期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
奇异值分解和EEMD的非线性振动信号降噪方法
被引量：
19
1
作者
刘树聃
陈知行
《探测与控制学报》
CSCD
北大核心
2019年第3期37-42,共6页
针对传统方法难以有效将非线性振动信号从复杂强干扰中提取的难题,提出了奇异值分解(SVD)和集合经验模态分解(EEMD)的降噪方法.该方法利用EEMD叠加白噪声预处理的过程,抑制脉冲噪声的影响并克服了EMD模式混叠效应,然后提取信号的趋势项...
针对传统方法难以有效将非线性振动信号从复杂强干扰中提取的难题,提出了奇异值分解(SVD)和集合经验模态分解(EEMD)的降噪方法.该方法利用EEMD叠加白噪声预处理的过程,抑制脉冲噪声的影响并克服了EMD模式混叠效应,然后提取信号的趋势项,克服了信号趋势项对SVD选择奇异值的影响,最后将SVD方法降噪后的信号与趋势项叠加达到降噪目的,实现SVD和EEMD的优势互补,提高降噪效果.对模拟信号和实测非线性振动信号进行了仿真试验研究,结果表明,该方法可以同时有效地抑制非线性振动信号中的白噪声和脉冲噪声,对工程实际信号的进一步分析处理提供有效的预处理手段.
展开更多
关键词
非线性振动信号
奇异值分解
集合经验模态分解
降噪
在线阅读
下载PDF
职称材料
基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型
被引量：
1
2
作者
王显彬
孙阳
《机电工程》
北大核心
2025年第3期510-519,共10页
针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机...
针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机械损伤检测模型。首先,进行了基于RCMFFDE方法的特征提取,生成了特征样本,以定量反映旋转机械的不同损伤情况;然后,采用t-SNE方法,将原始高维故障特征映射至低维空间,获得了对故障更敏感的低维特征;最后,将敏感的低维故障特征向量输入至SSA-RVM多分类器中,进行了训练和测试,实现了旋转机械样本的故障识别目的;采用两种旋转机械数据集进行了实验,并从准确率、效率和抗噪性方面,将RCMFFDE-SSA-SVM方法与多种特征提取方法进行了对比。研究结果表明:RCMFFDE能用于有效提取旋转机械的故障特征,分别取得99.2%和100%的识别精度;而对敏感特征进行分类所获得的精度优于对原始特征进行分类的情形,前者比后者提高了4%;在模式识别中,SSA-RVM优于其他分类器;自制数据集的诊断精度达到了97%,特征提取的时间为16.05 s。
展开更多
关键词
非线性振动信号
特征提取时间
故障识别精度(诊断精度)
精细复合多尺度分数波动散布熵
t-分布随机邻域嵌入
麻雀搜索算法优化相关向量机
在线阅读
下载PDF
职称材料
题名
奇异值分解和EEMD的非线性振动信号降噪方法
被引量：
19
1
作者
刘树聃
陈知行
机构
许昌市耕新信息科学研究院
许昌职业技术学院航空工程学院
北京理工大学自动化学院
出处
《探测与控制学报》
CSCD
北大核心
2019年第3期37-42,共6页
基金
北京市自然科学基金项目资助(1183027)
河南省教改重点项目资助([2015]061号)
文摘
针对传统方法难以有效将非线性振动信号从复杂强干扰中提取的难题,提出了奇异值分解(SVD)和集合经验模态分解(EEMD)的降噪方法.该方法利用EEMD叠加白噪声预处理的过程,抑制脉冲噪声的影响并克服了EMD模式混叠效应,然后提取信号的趋势项,克服了信号趋势项对SVD选择奇异值的影响,最后将SVD方法降噪后的信号与趋势项叠加达到降噪目的,实现SVD和EEMD的优势互补,提高降噪效果.对模拟信号和实测非线性振动信号进行了仿真试验研究,结果表明,该方法可以同时有效地抑制非线性振动信号中的白噪声和脉冲噪声,对工程实际信号的进一步分析处理提供有效的预处理手段.
关键词
非线性振动信号
奇异值分解
集合经验模态分解
降噪
Keywords
nonlinear vibration signal
SVD
EEMD
de-noising
分类号
O322 [理学—一般力学与力学基础]
TN911.7 [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RCMFFDE和SSA-RVM的旋转机械损伤检测模型
被引量：
1
2
作者
王显彬
孙阳
机构
福建船政交通职业学院通用航空产业学院
浙江工业大学机械工程学院
出处
《机电工程》
北大核心
2025年第3期510-519,共10页
基金
福建省引导性科技计划项目(2023H0027)。
文摘
针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机械损伤检测模型。首先,进行了基于RCMFFDE方法的特征提取,生成了特征样本,以定量反映旋转机械的不同损伤情况;然后,采用t-SNE方法,将原始高维故障特征映射至低维空间,获得了对故障更敏感的低维特征;最后,将敏感的低维故障特征向量输入至SSA-RVM多分类器中,进行了训练和测试,实现了旋转机械样本的故障识别目的;采用两种旋转机械数据集进行了实验,并从准确率、效率和抗噪性方面,将RCMFFDE-SSA-SVM方法与多种特征提取方法进行了对比。研究结果表明:RCMFFDE能用于有效提取旋转机械的故障特征,分别取得99.2%和100%的识别精度;而对敏感特征进行分类所获得的精度优于对原始特征进行分类的情形,前者比后者提高了4%;在模式识别中,SSA-RVM优于其他分类器;自制数据集的诊断精度达到了97%,特征提取的时间为16.05 s。
关键词
非线性振动信号
特征提取时间
故障识别精度(诊断精度)
精细复合多尺度分数波动散布熵
t-分布随机邻域嵌入
麻雀搜索算法优化相关向量机
Keywords
nonlinear vibration signal
feature extraction time
fault identification accuracy(diagnosis accuracy)
refined composite multiscale fractional fluctuation dispersion entropy(RCMFFDE)
t-distributed stochastic neighbor embedding(t-SNE)
sparrow search algorithm optimized relevance vector machine(SSA-RVM)
分类号
TH133 [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
奇异值分解和EEMD的非线性振动信号降噪方法
刘树聃
陈知行
《探测与控制学报》
CSCD
北大核心
2019
19
在线阅读
下载PDF
职称材料
2
基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型
王显彬
孙阳
《机电工程》
北大核心
2025
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
