期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于IESMD-功率谱熵-能量熵增量的泵站厂房振源辨识研究
1
作者
江琦
王建康
+2 位作者
张建伟
刘喜珠
赵瑜
《振动与冲击》
北大核心
2025年第9期45-56,共12页
针对多源激励和强背景噪声干扰的泵站厂房结构难以准确辨识振源的难题,提出一种改进的极点对称模态分解(improved extreme-point symmetric mode decomposition, IESMD)-功率谱熵(power spectral entropy, PSE)-能量熵增量(energy entro...
针对多源激励和强背景噪声干扰的泵站厂房结构难以准确辨识振源的难题,提出一种改进的极点对称模态分解(improved extreme-point symmetric mode decomposition, IESMD)-功率谱熵(power spectral entropy, PSE)-能量熵增量(energy entropy increment, EEI)联合振源辨识方法。对小波阈值降噪预处理信号进行IESMD自适应分离,引入噪声频谱理论确定功率谱熵和能量熵增量阈值,定量筛选本征模态分量(intrinsic mode function, IMF)实现振源精准辨识。对打渔张泵站厂房5个典型部位的实测振动数据进行振源辨识,引入振动能量计算各分频能量占比。结果表明:该方法能够将多源信号分解为多个有效的调频调幅分量,运行期动静干涉(rotor-stator interaction, RSI)引起的水力激振是厂房振动的主振源,其振动主频为33.32 Hz,在泵座、出口弯管和电机位置能量占比最大高达84.54%、98.53%和97.15%,是引起泵站厂房振动的主要原因。
展开更多
关键词
振源辨识
改进的极点对称模态分解(IESMD)
功率谱
熵
(PSE)
能量
熵
增量
(
eei
)
贡献率
在线阅读
下载PDF
职称材料
基于SGMD及LWOA-ELM的有限元模型修正
被引量：
1
2
作者
赵宇
彭珍瑞
《计算力学学报》
CAS
CSCD
北大核心
2023年第2期255-263,共9页
为得到待修正参数与结构响应之间的关系,提高模型修正的效率和精度,提出了一种基于辛几何模态分解(SGMD)和Lévy飞行鲸鱼优化算法(LWOA)优化极限学习机(ELM)的有限元模型修正(FEMU)方法。首先,对加速度频响函数(AFRF)进行SGMD分解,...
为得到待修正参数与结构响应之间的关系,提高模型修正的效率和精度,提出了一种基于辛几何模态分解(SGMD)和Lévy飞行鲸鱼优化算法(LWOA)优化极限学习机(ELM)的有限元模型修正(FEMU)方法。首先,对加速度频响函数(AFRF)进行SGMD分解,采用能量熵增量法确定重组辛几何分量(SGC)构成SGC矩阵。然后,利用LWOA对ELM的权值和阈值进行优化,提高ELM模型的预测效率,以LWOA-ELM为代理模型映射出待修正参数与SGC矩阵之间的关系。最后,以试验频响函数SGC矩阵与LWOA-ELM模型输出所得矩阵差值的F-范数最小为目标函数,结合LWOA求解待修正参数。算例分析表明,提出的方法用于有限元模型修正有较好的可行性和有效性。以SGC矩阵表征AFRF的修正方法,有较好的噪声鲁棒性;LWOA-ELM作为代理模型预测精度高,泛化能力强。
展开更多
关键词
模型修正
辛几何模态分解
能量
熵
增量
法
极限学习机
鲸鱼优化算法
在线阅读
下载PDF
职称材料
基于改进VMD的液压系统故障特征提取
被引量：
5
3
作者
丰少伟
柴凯
+2 位作者
朱石坚
杨庆超
楼京俊
《海军工程大学学报》
CAS
北大核心
2021年第2期6-13,29,共9页
为从液压系统振动信号中提取有效特征进行故障诊断,针对随机噪声、端点效应和虚假分量会影响变分模态分解(VMD)的分解精度问题,提出了一种改进VMD的故障特征提取方法。首先,针对随机噪声会导致分解误差增大现象,提出了基于奇异值差分谱...
