基于IIVY-SVMD-MPE-SVM的开关柜局部放电故障识别 被引量：2

1

作者 解骞 郑胜瑜 +3 位作者 刘兴华 李辉 党建 解佗 《实验技术与管理》 北大核心 2025年第4期26-36,共11页

针对开关柜局部放电故障信息表征困难及局部放电故障识别准确率低等问题,该文提出了一种基于改进常青藤算法(improved Ivy algorithm,IIVY)的自动优化连续变分模态分解(successive variational mode decomposition,SVMD)与支持向量机(su... 针对开关柜局部放电故障信息表征困难及局部放电故障识别准确率低等问题,该文提出了一种基于改进常青藤算法(improved Ivy algorithm,IIVY)的自动优化连续变分模态分解(successive variational mode decomposition,SVMD)与支持向量机(support vector machine,SVM)的模式识别算法,实现了局部放电类型的故障识别。首先,融合空间金字塔匹配混沌映射、自适应t分布与动态自适应权三种策略提出IIVY算法;其次,对局部放电原始超声波信号进行SVMD并提取多尺度排列熵(multivariate permutation entropy,MPE),建立基于IIVY-SVMD-MPE的局部放电特征提取策略,利用IIVY算法自适应地选取SVMD惩罚因子α,结合相关系数筛选出最大的三个本征模态函数(intrinsic mode function,IMF)分量提取MPE,构建多维融合特征数据集;再次,提出并建立基于IIVY-SVM的开关柜局部放电故障识别模型,利用IIVY对SVM中惩罚参数C及核参σ进行自适应寻优;最后,通过对比验证表明所建立模型综合识别率更高、在不同评价指标上表现更佳,综合识别准确率达到98.8%,有效提高了故障识别的准确性与可靠性。 展开更多

关键词 超声波 改进常青藤算法 连续变分模态分解 多尺度排列熵

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

2

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

3

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-PSR-MNF的海洋MT数据噪声压制方法

4

作者 徐天 罗鸣 +1 位作者 封常青 吴云具 《地球物理学报》 北大核心 2025年第1期282-298,共17页

海洋大地电磁法是一种天然源方法,其采集的大地电磁信号具有场强微弱、易受干扰等特点.在浅水环境下,海浪运动引起的复杂强烈的感应电磁场是大地电磁信号主要干扰源,极大降低了大地电磁数据的信噪比,致使视电阻率和相位畸变.针对这种复... 海洋大地电磁法是一种天然源方法,其采集的大地电磁信号具有场强微弱、易受干扰等特点.在浅水环境下,海浪运动引起的复杂强烈的感应电磁场是大地电磁信号主要干扰源,极大降低了大地电磁数据的信噪比,致使视电阻率和相位畸变.针对这种复杂的强能量噪声,本文提出SVMD-PSR-MNF方法对其进行压制.通过连续变分模态分解(Successive Variational Mode Decomposition, SVMD)实现噪声预估计,然后利用相空间重构(Phase Space Reconstruction,PSR)将时间序列转化为矩阵,在此基础上,结合最小噪声分离(Minimum Noise Fraction,MNF)将含噪MT数据分解为一系列MNF成分,最后通过MNF成分的选取重构实现信噪分离.针对实测数据去噪效果评价难的问题,本文基于大地电磁信号的非平稳特性和海浪感应磁噪声的周期性,提出基于自相关函数(Autocorrelation Function,ACF)的去噪效果评价方法.为了验证提出方法的有效性,将其应用于合成数据和南黄海实测数据的处理中.本文基于一维各向异性模型模拟连续频谱的MT信号,并采用三维随机海浪感应磁场公式合成符合实际情况的含噪MT数据.合成数据和南黄海实测数据的处理结果表明,SVMD-PSR-MNF方法可在压制噪声的同时较好地恢复有效信号,校正噪声导致的视电阻率和相位的畸变,提高MT数据质量;ACF可评价海浪感应磁噪声的压制效果. 展开更多

