检索结果-维普期刊中文期刊服务平台

基于精细化改进多尺度快速样本熵的旋转机械故障诊断方法研究被引量：9: 1; 作者周付明刘武强 +2 位作者杨小强申金星陈赵懿《机械强度》 CAS CSCD 北大核心 2023年第1期1-8,共8页; 为了解决现有多尺度样本熵(Multiscale Sample Entropy, MSE)方法提取复杂序列特征时存在的计算效率低及幅值信息缺失等问题,提出精细化改进多尺度快速样本熵(Refined Improved Multiscale Fast Sample Entropy, RIMFSE)方法。首先使用... 展开更多; 关键词精细化改进多尺度快速样本熵最大相关最小冗余支持向量机分类器旋转机械故障诊断; 在线阅读下载PDF 职称材料

基于ICEEMDAN多尺度熵与NGO-HKELM的转子故障诊断被引量：4: 2; 作者陆水李振鹏 +2 位作者李军颜东梅黄福川《组合机床与自动化加工技术》北大核心 2024年第4期175-180,共6页; 针对电机转子故障信号非平稳、敏感的故障特征不能有效提取,传统分类器参数智能优化算法存在优化速度慢、调整参数多、易陷入局部最优等问题提出基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断方法。首先,采用改进的自适应噪声完... 展开更多; 关键词改进的ICEEMDAN 多尺度样本熵北方苍鹰算法混合核极限学习机转子故障诊断; 在线阅读下载PDF 职称材料

基于LCD-SE-IWOA-KELM的短期风电功率区间预测被引量：8: 3; 作者赵辉华海增 +1 位作者王红君岳有军《电测与仪表》北大核心 2020年第21期77-83,共7页; 针对风电功率的不确定性、随机性以及已有的风电功率点预测无法反应其不确定性信息的问题,提出了基于局部特征尺度分解(LCD)-样本熵(SE)和改进鲸鱼优化算法(IWOA)优化核极限学习机(KELM)的短期风电功率区间预测模型。采用LCD分解来降低... 展开更多; 关键词风电功率区间预测局部特征尺度分解样本熵改进鲸鱼优化算法核极限学习机; 在线阅读下载PDF 职称材料

基于ICEEMDAN-MSE的左室舒张功能障碍心音信号的识别研究被引量：8: 4; 作者杨洋郭兴明 +1 位作者郑伊能王慧《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第1期274-281,共8页; 左室舒张功能障碍(LVDD)加重会导致左室重构、室壁僵硬、顺应性降低,从而走向不可逆阶段并进展为射血分数保留型心力衰竭。为早期诊断LVDD,本文提出一种基于改进的自适应噪声完全集合经验模式分解(ICEEMDAN)多尺度样本熵(MSE)的心音特... 展开更多; 关键词左室舒张功能障碍改进的自适应噪声完全集合经验模式分解多尺度样本熵逻辑回归识别; 在线阅读下载PDF 职称材料

题名基于精细化改进多尺度快速样本熵的旋转机械故障诊断方法研究被引量：9: 1; 作者周付明刘武强杨小强申金星陈赵懿; 机构陆军工程大学野战工程学院海军工程大学舰船综合电力技术国防科技重点实验室; 出处《机械强度》 CAS CSCD 北大核心 2023年第1期1-8,共8页; 文摘为了解决现有多尺度样本熵(Multiscale Sample Entropy, MSE)方法提取复杂序列特征时存在的计算效率低及幅值信息缺失等问题,提出精细化改进多尺度快速样本熵(Refined Improved Multiscale Fast Sample Entropy, RIMFSE)方法。首先使用快速样本熵代替传统样本熵,通过改进重构向量匹配机制大幅降低了计算成本,而后使用改进的多尺度拓展方法代替传统的粗粒化方法,避免了幅值信息的丢失。在此基础上,结合最大相关最小冗余(Max-relevance and Min-redundancy, mRMR)方法及支持向量机(Support Vector Machine, SVM)分类器提出一种新的旋转机械故障诊断方法。使用齿轮箱和轴承两个故障数据集对提出方法的性能进行验证,同时将提出的方法与MSE,复合MSE(Composite Multiscale Sample Entropy, CMSE)及精细化复合MSE(Refined Composite Multiscale Sample Entropy, RCMSE)等现有方法进行对比。结果表明,相较于MSE、CMSE及RCMSE,提出的方法在鲁棒性、计算效率及识别精度等方面均具有明显优势,为基于熵特征提取的旋转机械故障诊断提供了一种新的思路。; 关键词精细化改进多尺度快速样本熵最大相关最小冗余支持向量机分类器旋转机械故障诊断; Keywords Refined improved multiscale fast sample entropy Max-relevance and min-redundancy Support vector machine classifier Rotating machinery Fault diagnosis; 分类号 TH165.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于ICEEMDAN多尺度熵与NGO-HKELM的转子故障诊断被引量：4: 2; 作者陆水李振鹏李军颜东梅黄福川; 机构广西大学机械工程学院广西大学广西石化资源加工及过程强化技术重点实验室广西大学广西产研院智慧农业研究院; 出处《组合机床与自动化加工技术》北大核心 2024年第4期175-180,共6页; 文摘针对电机转子故障信号非平稳、敏感的故障特征不能有效提取,传统分类器参数智能优化算法存在优化速度慢、调整参数多、易陷入局部最优等问题提出基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断方法。首先,采用改进的自适应噪声完全集合经验模态分解(improved complete empirical mode decomposition with adaptive noise,ICEEMDAN)方法对转子振动信号进行分解和重构;计算重构信号的多尺度样本熵(multiscale sample entropy,MSE),形成特征向量,通过核主成分分析(kernel principal component analysis,KPCA)方法对高维的特征向量进行降维;最后,将降维后的特征向量输入北方苍鹰算法(northern goshawk optimization,NGO)优化的混合核极限学习机(hybrid extreme learning machine,HKELM)进行转子故障分类。研究结果表明,基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断模型,平均识别准确率可达97.7273%,平均寻优时间为1.0681 s,收敛速度快、准确率高以及分类效果好。; 关键词改进的ICEEMDAN 多尺度样本熵北方苍鹰算法混合核极限学习机转子故障诊断; Keywords improved ICEEMDAN multi-scale sample entropy northern goshawk algorithm hybrid core extreme learning machine rotor fault diagnosi; 分类号 TH133.3 [机械工程—机械制造及自动化] TG66 [金属学及工艺—金属切削加工及机床]; 在线阅读下载PDF 职称材料

