自适应辛几何模态分解和短时能量差分因子在电能质量扰动检测中的应用 被引量：12

1

作者 李云峰 高云鹏 +2 位作者 蔡星月 朱彦卿 吴聪 《电工技术学报》 EI CSCD 北大核心 2022年第17期4390-4400,共11页

针对电网中电能质量扰动信号在强噪声环境下扰动时刻难以准确检测问题,该文提出一种基于自适应辛几何模态分解(SGMD)和短时能量差分因子的电能质量扰动检测算法。基于自适应SGMD改进传统SGMD的滤波重构环节,准确重构电能质量扰动信号,... 针对电网中电能质量扰动信号在强噪声环境下扰动时刻难以准确检测问题,该文提出一种基于自适应辛几何模态分解(SGMD)和短时能量差分因子的电能质量扰动检测算法。基于自适应SGMD改进传统SGMD的滤波重构环节,准确重构电能质量扰动信号,计算重构信号的短时能量,推导基于短时能量的无参自适应阈值算式,构建短时能量差分因子,据此开发基于虚拟仪器的电能质量扰动检测平台,以实现电能质量扰动准确实时检测。仿真和实测结果表明,该文提出的算法在噪声环境下对单一扰动、复合扰动与过零扰动,均能有效地检测扰动起止时刻,且能有效地克服扰动幅值波动对检测结果的影响,相较于现有检测算法,其测量结果更加快速准确。 展开更多

关键词 电能质量扰动 辛几何模态分解 短时能量 自适应阈值 抗噪性

在线阅读 下载PDF 职称材料

基于滑移辛几何模态分解的行星齿轮箱故障诊断研究 被引量：2

2

作者 李茜 陈晓 +1 位作者 王军龙 刘慧玲 《机电工程》 CAS 北大核心 2022年第4期427-434,443,共9页

针对辛几何模态分解方法在分解复杂信号时的特征提取能力不足问题,提出了一种基于滑移辛几何模态分解(SSGMD)的故障诊断方法。首先,通过加窗的方式构造了滑移矩阵,以代替轨迹矩阵,增强了周期性特征提取能力;其次,对滑移矩阵进行了辛几... 针对辛几何模态分解方法在分解复杂信号时的特征提取能力不足问题,提出了一种基于滑移辛几何模态分解(SSGMD)的故障诊断方法。首先,通过加窗的方式构造了滑移矩阵,以代替轨迹矩阵,增强了周期性特征提取能力;其次,对滑移矩阵进行了辛几何相似变换,获得了其特征值,将特征值所对应的特征向量经过重构,得到了其初始单分量矩阵;然后,对初始单分量矩阵做对角平均化,得到了一系列初始辛几何分量;最后,对这一系列初始辛几何分量进行拼接重组,得到了滑移辛几何分量(SSGCs),进而完成了对信号的自适应分解。研究结果表明:通过对仿真信号和行星齿轮箱实测信号进行实验分析,可知SSGMD利用滑移矩阵和辛几何相似变换不仅可以保护原始信号结构化信息不变,而且能充分提取原始信号的状态信息;与经典的信号分解方法相比,SSGMD方法能有效地对多分量信号进行分解,具有优越的特征提取能力。 展开更多

关键词 行星齿轮箱 复杂信号分解 滑移辛几何模态分解 特征提取能力 信号自适应分解 滑移矩阵

在线阅读 下载PDF 职称材料

基于参数自适应SVR和VMD-TCN的水电机组劣化趋势预测 被引量：3

3

作者 王淑青 柯洋洋 +2 位作者 胡文庆 罗平章 李青珏 《中国农村水利水电》 北大核心 2024年第4期193-198,204,共7页

针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机... 针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机组劣化趋势预测方法;首先按照功率和水头将机组运行工况细化为若干典型工况,在此基础上采用改进天鹰算法建立SVR模型,对各个工况下的预测参数进行寻优,建立起工况与最优参数的数据;再通过神经网络对工况和最优预测参数进行拟合,构建出映射两者复杂关系的非线性函数,然后将构建出的映射关系加入到传统的SVR中,实现适应于水电机组工况变化的自适应SVR健康模型;其次,根据健康模型输出的标准值和监测数据,计算出劣化趋势序列;最后,考虑到劣化趋势序列的非线性因素,建立了一个基于VMD-TCN的时间序列预测模型,以实现对劣化趋势的准确预测。并设计多组对比实验,验证所提出模型的精度更高,时间更快。 展开更多