关键词 海洋大地电磁法 海浪感应磁噪声 连续变分模态分解 相空间重构 最小噪声分离 自相关函数

在线阅读 下载PDF 职称材料

基于SVMD-EWT的超声组织谐波成像算法研究 被引量：1

5

作者 范淼淼 赖宁磊 +2 位作者 晏张平 林伟军 刘晓宙 《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第6期231-239,共9页

针对超声组织谐波成像中宽带射频回波信号的谐波分离问题,提出了一种基于逐次变分模态分解(SVMD)和经验小波变换(EWT)的信号滤波算法,简称SVMD-EWT。其对信号进行逐次变分模态分解,收集窄带模态的中心频率。结合经验小波变换中自适应频... 针对超声组织谐波成像中宽带射频回波信号的谐波分离问题,提出了一种基于逐次变分模态分解(SVMD)和经验小波变换(EWT)的信号滤波算法,简称SVMD-EWT。其对信号进行逐次变分模态分解,收集窄带模态的中心频率。结合经验小波变换中自适应频谱曲线局部极小值寻找方法对模态进行分类。将判定为基波成分与谐波成分相互混叠的模态的能量作为优化经验小波变换模态边界的参数,设计经验小波滤波器对超声射频回波信号做滤波处理。仿真和实验表明相比传统的人为给定截止频率的带通滤波器和将发射反相位信号得到的回波信号相加滤波的脉冲反转法,本文提出的方法具有更好的滤波性能和稳定性。带通滤波器和本文方法滤波后生成的乳腺肿瘤谐波B超图对比度分别为15.77 dB和20.78 dB。 展开更多

关键词 组织谐波成像 谐波分离 变分模态分解 经验小波变换

在线阅读 下载PDF 职称材料

不同激励下基于SVMD的结构响应重构方法 被引量：1

6

作者 苟志豪 彭珍瑞 《噪声与振动控制》 CSCD 北大核心 2024年第6期49-56,共8页

针对基于经验模态分解(Empirical Mode Decomposition,EMD)的响应重构方法需要设置繁杂的带通滤波器参数,且无法在时域中直接重构周期激励作用下的响应等问题,提出一种不同激励下基于逐次变分模态分解(Successive Variational Mode Deco... 针对基于经验模态分解(Empirical Mode Decomposition,EMD)的响应重构方法需要设置繁杂的带通滤波器参数,且无法在时域中直接重构周期激励作用下的响应等问题,提出一种不同激励下基于逐次变分模态分解(Successive Variational Mode Decomposition,SVMD)的响应重构方法。首先,分别考虑瞬态激励和周期激励两种工况,使用SVMD将传感器测得的动态响应信号分解为多个分量。其次,使用由模态分析推导出的模态转换矩阵和传递矩阵得到未测量位置的响应分量。最后,根据模态叠加法实现时域响应重构。对六层剪切框架和简支梁分别进行数值仿真和试验验证,结果表明,所提方法在使用单个传感器的条件下即可对不同激励下的结构响应实现有效重构,且对测量噪声具有一定的鲁棒性。 展开更多

