基于逐次变分模态分解和小波阈值的车载雷达抗干扰方法

1

作者 李家强 刘浩波 +2 位作者 汪星宇 姚昌华 陈金立 《雷达科学与技术》 北大核心 2025年第4期375-386,共12页

车载毫米波雷达间交叉干扰直接影响雷达的目标探测精度和驾驶安全,针对此问题本文提出一种基于逐次变分模态分解(Successive Variational Mode Decomposition,SVMD)结合小波阈值的干扰抑制方法。首先通过PID搜索算法(PID Search Algorit... 车载毫米波雷达间交叉干扰直接影响雷达的目标探测精度和驾驶安全,针对此问题本文提出一种基于逐次变分模态分解(Successive Variational Mode Decomposition,SVMD)结合小波阈值的干扰抑制方法。首先通过PID搜索算法(PID Search Algorithm,PSA)对SVMD的最大正则化参数进行优化选择,然后利用SVMD将受扰雷达信号分解为一组本征模态函数(Intrinsic Mode Function,IMF)。接着对每个IMF依次进行小波阈值化处理以滤除各模态中的干扰,最后将各模态叠加完成信号重构,获得干扰抑制后的毫米波雷达信号。本文在PSA中加入陷阱避免算子以增加探索范围和避免局部最优,在小波阈值处理中改进了硬阈值函数以解决函数连续性差的问题。多目标场景下的仿真实验和实测实验结果表明,该方法干扰抑制效果显著,能够提高雷达的检测性能。 展开更多

关键词 毫米波雷达 逐次变分模态分解 PID搜索算法 小波阈值

在线阅读 下载PDF 职称材料

基于逐次变分模态分解的液压轴向柱塞泵故障特征提取方法

2

作者 马景涛 汤胜楠 +2 位作者 朱勇 周涛 郑智剑 《液压与气动》 北大核心 2025年第3期100-110,共11页

当液压轴向柱塞泵关键摩擦副出现故障时,其振动信号会出现调制现象,振动信号中的故障调制特征与特定的故障类型形成对应关系,通过信号分解可以从振动信号中提取出故障特征,进而用于故障诊断。以液压轴向柱塞泵为研究对象,利用变分模态... 当液压轴向柱塞泵关键摩擦副出现故障时,其振动信号会出现调制现象,振动信号中的故障调制特征与特定的故障类型形成对应关系,通过信号分解可以从振动信号中提取出故障特征,进而用于故障诊断。以液压轴向柱塞泵为研究对象,利用变分模态分解和逐次变分模态分解分别对不同的仿真信号在含噪的情况下进行分解重构,综合对比了两种算法在分解性能方面的差异;最后将两种算法用于实测振动信号的故障特征提取中。结果表明:两种算法均适用于液压轴向柱塞泵的故障特征提取;逐次变分模态分解能更精确地重构出与柱塞泵故障高度相关的有效分量;变分模态分解提取到的有效分量幅值衰减更小,对微弱故障特征更加敏感。 展开更多

关键词 液压轴向柱塞泵 故障诊断 故障特征提取 变分模态分解 逐次变分模态分解

在线阅读 下载PDF 职称材料

基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法

3

作者 陈志刚 陶子纯 +1 位作者 王衍学 史梦瑶 《振动与冲击》 北大核心 2025年第4期298-304,312,共8页

针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBA... 针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBAM-ResNet)的轴承故障诊断方法。首先对轴承振动信号进行SVMD分解成一系列本征模态分量,根据包络熵和峭度融合评价指标选择含故障特征明显的模态分量并重构;将重构信号进行短时傅里叶变换得到时频图像。之后利用CBAM能够自适应捕捉图形特征的特点,把重构信号的时频图像输入CBAM-ResNet模型进行特征提取和故障模式识别。在CBAM-ResNet模型训练过程中,使用迁移学习的方法初始化ResNet模型的参数来提高模型的泛化性。与其他传统模型相比,该研究的分类准确率高达96.68%,具有更强的故障特征提取能力。试验结果表明,CBAM-ResNet模型在变工况环境下也具有较高的识别精度。 展开更多

