所提出预测模型的有效性及稳定性.实例分析表明,基于变分模态分解和AMPSO-SVM耦合模型对于滑坡位移的预测性能优于BP神经网络预测模型和网格搜索优化的SVM模型,在滑坡位移预测中有良好的理论基础及工程应用价值. 展开更多
关键词 模态分解 滑坡 位移预测 自适应粒子算法(AMPSO) 支持向量机(SVM)
在线阅读 下载PDF
参数优化变分模态分解方法在滚动轴承早期故障诊断中的应用 被引量:400
13
作者 唐贵基 王晓龙 《西安交通大学学报》 EI CAS CSCD 北大核心 2015年第5期73-81,共9页
针对滚动轴承早期故障特征提取困难的问题,提出一种基于参数优化变分模态分解的轴承早期故障诊断方法。首先利用粒子群优化算法对变分模态分解算法的最佳影响参数组合进行搜索,搜索结束后根据所得结果设定变分模态分解算法的惩罚参数和... 针对滚动轴承早期故障特征提取困难的问题,提出一种基于参数优化变分模态分解的轴承早期故障诊断方法。首先利用粒子群优化算法对变分模态分解算法的最佳影响参数组合进行搜索,搜索结束后根据所得结果设定变分模态分解算法的惩罚参数和分量个数,并利用参数优化变分模态分解算法对故障信号进行处理。原故障信号经过处理后被分解为若干本征模态函数分量,由此筛选出最佳信号分量并进行包络解调运算,最终通过分析信号的包络谱可判断轴承的故障类型。利用参数优化变分模态分解方法对轴承故障仿真和实测信号进行分析,均成功提取出微弱特征频率信息,表明参数优化变分模态分解方法可实现滚动轴承早期故障的有效判别,具有一定的可靠性和应用价值。 展开更多
关键词 模态分解 粒子算法 滚动轴承 早期故障诊断
在线阅读 下载PDF
基于参数自寻优变分模态分解的信号降噪方法 被引量:19
14
作者 何成兵 车其祥 +3 位作者 徐振华 于庆彬 董玉亮 程睿翔 《振动与冲击》 EI CSCD 北大核心 2023年第19期283-293,共11页
针对滚动轴承故障信号具有非线性、非平稳、噪声强的特点,提出了一种基于参数自寻优变分模态分解(variational modal decomposition,VMD)的信号降噪方法。以模态复合熵作为适应度函数,采用改进粒子群算法进行VMD参数自适应寻优,确定变... 针对滚动轴承故障信号具有非线性、非平稳、噪声强的特点,提出了一种基于参数自寻优变分模态分解(variational modal decomposition,VMD)的信号降噪方法。以模态复合熵作为适应度函数,采用改进粒子群算法进行VMD参数自适应寻优,确定变分模态分解最优模态数K和二次惩罚因子α;基于最优K和α,对原始信号进行VMD分解,得到K个本征模态函数(intrinsic mode function,IMF)分量;利用相关系数筛选法,进行模态分量的有效模态和含噪模态识别,利用小波阈值去噪方法对含噪模态进行去噪处理;将有效模态与去噪后的模态进行重构,实现信号降噪。分别用滚动轴承故障仿真信号和试验信号进行验证,并与EMD降噪方法进行比较,结果表明该方法可有效提高故障信号的信噪比,降噪效果明显,有利于滚动轴承故障特征的提取。 展开更多
关键词 模态分解(VMD) 改进粒子算法(IPSO) 参数自寻优 信号降噪 滚动轴承
在线阅读 下载PDF
基于粒子群算法优化参数的VMD-GRU短期电力负荷预测模型 被引量:35
15
作者 徐岩 向益锋 马天祥 《华北电力大学学报(自然科学版)》 CAS 北大核心 2023年第1期38-47,共10页