关键词 振动与波 逐次变分模态分解 模态转换矩阵 传递矩阵 模态叠加法 响应重构

在线阅读 下载PDF 职称材料

基于SVMD与参数优化MCKD的轴承故障诊断 被引量：7

7

作者 钟先友 何流 赵潇 《机电工程》 CAS 北大核心 2024年第7期1179-1188,共10页

针对轴承故障信号存在噪声干扰,难以提取故障特征的问题,提出了一种将连续变分模态分解(SVMD)与改进的最大相关峭度反卷积(MCKD)相结合的轴承故障诊断方法。首先,为了表征轴承振动信号中的故障特征,将峭度与高斯核相结合,提出了比峭度... 针对轴承故障信号存在噪声干扰,难以提取故障特征的问题,提出了一种将连续变分模态分解(SVMD)与改进的最大相关峭度反卷积(MCKD)相结合的轴承故障诊断方法。首先,为了表征轴承振动信号中的故障特征,将峭度与高斯核相结合,提出了比峭度指标更为突出的加权峭度指标;其次,利用SVMD方法对轴承信号进行了分解,获得了若干模态分量,并使用加权峭度指标从多个模态分量中筛选出了故障特征最丰富的模态分量;然后,以包络熵为标准,通过几何平均优化器(GMO)优化MCKD的滤波器长度和周期两个参数,获得了最佳的参数组合;最后,采用GMO-MCKD方法对轴承信号进行了降噪,对降噪后的信号进行了包络分析,提取了轴承特征频率;同时,采用粒子群优化(PSO)的变分模态分解(VMD)和粒子群优化的变分模态提取(VME),对轴承信号进行了对照分析。研究结果表明:采用SVMD-GMO-MCKD方法在辛辛那提数据集中诊断出轴承特征频率为234.4 Hz及其二倍频;在西储大学轴承数据集中诊断出轴承特征频率为108.96 Hz,二倍频为218.09 Hz。该方法可以增强滚动轴承的周期性冲击成分,在有干扰的背景下有效地提取出滚动轴承内圈和外圈的故障特征,且轴承故障特征提取效果优于PSO-VMD和PSO-VME方法。 展开更多

关键词 噪声干扰 连续变分模态分解 最大相关峭度反卷积 几何平均优化器 故障特征提取效果 轴承特征频率

在线阅读 下载PDF 职称材料

基于IF-SVMD-BWO-LSTM的空气质量预测建模 被引量：5

8

作者 朱菊香 谷卫 +2 位作者 钱炜 张赵良 张雯柏 《中国测试》 CAS 北大核心 2024年第11期173-184,共12页

为了提高PM_(2.5)浓度的预测精度,基于PM_(2.5)序列的复杂性和非线性,提出孤立森林(isolated forests,IF)异常值检测、逐次变分模态分解(successive variational mode decomposition,SVMD)和白鲸鱼算法(Beluga whale optimization,BWO)... 为了提高PM_(2.5)浓度的预测精度,基于PM_(2.5)序列的复杂性和非线性,提出孤立森林(isolated forests,IF)异常值检测、逐次变分模态分解(successive variational mode decomposition,SVMD)和白鲸鱼算法(Beluga whale optimization,BWO)优化长短期记忆网络(long short-term memory network,LSTM)相结合的预测模型。首先,利用孤立森林算法清除数据中异常值;其次使用SVMD将原始不平稳的PM_(2.5)序列进行分解,去除噪声数据后得到多个平稳的固有模态分量和残差分量,提高模型预测精度;然后,对分解后各个子序列使用LSTM进行预测,并利用BWO算法优化LSTM的权重和阈值,进一步提高组合模型的预测精度;最后将各个子序列进行叠加得到最终的预测结果。实验结果表明:IF-SVMD-BWO-LSTM模型在均方根误差比SVMD-BWO-LSTM模型和BWO-LSTM模型分别降低了4.03μg/m^(3)和10.3μg/m^(3)。在拟合度方面,该模型比SVMD-BWO-LSTM模型和BWO-LSTM模型分别高了3.8%和9.5%。因此在空气质量预测上,该组合模型提高了PM_(2.5)预测精度,达到预期的预测效果。 展开更多