关键词 故障诊断 滚动轴承 逐次变分模态分解 卷积注意力模块 残差神经网络

在线阅读 下载PDF 职称材料

一种基于逐次变分模态分解的谐波检测方法 被引量：2

4

作者 张展 扶铸 +2 位作者 杨晋 张云鹏 郭浩杰 《电子测量技术》 北大核心 2024年第15期187-196,共10页

传统谐波检测算法受噪声影响导致检测精度低,并且边界处容易出现畸变。对此,本文基于逐次变分模态分解,提出一种结合小波降噪和特征波形匹配延拓的谐波检测方法。首先,通过构造的自适应小波阈值函数对信号进行平滑降噪,剔除不良数据对... 传统谐波检测算法受噪声影响导致检测精度低,并且边界处容易出现畸变。对此,本文基于逐次变分模态分解,提出一种结合小波降噪和特征波形匹配延拓的谐波检测方法。首先,通过构造的自适应小波阈值函数对信号进行平滑降噪,剔除不良数据对分解结果的干扰;其次,利用特征波形匹配延拓法对信号边缘进行延拓后再裁剪,遏制边界效应带来的波形端点处畸变;最后,使用逐次变分模态分解对谐波信号进行检测,提取稳态谐波的幅频信息以及定位暂态谐波的起止时刻。仿真实验表明,本文提出的方法有效降低了噪声的干扰,并减轻边界效应造成的波形畸变。在电弧炉实例信号仿真中,幅值平均误差和频率平均误差分别为0.545%和0.146%。 展开更多

关键词 逐次变分模态分解 小波降噪 特征波形匹配 谐波检测

在线阅读 下载PDF 职称材料

基于逐次变分模态分解的飞轮-火电一次调频控制策略 被引量：1

5

作者 张萍 刘海涛 《全球能源互联网》 CSCD 北大核心 2024年第2期166-178,共13页

随着新型电力系统的大力建设与推广,火电机组面临的调频压力增大,提出一种逐次变分模态分解的飞轮-火电一次调频控制策略。首先,以飞轮储能和火电机组为研究对象,建立考虑新能源占比的飞轮-火电一次调频模型;其次,将一次调频功率指令利... 随着新型电力系统的大力建设与推广,火电机组面临的调频压力增大,提出一种逐次变分模态分解的飞轮-火电一次调频控制策略。首先,以飞轮储能和火电机组为研究对象,建立考虑新能源占比的飞轮-火电一次调频模型;其次,将一次调频功率指令利用逐次变分模态方法分解,由火电机组响应分解后的低频功率指令,同时设计飞轮储能下垂优化控制方法,实现飞轮储能与火电机组响应频率变化的协同控制;最后在不同工况下仿真验证,结果表明所提策略可有效避免火电机组一次调频时的频繁出力,减小火电机组响应频率变化时的调控要求,同时可最大限度地利用飞轮储能调频容量并保证飞轮储能调频期间的运行安全,进一步提升了系统的频率响应能力。 展开更多

关键词 飞轮储能 火电机组 逐次变分模态分解 一次调频 下垂控制

在线阅读 下载PDF 职称材料

一种基于逐次变分模态分解和改进深度极限学习机的滚动轴承故障分类方法 被引量：2

6

作者 丁国荣 《农业装备与车辆工程》 2024年第10期129-134,共6页

为应对滚动轴承故障诊断中特征提取较难和故障类型识别准确率偏低等问题,提出一种基于逐次变分模态分解(SVMD)与分形维数(FD)结合算术优化算法(AOA)优化深度极限学习机(DELM)的轴承故障诊断方法。通过SVMD对轴承原始振动信号进行多尺度... 为应对滚动轴承故障诊断中特征提取较难和故障类型识别准确率偏低等问题,提出一种基于逐次变分模态分解(SVMD)与分形维数(FD)结合算术优化算法(AOA)优化深度极限学习机(DELM)的轴承故障诊断方法。通过SVMD对轴承原始振动信号进行多尺度分解,得到一系列固有模态分量(IMFs);计算不同状态下各个IMF分量的FD,归一化后作为故障特征向量;利用AOA-DELM模型实现轴承的故障诊断。采用美国凯斯西储大学(CWRU)轴承数据集作为实验数据进行实验验证,结果表明,所提方法在滚动轴承故障诊断中具有优越性,识别准确率可达98.80%。 展开更多

