期刊文献+
共找到58篇文章
< 1 2 3 >
每页显示 20 50 100
采用样本熵自适应噪声完备经验模态分解的脑电信号眼电伪迹去除算法 被引量:16
1
作者 杨磊 杨帆 何艳 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第8期177-184,共8页
针对脑电(EEG)信号容易被眼电(EOG)伪迹污染,而常规伪迹去除算法会导致EEG有用信息大量丢失的问题,提出一种采用样本熵完备经验模态分解的EOG伪迹去除算法。首先,利用独立成分分析(ICA)算法将EEG分解为独立分量;然后,对各独立分量进行... 针对脑电(EEG)信号容易被眼电(EOG)伪迹污染,而常规伪迹去除算法会导致EEG有用信息大量丢失的问题,提出一种采用样本熵完备经验模态分解的EOG伪迹去除算法。首先,利用独立成分分析(ICA)算法将EEG分解为独立分量;然后,对各独立分量进行样本熵分析,接着引入阈值对伪迹分量进行自动识别,识别后的伪迹分量经过自适应噪声完备经验模态分解(CEEMDAN)算法分解后采用小波阈值降噪;最后采用逆CEEMDAN和逆ICA算法重构信号,达到伪迹去除的目的。采用公开的BCI2000运动想象数据集中60组数据进行实验,结果表明,所提算法的EOG伪迹自动识别正确率达80%,比基于峰度的伪迹识别算法提高约26.7%;采用公开的Klados EEG数据集中15组数据进行实验,结果表明,重构后的EEG信号与纯净的EEG信号的相关系数为0.841,均方根误差较受污染信号降低约56.82%。实验结果证明了所提算法在提高伪迹去除能力的同时能够有效保留有用脑电信息。 展开更多
关键词 脑电图 眼电伪迹 独立成分分析 自适应噪声完备经验模态分解 小波
在线阅读 下载PDF
基于多尺度分解的微地震噪声压制与初至检测方法研究 被引量:8
2
作者 唐杰 温雷 +1 位作者 李聪 戚瑞轩 《石油物探》 EI CSCD 北大核心 2019年第4期517-523,共7页
地面微地震数据信噪比很低,严重影响了初至拾取的精度及反演结果的可靠性。为此,对基于改进的完备总体经验模态分解(ICEEMD)的去噪方法与初至检测方法进行了研究,首先利用ICEEMD将非平稳信号分解为一系列相对平稳的固有模态函数,然后提... 地面微地震数据信噪比很低,严重影响了初至拾取的精度及反演结果的可靠性。为此,对基于改进的完备总体经验模态分解(ICEEMD)的去噪方法与初至检测方法进行了研究,首先利用ICEEMD将非平稳信号分解为一系列相对平稳的固有模态函数,然后提出了一种自适应间隔阈值去除固有模态中噪声成分的方法,最后将去噪后的分量相加重构去噪后的信号。应用Hilbert变换计算每个分量的振幅,然后计算持续能量比,利用给定的阈值找到局部最大值,计算得到高能量的地震信号的到达时间。理论模型数据及实际微地震资料的处理结果表明,去噪后数据的信噪比得到了改进,相对于传统的空间域滤波与变换域阈值去噪,该去噪方法具有显著的优势及较好的应用价值,与Hilbert变换结合的初至检测方法可以有效地检测微地震信号初至。 展开更多
关键词 微地震 随机噪声压制 改进的完备总体经验模态分解 固有模态函数 自适应间隔阈值 重构 初至检测
在线阅读 下载PDF
基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取 被引量:2
3
作者 王淑青 罗平章 +2 位作者 胡文庆 柯洋洋 张家豪 《水电能源科学》 北大核心 2024年第6期198-202,216,共6页
针对水电机组振动信号非平稳、非线性及噪声问题,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与能量熵结合的特征提取方法,首先对采集的振动信号进行小波包降噪处理,然后对降噪后信号进行CEEMDAN分解,运用相关系数法筛选有效固有... 针对水电机组振动信号非平稳、非线性及噪声问题,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与能量熵结合的特征提取方法,首先对采集的振动信号进行小波包降噪处理,然后对降噪后信号进行CEEMDAN分解,运用相关系数法筛选有效固有模态函数(IMF)并计算其能量熵,由此构建特征向量集,最后将其输入到海洋捕食者优化支持向量机算法(MPA-SVM)进行模式识别。基于模拟信号、实测信号验证所提特征提取方法的有效性,并与其他方法作对比。结果表明,基于小波包分解与CEEMDAN能量熵的特征提取方法能准确提取特征,有效区分机组不同状态,为工程领域提供了应用价值。 展开更多
