基于完全自适应噪声集合经验模态分解和互相关分析的核电厂信号降噪研究 被引量：2

1

作者 刘琳琳 王振宇 +1 位作者 李露 陈嘉翊 《核科学与工程》 CAS CSCD 北大核心 2024年第1期80-90,共11页

针对在强噪声背景中提取核电厂信号有效成分的问题,本文提出一种将完全自适应噪声集合经验模态分解与互相关分析法相结合的降噪方法并进行验证。该方法的主要步骤如下。首先,通过完全自适应噪声集合经验模态分解法对电站信号进行有效分... 针对在强噪声背景中提取核电厂信号有效成分的问题,本文提出一种将完全自适应噪声集合经验模态分解与互相关分析法相结合的降噪方法并进行验证。该方法的主要步骤如下。首先,通过完全自适应噪声集合经验模态分解法对电站信号进行有效分解,得到全部的本征模态分量。然后,根据互相关系数将上述分量进行筛选,得到有用信号主导的分量,将其叠加、重构成降噪后信号。最后,使用降噪指标对降噪效果进行评价。结果表明:与基于经验模态分解、集合经验模态分解的降噪方法相比,本文所提方法得到的降噪后信号信噪比更高、均方根误差更小、相关系数更大、平滑度更好,具有更优的降噪效果。 展开更多

关键词 信号降噪 经验模态分解 集合经验模态分解 完全自适应噪声集合经验模态分解 互相关分析

在线阅读 下载PDF 职称材料

基于完全自适应噪声集合经验模态分解与小波变换相结合的GPS/BDS-3多路径误差削弱研究

2

作者 童润发 《现代信息科技》 2022年第15期45-47,51,共4页

多路径误差是GNSS短基线相对定位过程中主要的误差源,已经影响定位的精度。针对经验模态分解(EMD)存在断点效应和模态混叠问题,提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)-小波变换(WT)的提取GNSS多路径的方法。通过两天的... 多路径误差是GNSS短基线相对定位过程中主要的误差源,已经影响定位的精度。针对经验模态分解(EMD)存在断点效应和模态混叠问题,提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)-小波变换(WT)的提取GNSS多路径的方法。通过两天的GPS/BDS-3的实测数据处理分析,实验结果表明,采用CEEMDAN-WT提取多路径相关系数高于小波分析、经验模态分解(EMD),实时削弱多路径误差中使用CEEMDAN-WT比其他两者方法效果更好。 展开更多

关键词 GPS BDS-3 完全自适应噪声集合经验模态分解 恒星日滤波

在线阅读 下载PDF 职称材料

基于二次CEEMDAN与CCJC的滚动轴承故障冲击特征提取

3

作者 张亢 曹振华 +2 位作者 刘鹏飞 陈向民 牛晓瑞 《噪声与振动控制》 北大核心 2025年第1期112-118,247,共8页

滚动轴承故障振动信号的成分复杂多样,且受噪声和传递路径的影响,导致从中提取表征故障的周期性冲击成分难度很大。对此,利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEM... 滚动轴承故障振动信号的成分复杂多样,且受噪声和传递路径的影响,导致从中提取表征故障的周期性冲击成分难度很大。对此,利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)良好的非平稳非线性数据处理能力,首先将原始轴承振动信号中的各种成分予以分离,在此基础上,提出相关系数跳变准则(Correlation Coefficient Jump Criterion,CCJC)区别以故障周期性冲击成分为主的分量,以及以噪声和转频成分为主的分量,并通过二次分解二次重构的方式,最大限度去除噪声与转频相关成分,最终得到提纯的滚动轴承故障周期性冲击信号。通过对滚动轴承故障仿真信号和基准数据的分析,表明所提方法可以准确高效提取轴承故障周期性冲击成分;对滚动轴承实验振动信号进行分析,并与经典方法对比,验证所提方法的优势及其良好的工程应用前景。 展开更多