关键词 轴承故障分类 逐次变分模态分解 深度极限学习机 算术优化算法

在线阅读 下载PDF 职称材料

强噪声干扰下基于SVMD-FFCNN的深沟球轴承故障分类模型 被引量：2

7

作者 李友家 张忠伟 +2 位作者 焦宗豪 李新宇 秦贺 《机电工程》 北大核心 2025年第4期686-696,共11页

针对滚动轴承振动信号易受到外界噪声的干扰,导致故障特征信号微弱甚至被淹没,难以提取有效的故障特征的问题,提出了一种基于逐次变分模态分解与特征融合卷积神经网络(SVMD-FFCNN)的故障诊断方法。首先,利用SVMD对原始振动信号进行了模... 针对滚动轴承振动信号易受到外界噪声的干扰,导致故障特征信号微弱甚至被淹没,难以提取有效的故障特征的问题,提出了一种基于逐次变分模态分解与特征融合卷积神经网络(SVMD-FFCNN)的故障诊断方法。首先,利用SVMD对原始振动信号进行了模态分解,得到了固有模态函数(IMF)分量,并计算了皮尔森相关系数,筛选出相关程度大的分量,对信号进行了重构,完成了信号的降噪工作,并以降噪后的信号作为输入数据;然后,搭建了特征融合卷积神经网络模型(FFCNN),对卷积神经网络(CNN)提取到的浅层特征以及利用不同映射方法获取的深层特征成分进行了融合,提取了更具代表性的故障特征;最后,以SoftMax作为分类器,进行了深沟球轴承故障的分类任务,采用SKF6203深沟球轴承,并利用搭建的轴承故障模拟实验台采集了深沟球轴承振动数据,对SVMD-FFCNN方法进行了实验验证,并将其与其他方法进行了对比分析。研究结果表明:SVMD方法能够有效降低噪声的干扰,相较于未经过SVMD降噪处理的信号,实测实验信号信噪比提升了116.22%,均方根误差减低了56.10%;SVMD-FFCNN方法在噪声环境下的平均准确精度达到了99.37%,且三个转速工况下的诊断精度均达到了99%以上。上述结果表明,该方法在噪声环境下具有更优越的故障诊断性能。 展开更多

关键词 滚动轴承 强噪声干扰 智能故障诊断 逐次变分模态分解 特征融合卷积神经网络 SoftMax分类器

在线阅读 下载PDF 职称材料

基于SVMD-GOA-Informer的大坝变形预测模型

8

作者 高阳 刘永强 《中国农村水利水电》 北大核心 2025年第10期71-76,共6页

针对大坝变形的非线性、非稳定性等特征,提出了一种基于逐次变分模态分解(SVMD)和Informer的大坝变形预测模型。首先通过SVMD对大坝位移序列进行分解,避免了频率重叠和模式混合问题。然后对各模态分量分别采用随机森林算法(RF)计算影响... 针对大坝变形的非线性、非稳定性等特征,提出了一种基于逐次变分模态分解(SVMD)和Informer的大坝变形预测模型。首先通过SVMD对大坝位移序列进行分解,避免了频率重叠和模式混合问题。然后对各模态分量分别采用随机森林算法(RF)计算影响因子的权重,筛选出关键因子,并为各分量构建对应的Informer模型进行预测,采用蚱蜢优化算法(GOA)对Informer模型的超参数进行寻优,最终重构各分量预测结果,得到最终位移预测结果。基于国内某工程实例的验证结果表明,SVMD-GOA-Informer模型在位移预测精度和稳定性方面优于其他常用模型。 展开更多