关键词 水电机组 振动信号 小波包分解 自适应噪声完备经验模态分解 能量熵 特征提取
在线阅读 下载PDF
一种基于模态分解和机器学习的锂电池寿命预测方法 被引量:11
4
作者 肖浩逸 何晓霞 +1 位作者 梁佳佳 李春丽 《储能科学与技术》 CAS CSCD 北大核心 2022年第12期3999-4009,共11页
锂离子电池剩余使用寿命(RUL)是电池健康管理的一个重要指标。本工作采用电池容量作为健康状况的指标,使用模态分解和机器学习算法,提出了一种CEEMDAN-RF-SED-LSTM方法去预测锂电池RUL。首先采用CEEMDAN分解电池容量数据,为了避免波动... 锂离子电池剩余使用寿命(RUL)是电池健康管理的一个重要指标。本工作采用电池容量作为健康状况的指标,使用模态分解和机器学习算法,提出了一种CEEMDAN-RF-SED-LSTM方法去预测锂电池RUL。首先采用CEEMDAN分解电池容量数据,为了避免波动分量里的噪音对模型预测能力的影响,且又不完全抛弃波动分量里的特征信息,本工作提出使用随机森林(RF)算法得到每个波动分量的重要性排序和数值,以此作为每个分量对原始数据解释能力的权重。然后将权重值和不同波动分量构建的神经网络模型得到的预测结果进行加权重构,进而得到锂离子电池的RUL预测。文章对比了单一模型和组合模型预测精度,加入了RF的组合模型预测精度让五种神经网络的表现都有进一步的提升。最后,对表现较好的两种网络——LSTM和GRU引入了简单编码解码(SED)的机制,让其更好地学习到序列数据全局时间上的特征和远程的依赖关系。以NASA数据集作为研究对象进行该方法的性能测试。实验结果表明,CEEMDAN-RF-SED-LSTM模型对电池RUL预测表现效果好,预测结果相比单一模型具有更低的误差。 展开更多
关键词 锂离子电池 寿命预测 自适应噪声完整集成经验模态分解 随机森林 神经网络
在线阅读 下载PDF
基于二次分解和JSO-TCN模型的短期光伏功率预测
5
作者 钟璐 杨华 +4 位作者 李世林 亢丽君 马光文 朱燕梅 黄炜斌 《水力发电》 CAS 2024年第11期74-80,105,共8页
针对光伏功率数据稳定性低、波动性大以及通过单一模型难以全面捕捉信号非线性特征的问题,提出了一种基于二次分解和JSO-TCN模型的光伏预测模型。该模型首先通过自适应噪声完备集合经验模态分解(CEEMDAN)对实际光伏功率数据进行分解;然... 针对光伏功率数据稳定性低、波动性大以及通过单一模型难以全面捕捉信号非线性特征的问题,提出了一种基于二次分解和JSO-TCN模型的光伏预测模型。该模型首先通过自适应噪声完备集合经验模态分解(CEEMDAN)对实际光伏功率数据进行分解;然后分别计算各分量的样本熵,并通过K-means++聚类为高频、中频和低频3个分量,再利用变分模态分解(VMD)对熵值最高的模态分量进行二次分解;最终将处理后的数据输入到时序卷积网络(TCN)中并采用水母优化算法(JSO)对TCN进行参数优选。以西南地区某光伏电站为例,相比于其他模型,本模型在3类指标上均具有优势,决定系数(R 2)为98.29%、平均绝对误差(MAE)为0.481 MW、均方根误差(RMSE)为0.674 MW。由此可知,基于二次分解和JSO-TCN模型预测精度高、误差小,能够为该地区电网调度提供参考。 展开更多
关键词 光伏功率 预测 自适应噪声完备集合经验模态分解 变分模态分解 样本熵 K-means++聚类 水母优化算法 时序卷积网络
在线阅读 下载PDF
基于CEEMDAN多尺度改进排列熵和SVM的空化噪声特征提取
6
作者 兀成龙 高翰林 +1 位作者 朱丹丹 李亚安 《振动与冲击》 EI CSCD 北大核心 2024年第13期190-197,216,共9页