关键词 PM_(2.5)预测 孤立森林 逐次变分模态分解 白鲸鱼算法 长短期记忆网络

在线阅读 下载PDF 职称材料

基于SVMD的改进BWO-TimesNet短期热负荷预测模型 被引量：2

9

作者 段沁宇 薛贵军 +1 位作者 谭全伟 谢文举 《广西师范大学学报（自然科学版）》 CAS 北大核心 2024年第6期101-116,共16页

精准高效的热负荷预测对于保障热力系统稳定运行和合理规划热力资源至关重要。为了提升热负荷预测的准确性,本文提出一种基于逐次变分模态分解(successive variational mode decomposition,SVMD)和改进白鲸优化算法(improved Beluga wha... 精准高效的热负荷预测对于保障热力系统稳定运行和合理规划热力资源至关重要。为了提升热负荷预测的准确性,本文提出一种基于逐次变分模态分解(successive variational mode decomposition,SVMD)和改进白鲸优化算法(improved Beluga whale optimization,IBWO)的TimesNet短期热负荷预测模型。首先,利用SVMD将原始热负荷数据进行分解,去除噪声后得到若干个平稳且有规律的模态分量;其次,根据每个模态分量的特点选择合适的特征作为输入;然后,引入3种策略来改进白鲸优化算法,从而建立IBWO-TimesNet预测模型;最后,通过算例对模型的预测性能进行详细评估。结果表明:SVMD-IBWO-TimesNet模型的MAE、RMSE和R 2分别为0.647、1.190和99.1%。与其他主流预测模型相比,该模型具有更高的预测精度。同时,在减少训练样本的情况下,SVMD-IBWO-TimesNet模型仍能有效预测热负荷,具有较强的泛化能力。验证了所提出模型的有效性,为热力系统供热负荷的精准调控提供了参考。 展开更多

关键词 热负荷预测 TimesNet 逐次变分模态分解 白鲸优化算法

在线阅读 下载PDF 职称材料

基于SVMD-SES的滚动轴承故障诊断 被引量：1

10

作者 陈志刚 姜云龙 +2 位作者 王莹莹 王衍学 徐明智 《噪声与振动控制》 CSCD 北大核心 2024年第5期107-113,共7页

针对在进行复杂工业设备滚动轴承故障诊断时,由于强噪声影响使故障微弱瞬态冲击特征难以识别的问题,提出一种基于平方包络谱逐次变分模态分解的机械故障诊断方法。首先在变分模态分解的基础上进行逐次变分模态分解推导,降低模态混叠现... 针对在进行复杂工业设备滚动轴承故障诊断时,由于强噪声影响使故障微弱瞬态冲击特征难以识别的问题,提出一种基于平方包络谱逐次变分模态分解的机械故障诊断方法。首先在变分模态分解的基础上进行逐次变分模态分解推导,降低模态混叠现象和计算复杂度。其次利用峭度指数和互相关系数的加权值构造相关峭度,通过筛选所得分量得到真实的故障模态成分。通过平方包络谱凸显信号瞬态冲击信息并进行特征提取。最后通过实验室平台采集轴承振动数据进行验证分析,实验结果表明:采用所提方法能准确识别周期性瞬态冲击,有效提取微弱特征,提高对复杂机器进行故障诊断的准确性和效率。 展开更多

关键词 故障诊断 滚动轴承 逐次变分模态分解 平方包络谱 相关峭度

在线阅读 下载PDF 职称材料

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

11

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

基于最小二乘孪生极限学习机的水电系统发电能力预测方法

13

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

14

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

基于逐次变分模态分解的液压轴向柱塞泵故障特征提取方法

15

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

基于多策略改进合作搜索算法的径流混合预报模型

16

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

基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法

17

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

基于SVMD-HD去噪的白光干涉解调算法 被引量：1

18

作者 邢伦 桑梅 +2 位作者 石珍曼 王双 刘铁根 《应用光学》 CAS 北大核心 2023年第4期816-825,共10页

垂直扫描白光干涉法(VSWLI)是一种非接触式三维表面轮廓测量方法。蝙蝠翼作为VSWLI当中一种固有的缺陷,尤其在被测样品的台阶高度小于光源的相干长度时,台阶边缘处的蝙蝠翼尤为显著。相移干涉法不存在这种缺陷,但是存在相位模糊的问题... 垂直扫描白光干涉法(VSWLI)是一种非接触式三维表面轮廓测量方法。蝙蝠翼作为VSWLI当中一种固有的缺陷,尤其在被测样品的台阶高度小于光源的相干长度时,台阶边缘处的蝙蝠翼尤为显著。相移干涉法不存在这种缺陷,但是存在相位模糊的问题。提出一种将Carré等步长相移算法与快速傅里叶变换(FFT)相干峰值检测技术相结合的白光干涉解调算法。该算法基于逐次变分模态分解(SVMD)与Hausdorff距离(HD)联合去噪。分别以高度为500 nm和1200 nm的连续台阶器件和高度为10μm的标准台阶作为测试样品,进行实验测量验证。所提出的算法能够有效地抑制台阶高度跳变处的蝙蝠翼,克服相位模糊问题。 展开更多