关键词 逐次变分模态分解 大坝变形预测 INFORMER 蚱蜢优化算法 随机森林算法

在线阅读 下载PDF 职称材料

基于SVMD-CMSEE与GSA-SVM的新型电力系统变压器故障状态智能诊断方法 被引量：1

9

作者 李峰 陈皖皖 +1 位作者 李晓华 夏能弘 《电测与仪表》 北大核心 2024年第12期17-25,共9页

新型电力系统在促进“碳中和,碳达峰”的目标实现的同时,对电力系统中变电设备的可靠运行提出了新的挑战。为进一步提高变压器机械故障的识别精度,文中从变压器的振动特性出发,提出一种基于SVMD-CMSEE与GSA-SVM的新型电力系统变压器故... 新型电力系统在促进“碳中和,碳达峰”的目标实现的同时,对电力系统中变电设备的可靠运行提出了新的挑战。为进一步提高变压器机械故障的识别精度,文中从变压器的振动特性出发,提出一种基于SVMD-CMSEE与GSA-SVM的新型电力系统变压器故障状态智能诊断方法。采用逐次变分模态分解(successive variational modal decomposition,SVMD)算法自适应性地分解出变压器振动信号的各模态分量,联合复合多尺度能量熵(combining compound multi-scale energy entropy,CMSEE)提取了振动信号的时频分布变化特征,并引入类间区分度确定了特征中的最优特征子集,通过引力搜索算法(gravity search algorithm,GSA)对支持向量机(support vector machine,SVM)的关键参数进行优化,构造了基于GSA-SVM的变压器故障识别模型。对某10 kV油浸式变压器振动信号的计算结果表明:基于SVMD-CMSEE算法得到的变压器振动信号复合特征能有效估计时间序列的动态变化,所提出的GSA-SVM诊断模型具有较高的识别精度和计算效率,准确率可达98%,从而为基于振动信号的变压器状态监测提供了技术支撑。 展开更多

关键词 变压器振动信号 故障诊断 复合多尺度能量熵 逐次变分模态分解 支持向量机

在线阅读 下载PDF 职称材料

基于最小二乘孪生极限学习机的水电系统发电能力预测方法

10

作者 李旻 孙大雁 +3 位作者 梁志峰 过夏明 吴刚 苗树敏 《水利水电技术(中英文)》 北大核心 2025年第8期162-174,共13页

【目的】针对传统水电发电能力预测精度低、稳定性差等问题。【方法】提出了耦合模态分解、机器学习和群体智能的水电系统发电能力混合预测模型。首先,利用逐次变分模态分解法(SVMD)对原始出力序列进行分解降噪,提取出多尺度特征信号进... 【目的】针对传统水电发电能力预测精度低、稳定性差等问题。【方法】提出了耦合模态分解、机器学习和群体智能的水电系统发电能力混合预测模型。首先,利用逐次变分模态分解法(SVMD)对原始出力序列进行分解降噪,提取出多尺度特征信号进行分类建模;随后,采用最小二乘孪生极限学习机(LSTELM)对各分解信号进行预测建模,同时运用改进灰狼优化算法(IGWO)对模型参数进行优化,以提升模型的预测性能;最后对各子序列预测结果进行集成,叠加得到最终的预测结果。【结果】结果显示:所提方法在三个水电站中的预测结果精准可靠。在池潭水电站中,预见期为1 d时,所提模型在直接策略和多输入多输出策略中预测结果的纳什系数(NSE)指标较极限学习机模型分别提高了12.88%和12.11%。预见期由1 d增长至8 d时,传统方法预测结果的NSE指标由0.8840和0.8885逐渐降低到0.5735和0.5671,而本文所提两种策略预测结果分别由0.9979和0.9961逐渐降低到0.9423和0.9286。【结论】结果表明:所提模型在复杂水电系统发电能力预测中具有较强的稳定性和泛化能力,SVMD有效降低了发电能力序列的噪声影响,最小二乘法和孪生结构提升了LSTELM模型的泛化能力,SVMD-IGWO-LSTELM模型在水文特性稳定的水电站预测精度更高,在水文特性复杂的水电站预测能力略有下降但依旧保持高精度,为变化环境下水电系统发电能力预测提供有效方法。 展开更多