关键词 水电机组 劣化趋势预测 参数自适应 支持向量回归机 变分模态分解 时间卷积网络

在线阅读 下载PDF 职称材料

采用改进互补集总经验模态分解的电能质量扰动检测方法 被引量：7

4

作者 吴新忠 邢强 +2 位作者 陈明 成江洋 杨春雨 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2017年第9期1834-1843,共10页

针对集总经验模态分解(EEMD)方法加噪参数(噪声幅值、集总次数)需人为确定、分解残余噪声大以及计算耗时长的缺点,提出一种自适应快速互补集总经验模态分解(AFCEEMD)方法.该方法分析不同频率形式噪声对极值点分布的影响,确定加噪频率采... 针对集总经验模态分解(EEMD)方法加噪参数(噪声幅值、集总次数)需人为确定、分解残余噪声大以及计算耗时长的缺点,提出一种自适应快速互补集总经验模态分解(AFCEEMD)方法.该方法分析不同频率形式噪声对极值点分布的影响,确定加噪频率采用高频辅助分解的优势,并以极值点分布特性作为评价指标自适应选择最优加噪频率.通过对EEMD加噪准则的研究,推导出加噪幅值和分解次数采取固定值:0.01SD和2次,且以正负成对的形式加入到原始信号中.通过仿真实验和搭建的电能质量扰动平台的实测数据验证了所提方法的自适应性和计算性能,而且适用于电能质量扰动检测与分析. 展开更多

关键词 集总经验模态分解(EEMD) 自适应快速互补EEMD(AFCEEMD) 极值点分布 加噪频率参数优化 电能质量扰动

在线阅读 下载PDF 职称材料

基于自适应VMD-Hilbert的球磨机负荷参数预测 被引量：4

5

作者 蔡改贫 李波波 +1 位作者 赵鑫 刘吉顺 《传感器与微系统》 CSCD 北大核心 2023年第9期133-136,共4页

提出一种自适应变分模态分解(VMD)—希尔伯特(Hilbert)边际谱样本熵和最小二乘支持向量机(LSSVM)提取球磨机振动信号组合特征并预测负荷参数的方法。首先,使用自适应VMD的振动敏感信号调制来分解振动,得到反映振动特性的本征模态函数(I... 提出一种自适应变分模态分解(VMD)—希尔伯特(Hilbert)边际谱样本熵和最小二乘支持向量机(LSSVM)提取球磨机振动信号组合特征并预测负荷参数的方法。首先,使用自适应VMD的振动敏感信号调制来分解振动,得到反映振动特性的本征模态函数(IMF)分量;之后,进行Hilbert变换,得到边际谱样本熵;最后,将其作为输入特征向量输入到LSSVM,实现球磨机负荷参数预测。试验结果表明:该方法可以有效地提取球磨机的非线性不稳定的信号特征,较为精确地预测球磨机负荷参数。 展开更多

关键词 自适应变分模态分解 希尔伯特变换 最小二乘支持向量机 球磨机负荷参数

在线阅读 下载PDF 职称材料

基于强跟踪滤波器的水中高频振荡放电参数分析

6

作者 康忠健 高崇 +1 位作者 邵在康 傅雪原 《电工技术学报》 EI CSCD 北大核心 2024年第13期4090-4099,共10页

为探明水中放电高频振荡阶段参数及其变化特性,提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)和强跟踪滤波器的时变参数辨识方法。通过该方法分解水中放电实验平台采集的电压、电流信号得到不同频率特征的信号分量,对最适应原... 为探明水中放电高频振荡阶段参数及其变化特性,提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)和强跟踪滤波器的时变参数辨识方法。通过该方法分解水中放电实验平台采集的电压、电流信号得到不同频率特征的信号分量,对最适应原始波形的信号分量开展Hilbert变换并求得相应的瞬时幅值、频率,进而得到所需的电阻和电感。实验数据离散度分析结果表明,放电进程中参数变化具有随机性,故利用强跟踪滤波器进一步对实验数据进行辨识处理,可有效地降低随机放电造成的离散性,并获得具备普适性的电阻值和电感值。偏离度分析结果表明,辨识电阻与测量数据除在气泡崩塌阶段随机性过大外,前期偏离度集中在23.26%以下,降低了偏离度处于80%~110%内数据点的干扰,电感偏离度集中在2.35%以下。该方法能够有效地应用于水中高频振荡放电过程的时变参数处理研究中。 展开更多