关键词 故障诊断 滚动轴承 振动信号 周期性冲击特征 自适应噪声完全集合经验模态分解 相关系数跳变准则

在线阅读 下载PDF 职称材料

基于CEEMDAN⁃TCN的短期风电功率预测研究

4

作者 李敖 冉华军 +2 位作者 李林蔚 王新权 高越 《现代电子技术》 北大核心 2025年第2期97-102,共6页

风力发电作为可再生能源的重要组成部分,在电力系统规划和日常运行中扮演着重要的角色,准确的短期风电功率预测对于电网的稳定运行和优化调度具有重要意义。为提高短期风电功率预测的准确性,提出一种基于自适应噪声完备集合经验模态分... 风力发电作为可再生能源的重要组成部分,在电力系统规划和日常运行中扮演着重要的角色,准确的短期风电功率预测对于电网的稳定运行和优化调度具有重要意义。为提高短期风电功率预测的准确性,提出一种基于自适应噪声完备集合经验模态分解和时间卷积网络的短期风电功率预测方法。首先利用自适应噪声完备集合经验模态分解对初始风电功率数据进行分解,得到多个相对稳定的子数据序列;然后将其分别作为时间卷积网络的输入,利用时间卷积网络模型进行特征提取和功率预测;最后将所有预测值进行汇总,得到最终的功率预测值。使用宁夏某地区真实风电功率数据进行验证,并与传统预测模型比较,结果表明所提方法具有较高的预测精度,可为风电功率短期预测等相关工作提供相关参考。 展开更多

关键词 短期风电功率预测 自适应噪声的完备集合经验模态分解(ceemdan) 时间卷积网络(TCN) 特征提取 预测精度 时间序列分析

在线阅读 下载PDF 职称材料

基于改进CEEMDAN-BO-LSTM的短期电价预测

5

作者 秦昆 刘立群 +1 位作者 吴青峰 何俊强 《陕西科技大学学报》 北大核心 2025年第1期169-176,共8页

电价预测对于国家电力市场的销售价格,电力调度和市场波动管理具有重要意义,但现有方法在电价预测的准确性上不理想.为了进一步提升电价预测的准确性,提出一种基于改进完全自适应噪声集合经验模态分解(ICEEMDAN),贝叶斯优化(BO)和长短... 电价预测对于国家电力市场的销售价格,电力调度和市场波动管理具有重要意义,但现有方法在电价预测的准确性上不理想.为了进一步提升电价预测的准确性,提出一种基于改进完全自适应噪声集合经验模态分解(ICEEMDAN),贝叶斯优化(BO)和长短时记忆网络(LSTM)的短期电价预测模型.ICEEMDAN将原始数据分解为多个本征模态函数(IMF)和一个残差序列,然后将IMF分量重构为高频,中频和低频三个子序列,将子序列和残差序列分别与相关因素结合,重构为四个多维特征矩阵,输入BO-LSTM模型进行训练,最后得到预测结果.用西班牙国家电网公司Red Electric Espana运营数据进行算例分析,结果表明ICEEMDAN-BO-LSTM模型具有更高的准确度,在电价跳跃点和峰值点处预测结果表现出色,与其他方法相比预测效果更好,对能源企业和国家电力市场调控策略具有实用价值. 展开更多

关键词 电价预测 完全自适应噪声集合经验模态分解 贝叶斯优化 长短期记忆网络

在线阅读 下载PDF 职称材料

数控车床主轴热误差完全自适应经验模态分解与小波阈值变换分离方法

6

作者 陈庚 丁强强 +2 位作者 苏哲 郭世杰 唐术锋 《航空制造技术》 2025年第6期104-114,共11页

数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始... 数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始信号进行分解,将获得的低频模态分量重构后作为EWT算法的输入进行分解,使用离散系数评估EWT算法每次迭代的分解效果。其次,通过对一组仿真信号进行分解,验证该方法的准确性,与ICEEMDAN算法相比,ICEEMDAN-EWT算法的均方根误差(RMSE)降低了5.2%。最后,在CKA6 163A型车床上进行试验,使用五点法辨识热误差,将ICEEMDAN-EWT分离算法与傅里叶变换(FFT)算法进行对比。结果表明,与FFT算法相比,使用ICEEMDAN-EWT算法分离出的5项热变形信号与机床温度的Pearson相关性提高了3.8%,Spearman相关性提高了6.6%,准确度更高。 展开更多

