检索结果-维普期刊中文期刊服务平台

基于集总经验模式分解和支持向量机的液压泵故障预测研究被引量：12: 1; 作者田海雷李洪儒许葆华《中国机械工程》 EI CAS CSCD 北大核心 2013年第7期926-931,共6页; 液压泵的性能直接影响整个液压系统的正常工作,为此需要对其进行状态监测和故障预测。采集液压泵的振动信号,运用集总经验模式分解(EEMD)和平滑能量算子解调相结合的方法进行包络解调;采取小波包分析方法得到了故障特征向量;在研究支持... 展开更多; 关键词集总经验模式分解(EEMD) 能量算子小波包支持向量机液压泵; 在线阅读下载PDF 职称材料

基于时频谱和集总经验模式分解(EEMD)包络谱分析的地铁车辆故障分析被引量：4: 2; 作者何斌斌戴焕云石怀龙《城市轨道交通研究》北大核心 2015年第7期30-34,共5页; 在分析地铁车辆激扰源特征和影响的基础上,针对车辆振动信号非线性、非平稳性的特点,提出一种地铁车辆故障综合诊断方法:时频法(短时傅里叶变换、希尔伯特-黄变换)和基于集总经验模式分解(EEMD)的Hilbert包络谱分析法。对某异常地铁车... 展开更多; 关键词地铁车辆故障分析集总经验模式分解包络谱分析; 在线阅读下载PDF 职称材料

基于EEMD-样本熵和Elman神经网络的短期电力负荷预测被引量：56: 3; 作者陈艳平毛弋 +2 位作者陈萍童伟袁建亮《电力系统及其自动化学报》 CSCD 北大核心 2016年第3期59-64,共6页; 针对电力负荷序列的非线性、非平稳性等特点,提出了一种基于集总经验模式分解EEMD-样本熵和El-man神经网络的短期负荷预测方法。为了减小电力负荷序列局部分析的计算规模以及提高负荷预测的精度,先利用EEMD-样本熵将原始电力负荷序列分... 展开更多; 关键词短期负荷预测样本熵集总经验模式分解 ELMAN神经网络; 在线阅读下载PDF 职称材料

微弱信号检测的变尺度Duffing振子方法被引量：10: 4; 作者行鸿彦吴慧刘刚《电子学报》 EI CAS CSCD 北大核心 2020年第4期734-742,共9页; 针对强噪声背景下微弱信号检测问题,本文把互补集总经验模式分解(CEEMD)方法和变尺度Duffing振子结合,提出了一种新的微弱信号检测方法.利用CEEMD将复杂含噪信号分解为不同的固有模态函数(IMF),通过Duffing系统分岔图及其变化找到相轨... 展开更多; 关键词微弱信号检测混沌分岔图互补集总经验模式分解方法; 在线阅读下载PDF 职称材料

基于最大相关谱峭度解卷积的滚动轴承故障周期冲击特征提取被引量：2: 5; 作者许自立许贡 +1 位作者李进乔印虎《中国测试》 CAS 北大核心 2018年第5期31-36,共6页; 滚动轴承广泛应用于重型旋转机械支撑和传送负载,经常工作在低速、重载等恶劣工况下,特别容易损坏,从而导致机械设备停运停产的事故,因此有必要提出一种基于最大相关谱峭度解卷积的滚动轴承故障周期冲击特征提取方法。该方法利用轴承运... 展开更多; 关键词相关谱峭度解卷积轴承故障诊断集总经验模式分解; 在线阅读下载PDF 职称材料

题名基于集总经验模式分解和支持向量机的液压泵故障预测研究被引量：12: 1; 作者田海雷李洪儒许葆华; 机构军械工程学院; 出处《中国机械工程》 EI CAS CSCD 北大核心 2013年第7期926-931,共6页; 基金国家自然科学基金资助项目(51275524); 文摘液压泵的性能直接影响整个液压系统的正常工作,为此需要对其进行状态监测和故障预测。采集液压泵的振动信号,运用集总经验模式分解(EEMD)和平滑能量算子解调相结合的方法进行包络解调;采取小波包分析方法得到了故障特征向量;在研究支持向量机回归估计基本原理的基础上,建立了小波包分解和支持向量机相结合的预测模型。采用液压泵历史数据对模型进行了验证,结果表明,基于支持向量机的预测模型和故障映射模型可以有效地对液压泵进行故障预测。; 关键词集总经验模式分解(EEMD) 能量算子小波包支持向量机液压泵; Keywords ensemble empirical mode decomposition（EEMD） energy operator wavelet packet support vector machine（SVM） hydraulic pump; 分类号 TH165 [机械工程—机械制造及自动化] TN911 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于时频谱和集总经验模式分解(EEMD)包络谱分析的地铁车辆故障分析被引量：4: 2; 作者何斌斌戴焕云石怀龙; 机构西南交通大学牵引动力国家重点实验室; 出处《城市轨道交通研究》北大核心 2015年第7期30-34,共5页; 基金国家科技支撑计划(2011BAG05B04-A01-1) 国家自然科学基金重点项目(61134002); 文摘在分析地铁车辆激扰源特征和影响的基础上,针对车辆振动信号非线性、非平稳性的特点,提出一种地铁车辆故障综合诊断方法:时频法(短时傅里叶变换、希尔伯特-黄变换)和基于集总经验模式分解(EEMD)的Hilbert包络谱分析法。对某异常地铁车辆进行测试,并运用该方法进行诊断分析。综合分析表明,该车辆转向架构架异常振动并开裂的故障源为车轮。这与车轮检测结果一致,说明此综合诊断方法准确有效。; 关键词地铁车辆故障分析集总经验模式分解包络谱分析; Keywords metro vehicle failure analysis ensemble em- pirical mode decomposition （EEMD） envelope spectrums analysis; 分类号 U279.3 [机械工程—车辆工程]; 在线阅读下载PDF 职称材料