关键词 水中脉冲放电 高频振荡 参数辨识 自适应噪声完备集合经验模态分解(CEEMDAN) 强跟踪滤波器

在线阅读 下载PDF 职称材料

基于功率谱熵最小化的毫米波FMCW雷达心率估计算法

7

作者 俞志豪 赵楼 +2 位作者 王茜 刘春山 麻文涛 《传感器与微系统》 北大核心 2025年第10期138-141,共4页

毫米波雷达已在多种场景中广泛应用于非接触式心率监测。为提高心率估计精度,提出一种包含两个关键模块的心率估计算法。这两个关键模块分别为最优距离仓选择算法和基于功率谱熵最小化(PSEM)准则的自适应参数辛几何模态分解(APSGMD)算... 毫米波雷达已在多种场景中广泛应用于非接触式心率监测。为提高心率估计精度,提出一种包含两个关键模块的心率估计算法。这两个关键模块分别为最优距离仓选择算法和基于功率谱熵最小化(PSEM)准则的自适应参数辛几何模态分解(APSGMD)算法。同时,利用TI毫米波雷达开展了心率监测实验。实验结果表明,所提算法的相位信噪比达到23.54 dB,心率估计的均方根误差(RMSE)小于2.8 bpm,在心率估计精度上显著优于现有其他方法。 展开更多

关键词 功率谱熵最小化 心率 调频连续波雷达 自适应参数辛几何模态分解

在线阅读 下载PDF 职称材料

基于自适应CEEMD方法的电能质量扰动检测与分析 被引量：12

8

作者 胡明 郭健鹏 +1 位作者 李富强 刘建华 《电力系统保护与控制》 EI CSCD 北大核心 2018年第21期103-110,共8页

针对现有时频分析方法处理非线性、非稳态信号自适应性的不足,提出了一种自适应互补集总经验模态分解(ACEEMD)方法。该方法通过对加噪辅助分解方法噪声准则的研究,引入相关均方根误差与信噪比两个参数作为加噪评价指标,自适应确定最优... 针对现有时频分析方法处理非线性、非稳态信号自适应性的不足,提出了一种自适应互补集总经验模态分解(ACEEMD)方法。该方法通过对加噪辅助分解方法噪声准则的研究,引入相关均方根误差与信噪比两个参数作为加噪评价指标,自适应确定最优加噪幅值和集总分解次数。且加入的噪声以正负成对的形式加到目标信号中,克服了原始分解方法存在的模态混叠问题、端点效应以及残余噪声大的缺点。最后将改进的方法与Hilbert变换相结合运用在电能质量扰动检测中,通过仿真实验验证所提方法既可以有效提取扰动的频率、幅值等特征参数,也可以准确定位扰动的时间,为电能质量检测与分析提供了一种新思路。 展开更多

关键词 电能质量扰动 互补集总经验模态分解 加噪参数优化 自适应性 特征提取

在线阅读 下载PDF 职称材料

基于IPSO-VMD联合小波阈值的超低空磁异常信号去噪方法

9

作者 杨帆 徐春雨 李肃义 《电子测量与仪器学报》 北大核心 2025年第6期204-211,共8页

变分模态分解(VMD)方法在超低空磁异常信号去噪中具有较好的模态分解效果,然而在实际探测中需要依赖人工设定惩罚因子和模态分解参数,且磁异常信号微弱、环境噪声复杂。针对上述问题,提出了一种改进的粒子群优化变分模态分解(IPSO-VMD)... 变分模态分解(VMD)方法在超低空磁异常信号去噪中具有较好的模态分解效果,然而在实际探测中需要依赖人工设定惩罚因子和模态分解参数,且磁异常信号微弱、环境噪声复杂。针对上述问题,提出了一种改进的粒子群优化变分模态分解(IPSO-VMD)联合小波阈值的去噪方法。首先,通过引入自适应惯性权重和学习因子策略,利用排列熵作为自适应函数,实现了对上述参数自适应。之后,采用最优参数组合对信号进行分解,并对异常分量应用小波阈值去噪处理。最终,将信号重构并获得去噪后的信号。仿真实验结果表明,该方法相比其他方法将信噪比提升了约9.44 dB,相关系数达到约0.74,获得了良好的去噪效果。通过野外实验表明,去噪后的实测信号磁异常位置明显,有效降低了环境噪声对信号的干扰,显示出在野外超低空磁目标勘探中的应用潜力。 展开更多