为从液压系统振动信号中提取有效特征进行故障诊断,针对随机噪声、端点效应和虚假分量会影响变分模态分解(VMD)的分解精度问题,提出了一种改进VMD的故障特征提取方法。首先,针对随机噪声会导致分解误差增大现象,提出了基于奇异值差分谱降噪预处理,该方法能抑制噪声对分解结果的干扰;然后,针对端点效应会导致VMD处理信号两端产生明显的飞翼现象,提出了基于支持向量回归机的端点延拓,该方法具有较高的拟合精度;最后,针对虚假本征模态函数(IMF)分量会导致VMD处理出现能量泄漏现象,提出了IMF能量熵增量的虚假分量剔除,该方法的真假分量具有区分性。仿真信号和实测液压信号分析表明:改进VMD能有效改善传统VMD方法在特征提取上的三个不足,可准确提取液压故障信号的主要特征频率,实现液压系统故障的精确诊断。
展开更多
关键词
液压系统
变分模态分解
奇异值差分谱
支持向量回归机
本征模态函数
能量
熵
增量
在线阅读
下载PDF
职称材料
题名
基于IESMD-功率谱熵-能量熵增量的泵站厂房振源辨识研究
1
作者
江琦
王建康
张建伟
刘喜珠
赵瑜
机构
华北水利水电大学水利学院
华北水利水电大学土木与交通学院
山东省水利勘测设计院有限公司济南市数字孪生与智慧水利重点实验室
出处
《振动与冲击》
北大核心
2025年第9期45-56,共12页
基金
国家自然科学基金项目(52279133)
河南省科技攻关项目(232102320003)
华北水利水电大学高层次人才启动资助项目(202110001)。
文摘
针对多源激励和强背景噪声干扰的泵站厂房结构难以准确辨识振源的难题,提出一种改进的极点对称模态分解(improved extreme-point symmetric mode decomposition, IESMD)-功率谱熵(power spectral entropy, PSE)-能量熵增量(energy entropy increment, EEI)联合振源辨识方法。对小波阈值降噪预处理信号进行IESMD自适应分离,引入噪声频谱理论确定功率谱熵和能量熵增量阈值,定量筛选本征模态分量(intrinsic mode function, IMF)实现振源精准辨识。对打渔张泵站厂房5个典型部位的实测振动数据进行振源辨识,引入振动能量计算各分频能量占比。结果表明:该方法能够将多源信号分解为多个有效的调频调幅分量,运行期动静干涉(rotor-stator interaction, RSI)引起的水力激振是厂房振动的主振源,其振动主频为33.32 Hz,在泵座、出口弯管和电机位置能量占比最大高达84.54%、98.53%和97.15%,是引起泵站厂房振动的主要原因。
关键词
振源辨识
改进的极点对称模态分解(IESMD)
功率谱
熵
(PSE)
能量
熵
增量
(
eei
)
贡献率
Keywords
vibration source recognition
improved extreme-point symmetric mode decomposition(IESMD)
power spectral entropy(PSE)
energy entropy increment(
eei
)
contribution rate
分类号
TH-39 [机械工程]
TB53 [理学—声学]
在线阅读
下载PDF
职称材料
题名
基于SGMD及LWOA-ELM的有限元模型修正
被引量：
1
2
作者
赵宇
彭珍瑞
机构
兰州交通大学机电工程学院
天水师范学院电子信息与电气工程学院
出处
《计算力学学报》
CAS
CSCD
北大核心
2023年第2期255-263,共9页
基金
国家自然科学基金(51768035)
天水师范学院2021年创新基金(CXJ2021-26)资助项目.
文摘
为得到待修正参数与结构响应之间的关系,提高模型修正的效率和精度,提出了一种基于辛几何模态分解(SGMD)和Lévy飞行鲸鱼优化算法(LWOA)优化极限学习机(ELM)的有限元模型修正(FEMU)方法。首先,对加速度频响函数(AFRF)进行SGMD分解,采用能量熵增量法确定重组辛几何分量(SGC)构成SGC矩阵。然后,利用LWOA对ELM的权值和阈值进行优化,提高ELM模型的预测效率,以LWOA-ELM为代理模型映射出待修正参数与SGC矩阵之间的关系。最后,以试验频响函数SGC矩阵与LWOA-ELM模型输出所得矩阵差值的F-范数最小为目标函数,结合LWOA求解待修正参数。算例分析表明,提出的方法用于有限元模型修正有较好的可行性和有效性。以SGC矩阵表征AFRF的修正方法,有较好的噪声鲁棒性;LWOA-ELM作为代理模型预测精度高,泛化能力强。
关键词
模型修正
辛几何模态分解
能量
熵
增量
法
极限学习机
鲸鱼优化算法
Keywords
model updating
symplectic geometry mode decomposition
energy entropy increment method
extreme learning machine
whale optimization algorithm
分类号
O32 [理学—一般力学与力学基础]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于改进VMD的液压系统故障特征提取
被引量：
5
3
作者
丰少伟
柴凯
朱石坚
杨庆超
楼京俊
机构
海军工程大学舰船与海洋学院
出处
《海军工程大学学报》
CAS
北大核心
2021年第2期6-13,29,共9页
基金
国家自然科学基金资助项目(51679245,51579242,51509253)
湖北省自然科学基金资助项目(2018CFB182)。
文摘
为从液压系统振动信号中提取有效特征进行故障诊断,针对随机噪声、端点效应和虚假分量会影响变分模态分解(VMD)的分解精度问题,提出了一种改进VMD的故障特征提取方法。首先,针对随机噪声会导致分解误差增大现象,提出了基于奇异值差分谱降噪预处理,该方法能抑制噪声对分解结果的干扰;然后,针对端点效应会导致VMD处理信号两端产生明显的飞翼现象,提出了基于支持向量回归机的端点延拓,该方法具有较高的拟合精度;最后,针对虚假本征模态函数(IMF)分量会导致VMD处理出现能量泄漏现象,提出了IMF能量熵增量的虚假分量剔除,该方法的真假分量具有区分性。仿真信号和实测液压信号分析表明:改进VMD能有效改善传统VMD方法在特征提取上的三个不足,可准确提取液压故障信号的主要特征频率,实现液压系统故障的精确诊断。
关键词
液压系统
变分模态分解
奇异值差分谱
支持向量回归机
本征模态函数
能量
熵
增量
Keywords
hydraulic system
variational mode decomposition
singular value decomposition diffe-rence spectrum
support vector regression machine
intrinsic mode function
energy entropy increment
分类号
TN911.7 [电子电信—通信与信息系统]
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
作者
出处
发文年
被引量
操作
1
基于IESMD-功率谱熵-能量熵增量的泵站厂房振源辨识研究
江琦
王建康
张建伟
刘喜珠
赵瑜
《振动与冲击》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于SGMD及LWOA-ELM的有限元模型修正
赵宇
彭珍瑞
《计算力学学报》
CAS
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
3
基于改进VMD的液压系统故障特征提取
丰少伟
柴凯
朱石坚
杨庆超
楼京俊
《海军工程大学学报》
CAS
北大核心
2021
5
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
