期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
一种新的时变参数AR模型分析方法 被引量:9
1
作者 张海勇 马孝江 盖强 《大连理工大学学报》 CAS CSCD 北大核心 2002年第2期238-241,共4页
提出了一种新的非平稳信号的时变参数 AR模型分析方法——局域波分解及其时变参数 AR模型 .该方法先用局域波分解方法把待处理信号分解成有限个基本模式分量 ,再对分解得到的基本模式分量建立时变参数 AR模型 ,从而得出时频平面上的时... 提出了一种新的非平稳信号的时变参数 AR模型分析方法——局域波分解及其时变参数 AR模型 .该方法先用局域波分解方法把待处理信号分解成有限个基本模式分量 ,再对分解得到的基本模式分量建立时变参数 AR模型 ,从而得出时频平面上的时变参数 AR模型谱 .它扩大了传统的时变参数模型法的应用范围 。 展开更多
关键词 时变参数ar模型 局域波分解 时频分析 非平稳信号 信号分析 时变参数模型分析法
在线阅读 下载PDF
基于LMD和AR模型的转子系统故障诊断方法 被引量:12
2
作者 杨宇 杨丽湘 程军圣 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2010年第9期24-28,共5页
提出了基于局部均值分解(Local mean decomposition,简称LMD)和AR模型相结合的转子系统故障诊断方法.该方法先用LMD方法将转子振动信号分解成若干个瞬时频率具有物理意义的PF(Product function,简称PF)分量之和,然后对每一个PF分量建立A... 提出了基于局部均值分解(Local mean decomposition,简称LMD)和AR模型相结合的转子系统故障诊断方法.该方法先用LMD方法将转子振动信号分解成若干个瞬时频率具有物理意义的PF(Product function,简称PF)分量之和,然后对每一个PF分量建立AR模型,提取模型参数和残差方差作为故障特征向量,并以此作为神经网络分类器的输入来识别转子的工作状态和故障类型.与EMD方法的对比研究表明,这两种方法均能有效地应用于转子系统的故障诊断.但LMD方法信号分解后数据残差比EMD方法的小. 展开更多
关键词 转子 LMD ar模型 故障诊断
在线阅读 下载PDF
基于EMD-AR转子碰摩故障的时序距离分析方法 被引量:1
3
作者 王珍 祁贵兵 江亲瑜 《噪声与振动控制》 CSCD 北大核心 2010年第4期72-75,共4页
针对转子系统单点局部碰摩的非线性振动信号,先进行EMD分解,对得到的每一个IMF分量建立AR模型,然后用马氏距离判别函数和K-L信息量相结合的时序距离分析方法,进行故障诊断。实验结果表明,该方法是有效的。
关键词 振动与波 EMD分解 ar模型 马氏距离 K-L信息量
在线阅读 下载PDF
基于EMD与AR模型的柴油机故障诊断 被引量:1
4
作者 陆金铭 王醇涛 马捷 《噪声与振动控制》 CSCD 北大核心 2009年第5期70-73,共4页
采用经验模式分解(EMD)方法对振动信号进行分解,得到固有模态函数(IMF),对每一个IMF分量分别建立AR模型,以模型的自回归参数和残差的方差作为特征向量,用支持向量机(SVM)进行分类,判断柴油机的工作状态和故障类型。实验结果分析表明,该... 采用经验模式分解(EMD)方法对振动信号进行分解,得到固有模态函数(IMF),对每一个IMF分量分别建立AR模型,以模型的自回归参数和残差的方差作为特征向量,用支持向量机(SVM)进行分类,判断柴油机的工作状态和故障类型。实验结果分析表明,该方法即使在小样本情况下也能准确有效地诊断柴油机故障,能实现故障的实时自动化诊断。在不同转速时,需选用新转速工况下的数据作为训练样本,以保证分类准确率。 展开更多
关键词 振动与波 柴油机 故障诊断 经验模式分解(EMD) ar模型 支持向量机(SVM)
在线阅读 下载PDF
多分量神经网络自回归模型及其工程应用 被引量:3
5
作者 郝志华 马孝江 《农业机械学报》 EI CAS CSCD 北大核心 2005年第2期115-118,共4页
提出了基于局域波的多分量神经网络自回归模型 ,用于对非线性动态系统时间序列进行建模。首先通过局域波法对分析的原始时间序列进行分解 ,使之成为不同尺度的基本模式分量 ,然后用多层神经网络对每个基本模式分量分别进行时间序列预测... 提出了基于局域波的多分量神经网络自回归模型 ,用于对非线性动态系统时间序列进行建模。首先通过局域波法对分析的原始时间序列进行分解 ,使之成为不同尺度的基本模式分量 ,然后用多层神经网络对每个基本模式分量分别进行时间序列预测。最后 ,所有分量的预测值通过另一个单层线性神经网络进行重构 ,作为原始时间序列的预测值。并把该方法用于转子故障诊断。实验数据表明 ,这种结构用于故障诊断 ,性能优于传统的分析方法。 展开更多
关键词 多层神经网络 时间序列预测 基本模式分量 线性神经网络 非线性动态系统 建模 局域波法 多分量 自回归模型 尺度
在线阅读 下载PDF
基于局域波分解的大系统派生模态降维研究
6