关键词 数控车床 主轴 热误差 完全自适应噪声集合经验模态分解-经验小波变换(Iceemdan-EWT) 误差分离

在线阅读 下载PDF 职称材料

基于CEEMDAN-BA-SVR-Adaboost模型的白水河滑坡位移预测 被引量：10

7

作者 李龙起 王梦云 +2 位作者 赵皓璆 王滔 赵瑞志 《长江科学院院报》 CSCD 北大核心 2021年第6期52-59,66,共9页

为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及... 为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及由IMF分项构成的波动项。首先采用BP神经网络对趋势项位移进行预测,随后利用CEEMDAN-BA-SVR-Adaboost模型对波动项进行预测,并将预测结果与CEEMDAN-PSO-SVR-Adaboost、CEEMDAN-BA-BP-Adaboost、CEEMADAN-BA-SVR、BA-SVR-Adaboost模型预测结果进行对比分析,验证本模型在位移预测方面的优越性。此外,利用CEEMDAN-BA-SVR-Adaboost模型对ZG118波动项位移进行预测,同时计算ZG93监测点最终累计预测位移。结果表明,对白水河滑坡位移进行预测时,CEEMDAN-BA-SVR-Adaboost模型具有较高的准确性和适用性。 展开更多

关键词 白水河滑坡 位移预测 自适应噪声完全集合经验模态分解(ceemdan) 蝙蝠算法(BA) 支持向量回归机(SVR) 集成学习

在线阅读 下载PDF 职称材料

基于CEEMDAN-小波包自适应阈值混凝土声发射信号降噪研究 被引量：12

8

作者 杨智中 林军志 +2 位作者 汪魁 程梓益 刘攀 《振动与冲击》 EI CSCD 北大核心 2023年第3期139-149,共11页

为了得到更加纯净的混凝土声发射(acoustic emission, AE)信号来更准确地监测混凝土结构破裂过程,提出了一种完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition, CEEMDAN)与小波包自适应阈值联合方法对... 为了得到更加纯净的混凝土声发射(acoustic emission, AE)信号来更准确地监测混凝土结构破裂过程,提出了一种完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition, CEEMDAN)与小波包自适应阈值联合方法对循环荷载作用下的混凝土声发射信号进行降噪处理,运用信噪比和快速傅里叶变化(fast Fourier transform, FFT)分析来验证所用方法的可行性。实验结果表明:结合CEEMDAN-小波包自适应阈值对混凝土声发射信号进行降噪的效果较好,能有效地保留混凝土声发射信号特征信息,对混凝土声发射信号降噪提供新的思路,为后续利用声发射信号分析混凝土结构内部微裂纹扩展及演化特征奠定基础。 展开更多

关键词 循环荷载 混凝土声发射(AE)信号 完全自适应噪声集合经验模态分解(ceemdan) 小波包自适应阈值降噪 快速傅里叶变换(FFT)

在线阅读 下载PDF 职称材料

CEEMDAN-WPE-CLSA超短期风电功率预测方法研究

9

作者 李杰 孟凡熙 +1 位作者 牛明博 张懿璞 《大连交通大学学报》 CAS 2024年第2期101-108,共8页

提出了一种结合自适应噪声完全集合经验模态分解、加权排列熵、卷积神经网络、长短期记忆网络和自注意力机制的超短期风电功率预测方法。首先,利用自适应噪声完全集合经验模态分解将原始风电功率时间序列自适应分解为一系列的模态分量,... 提出了一种结合自适应噪声完全集合经验模态分解、加权排列熵、卷积神经网络、长短期记忆网络和自注意力机制的超短期风电功率预测方法。首先,利用自适应噪声完全集合经验模态分解将原始风电功率时间序列自适应分解为一系列的模态分量,降低原始序列的非线性和波动性;其次,根据加权排列熵计算各模态分量间的相似性并对相似的分量进行重组,以修正自适应噪声完全集合经验模态分解的过度分解问题,使得修正后的模态分量更具规律性;最后,将重组后的分量输入卷积长短期记忆网络进行时序建模,并利用自注意力机制对卷积长短期记忆网络的神经元权重进行重新分配,提高了卷积长短期记忆网络对输入特征不确定性的适应能力。在此基础上,明确了自注意力机制和自适应噪声完全集合经验模态分解、加权排列熵在风电功率预测中的作用机制,以及风电功率信号包含的重要物理信息,证明了自适应噪声完全集合经验模态分解、加权排列熵以及自注意力机制在风电功率信号模态分解和长短期记忆网络隐层输出权重分配中的有效性。 展开更多