当水下航行器处于高速航行时就会形成空化噪声,所产生的噪声会严重影响水下航行器的性能和安全。螺旋桨噪声包含着丰富的空化信息,是识别空化状态的有效手段。针对改进排列熵在单尺度下对原信号进行分析,无法有效区分不同空化状态,提出... 当水下航行器处于高速航行时就会形成空化噪声,所产生的噪声会严重影响水下航行器的性能和安全。螺旋桨噪声包含着丰富的空化信息,是识别空化状态的有效手段。针对改进排列熵在单尺度下对原信号进行分析,无法有效区分不同空化状态,提出了将改进排列熵与自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)相结合的空化噪声特征提取方法。首先,采用CEEMDAN方法对水下航行器螺旋桨的空化噪声进行分解,提取具有空化特征的固有模态函数(intrinsic mode function, IMF)分量;其次,选取相关系数最高的IMF分量并计算其多尺度改进排列熵(multi-scale improved permutation entropy, MIPE);最后,基于多尺度改进排列熵,建立支持向量机的特征分类模型。仿真和试验结果表明,该方法具有更好的可分性。 展开更多
关键词 多尺度改进排列熵(MIPE) 自适应噪声完备经验模态分解(CEEMDAN) 空化噪声 特征提取
在线阅读 下载PDF
基于实时滑动分解的融合时空图卷积流量预测研究
7
作者 牛帅 王景升 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第10期4002-4013,共12页
为解决目前数据分解方法存在的信息泄露以及训练和测试时分量个数不一致的问题,提出一种新颖的模型−无信息泄露的实时滑动自适应噪声完备集合经验模态分解和注意力机制的融合时空图卷积,称之为EASTGCN。在模型输入前端,提出一种实时滑... 为解决目前数据分解方法存在的信息泄露以及训练和测试时分量个数不一致的问题,提出一种新颖的模型−无信息泄露的实时滑动自适应噪声完备集合经验模态分解和注意力机制的融合时空图卷积,称之为EASTGCN。在模型输入前端,提出一种实时滑动分解方法,此方法使得训练集随着时间轴动态变化,在每次分解过程中使用的均是实时和历史信息并未使用未来信息,更加符合实时预测任务需求。紧接着,利用自适应噪声完备集合经验模态分解技术将交通流数据进行分解得到一系列本征模态函数分量,将分量分别按照邻近、日和周相关等时段构建多尺度输入以表达时序数据的时间相似性;然后,构建一个时空融合网络有向图,有向图由表示时间相似性的时间图和反映空间连通流向性的空间图组成,用以表达路网节点所包含的时空相似性信息;同时,在模型训练过程中通过引入时空注意力机制使得模型自适应为时空关系分配不同的权重以便关注相似性更强的关键节点来提高模型预测精度。最后,为了验证EASTGCN模型的稳定性和鲁棒性,分别设计了多因素输入实验和多步长对比实验,并在公开的数据集上进行了实例验证。研究结果表明,EASTGCN模型在多步长预测任务中指标增幅跨度最小且性能最稳定;多因素输入的EASTGCN模型在PEMS04数据集的MAE、RMSE指标上相对于单因素输入模型来说分别降低3.83%~27.03%、4.24%~12.77%,在PEMS08数据集的MAE、RMSE指标上降低0.91%~38.69%、0.07%~31.21%。总的来说,EASTGCN模型不论是在长期预测任务还是在预测精度上均有更好的表现,实时滑动分解方法为“分解+预测”组合模型提供了一种新的思路。 展开更多
关键词 流量预测 时空图卷积 自适应噪声完备集合经验模态分解 多尺度输入 实时滑动
在线阅读 下载PDF
基于CEEMDAN二次分解和LSTM的风速多步预测研究 被引量:34
8
作者 向玲 刘佳宁 +2 位作者 苏浩 胡爱军 朱泽宁 《太阳能学报》 EI CAS CSCD 北大核心 2022年第8期334-339,共6页