题名基于EEMD-样本熵和Elman神经网络的短期电力负荷预测被引量：56: 3; 作者陈艳平毛弋陈萍童伟袁建亮; 机构湖南大学电气与信息工程学院; 出处《电力系统及其自动化学报》 CSCD 北大核心 2016年第3期59-64,共6页; 文摘针对电力负荷序列的非线性、非平稳性等特点,提出了一种基于集总经验模式分解EEMD-样本熵和El-man神经网络的短期负荷预测方法。为了减小电力负荷序列局部分析的计算规模以及提高负荷预测的精度,先利用EEMD-样本熵将原始电力负荷序列分解成一系列复杂度差异明显的子序列;然后在综合考虑温度及日期类型等因素对各子序列影响的基础上,根据各子序列的特点构造不同的Elman神经网络对各子序列分别进行预测;最后将各子序列的预测结果叠加得到最终预测值,并对EUNITE国际电力负荷预测竞赛公布的数据进行仿真实验。仿真结果表明该方法能有效地提高负荷预测的精度。; 关键词短期负荷预测样本熵集总经验模式分解 ELMAN神经网络; Keywords short-term load forecasting sample entropy ensemble empirical mode decomposition Elman neural network; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名微弱信号检测的变尺度Duffing振子方法被引量：10: 4; 作者行鸿彦吴慧刘刚; 机构南京信息工程大学气象灾害预报预警与评估协同创新中心南京信息工程大学; 出处《电子学报》 EI CAS CSCD 北大核心 2020年第4期734-742,共9页; 基金国家自然科学基金(No.61671248) 国家重点研发计划(No.2018YFC1506102) +1 种基金江苏省“信息与通信工程”优势学科计划。; 文摘针对强噪声背景下微弱信号检测问题,本文把互补集总经验模式分解(CEEMD)方法和变尺度Duffing振子结合,提出了一种新的微弱信号检测方法.利用CEEMD将复杂含噪信号分解为不同的固有模态函数(IMF),通过Duffing系统分岔图及其变化找到相轨迹变化的临界阈值,实现含噪信号的信息检测.结果表明,本文所提方法不仅可以很好地免疫噪声,而且能有效检测出信噪比低至-73dB的多频率周期信号.; 关键词微弱信号检测混沌分岔图互补集总经验模式分解方法; Keywords weak signal detection chaos bifurcation diagram complementary ensemble empirical mode decomposition; 分类号 TM93 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于最大相关谱峭度解卷积的滚动轴承故障周期冲击特征提取被引量：2: 5; 作者许自立许贡李进乔印虎; 机构安徽科技学院机械工程学院湖南天雁机械有限责任公司; 出处《中国测试》 CAS 北大核心 2018年第5期31-36,共6页; 基金安徽省科技厅项目(1704a0902058) 安徽高校自然科学重大项目(KJ2017ZD44) 安徽科技学院校级引进人才项目(JXYJ201604); 文摘滚动轴承广泛应用于重型旋转机械支撑和传送负载,经常工作在低速、重载等恶劣工况下,特别容易损坏,从而导致机械设备停运停产的事故,因此有必要提出一种基于最大相关谱峭度解卷积的滚动轴承故障周期冲击特征提取方法。该方法利用轴承运行过程中局部故障激发起的周期性冲击特征,通过最大化相关谱峭度选择最佳有限冲击响应滤波器参数;通过迭代卷积运算,消除振动信号中的噪声,提取出滚动轴承故障激发起的周期性冲击特征;依据冲击特征的周期判断轴承故障所在位置,从而实现轴承故障诊断。通过仿真和滚动轴承实验数据验证提出方法的可行性,并与广泛应用的集总经验模式分解方法提取结果进行对比,结果表明该文提出的方法在轴承故障诊断中展现出更好的优势。; 关键词相关谱峭度解卷积轴承故障诊断集总经验模式分解; Keywords correlated kurtosis deconvolution bearings fault diagnosis ensemble empirical mode decomposition; 分类号 TH133.33 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于集总经验模式分解和支持向量机的液压泵故障预测研究	田海雷李洪儒许葆华	《中国机械工程》 EI CAS CSCD 北大核心	2013	12	在线阅读下载PDF 职称材料
2	基于时频谱和集总经验模式分解(EEMD)包络谱分析的地铁车辆故障分析	何斌斌戴焕云石怀龙	《城市轨道交通研究》北大核心	2015	4	在线阅读下载PDF 职称材料
3	基于EEMD-样本熵和Elman神经网络的短期电力负荷预测	陈艳平毛弋陈萍童伟袁建亮	《电力系统及其自动化学报》 CSCD 北大核心	2016	56	在线阅读下载PDF 职称材料
4	微弱信号检测的变尺度Duffing振子方法	行鸿彦吴慧刘刚	《电子学报》 EI CAS CSCD 北大核心	2020	10	在线阅读下载PDF 职称材料
5	基于最大相关谱峭度解卷积的滚动轴承故障周期冲击特征提取	许自立许贡李进乔印虎	《中国测试》 CAS 北大核心	2018	2	在线阅读下载PDF 职称材料