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 职称材料

抵抗低频高能噪声影响的海上风电结构模态参数识别方法研究

2

作者 董霄峰 时泽坤 彭泓浩 《振动与冲击》 北大核心 2025年第9期214-222,265,共10页

模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识... 模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识别方法(CEEMDAN-VMD-SSI,CVS)。首先,利用完全自适应噪声集合经验模态分解法(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)滤除原始信号中的高频噪声;随后,通过麻雀优化算法(sparrow’s optimization algorithm, SSA)以最小包络熵作为适应度函数迭代计算自适应确定变分模态分解法(variational mode decomposition, VMD)的信号分解层数K和惩罚因子α,实现信号的VMD自适应优化分解以剔除低频高能噪声影响;最后,再采用随机子空间方法实现信号中模态参数的识别提取。研究分别针对构造仿真含噪信号和原型观测信号开展了识别效果对比验证。结果表明:相比于传统模态识别方法,CVS方法在信噪比、波形相似系数、相对误差等参数方面具有更好的有效性和精确性;同时,该方法对实测信号的处理能力强,降噪效果好,能够准确识别结构固有频率、叶轮转动频率(1P)和叶片扫掠频率(3P),具有良好的工程适用性,为后续基于实测数据开展海上风电结构模态参数识别与运行安全评价提供了新思路。 展开更多

关键词 海上风电 模态参数识别 低频高能噪声 完全自适应噪声集合经验模态分解(ceemdan) 变分模态分解法(VMD)

在线阅读 下载PDF 职称材料

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 职称材料

基于CEEMDAN多尺度改进排列熵和SVM的空化噪声特征提取

4

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 职称材料

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

5

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 职称材料

基于CEEMDAN⁃TCN的短期风电功率预测研究

6

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MODWT-CEEMDAN-LSTM的短期光伏功率区间预测模型

7

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 职称材料

基于TLGMCC准则联合CEEMDAN与LWT的优化降噪方法

8

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 职称材料

基于CEEMDAN-IASO-TCN组合模型的中长期径流预报

9

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 职称材料

基于ICEEMDAN和VMD的行星齿轮箱故障特征提取

10

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 职称材料

基于CEEMDAN二次分解和LSTM的风速多步预测研究 被引量：34

11

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 职称材料

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

12

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 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

13

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

北斗卫星钟差的CEEMDAN分解与周期项提取方法 被引量：9

14

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 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：13

15

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

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

16

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 自适应白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 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

17

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 职称材料

基于CEEMDAN-GSA-LSTM和SVR的光伏功率短期区间预测 被引量：5

19

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 职称材料

基于CEEMDAN-HT的永磁同步电机匝间短路振动信号故障特征提取研究 被引量：2

20

作者 夏焰坤 李欣洋 +1 位作者 任俊杰 寇坚强 《振动与冲击》 EI CSCD 北大核心 2024年第5期72-81,共10页

由于长时间处于高负荷运行状态,永磁同步电机(permanent magnet synchronous motor, PMSM)定子绕组线圈匝与匝之间的绝缘性能容易降低,导致出现匝间短路,此时电机的振动强度会发生改变。针对此现象,提出将自适应噪声完备经验模态分解(co... 由于长时间处于高负荷运行状态,永磁同步电机(permanent magnet synchronous motor, PMSM)定子绕组线圈匝与匝之间的绝缘性能容易降低,导致出现匝间短路,此时电机的振动强度会发生改变。针对此现象,提出将自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)与希尔伯特变换(Hilbert transform, HT)结合,构成一种CEEMDAN-HT非线性信号分析方法,并将其应用于提取振动信号故障特征。首先,利用CEEMDAN算法分解振动信号,得到一系列本征模态函数(intrinsic mode function, IMF),并将主元分析中的方差贡献率用于识别包含故障特征信息的IMF。其次,使用HT对方差贡献率较高的IMF进行分析,并以三维联合时频图呈现时间、瞬时频率与幅值,得到了主要故障特征。最后,使用ANSYS有限元软件建立了电机短路故障模型,并搭建了短路故障试验平台,通过对比有限元仿真结果与试验结果,对提出的方法进行了有效性和准确性验证。 展开更多

关键词 永磁同步电机(permanent magnet synchronous motor PMSM) 振动信号 自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise ceemdan) 特征提取 希尔伯特变换(Hilbert transform HT)

在线阅读 下载PDF 职称材料