为了更有效提取电力负荷数据中的特征信息,从原始含噪声较多的负荷序列中提取包含丰富特征信息的信号分量,提高电力负荷预测精度。针对变分模态分解(variational mode decomposition,VMD)参数设定经验与主观性较强,提出一种基于粒子群算... 为了更有效提取电力负荷数据中的特征信息,从原始含噪声较多的负荷序列中提取包含丰富特征信息的信号分量,提高电力负荷预测精度。针对变分模态分解(variational mode decomposition,VMD)参数设定经验与主观性较强,提出一种基于粒子群算法(particle swarm algorithm,PSO)优化参数的变分模态分解和门控循环单元(gated recurrent unit,GRU)的组合模型短期电力负荷预测方法,先通过粒子群算法对VMD最佳影响参数组合进行搜寻,得到最佳效果的分解子序列,减少不同趋势信息对预测精度影响。然后运用GRU网络,针对各子序列分量建立基于GRU的预测模型。最后叠加各子序列预测结果得到短期电力负荷的最终预测值。实验结果表明,相对于相对于BP神经网络(Back Propagation Neural Network)、支持向量机(support vector machine,SVM)、GRU模型和EMD-GRU模型以及未经优化VMD-GRU模型,此模型具有更高的负荷预测精度。 展开更多
关键词 短期负荷预测 模态分解 粒子算法 门控循环单元
在线阅读 下载PDF
基于OVMD-RFECV-PSO-XGBoost模型的大坝变形预测
16
作者 柯扬忠 程小龙 +2 位作者 程志良 刘陶胜 王丽丽 《三峡大学学报(自然科学版)》 北大核心 2025年第5期19-25,共7页
针对大坝变形预测中存在的影响因素多、数据复杂度高和非线性问题,以及不同参数组合对预测精度的显著影响,本文提出了一种融合最优变分模态分解(OVMD)、递归特征消除及交叉验证(RFECV)、粒子群优化算法(PSO)和极限梯度提升算法(XGBoost... 针对大坝变形预测中存在的影响因素多、数据复杂度高和非线性问题,以及不同参数组合对预测精度的显著影响,本文提出了一种融合最优变分模态分解(OVMD)、递归特征消除及交叉验证(RFECV)、粒子群优化算法(PSO)和极限梯度提升算法(XGBoost)的大坝变形预测模型.首先对大坝的变形数据进行OVMD分解,将原始数据分解成K个模态分量;其次,使用RFECV为每个模态分量进行最优特征子集筛选;最后使用PSO对XGBoost的参数进行优化,构建基于OVMD-RFECV-PSO-XGBoost的大坝变形预测模型;以中国江西省某大坝2009—2015年变形监测数据为例,对大坝的垂直沉降位移进行预测,设置不同对照组进行验证.实验结果表明,OVMD-RFECV-PSO-XGBoost预测模型的EMS为0.1411mm,EMAP为5.9455%,R2为0.9348,预测精度均优于其他对照模型. 展开更多
关键词 大坝形预测 最优模态分解 递归特征消除及交叉验证 粒子优化算法 极限梯度提升算法 机器学习
在线阅读 下载PDF
基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法 被引量:13
17
作者 鲁迪 王星华 贺小平 《电力系统保护与控制》 EI CSCD 北大核心 2019年第5期115-122,共8页
为实现高精度的短期风速预测,提出一种基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法。在信号处理阶段,利用时变滤波经验模态分解技术将原始风速序列分解为若干子模式以降低其不稳定性。然后采用混合粒子群算法对每一个... 为实现高精度的短期风速预测,提出一种基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法。在信号处理阶段,利用时变滤波经验模态分解技术将原始风速序列分解为若干子模式以降低其不稳定性。然后采用混合粒子群算法对每一个子模式进行特征提取,接着利用多分位鲁棒极限学习机分别建立预测模型并利用混合粒子群算法进行参数优化,最后对每个子模式的预测值进行聚合计算得到最终的预测结果。仿真结果表明:在考虑使用混合粒子群算法进行特征提取和模型参数优化后,所提方法具有更高的预测精度。同时基于时变滤波法的经验模态分解技术能够进一步提高预测准确性。 展开更多
关键词 短期风速预测 位鲁棒极限学习机 混合粒子算法 滤波经验模态分解