作者 宁宁 张骏 杨秉政 《西北工业大学学报》 EI CAS CSCD 北大核心 2010年第1期33-36,共4页
文章分析了当前以平衡与截裁为代表的大系统降维理论,鉴于其内容不尽完善,因此基于系统运动模态的特征,在科技与哲理的辩证分析基础上,建立了大系统派生模态理论和组合降维模型。对于工程实际中的系统响应曲线,提出了基于局域波分解的... 文章分析了当前以平衡与截裁为代表的大系统降维理论,鉴于其内容不尽完善,因此基于系统运动模态的特征,在科技与哲理的辩证分析基础上,建立了大系统派生模态理论和组合降维模型。对于工程实际中的系统响应曲线,提出了基于局域波分解的大系统派生模态提取策略实现系统降维。仿真结果表明,基于模态和图形的协同算法应用简便,并可获得较高精度的降维模型。 展开更多
关键词 算法 模型 派生模态 组合降维模型 局域波分解
在线阅读 下载PDF
基于局域波法的时间序列预测
7
作者 郝志华 马孝江 《辽宁工程技术大学学报(自然科学版)》 CAS 北大核心 2004年第3期339-341,共3页
提出了一种新的用于时间序列预测方法。由于实际信号常常具有非平稳特征,直接应用AR模型进行时间序列分析,得不到理想的效果。而局域波分解法是一种新的分析非平稳、非线性的工具。 用局域波分解法对待预测的时间序列进行经验模式分解,... 提出了一种新的用于时间序列预测方法。由于实际信号常常具有非平稳特征,直接应用AR模型进行时间序列分析,得不到理想的效果。而局域波分解法是一种新的分析非平稳、非线性的工具。 用局域波分解法对待预测的时间序列进行经验模式分解,产生多个基本模式分量,对各个分量分别进行AR模型预测,然后重构各个预测值。仿真结果表明预测结果比直接进行AR模型预测更加精确。 展开更多
关键词 局域波 经验模式分解 基本模式分量 ar模型 预测
在线阅读 下载PDF
基于局域波分解和约束插值的地震反演
8
作者 曾锐 刘洪 +2 位作者 秦月霜 牛彦良 崔宝文 《石油物探》 EI CSCD 2008年第1期17-23,29,共8页
在我国东部油田的勘探开发中,井震联合高分辨率反演是薄互层储层预测的有效方法,将高频测井资料和相对低频的地震资料有机地结合起来,得到与地震资料吻合程度高的层状地质模型是获得好的反演结果的基础。为此,在时间-相位模型约束的井... 在我国东部油田的勘探开发中,井震联合高分辨率反演是薄互层储层预测的有效方法,将高频测井资料和相对低频的地震资料有机地结合起来,得到与地震资料吻合程度高的层状地质模型是获得好的反演结果的基础。为此,在时间-相位模型约束的井资料外推方法中,引入局域波分解技术来求解地震瞬时相位;通过井旁地层对比,建立测井资料与地震资料之间的联系,把测井信息在地震资料建立的等相面约束下外推出去,以获得高分辨率的属性反演剖面。针对局域波分解方法中的一些不足,提出了一种新的方法——希尔伯特变换均值模式分解法,提高了方法的计算速度和抗噪能力。此外,对测井属性外推插值到井外的方法——基于约束插值的反演理论进行了探讨,从理论上解释了拟测井曲线反演的有效性。将上述方法应用于大庆油田茂2井区,获得的扶余油层的波阻抗、自然伽马、电阻率、砂体隶属度分布等反演剖面的分辨率得到了提高,横向连续性得到了改善。 展开更多
关键词 局域波分解 经验模式分解 希尔伯特变换均值模式分解 时间 相位模型 地震反演
在线阅读 下载PDF
基于LMD-MFE和DHMM的滚动轴承故障诊断算法 被引量:1
9
作者 丁伟 王松涛 胡晓 《噪声与振动控制》 CSCD 2018年第4期169-173,共5页
针对滚动轴承在恶劣环境影响下,其特征信息难以被有效提取出来的问题,提出一种基于局部均值分解(Local Mean Decomposition,LMD)和多尺度模糊熵(Multiscale Fuzzy Entropy,MFE)的滚动轴承故障诊断算法。首先,利用LMD对轴承振动信号进行... 针对滚动轴承在恶劣环境影响下,其特征信息难以被有效提取出来的问题,提出一种基于局部均值分解(Local Mean Decomposition,LMD)和多尺度模糊熵(Multiscale Fuzzy Entropy,MFE)的滚动轴承故障诊断算法。首先,利用LMD对轴承振动信号进行分解,得到一系列乘积函数(Product function,PF)分量,并与经验模态分解(Empirical Mode Decomposition,EMD)进行对比,分析其优越性;然后对每一个分量分别提取MFE特征,同时与多尺度样本熵(Multiscale Sample Entropy,MSE)进行对比,分析MFE的优越性;最后结合各个轴承状态的类间平均距离对多个尺度因子下的熵值进行优选,筛选出可分性良好的敏感特征集,并输入到离散隐马尔科夫模型(Discrete Hidden Markov Models,DHMM)模式分类器中对轴承故障类型进行诊断识别。实验结果表明,所提出的基于LMD和MFE的轴承故障诊断算法能较好识别出多种轴承故障类型。 展开更多
关键词 振动与波 滚动轴承 局部均值分解 多尺度模糊熵 DHMM 故障诊断
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部