为了提高风速预测的准确性,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)二次分解和长短时记忆(LSTM)网络的风速多步预测方法。该方法首先应用变分模态分解(VMD)将原始风速序列进行一次分解,充分利用其分解后的残余分量并采用CEEM... 为了提高风速预测的准确性,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)二次分解和长短时记忆(LSTM)网络的风速多步预测方法。该方法首先应用变分模态分解(VMD)将原始风速序列进行一次分解,充分利用其分解后的残余分量并采用CEEMDAN方法进行二次分解;然后将分解后的所有子序列分别输入到LSTM模型中进行风速多步预测;最后将各模型输出结果进行叠加获得预测风速。以内蒙古某风电场实测数据为例进行建模和预测分析,结果表明所提出的风速多步预测模型具有较高的预测精度,具备实际应用的可行性。 展开更多
关键词 风速 预测 长短时记忆网络 二次分解 自适应噪声完备经验模态分解
在线阅读 下载PDF
基于CEEMDAN与改进一维多尺度卷积神经网络结合的滚动轴承故障诊断
9
作者 马宁 赵荣珍 郑玉巧 《兰州理工大学学报》 北大核心 2025年第1期45-54,共10页
针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对... 针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对轴承信号进行消噪处理,并利用皮尔逊相关系数法对所得IMF分量进行信号重构;其次,在网络首层将大尺寸卷积核与空洞卷积结合,并引入金字塔场景解析网络提出改进的一维多尺度卷积神经网络,对故障特征信息进行提取,采用PSO算法对卷积核进行参数寻优;最后,融合多尺度特征信息完成网络学习,并输入Sofmax分类器,实现滚动轴承故障诊断.采用西储大学轴承数据集和HZXT-DS-001型双跨综合故障模拟实验台的滚动轴承故障数据进行了验证.结果表明,相比传统故障诊断方法该方法可以得到良好的诊断结果. 展开更多
关键词 自适应噪声完备集合经验模态分解 一维卷积神经网络 多尺度特征提取 特征可视化 故障诊断
在线阅读 下载PDF
基于CEEMDAN⁃TCN的短期风电功率预测研究
10
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
变时间尺度城轨客流的本征模量分解及组合深度学习预测 被引量:3
11
作者 朱广宇 孙歆霓 +3 位作者 杨荣正 刘康琳 魏运 吴波 《电子与信息学报》 EI CSCD 北大核心 2023年第12期4421-4430,共10页
城市轨道交通的不同运营状态,通常对应着客流时间序列中不同的本征模态分量(IMF)及时间尺度特征。基于自适应噪声的完全总体经验模态分解(CEEMDAN)算法和双向长短期记忆(BiLSTM)网络,该文构建了地铁短时客流时间序列的组合深度学习预测... 城市轨道交通的不同运营状态,通常对应着客流时间序列中不同的本征模态分量(IMF)及时间尺度特征。基于自适应噪声的完全总体经验模态分解(CEEMDAN)算法和双向长短期记忆(BiLSTM)网络,该文构建了地铁短时客流时间序列的组合深度学习预测模型。具体包括:基于CEEMDAN算法实现了客流时间序列的模态分解。分别使用样本熵和层次聚类对IMF分量进行复杂性和相似度分析,并在此基础上完成IMF分量的分类合并与重构;使用Optuna框架中的树形Parzen优化器(TPE)对模型的超参数进行优化,构建CEEMDAN-TPE-BiLSTM组合预测模型。采用实际数据对该文模型进行验证,结果表明,对于特定特征的客流时间序列数据,该文模型的精确性、有效性指标均达到最优。 展开更多
关键词 城市轨道交通 短时客流时间序列 自适应噪声的完全总体经验模态分解 双向长短期记忆 组合预测
在线阅读 下载PDF
基于多尺度分解集成组合模型的碳价格预测研究 被引量:6
12
作者 王喜平 于一丁 《分布式能源》 2022年第1期1-11,共11页