关键词 逐次变分模态分解法 发电出力 最小二乘孪生极限学习机 改进灰狼优化算法 影响因素

在线阅读 下载PDF 职称材料

基于SVMD-IDBO-KELM的短期光伏发电功率预测

11

作者 吴艳娟 荣旺 +1 位作者 郭玥 叶技松 《太阳能学报》 北大核心 2025年第6期271-279,共9页

为提升不同天气条件下短期光伏发电功率预测的准确性,提出一种基于逐次变分模态分解(SVMD)和改进蜣螂优化算法(IDBO)优化核极限学习机(KELM)的预测模型。首先,通过高斯混合模型将数据集划分成不同天气类型下的相似日样本;其次,通过SVMD... 为提升不同天气条件下短期光伏发电功率预测的准确性,提出一种基于逐次变分模态分解(SVMD)和改进蜣螂优化算法(IDBO)优化核极限学习机(KELM)的预测模型。首先,通过高斯混合模型将数据集划分成不同天气类型下的相似日样本;其次,通过SVMD将数据集进行模态分解,得到相对平稳的子序列来改善数据质量;之后,运用IDBO对KELM进行改进,构建IDBO-KELM预测模型,并对不同子序列进行预测;最后,通过重组各子序列的预测值得到最终的预测结果。实验结果表明:该方法在3种不同的天气类型下均可取得良好的预测结果,并且比其他模型的预测精度更高。 展开更多

关键词 光伏发电 预测分析 功率预测 核极限学习机 逐次变分模态分解 改进蜣螂优化算法

在线阅读 下载PDF 职称材料

基于动态多尺度与双重注意力的短期电力负荷预测

12

作者 朱莉 高靖凯 +1 位作者 朱春强 邓凡 《计算机工程》 北大核心 2025年第10期369-380,共12页

短期电力负荷预测在电力系统的优化调度和安全运行中具有至关重要的作用。电力负荷数据具有多周期特性,在不同时间尺度上表现出不同的模式和趋势,准确提取尺度大小有助于识别和分离这些特征。目前方法通过使用一个或一组固定的patch长... 短期电力负荷预测在电力系统的优化调度和安全运行中具有至关重要的作用。电力负荷数据具有多周期特性,在不同时间尺度上表现出不同的模式和趋势,准确提取尺度大小有助于识别和分离这些特征。目前方法通过使用一个或一组固定的patch长度作为步长,将称之为patches的片段来编码时间序列,但其无法适应现实世界负荷序列数据的复杂的动态变化。为此,提出一种基于动态多尺度与双重注意力的预测模型(MDAT)。首先,利用逐次变分模态分解(SVMD)分离负荷序列不同的时间模式,通过快速傅里叶变换(FFT)提取出每个模式的显著周期。其次,根据检测到的显著周期,将负荷序列以不同大小的patch划分为不同的时间分辨率,使用Transformer的多个分支同时建模不同尺度分割序列的依赖关系。然后,对这些patches进行双重注意力,以捕获全局相关性和局部细节。最后,对每个分支的输出进行非线性特征融合,通过堆叠多层Transformer模块得到最终的负荷预测结果。在两个公开数据集上的实验结果表明,该模型在预测精度指标上表现良好,相比最新的基于Transformer及多层感知器(MLP)的模型,在Australia数据集和Morocco数据集上平均绝对误差(MAE)分别降低了10.26%~17.06%和9.08%~70.25%。 展开更多

关键词 短期负荷预测 逐次变分模态分解 多尺度特征 双重注意力 Transformer模块

在线阅读 下载PDF 职称材料

基于动态优化周期的风光氢储耦合系统改进能量管理策略 被引量：4

13

作者 王辰 汤奕 郑晨一 《电力系统自动化》 北大核心 2025年第2期142-153,共12页

电/氢混合储能对离网风光发电系统的功率调节能力起到不可忽视的作用,但未充分考虑能量管理的综合性能。针对上述问题,提出了一种基于动态优化周期的改进能量管理策略。首先,以系统运行成本最小为目标进行日前优化。然后,在日内滚动优... 电/氢混合储能对离网风光发电系统的功率调节能力起到不可忽视的作用,但未充分考虑能量管理的综合性能。针对上述问题,提出了一种基于动态优化周期的改进能量管理策略。首先,以系统运行成本最小为目标进行日前优化。然后,在日内滚动优化的过程中自适应调节权重因子,合理协调短期功率平抑和长期状态优化,并对滚动优化周期进行动态调节,在减少冗余调节的同时,提升控制器的实时响应能力。最后,在实时校正层分别使用逐次变分模态分解和双层模糊控制对混合储能功率进行初次分配和二次分配,充分利用混合储能的运行特性并提升系统鲁棒性。算例分析表明,与传统策略相比,改进能量管理策略可使系统运行成本、能量失衡率和计算时间分别降低38.3%、63.1%和57.9%,提高了系统能量管理的经济性、可靠性和实时性。 展开更多