关键词 超低空磁异常探测 改进粒子群优化(IPSO) 变分模态分解(VMD) 参数自适应 小波阈值

在线阅读 下载PDF 职称材料

基于自适应谐波分量提取的航空发动机附件传动系统变速故障诊断方法 被引量：8

10

作者 张光耀 王义 +2 位作者 李晓蒙 汤宝平 秦毅 《仪器仪表学报》 EI CAS CSCD 北大核心 2023年第5期10-20,共11页

针对当前基于无键相阶次跟踪(TLOT)的故障诊断所面临的转速谐波分量提取存在误差累积效应、瞬时相位难以准确估计等问题,本文提出了一种基于自适应谐波分量提取的航空发动机附件传动系统变速故障诊断方法。首先,通过低通滤波和降采样优... 针对当前基于无键相阶次跟踪(TLOT)的故障诊断所面临的转速谐波分量提取存在误差累积效应、瞬时相位难以准确估计等问题,本文提出了一种基于自适应谐波分量提取的航空发动机附件传动系统变速故障诊断方法。首先,通过低通滤波和降采样优化搜索空间并提升计算速度,在此基础上利用自相关平均周期进行自适应辛几何模态分解;其次,采用基于替代数据检验的伪谐波分量识别方法,完成转速谐波分量自适应分离结果的稀疏化表征。最后,基于转速谐波分量瞬时相位计算结果,对原始非平稳信号进行等角度重采样,利用傅里叶变换获取阶次谱以实现旋转机械装备的变速故障诊断。通过与典型信号分解方法对比,验证了所提方法的有效性;此外,对法国Safran某型航空发动机扫频试车过程中附件传动系统实测数据进行分析,所得阶次相对误差为0.059%,优于同类方法计算结果,进一步显示了其工程应用价值。 展开更多

关键词 无键相阶次跟踪 变速故障诊断 自适应辛几何模态分解 替代数据检验 扫频试车

在线阅读 下载PDF 职称材料

基于SGMD敏感参数和KFCMC的滚动轴承故障诊断方法 被引量：2

11

作者 郑直 高崇一 +1 位作者 宋金超 姜万录 《机床与液压》 北大核心 2020年第11期189-193,206,共6页

针对滚动轴承的内圈和外圈故障诊断问题,提出了一种基于辛几何模态分解(SGMD)、敏感参数和核模糊C均值聚类(KFCMC)相结合的方法。基于SGMD研究了实际测量的液压泵多模态故障振动信号;基于所提出的相似性分析法,将含有丰富运行特征信息... 针对滚动轴承的内圈和外圈故障诊断问题,提出了一种基于辛几何模态分解(SGMD)、敏感参数和核模糊C均值聚类(KFCMC)相结合的方法。基于SGMD研究了实际测量的液压泵多模态故障振动信号;基于所提出的相似性分析法,将含有丰富运行特征信息的模态分量进行重构,并将其作为数据源;基于数据源提取时域和频域参数,并利用流行学习法筛选出峭度、裕度指标和峰值指标等敏感参数作为特征向量;利用KFCMC实现对内圈和外圈不同故障的诊断。通过对滚动轴承内、外圈故障振动信号的仿真和实测,验证了该方法可以有效地诊断滚动轴承不同故障。 展开更多