关键词 垂直扫描白光干涉法 相移干涉法 逐次变分模态分解 蝙蝠翼 相位模糊

在线阅读 下载PDF 职称材料

基于SVMD和自适应MOMEDA的齿轮箱故障诊断 被引量：2

19

作者 岳子毫 裴帮 +3 位作者 李志远 王征兵 黄晓丹 雷欢欢 《机床与液压》 北大核心 2023年第21期225-232,共8页

受背景噪声和传输路径的影响,故障信号往往被淹没,故障特征难以提取。基于此,提出一种连续变分模态分解(SVMD)和自适应MOMEDA相结合的故障诊断方法,通过SVMD前处理得到重构信号,然后以平均谱负熵为适应函数,通过人工鱼群优化算法自适应... 受背景噪声和传输路径的影响,故障信号往往被淹没,故障特征难以提取。基于此,提出一种连续变分模态分解(SVMD)和自适应MOMEDA相结合的故障诊断方法,通过SVMD前处理得到重构信号,然后以平均谱负熵为适应函数,通过人工鱼群优化算法自适应选择MOMEDA的最优参数。利用所得参数对重构信号进行MOMEDA滤波,最后进行包络谱分析,做出故障类型诊断。将所提方法应用于齿轮箱主动轮断齿故障的仿真信号和实验信号中,在包络频谱中可以清楚地分辨出小齿轮转频及其倍频,同时所提方法相对其他方法具有更好的表现效果。 展开更多

关键词 齿轮箱故障诊断 自适应MOMEDA 连续变分模态分解(svmd) 人工鱼群算法

在线阅读 下载PDF 职称材料

考虑多时间尺度信息的风力发电机滚动轴承故障预测 被引量：9

20

作者 赵洪山 林诗雨 +2 位作者 孙承妍 杨伟新 张扬帆 《中国电机工程学报》 EI CSCD 北大核心 2024年第22期8908-8919,I0018,共13页

风电机组滚动轴承故障会造成风电机组长时间停机,为准确预测风电机组滚动轴承故障,提出一种考虑多时间尺度信息的风力发电机滚动轴承故障预测方法。首先,采用连续变分模式分解(successive variational mode decomposition,SVMD)自适应... 风电机组滚动轴承故障会造成风电机组长时间停机,为准确预测风电机组滚动轴承故障,提出一种考虑多时间尺度信息的风力发电机滚动轴承故障预测方法。首先,采用连续变分模式分解(successive variational mode decomposition,SVMD)自适应提取轴承健康数据温度多维特征;其次,将分解的本征模态函数(intrinsic mode functions,IMFs)输入Informer模型提取多尺度时间信息训练,基于树状结构Parzen密度估计的非标准贝叶斯优化算法(tree structure Parzen density estimation,TPE)优化Informer模型超参数;然后,构建基于残差的故障指标,采用核密度估计(kernel density estimation,KDE)确定故障预警阈值;最后,将运行数据输入训练后的Informer模型进行故障预测。选取某风电场的风力发电机轴承温度数据进行故障预测,仿真结果表明,考虑多时间尺度信息的SVMD-TPE-Informer模型在发电机轴承温度预测上具有更高的预测精度和计算效率,所提方法在两个故障案例上分别能够提前15.5 h和10 h预测到故障,且不会出现误报现象,验证所提模型的有效性和稳定性。 展开更多

关键词 连续变分模式分解 贝叶斯优化 Informer模型 故障预测

在线阅读 下载PDF 职称材料