关键词 超短期风电功率预测 自适应噪声完全集合经验模态分解 加权排列熵 卷积长短期记忆网络 自注意力机制

在线阅读 下载PDF 职称材料

基于CEEMDAN和ICA的油气勘探大地电磁噪声消除方法 被引量：2

10

作者 曹小玲 唐新功 蒋涛 《石油地球物理勘探》 EI CSCD 北大核心 2023年第3期740-750,共11页

大地电磁(MT)信号中的噪声会严重影响大地电磁勘探的观测数据,导致后续反演、解释工作出现严重偏差,影响油气勘探效果。为此,提出了一种基于带自适应噪声的完全集合经验模态分解(CEEMDAN)和独立分量分析(ICA)的噪声消除方法。该方法将... 大地电磁(MT)信号中的噪声会严重影响大地电磁勘探的观测数据,导致后续反演、解释工作出现严重偏差,影响油气勘探效果。为此,提出了一种基于带自适应噪声的完全集合经验模态分解(CEEMDAN)和独立分量分析(ICA)的噪声消除方法。该方法将经验模态分解(EMD)中的CEEMDAN方法与盲源分离(BSS)中的ICA方法进行有效结合。首先,利用改进的端点检测技术识别电磁信号中的有噪声信号分段;其次,利用CEEMDAN方法对其进行分解,提取具有代表性的固有模态分量(IMF)分量并进行ICA处理,达到消除噪声的目的;然后,利用获得的独立分量对有用MT信号进行逆向重构;最后,将未受噪声污染的MT信号与去噪后的有用MT信号进行拼接,获得最终的消噪后的完整MT信号。对合成信号和实测MT数据的实验结果表明,该方法能有效消除MT信号中的噪声。 展开更多

关键词 大地电磁 带自适应噪声的完全集合经验模态分解(ceemdan) 独立分量分析(ICA) 去噪

在线阅读 下载PDF 职称材料

基于ICEEMDAN-多尺度排列熵的拆除爆破振动信号降噪研究 被引量：2

11

作者 康怡泽 姚颖康 +2 位作者 董润龙 贾永胜 谢全民 《振动与冲击》 EI CSCD 北大核心 2024年第13期275-287,共13页

由于工程环境、炸药爆炸等因素影响,实测建(构)筑物爆破拆除所产生的低频振动信号常受到噪声干扰。提出改进的自适应噪声完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN... 由于工程环境、炸药爆炸等因素影响,实测建(构)筑物爆破拆除所产生的低频振动信号常受到噪声干扰。提出改进的自适应噪声完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN)与多尺度排列熵联合的降噪算法,并运用皮尔逊系数、信噪比和均方误差来验证所用算法的可行性。对实测拆除爆破塌落触地振动信号进行降噪处理,通过频谱分析以及各类指标对比表明,该联合降噪方法能够有效降低拆除爆破振动信号中的噪声,并且对信号的低频能量影响较小,降噪效果显著,为拆除爆破振动信号分析和处理提供了一种新的有效的方法。 展开更多

关键词 拆除爆破 振动信号 改进的自适应噪声完全集合经验模态分解(Iceemdan) 多尺度排列熵 信号降噪

在线阅读 下载PDF 职称材料

多角度基于CEEMDAN-CNN-BiLSTM模型的锂离子电池RUL预测

12

作者 郭喜峰 王凯泽 +2 位作者 单丹 郑迪 宁一 《太阳能学报》 EI CAS CSCD 北大核心 2024年第7期181-189,共9页

通过构建模型对锂离子电池剩余使用寿命进行预测,并探究温度及网络参数对所构建模型预测精准度的影响,进而提高模型的预测精准度。提出自适应噪声完全集合经验模态分解(CEEMDAN)和一维卷积神经网络(1D CNN)与双向长短期记忆(BiLSTM)神... 通过构建模型对锂离子电池剩余使用寿命进行预测,并探究温度及网络参数对所构建模型预测精准度的影响,进而提高模型的预测精准度。提出自适应噪声完全集合经验模态分解(CEEMDAN)和一维卷积神经网络(1D CNN)与双向长短期记忆(BiLSTM)神经网络相结合的锂离子电池剩余寿命预测方法。选取容量作为健康因子,然后利用CEEMDAN对复杂不平稳数据进行分解,得到稳定的分量。利用1D CNN对锂离子电池容量数据进行深度挖掘,最后利用双BiLSTM神经网络建模对锂离子电池剩余使用寿命(RUL)进行预测。采用NASA数据集和CALCE数据集进行测试,在不同温度与网络参数下进行预测效果对比,并与BiLSTM模型、SVR模型、CNN-BiLSTM模型进行预测对比。 展开更多