关键词 电/氢混合储能 能量管理 自适应权重 动态优化周期 逐次变分模态分解 双层模糊控制

在线阅读 下载PDF 职称材料

基于多策略改进合作搜索算法的径流混合预报模型

14

作者 杜成锐 李旻 +3 位作者 孙大雁 梁志峰 王金龙 周波 《人民长江》 北大核心 2025年第7期56-65,共10页

针对传统径流预测方法存在的预测精度低及泛化能力差等问题,提出了集成逐次变分模态分解、多策略改进合作搜索算法及误差时空综合修正的径流混合预报模型。首先,利用逐次变分模态分解将径流时间序列分解为若干相对独立、互不影响的子序... 针对传统径流预测方法存在的预测精度低及泛化能力差等问题,提出了集成逐次变分模态分解、多策略改进合作搜索算法及误差时空综合修正的径流混合预报模型。首先,利用逐次变分模态分解将径流时间序列分解为若干相对独立、互不影响的子序列;其次,以最小二乘支持向量机模型为预报单元,分别通过正弦初始化、动态交流及游走变异等策略对合作搜索算法进行综合改进,提升了参数全局搜索能力和收敛稳定性;最后,对各模型预测结果进行叠加集成,运用误差时空修正策略进一步降低预测误差,保障结果精度和可靠性。在福建省池潭水库的工程应用表明:相较于LSTM、ELM、SVR、LSSVR等传统模拟,混合预报模型在径流预测结果中具有更高的RMSE、MAE、CC、NSE指标值,预见期1~4 d的NSE指标分别为0.986,0.982,0.976,0.967,展现出更高的精度和稳定性。各模块有效性检验结果表明,所提模型能精确捕捉非线性径流数据关系,降低预测偏差,可为变化条件下高精度径流预测提供参考。 展开更多

关键词 径流预报 逐次变分模态分解法 合作搜索算法 最小二乘支持向量回归 误差时空综合修正 池潭水库

在线阅读 下载PDF 职称材料

基于海象优化算法优化SVMD联合BiLSTM的滚动轴承状态监测

15

作者 侯兴达 王靖岳 +1 位作者 周浩 丁建明 《组合机床与自动化加工技术》 北大核心 2025年第10期171-177,共7页

鉴于滚动轴承运行过程中振动信号呈现出非线性、非平稳的特性,导致轴承状态监测难度较大,从而提出了一种基于海象优化算法(WO)优化逐次变分模态分解(SVMS),并联合双向长短时记忆神经网络(BiLSTM)的监测模型。首先以信息熵作为适应度函数... 鉴于滚动轴承运行过程中振动信号呈现出非线性、非平稳的特性,导致轴承状态监测难度较大,从而提出了一种基于海象优化算法(WO)优化逐次变分模态分解(SVMS),并联合双向长短时记忆神经网络(BiLSTM)的监测模型。首先以信息熵作为适应度函数,利用WO优化SVMD的惩罚系数α,从而对振动信号分解;然后通过查看峭度,把每个样本的最佳IMF提取出来,得到其9种时域特征向量;最后将其输入至BiLSTM网络模型中,达到对轴承状态监测的目的。结果表明,经过凯西斯储大学和国内某大学轴承数据集验证分析,并与其他模型对比,证明所提方法可以有效地通过振动信号精准识别轴承状态,该方法25次试验平均准确率高达99.1%(数据1)和98.8%(数据2)。 展开更多