准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成... 准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)算法对碳价原始序列进行分解,并以综合贡献度指数(comprehensive contribution index,CCI)对分量进行重构,得到短期、长期和趋势分量;然后,采用门限广义自回归条件异方差(threshold generalized auto-regressive conditional heteroscedasticity,TGARCH)模型预测短期分量,以布谷鸟搜索(cuckoo search,CS)算法优化超参数的长短期记忆(long-short term memory,LSTM)神经网络预测长期和趋势分量;在此基础上,采用非线性集成算法对各分量预测结果进行集成,得到最终的碳价预测结果。以湖北碳市场为样本数据进行实证分析,结果表明所构建的预测模型性能最优,预测结果更准确,可为监管部门和企业决策提供有效信息。 展开更多
关键词 碳价格预测 长短期记忆(LSTM)模型 门限广义自回归条件异方差(TGARCH)模型 改进型自适应噪声完备集成经验模态(ICEEMDAN)分解 超参数优化
在线阅读 下载PDF
基于MODWT-CEEMDAN-LSTM的短期光伏功率区间预测模型
13
作者 陈船宇 熊国江 +1 位作者 方厚康 罗颖勋 《太阳能学报》 北大核心 2025年第2期416-424,共9页
针对光伏功率的波动性、随机性、间歇性,提出一种基于最大重叠小波变换(MODWT)、自适应噪声完备集合经验模态分解(CEEMDAN)、长短期记忆网络(LSTM)的光伏功率短期区间预测模型。首先利用MODWT和CEEMDAN将光伏功率时间序列进行二次分解... 针对光伏功率的波动性、随机性、间歇性,提出一种基于最大重叠小波变换(MODWT)、自适应噪声完备集合经验模态分解(CEEMDAN)、长短期记忆网络(LSTM)的光伏功率短期区间预测模型。首先利用MODWT和CEEMDAN将光伏功率时间序列进行二次分解得到本征模态函数(IMF)分量;再将这些IMF分量分别输入进LSTM进行分量预测并将分量预测结果重构得到点预测结果;最后利用分位数回归对点预测结果进行建模后得到区间预测结果。实际算例表明,时频域分解方法与频域分解方法的结合,使得该模型在3种天气情况下的光伏功率点预测和区间预测均表现出优异的鲁棒性和准确性。 展开更多
关键词 光伏功率 预测 深度学习 长短期记忆 最大重叠小波变换 自适应噪声完备集合经验模态分解
在线阅读 下载PDF
基于TLGMCC准则联合CEEMDAN与LWT的优化降噪方法
14
作者 刘彦明 曹敏 +1 位作者 孙安 项敢亮 《光通信技术》 北大核心 2025年第2期11-16,共6页
针对分布式光纤声传感系统信号信噪比过低的问题,提出一种基于时域局部广义最大互相关熵(TLGMCC)准则联合自适应噪声完备集合经验模态分解(CEEMDAN)与提升小波变换(LWT)的优化降噪方法。首先,使用自适应噪声完备CEEMDAN对原始信号进行分... 针对分布式光纤声传感系统信号信噪比过低的问题,提出一种基于时域局部广义最大互相关熵(TLGMCC)准则联合自适应噪声完备集合经验模态分解(CEEMDAN)与提升小波变换(LWT)的优化降噪方法。首先,使用自适应噪声完备CEEMDAN对原始信号进行分解,获取模态分量。接着,将原始信号与这些模态分量分割为多个时间局部片段,并计算它们对应时间局部片段的相关熵值。然后,通过LWT算法处理弱相关分量,最后重构剩余分量以完成去噪过程。实验结果表明:在5 km的传感距离和10 m的空间分辨率的条件下,系统的信噪比达到了54.36 d B,同时均方根误差降低至0.091。 展开更多
关键词 自适应噪声完备集合经验模态分解 提升小波变换 时域局部广义最大互相关熵 模态分量
在线阅读 下载PDF
基于CEEMDAN-IASO-TCN组合模型的中长期径流预报
15
作者 徐军杨 罗远林 +3 位作者 刘月馨 陈冬强 张坚 张楚 《人民长江》 北大核心 2025年第4期128-135,共8页