关键词 锂离子电池 剩余使用寿命 卷积神经网络 自适应噪声完全集合经验模态分解 双向长短期记忆神经网络

在线阅读 下载PDF 职称材料

基于ICEEMDAN和共振解调的轴承故障检测方法

13

作者 唐斌 池茂儒 +2 位作者 赵明花 李大柱 许文天 《铁道机车车辆》 北大核心 2024年第4期84-91,共8页

对于滚动轴承的故障检测,提出了一种基于带自适应噪声的改进完全集合经验模态分解(ICEEMDAN)和共振解调的轴承故障检测方法。通过ICEEMDAN算法,把原始振动信号分解为若干个IMF分量;选取有效IMF分量进行求和,得到重构信号;使用快速峭度... 对于滚动轴承的故障检测,提出了一种基于带自适应噪声的改进完全集合经验模态分解(ICEEMDAN)和共振解调的轴承故障检测方法。通过ICEEMDAN算法,把原始振动信号分解为若干个IMF分量;选取有效IMF分量进行求和,得到重构信号;使用快速峭度图法确定共振频带,然后以此设计相应滤波器进行滤波;使用形态学滤波方法进行共振信号的解调,然后再利用FFT得到轴承的故障特征频谱图。内、外圈故障振动数据验证结果表明,该方法能够检测出滚动轴承的故障。 展开更多

关键词 滚动轴承 带自适应噪声的改进完全集合经验模态分解(Iceemdan) 共振解调 快速峭度图 形态学滤波

在线阅读 下载PDF 职称材料

基于CEEMDAN-BP的GNSS-IR土壤湿度反演

14

作者 刘卓仑 刘立龙 +3 位作者 吴昊舰 薛张芳 姜新伟 刘睿国 《桂林理工大学学报》 北大核心 2024年第4期662-667,共6页

土壤湿度的监测是全球卫星导航系统干涉测量法(GNSS-IR)的关键应用之一。针对如何有效改善GNSS-IR土壤湿度反演中存在的卫星信号混杂、地表粗糙度和植被等环境带来的散射影响,提出了一种自适应噪声的完全集合经验模态分解(CEEMDAN)与BP... 土壤湿度的监测是全球卫星导航系统干涉测量法(GNSS-IR)的关键应用之一。针对如何有效改善GNSS-IR土壤湿度反演中存在的卫星信号混杂、地表粗糙度和植被等环境带来的散射影响,提出了一种自适应噪声的完全集合经验模态分解(CEEMDAN)与BP神经网络(BPNN)模型相结合的土壤湿度反演方法。该方法利用CEEMDAN法替代了传统的多项式拟合法,从而获取相应的本征模态函数,进而提取振幅和相位作为输入数据,并利用PBO H_(2)O的土壤湿度值作为期望值,构建基于BP神经网络算法的土壤湿度反演模型。实验表明:基于CEEMDAN-BP模型得到的反演结果与实测数据在大体上趋于一致,其均方根误差RMSE为0.0217,决定系数R^(2)为0.9318。进一步对比分析发现,利用CEEMDAN-BP模型反演土壤湿度明显优于线性回归模型和BPNN模型,证明了该方法的精确性和可靠性。 展开更多

关键词 GNSS-IR 土壤湿度 BP神经网络 自适应噪声的完全集合经验模态分解

在线阅读 下载PDF 职称材料

基于CEEMDAN-LSTM风暴潮潮位预测分析研究

15

作者 徐楚天 沈良朵 +1 位作者 班文超 陈亮 《太阳能学报》 EI CAS CSCD 北大核心 2024年第11期578-585,共8页

该文采用自适应噪声完全集合经验模态分解-长短期记忆方法(CEEMDAN-LSTM)对风暴潮潮位进行短期时间序列预测,并与常用机器学习模型进行对比分析,结果表明:基于CEEMDAN-LSTM的神经网络对工程区风暴潮潮位的短期特征能进行高精度的预报,... 该文采用自适应噪声完全集合经验模态分解-长短期记忆方法(CEEMDAN-LSTM)对风暴潮潮位进行短期时间序列预测,并与常用机器学习模型进行对比分析,结果表明:基于CEEMDAN-LSTM的神经网络对工程区风暴潮潮位的短期特征能进行高精度的预报,其稳定性和精度较常规机器学习模型都有较大的改进。 展开更多