关键词 辛几何模态分解 滚动轴承 故障诊断 敏感参数

在线阅读 下载PDF 职称材料

基于多域信息融合与深度分离卷积的轴承故障诊断网络模型 被引量：4

12

作者 王同 许昕 潘宏侠 《机电工程》 北大核心 2024年第1期22-32,共11页

针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了... 针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了分解;然后,利用分解出的本征模态函数(IMF)的各个分量构建了多空间状态矩阵,并将该多空间状态矩阵输入该深度分离卷积模型中,进行了卷积训练;同时,在该深度分离卷积模型中添加了残差结构,对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,提出了一种空间特征提取方法,对模型参数进行了修剪,采用一种自适应学习率退火方法进行了梯度优化,以避免模型陷入局部最优。研究结果表明:通过对多个轴承故障数据集进行对比分析可知,MDIDSC在轴承故障诊断方面的准确率和稳定性明显优于其他方法,MDIDSC的最高测试准确率为100%,平均测试准确率为99.07%;同时,在测试集中的最大损失和平均损失分别为0.1345和0.0841;该结果表明MDIDSC在轴承故障诊断方面具有一定的优越性。 展开更多

关键词 深度分离卷积 信息融合 参数修剪 残差网络 卷积神经网络 自适应噪声的完全集合经验模态分解 本征模态函数 多域信息融合结合深度分离卷积

在线阅读 下载PDF 职称材料

基于CEEMDAN-CNN的钻头磨损状态监测研究 被引量：10

13

作者 刘奕呈 李玉梅 +1 位作者 张涛 李超 《石油机械》 北大核心 2022年第9期59-65,共7页

钻头磨损状态的准确监测对于提高钻井效率、规避钻井事故的发生具有重大意义。针对钻井过程中钻头磨损状态监测困难的问题,结合井下近钻头工程参数短节所测数据,提出基于自适应噪声完备经验模态分解(CEEMDAN)、小波阈值以及卷积神经网络... 钻头磨损状态的准确监测对于提高钻井效率、规避钻井事故的发生具有重大意义。针对钻井过程中钻头磨损状态监测困难的问题,结合井下近钻头工程参数短节所测数据,提出基于自适应噪声完备经验模态分解(CEEMDAN)、小波阈值以及卷积神经网络(CNN)的钻头磨损监测模型。首先将近钻头工程参数测量短节测得的振动数据进行基于自适应噪声完备经验模态分解,得到一系列本征模态函数分量,再对本征模态函数分量进行小波阈值去噪并完成信号重构,最后根据重构信号提取钻头磨损特征,完成卷积神经网络模型训练和钻头磨损状态识别。研究结果表明,钻头磨损监测模型精度达到92.3%,即该模型能准确识别钻头磨损状态且识别准确率高。研究结果可为及时调整钻井参数、确定更换钻头时机等提供技术支持。 展开更多

关键词 钻头磨损 自适应噪声完备经验模态分解 小波阈值 卷积神经网络 近钻头工程参数 磨损监测

在线阅读 下载PDF 职称材料

航空发动机高低压转子间碰摩故障特征提取 被引量：3

14

作者 边杰 梅庆 +2 位作者 陈亚农 徐友良 彭春雷 《推进技术》 EI CAS CSCD 北大核心 2022年第2期341-348,共8页

针对变分模态分解(VMD)需要人为确定输入参数的问题,提出了一种参数自适应VMD(APVMD)方法,其通过粒子群(PSO)算法优化VMD的输入参数。使用APVMD结合切片谱的方法,对双转子航空发动机振动正常和异常状态下的实测弹性支承应变信号进行分... 针对变分模态分解(VMD)需要人为确定输入参数的问题,提出了一种参数自适应VMD(APVMD)方法,其通过粒子群(PSO)算法优化VMD的输入参数。使用APVMD结合切片谱的方法,对双转子航空发动机振动正常和异常状态下的实测弹性支承应变信号进行分析。分析结果表明,APVMD方法可以自适应地实现对实测弹性支承应变信号的分解;当发动机振动正常时,高低压转子弹性支承应变信号的APVMD模态分量中只存在高低压转子的1倍频和2倍频成分;当发动机振动异常时,低压转子弹性支承应变信号的APVMD模态分量除了包含低压转子的1倍频及倍频成分,还包含高压转子的1倍频和分频成分,以及高低压转子间的调制频率和组合频率成分;在高压转子弹性支承应变信号的APVMD模态分量中,除了高压转子的1倍频和2倍频成分,还存在高压转子的分频成分。 展开更多

关键词 航空发动机 高低压转子 振动信号分离 故障特征提取 参数自适应变分模态分解

在线阅读 下载PDF 职称材料