准确预测月径流对流域水资源管理至关重要。为了增强中长期径流预测的准确性,提出了结合自适应噪声完备集合经验模态分解(CEEMDAN)、改进原子搜索算法(IASO)和时间卷积网络(TCN)的CEEMDAN-IASO-TCN组合模型。该模型首先使用CEEMDAN对月... 准确预测月径流对流域水资源管理至关重要。为了增强中长期径流预测的准确性,提出了结合自适应噪声完备集合经验模态分解(CEEMDAN)、改进原子搜索算法(IASO)和时间卷积网络(TCN)的CEEMDAN-IASO-TCN组合模型。该模型首先使用CEEMDAN对月径流序列进行分解,然后利用IASO对TCN模型的批量大小、学习率、丢弃因子进行寻优,得到最优的时间卷积网络结构并利用最优的IASO-TCN对分量进行预测,最后重构分量预测结果得到最终月径流预测结果;以岷江流域镇江关水文站1957~2019年的月径流数据为研究对象,将所提模型与其他模型进行对比。研究结果表明:CEEMDAN-IASO-TCN模型具有较高的预测精度,训练和测试阶段的纳什系数分别达到0.9191和0.8691。研究成果可为水资源可持续利用提供可靠依据。 展开更多
关键词 中长期径流预报 自适应噪声完备集合经验模态分解 原子搜索算法 时间卷积网络 岷江流域
在线阅读 下载PDF
基于ICEEMDAN和VMD的行星齿轮箱故障特征提取
16
作者 王莉静 李鸿江 +1 位作者 李民生 贾政 《河北工程大学学报(自然科学版)》 2025年第1期105-112,共8页
提出一种基于改进的自适应噪声完备集合经验模态分解(ICEEMDAN)和变分模态分解(VMD)方法的行星齿轮箱故障特征提取方法。利用ICEEMDAN对信号进行分解,根据分量包络峭度对信号进行筛选重构。基于最大包络谱峰度作为适应度函数,采用麻雀... 提出一种基于改进的自适应噪声完备集合经验模态分解(ICEEMDAN)和变分模态分解(VMD)方法的行星齿轮箱故障特征提取方法。利用ICEEMDAN对信号进行分解,根据分量包络峭度对信号进行筛选重构。基于最大包络谱峰度作为适应度函数,采用麻雀搜索算法对VMD进行参数自适应优化,将重构后的信号分解为多个模态分量。根据分量的包络谱峭度,选取最优分量进行包络解调分析,实现行星齿轮箱故障特征提取。最后,通过实验得到本文所提方法的一致性相关系数在0.4723~0.7936之间,远高于EEMD-WTD方法的0.0881~0.2863和以包络谱为分量选取指标的0.1427~0.2864。 展开更多
关键词 行星齿轮箱 故障诊断 改进的自适应噪声完备集合经验模态分解 变分模态分解
在线阅读 下载PDF
北斗卫星钟差的CEEMDAN分解与周期项提取方法 被引量:9
17
作者 梁益丰 许江宁 +1 位作者 吴苗 何泓洋 《中国惯性技术学报》 EI CSCD 北大核心 2022年第4期476-484,共9页
卫星钟差具有非线性非平稳特征,其趋势分量、周期分量等信号与随机分量互相干扰,不利于钟差估计与预报、时间尺度算法等实际应用。为了实现卫星钟差数据的信噪分离与重构,提出了一种以自适应噪声完备集合经验模态分解(CEEMDAN)为基础的... 卫星钟差具有非线性非平稳特征,其趋势分量、周期分量等信号与随机分量互相干扰,不利于钟差估计与预报、时间尺度算法等实际应用。为了实现卫星钟差数据的信噪分离与重构,提出了一种以自适应噪声完备集合经验模态分解(CEEMDAN)为基础的信噪分离方法。经CEEMDAN分解得到多个本征模态分量,引入排列熵算法确定噪声主导分量与信号主导分量,通过t检验分析分量的高频与低频特征,从而完成信号重构。对各类北斗卫星原子钟进行实验,结果表明,以CEEMDAN为基础的综合分析方法能够准确辨识本征模态分量特征,重构周期项的频谱图中基本不含有不规则周期分量与多余信号;去除周期分量后,4颗北斗卫星原子钟的万秒频率稳定度平均提升21.6%。 展开更多
关键词 北斗卫星导航系统 卫星原子钟 自适应噪声完备集合经验模态分解 频率稳定度
在线阅读 下载PDF
基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型研究 被引量:4
18
作者 程小龙 张斌 +1 位作者 刘相杰 刘陶胜 《人民黄河》 CAS 北大核心 2024年第1期146-150,共5页