关键词 风暴潮 海上风电 潮位预测 自适应噪声完全集合经验模态分解 长短期记忆网络

在线阅读 下载PDF 职称材料

基于多层信号分解的混凝土拱坝变形监测模型

16

作者 王子轩 欧斌 +3 位作者 陈德辉 杨石勇 赵定柱 傅蜀燕 《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第6期1-9,共9页

为了充分挖掘大坝变形监测数据的非线性和非平稳性特征,本文提出了一种大坝变形监测模型.首先,该模型通过自适应噪声完全集合经验模态分解(CEEMDAN)对变形监测数据进行分解处理.在分解过程中融入样本熵(SE)和K-均值聚类,以确保得到的模... 为了充分挖掘大坝变形监测数据的非线性和非平稳性特征,本文提出了一种大坝变形监测模型.首先,该模型通过自适应噪声完全集合经验模态分解(CEEMDAN)对变形监测数据进行分解处理.在分解过程中融入样本熵(SE)和K-均值聚类,以确保得到的模态分量(IMF)个数能够准确描述大坝变形.然后,对于高频IMF分量,采用变分模态分解(VMD)进行二次分解,并利用偏最小二乘法(PLS)分析变形序列影响因子,以提取最佳的IMF分量作为后续模型的输入因子.最后,利用改进的共生生物搜索算法(ISOS)结合长短期记忆神经网络(LSTM)进行大坝变形的准确预测.研究结果表明:相较于单层信号处理,本文通过二次信号处理可以显著提升模型的预测精度;对二次分解后的IMFs分量进行PLS筛选可以有效避免模型的冗余性,提高计算效率;相较于各对比模型,本文模型在各测点上均具有较好的预测精度和稳定性.本文提出的模型能够深入挖掘大坝监测数据中的拓扑关系,有效保留数据中的高频有用信息,从而提高预测的准确性和平滑性,展示出较好的预测精度和泛化能力. 展开更多

关键词 大坝变形 自适应噪声完全集合经验模态分解 样本熵 K-均值聚类算法 改进的共生生物搜索算法 变分模态分解

在线阅读 下载PDF 职称材料

基于CEEMDAN的雷达信号脉内细微特征提取法 被引量：14

17

作者 王文哲 吴华 +1 位作者 王经商 张强 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2016年第11期2532-2539,共8页

有效的信号特征提取是高精度雷达辐射源识别的基础,以脉冲描述字为代表的传统特征已无法满足复杂电磁环境的需要。本文提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)的有效雷达辐射源脉内细微特征提取算法。雷达信号由对非平稳... 有效的信号特征提取是高精度雷达辐射源识别的基础,以脉冲描述字为代表的传统特征已无法满足复杂电磁环境的需要。本文提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)的有效雷达辐射源脉内细微特征提取算法。雷达信号由对非平稳、非线性信号尤为有效的CEEMDAN分解产生的个别分量重构,抑噪效果通过1 000次蒙特卡罗实验得到验证,同时设计基于该重构的一种脉内特征空间。本文方法与主流特征提取方法的识别精度在6部雷达辐射源产生的3000个不同脉内调制的加噪信号样本上进行了实验对比,结果表明不同种类信号样本在本文特征空间中清晰可分,本文方法较之主流方法更加精确,尤其在0 d B信噪比(SNR)下仍保持90%以上的高精度。 展开更多