在线阅读 下载PDF
基于改进粒子群优化算法的VMD-GRU短期电力负荷预测 被引量:34
18
作者 段雪滢 李小腾 陈文洁 《电工电能新技术》 CSCD 北大核心 2022年第5期8-17,共10页
负荷分解后再预测的方法是负荷预测目前比较有效的组合预测方式。针对传统经验模态分解存在的端点效应和模态混叠的问题,以及负荷分解和重构未考虑负荷特性的情况,本文提出了一种基于改进粒子群优化算法进行参数寻优的变分模态分解(VMD... 负荷分解后再预测的方法是负荷预测目前比较有效的组合预测方式。针对传统经验模态分解存在的端点效应和模态混叠的问题,以及负荷分解和重构未考虑负荷特性的情况,本文提出了一种基于改进粒子群优化算法进行参数寻优的变分模态分解(VMD)和门控循环单元(GRU)的预测方法,组合多个预测模型的输出获得总的负荷值。该方法应用较为先进的VMD分解技术获得相对平稳的子序列,通过提出的改进粒子群优化算法进行参数学习,同时使用自归一化的GRU结构解决模型训练过程中梯度消失和爆炸的问题。并将该方法应用于陕西某地区负荷预测,结果表明,所提的改进粒子群优化算法(IPSO)胜过最新的元启发式算法和粒子群优化算法变体,自归一化GRU相较于标准GRU获得了更好的预测结果,比现有基线模型准确度更高。 展开更多
关键词 粒子优化算法 模态分解 门控循环单元 短期负荷预测
在线阅读 下载PDF
基于参数优化变分模态分解的混合储能功率分配策略 被引量:26
19
作者 杜佳耘 雷勇 +1 位作者 李永凯 刘晖 《现代电力》 北大核心 2021年第1期51-59,共9页
为平滑风电输出功率,通常将功率型储能元件和能量型储能元件结合成混合储能系统与风电系统相连。为了提高混合储能系统的灵活性和经济性,对一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)的混合储能系统控制策略进... 为平滑风电输出功率,通常将功率型储能元件和能量型储能元件结合成混合储能系统与风电系统相连。为了提高混合储能系统的灵活性和经济性,对一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)的混合储能系统控制策略进行了研究。采用粒子群算法确定VMD算法中K值(分解模态数)和α值(二次惩罚因子)的最优值组合,预设K值和α值将不平衡功率信号经VMD分解后在蓄电池和超级电容之间进行合理分配,最后采用模糊控制对混合储能系统的荷电状态进行优化。仿真结果表明,所提方法既能实现储能元件间合理的功率分配,有效平抑风电波动,又能使荷电状态稳定在一定区间,实现混合储能系统长期安全运行。 展开更多
关键词 模态分解 混合储能 粒子算法 模糊控制 荷电状态
在线阅读 下载PDF
基于变分模态分解和多尺度排列熵的滚动轴承故障诊断 被引量:25
20
作者 张建财 高军伟 《噪声与振动控制》 CSCD 2019年第6期181-186,共6页
针对滚动轴承故障振动信号非平稳性、故障特征提取效果不理想以及故障诊断准确性低等问题,提出基于变分模态分解和多尺度排列熵的滚动轴承故障特征提取方法,并采用经粒子群算法优化的概率神经网络(PSO-PNN)故障诊断模型进行故障类型识... 针对滚动轴承故障振动信号非平稳性、故障特征提取效果不理想以及故障诊断准确性低等问题,提出基于变分模态分解和多尺度排列熵的滚动轴承故障特征提取方法,并采用经粒子群算法优化的概率神经网络(PSO-PNN)故障诊断模型进行故障类型识别。通过变分模态分解方法将提取的振动信号分解成K个模态分量,进一步计算K个分量的多尺度排列熵,组成多尺度的特征向量,将特征向量输入到PSO-PNN故障诊断模型中识别故障类型。MATLAB仿真结果表明,该方法使故障类型识别准确率有所提高。 展开更多
关键词 故障诊断 模态分解 多尺度排列熵 粒子算法 概率神经网络
在线阅读 下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部