关键词 滚动轴承 状态监测 海象优化算法 逐次变分模态分解 双向长短时记忆神经网络

在线阅读 下载PDF 职称材料

SVMD-SVD联合的转子故障特征提取方法研究

16

作者 李鑫延 赵俊生 +3 位作者 王慧云 安鑫凯 郭少杰 王淋 《噪声与振动控制》 北大核心 2025年第4期150-156,共7页

针对转子系统采集的振动信号中存在较多噪声使得轴心轨迹混乱、故障特征难以提取的问题,提出一种逐次变分模态分解算法(Sequential Variational Mode Decomposition,SVMD)与奇异值分解(Singular Value Decomposition,SVD)相结合的转子... 针对转子系统采集的振动信号中存在较多噪声使得轴心轨迹混乱、故障特征难以提取的问题,提出一种逐次变分模态分解算法(Sequential Variational Mode Decomposition,SVMD)与奇异值分解(Singular Value Decomposition,SVD)相结合的转子轴心轨迹提纯方法。首先,使用SVMD算法将采集的原始振动信号分解为一系列本征模态分量(Intrinsic Mode Functions,IMFs);其次,根据峭度、能量熵与皮尔逊相关系数挑选有效分量并重构信号;然后,对重构信号进行奇异值降噪处理;最后,合成提纯后轴心轨迹。通过LabVIEW轴心轨迹仿真数据与转子实验台实测数据,并和基于差分谱SVD方法、带自适应噪声的完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition of Adaptive Noise,CEEMDAN)结合小波阈值方法对比分析,结果显示:采用SVMD-SVD方法提纯得到的轴心轨迹更加清晰,验证了该方法的有效性与可行性。 展开更多

关键词 故障诊断 逐次变分模态分解 奇异值分解 振动信号 轴心轨迹

在线阅读 下载PDF 职称材料

采煤机齿轮箱故障诊断方法研究

17

作者 刘琛 李浦东 杨雪平 《工矿自动化》 北大核心 2025年第S1期40-43,共4页

采煤机齿轮箱是采煤机的重要组成部分之一,长期在高振动、强冲击的恶劣环境中工作易产生故障。现有的齿轮箱故障诊断方法在高噪声中容易出现准确率下降的问题。基于逐次变分模态分解(SVMD)与自编码器(AE)提出了一种采煤机齿轮箱故障诊... 采煤机齿轮箱是采煤机的重要组成部分之一,长期在高振动、强冲击的恶劣环境中工作易产生故障。现有的齿轮箱故障诊断方法在高噪声中容易出现准确率下降的问题。基于逐次变分模态分解(SVMD)与自编码器(AE)提出了一种采煤机齿轮箱故障诊断方法。该方法利用SVMD提取噪声数据的本征模态函数(IMF),将相关性较大的IMF重组,降低环境噪声的影响;基于AE提出了多编码器的AE模型(MAE),将降噪数据的不同特征进行融合,为齿轮箱故障分类提供融合特征,在降低噪声影响的同时减少输入分类网络的数据量;将特征数据输入SoftMax层进行分类,实现齿轮箱故障诊断。实验结果表明,该方法在-4 dB噪声下的齿轮故障分类准确率达98.75%,较SVMD-FFCNN,EMD-AE,SVMD-FD-AOA-DELM分别提高了0.9%,1.8%,2.6%。 展开更多

关键词 采煤机 齿轮箱故障诊断 逐次变分模态分解 自编码器模型

在线阅读 下载PDF 职称材料

基于视觉与加速度测量的结构动态位移融合估计 被引量：3

18

作者 熊春宝 孙长保 牛彦波 《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2024年第9期891-901,共11页

结构动态位移测量与精准估计对于结构安全运营和性态评估具有重要意义.基于计算机视觉的位移监测方法具有精度高、非接触式、成本低、设备安装简便等优点,在实际复杂工程环境中,设备难以架设,视觉测量方法较传统接触式位移监测方法具有... 结构动态位移测量与精准估计对于结构安全运营和性态评估具有重要意义.基于计算机视觉的位移监测方法具有精度高、非接触式、成本低、设备安装简便等优点,在实际复杂工程环境中,设备难以架设,视觉测量方法较传统接触式位移监测方法具有明显的优势.图像分辨率和拍摄帧率等因素在一定程度上限制了视觉方法的使用.针对视觉位移测量技术高频振动识别精度低的问题,提出了一种基于视觉与加速度测量的结构动态位移重构方法,通过融合视觉低频与加速度高频振动响应信号,实现结构动态位移精准识别.首先,利用光流法从结构振动视频数据中提取结构位移响应,引入前后向误差与离群值过滤机制,提升特征点追踪精度,避免漂移问题.然后,利用逐次变分模态分解方法分别从视觉位移与加速度二次积分得到的位移信号中提取相应的本征模态函数(intrinsic mode function,IMF)分量.最后,基于互相关函数筛选机制,确定融合模态分量,融合基于视觉测量的低阶IMF与基于加速度测量的高阶IMF,重构结构位移响应.通过一个钢筋混凝土框架结构振动台试验,对提出的位移融合估计方法进行了试验验证.结果表明:与单一视觉测量方法相比,所提出的方法能够更为准确地估计结构动态位移,并且通过引入加速度测量中的动态位移分量,融合后的位移比基于视觉测量的结果具有更宽的频率范围. 展开更多