关键词 特征提取 自适应噪声完备集合经验模态分解(ceemdan) 经验模态分解 噪声协助 雷达辐射源识别 信号重构

在线阅读 下载PDF 职称材料

桥梁GNSS-RTK变形监测数据的CEEMDAN-WT联合降噪法 被引量：17

18

作者 熊春宝 王猛 于丽娜 《振动与冲击》 EI CSCD 北大核心 2021年第9期12-18,共7页

在桥梁GNSS-RTK变形监测中,监测信号会被多路径噪声误差所影响。针对上述问题,提出了自适应经验模态分解(CEEMDAN)和小波变换(WT)相结合的方法对桥梁GNSS-RTK监测数据进行降噪处理。采用CEEMDAN对振动响应进行分解得到本征模态函数(IMF... 在桥梁GNSS-RTK变形监测中,监测信号会被多路径噪声误差所影响。针对上述问题,提出了自适应经验模态分解(CEEMDAN)和小波变换(WT)相结合的方法对桥梁GNSS-RTK监测数据进行降噪处理。采用CEEMDAN对振动响应进行分解得到本征模态函数(IMFs),利用相关系数鉴别出有效的IMFs,同时利用WT中的不同小波基对其余噪声与信号共存的IMFs进行阈值降噪,最后对信号进行重组。通过对模拟试验和基于GNSS-RTK的海河斜拉桥实测数据进行处理,结果表明,CEEMDAN相比于EEMD能有效解决模态混叠问题,CEEMDAN与WT相结合的方法对桥梁监测数据具有良好的降噪效果,能成功提取到桥梁真实位移信息。 展开更多

关键词 全球导航卫星系统实时动态(GNSS-RTK) 桥梁监测 基于自适应噪声的完全经验模态分解(ceemdan) 小波变换(WT) 数据降噪

在线阅读 下载PDF 职称材料

基于CEEMDAN-WOA-SVR的高铁沿线超短期风速预测方法 被引量：3

19

作者 王瑞 马祯 李磊 《中国铁道科学》 EI CAS CSCD 北大核心 2023年第6期80-86,共7页

为提升高铁沿线风速预测精度以增强铁路对强风监测预警能力,提出基于自适应噪声完备经验模态分解和鲸鱼算法优化支持向量回归(CEEMDAN-WOA-SVR)的铁路沿线风速预测方法。首先,考虑风速具有非平稳性特点和非线性趋势,基于自适应噪声完备... 为提升高铁沿线风速预测精度以增强铁路对强风监测预警能力,提出基于自适应噪声完备经验模态分解和鲸鱼算法优化支持向量回归(CEEMDAN-WOA-SVR)的铁路沿线风速预测方法。首先,考虑风速具有非平稳性特点和非线性趋势,基于自适应噪声完备经验模态(CEEMDAN)对风速信号进行分解,提取不同频率模态分量;其次,采用鲸鱼优化算法(WOA)优化支持向量回归(SVR)模型的惩罚因子和核参数,并构建风速预测模型;最后,以我国典型高铁沿线某测风点实测风速为例开展预测,验证风速预测方法的有效性。结果表明:所提方法对高铁沿线3 min风速预测精度较4个基准模型提升了25%,验证了它的准确性;针对5 min平均风速的预测精度提升了20%,说明它还具有较好的泛化性。该方法是对高铁沿线风速预测的有效探索,可为高铁沿线风速监测预警提供借鉴。 展开更多

关键词 高铁 风速预测 自适应噪声完全集合经验模态分解 鲸鱼优化算法 支持向量回归

在线阅读 下载PDF 职称材料

基于CEEMDAN-IAWT方法的滚动轴承振动信号降噪 被引量：12

20

作者 任海军 韦冲 +2 位作者 谭志强 罗亮 丁显飞 《振动与冲击》 EI CSCD 北大核心 2023年第13期199-207,268,共10页

针对滚动轴承振动信号中混入噪声的问题,设计一种自适应白噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)结合改进自适应小波阈值(improved adaptive wavelet threshold,IAWT... 针对滚动轴承振动信号中混入噪声的问题,设计一种自适应白噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)结合改进自适应小波阈值(improved adaptive wavelet threshold,IAWT)的联合降噪法。使用CEEMDAN对信号进行模态分解得到本征模态函数(intrinsic mode functions,IMFs);将得到的IMFs与原信号进行相关性分析识别有效分量;针对小波阈值(wavelet threshold,WT)降噪算法不能自适应选取小波基和分解层数以及阈值函数存在缺陷的问题,设计了IAWT算法,利用IAWT算法过滤IMFs中的噪声;将处理后的IMFs进行信号重构。利用设计的联合降噪算法对仿真信号和试验台信号处理可知,相比于WT,使用IAWT处理后的信号信噪比提高了约0.5 dB,与原信号的相关系数提高了约0.03,均方根误差降低了约0.01;将设计的方法与CEEMDAN-WT等方法对比可知,经处理后的信号信噪比至少提高了1.37 dB,且信号特征保存完好。 展开更多

关键词 滚动轴承 振动信号降噪 自适应白噪声完全集合经验模态分解(ceemdan) 改进的自适应小波阈值(IAWT)

在线阅读 下载PDF 职称材料