题名基于LCD-SE-IWOA-KELM的短期风电功率区间预测被引量：8: 3; 作者赵辉华海增王红君岳有军; 机构天津理工大学天津农学院; 出处《电测与仪表》北大核心 2020年第21期77-83,共7页; 基金天津市教委科技发展基金重点项目(2006ZD32)。; 文摘针对风电功率的不确定性、随机性以及已有的风电功率点预测无法反应其不确定性信息的问题,提出了基于局部特征尺度分解(LCD)-样本熵(SE)和改进鲸鱼优化算法(IWOA)优化核极限学习机(KELM)的短期风电功率区间预测模型。采用LCD分解来降低原始风电功率序列的非平稳性,通过测量各ISC分量的样本熵来重构新的序列以降低过多的分量对预测精度带来的影响,然后分别建立各新序列的区间预测模型,最后将各新序列的预测结果进行叠加获得最终预测结果。采用改进的WOA算法优化核极限学习机的参数。实验仿真表明,文中所提模型能够获得良好的区间预测结果,具有一定的实际意义和应用价值。; 关键词风电功率区间预测局部特征尺度分解样本熵改进鲸鱼优化算法核极限学习机; Keywords wind power interval prediction local characteristic-scale decomposition sample entropy improved whale optimization algorithm kernel extreme learning machine; 分类号 TM614 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于ICEEMDAN-MSE的左室舒张功能障碍心音信号的识别研究被引量：8: 4; 作者杨洋郭兴明郑伊能王慧; 机构重庆大学生物工程学院重庆市医疗电子工程技术研究中心重庆医科大学附属第一医院放射科; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第1期274-281,共8页; 基金国家自然科学基金(31870980,31800823,31570003)项目资助; 文摘左室舒张功能障碍(LVDD)加重会导致左室重构、室壁僵硬、顺应性降低,从而走向不可逆阶段并进展为射血分数保留型心力衰竭。为早期诊断LVDD,本文提出一种基于改进的自适应噪声完全集合经验模式分解(ICEEMDAN)多尺度样本熵(MSE)的心音特征结合逻辑回归模型的无创检测方法。首先,采用改进的小波去噪方法对心音信号进行预处理。其次,通过ICEEMDAN方法将非平稳的心音信号分解为多个反映心音本体特征的平稳的固有模态函数(IMF),再利用互相关系数准则筛选IMF,并提取所筛选IMF的MSE,以构成特征向量作为分类器的输入。最后,通过与其他3种分类模型的性能比较,将逻辑回归应用于LVDD识别。结果表明,该方法能有效提取心音特征,其准确率为89.85%,灵敏度为92.17%,特异度为87.63%,证明了采用心音信号对LVDD进行早期诊断的有效性。; 关键词左室舒张功能障碍改进的自适应噪声完全集合经验模式分解多尺度样本熵逻辑回归识别; Keywords left ventricular diastolic dysfunction ICEEMDAN MSE logistic regression identification; 分类号 TN912.3 [电子电信—通信与信息系统] R541 [医药卫生—心血管疾病]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于精细化改进多尺度快速样本熵的旋转机械故障诊断方法研究	周付明刘武强杨小强申金星陈赵懿	《机械强度》 CAS CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料
2	基于ICEEMDAN多尺度熵与NGO-HKELM的转子故障诊断	陆水李振鹏李军颜东梅黄福川	《组合机床与自动化加工技术》北大核心	2024	4	在线阅读下载PDF 职称材料
3	基于LCD-SE-IWOA-KELM的短期风电功率区间预测	赵辉华海增王红君岳有军	《电测与仪表》北大核心	2020	8	在线阅读下载PDF 职称材料
4	基于ICEEMDAN-MSE的左室舒张功能障碍心音信号的识别研究	杨洋郭兴明郑伊能王慧	《仪器仪表学报》 EI CAS CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料