关键词 数据融合 计算机视觉 光流法 逐次变分模态分解 互相关函数

在线阅读 下载PDF 职称材料

SVMD-PE-BP-Transformer短期光伏功率预测 被引量：5

19

作者 王瑞 靳鑫鑫 逯静 《电网与清洁能源》 CSCD 北大核心 2024年第8期141-150,共10页

考虑到光伏功率受气象因素变化影响而波动性大难以预测的问题,将逐次变分模态分解SVMD-排列熵PE与BPTransformer相结合,给出了一种组合预测方法,以下简称SPBT模型。在去除非相关因子的基础上,利用SOM聚类方法,对全年光伏数据进行3种类... 考虑到光伏功率受气象因素变化影响而波动性大难以预测的问题,将逐次变分模态分解SVMD-排列熵PE与BPTransformer相结合,给出了一种组合预测方法,以下简称SPBT模型。在去除非相关因子的基础上,利用SOM聚类方法,对全年光伏数据进行3种类型的分类;针对光伏发电初始时序中所蕴含的重要信息,利用SVMD自适应K值的方法,对其进行分解。再利用PE方法计算各个子序列的熵值,即序列的起伏复杂程度,根据熵的大小,对频率接近的成分进行重构,将其分为两个区间:复杂度低的部分和复杂度高的部分。最后利用BP网络与Transformer分别对其进行预测,并对预测输出进行综合处理。该文以江苏省一光伏电站观测的气象与功率数据为例,通过比较试验验证了该模型的优势,该模型具有较低的预测误差,有助于提高预测精度。 展开更多

关键词 逐次变分模态分解 排列熵 TRANSFORMER 功率预测

在线阅读 下载PDF 职称材料

基于边缘线追踪的斜拉桥拉索振动频率识别 被引量：3

20

作者 薛浩 彭珍瑞 殷红 《振动与冲击》 EI CSCD 北大核心 2024年第19期153-162,共10页

针对传统频率法在斜拉桥拉索频率识别中存在传感器布置困难、检测效率低、实现成本高的问题,提出基于拉索边缘线追踪的方法,借助智能手机采集的拉索振动视频,开展了复杂工况下的斜拉桥拉索振动频率识别。首先,引入Otsu算法计算图像感兴... 针对传统频率法在斜拉桥拉索频率识别中存在传感器布置困难、检测效率低、实现成本高的问题,提出基于拉索边缘线追踪的方法,借助智能手机采集的拉索振动视频,开展了复杂工况下的斜拉桥拉索振动频率识别。首先,引入Otsu算法计算图像感兴趣区域(region of interest,ROI)阈值,利用阈值自适应的Canny-Hough算子进行拉索亚像素边缘检测,定位拉索边缘线的亚像素位置。其次,计算边缘线相对于ROI原点的距离得到拉索振动位移,将位移信号进行逐次变分模态分解(successive variational mode decomposition,SVMD)以减少相机振动和其他噪声的干扰。最后,将降噪后的位移信号进行傅里叶变换识别拉索振动频率。对斜拉桥模型和户外人行桥斜拉索进行试验测试,结果表明即使在复杂工况下,所提方法仍可有效识别拉索的振动频率。 展开更多

关键词 斜拉桥 边缘线追踪 边缘检测 拉索振动 逐次变分模态分解(SVMD)

在线阅读 下载PDF 职称材料