为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分... 为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分解为高频随机分量、中频周期分量和低频趋势分量,再分别采用GMDH模型、ARIMA模型对高中频分量、低频分量进行预测,建立基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型。以江西上犹江水电站为例,将该模型预测结果与反向传播(BP)、径向基函数(RBF)、GMDH和CEEMDAN-GMDH模型的预测结果进行对比分析。结果表明:CEEMDAN-GMDH-ARIMA模型的均方根误差(E_(RMS))、平均绝对误差(E_(MA))、相关系数(r)分别为0.048 mm、0.035 mm、0.994,均优于BP、RBF、GMDH、CEEMDAN-GMDH模型,模型预测效果最好,能够很好地体现监测点水平位移变化趋势。 展开更多
关键词 自适应噪声完备集成经验模态分解 数据处理群集法 差分自回归移动平均模型算法 大坝 变形预测 江西上犹江水电站
在线阅读 下载PDF
基于混合孪生支持向量机的径流区间预测 被引量:2
19
作者 冯仲恺 付新月 +4 位作者 纪国良 刘亚新 牛文静 黄海燕 杨涛 《人民长江》 北大核心 2024年第4期95-102,117,共9页
径流具有非线性和随机性特征,单一点预测模型难以精确刻画和描述径流演化过程。为此,提出了一种可有效量化径流波动范围的智能区间预测方法。首先采用自适应噪声完备集合经验模态分解将非线性径流序列划分为若干子序列,并采用样本熵方... 径流具有非线性和随机性特征,单一点预测模型难以精确刻画和描述径流演化过程。为此,提出了一种可有效量化径流波动范围的智能区间预测方法。首先采用自适应噪声完备集合经验模态分解将非线性径流序列划分为若干子序列,并采用样本熵方法重构得到修正序列;其次以孪生支持向量机为基础,分别对复杂度较高的子序列构建区间预测模型、复杂度较低的子序列建立点预测模型,同时采用鲸鱼优化方法寻求满意的模型参数组合;最后将各子模型的预测结果叠加得到最终的预测区间。结果表明:所提方法具有良好的稳健性和可靠性,在点预测、区间预测等不同场景、不同预见期的性能指标均优于对比模型;如预见期为3 d时,对于黄河流域唐乃亥水文站,所得预测区间具有较高的可靠度与清晰度,其预测区间覆盖率PICP值为98.30%,预测区间平均宽度PINAW值为0.0792,可靠度、清晰度分别平均提高了9.47%和32.66%。研究成果可为智能化径流预测提供行之有效的方法。 展开更多
关键词 径流预测 孪生支持向量机 自适应噪声完备集合经验模态分解 鲸鱼优化方法 黄河流域
在线阅读 下载PDF
基于CEEMDAN-GSA-LSTM和SVR的光伏功率短期区间预测 被引量:5
20
作者 李芬 孙凌 +3 位作者 王亚维 屈爱芳 梅念 赵晋斌 《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第6期806-818,共13页
针对光伏输出功率存在间歇性和波动性的问题,提出一种光伏功率短期区间预测模型.首先,该模型采用自适应噪声完备集合经验模态分解将历史光伏出力数据分解为不同的分量并按照其与赤纬角、时角等时序特征量的相关性定义为时序分量和随机分... 针对光伏输出功率存在间歇性和波动性的问题,提出一种光伏功率短期区间预测模型.首先,该模型采用自适应噪声完备集合经验模态分解将历史光伏出力数据分解为不同的分量并按照其与赤纬角、时角等时序特征量的相关性定义为时序分量和随机分量.其次,分别使用经过引力搜索算法优化的长短期记忆神经网络和支持向量回归模型对时序分量和随机分量进行预测.再次,叠加时序分量和随机分量的预测结果得到点预测结果.然后,对误差进行Johnson变换及正态分布建模后得到光伏功率区间预测结果.最后,利用算例验证该模型的有效性.结果表明:在不同天气情况下,上述模型比现有预测模型精度更高,具有较好的鲁棒性,能够基于预测值提供较为精准的置信区间. 展开更多
关键词 光伏功率预测 区间预测 自适应噪声完备集合经验模态分解 引力搜索算法 长短期记忆 支持向量回归 Johnson变换
在线阅读 下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部