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
共找到10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：
ANSMD方法及其在齿轮故障诊断中的应用 被引量：3
1
作者 潘海洋 蒋婉婉 +1 位作者 郑近德 潘紫微 《振动与冲击》 EI CSCD 北大核心 2021年第21期113-119,共7页
针对传统信号分析方法难以有效处理具有非平稳、非线性特性信号的问题,提出了一种自适应非线性稀疏模态分解方法(adaptive nonlinear sparse mode decomposition,ANSMD)。该方法通过将奇异局部线性算子约束到信号分解中,自适应地将一个... 针对传统信号分析方法难以有效处理具有非平稳、非线性特性信号的问题,提出了一种自适应非线性稀疏模态分解方法(adaptive nonlinear sparse mode decomposition,ANSMD)。该方法通过将奇异局部线性算子约束到信号分解中,自适应地将一个复杂信号分解为若干个瞬时频率具有物理意义的局部窄带分量,以局部窄带分量作为基函数进行迭代,从而逼近原始信号来完成信号的分解,进而得到具有完整时频分布的分量信号。通过仿真信号和齿轮裂纹故障信号进行试验验证,结果表明,相对于经验模态分解、局部特征尺度分解以及变分模态分解方法,ANSMD方法在抑制模态混叠、鲁棒性等方面具有明显的优势,并可以有效的诊断齿轮故障。 展开更多
关键词 信号处理 齿轮 故障诊断 自适应非线性稀疏模态分解(ansmd)
在线阅读 下载PDF
深孔台阶爆破近区振动信号预处理与时频特征分析
2
作者 张文涛 汪海波 +4 位作者 高朋飞 王梦想 杨帆 吕闹 宗琦 《振动与冲击》 EI CSCD 北大核心 2024年第24期178-189,共12页
深孔台阶爆破近区振动信号中常含有趋势项和高频噪声导致信号畸变失真,严重影响时频特征分析。针对此问题,构建了改进的自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,... 深孔台阶爆破近区振动信号中常含有趋势项和高频噪声导致信号畸变失真,严重影响时频特征分析。针对此问题,构建了改进的自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN)算法结合基于广义最小最大非凸(generalized minimax concave, GMC)惩罚项的稀疏降噪法与稀疏化基线估计消噪(baseline estimation and de-noising with sparsity, BEADS)算法的联合预处理方法。通过仿真信号验证该方法的可行性。将其应用于实际深孔台阶爆破近区振动信号的处理,并提取重构信号的时频特征,结果表明:在仿真信号试验中,该文构建的预处理方法能在有效保留信号真实成分的前提下消除高频噪声和低频趋势项的影响,相较于其他5种方法重构信号信噪比更高、均方根误差更小。在实测信号分析中,预处理后信号波形恢复正常,高频噪声成分被抑制,低频段频谱更清晰。时频特征分析发现,深孔台阶爆破近区振动信号主频较低,能量主要集中在25~150 Hz范围内,极低频和高频能量占比较少。根据时频特征分析结果结合爆破安全规程对爆破参数设计给出了建议。研究结果对爆破振动信号精确分析及制定爆破振动控制措施具有重要意义。 展开更多
关键词 爆破近区振动信号 预处理 时频分析 改进的自适应噪声完备集合经验模态分解(ICEEMDAN) 基于广义最小最大非凸(GMC)惩罚项的稀疏降噪法 稀疏化基线估计消噪(BEADS)
在线阅读 下载PDF
基于数据驱动自适应变分非线性chirp模态分解的瞬时频率识别
3
作者 袁平平 满镇 +1 位作者 赵周杰 任伟新 《振动与冲击》 EI CSCD 北大核心 2024年第20期18-25,共8页
为降低初始频率和信号噪声对变分非线性chirp模态分解(variational nonlinear chirp mode decomposition,VNCMD)的影响,提出了一种基于数据驱动自适应变分非线性chirp模态分解(data-driven adaptive variational nonlinear chirp mode d... 为降低初始频率和信号噪声对变分非线性chirp模态分解(variational nonlinear chirp mode decomposition,VNCMD)的影响,提出了一种基于数据驱动自适应变分非线性chirp模态分解(data-driven adaptive variational nonlinear chirp mode decomposition,DDAVNCMD)的方法。通过模态能量占比确定响应信号的模态个数,同时采用导数归一化算法初步估算模态分量的初始频率,并添加迭代时变滤波器来降低噪声的影响,在此基础上再对响应信号进行VNCMD。通过单分量和多分量解析信号及拉索结构试验对所提方法进行验证。研究结果表明,基于DDAVNCMD的瞬时频率识别方法具有较好的准确性和抗噪性。 展开更多
关键词 瞬时频率 变分非线性chirp模态分解(VNCMD) 导数归一化 迭代时变滤波器 数据驱动自适应变分非线性chirp模态分解(DDAVNCMD)
在线阅读 下载PDF
经验模态分解和稀疏表示的SAR图像去噪方法 被引量：4
4
作者 刘柏森 张晔 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2016年第9期1297-1301,共5页
相干斑噪声严重影响了SAR图像的应用,为降低这个影响,本文提出了一种经验模态分解和稀疏表示相结合的去噪方法。该方法利用经验模态分解是由数据驱动这一特点,把含噪SAR图像自适应的分解为若干固有模态分量,根据这些固有模态分量的时频... 相干斑噪声严重影响了SAR图像的应用,为降低这个影响,本文提出了一种经验模态分解和稀疏表示相结合的去噪方法。该方法利用经验模态分解是由数据驱动这一特点,把含噪SAR图像自适应的分解为若干固有模态分量,根据这些固有模态分量的时频特性,判断噪声在固有模态分量的分布情况。由于噪声的分布相对于图像目标分布具有孤立性、随机性的特点,采用稀疏表示方法对含噪的固有模态分量进行分解,通过估计固有模态分量的噪声强度,重构各固有模态分量,将处理后的以及未处理的各固有模态分量进行经验模态分解的重构,以此达到去噪的目的。为验证该算法的有效性,进行了对比实验,通过客观评价标准证明了该方法在细节信息保持等方面优于其他方法,是一种针对SAR图像的有效去噪方法。 展开更多
关键词 SAR图像去噪 经验模态分解 稀疏表示 自适应 合成孔径雷达 固有模态分量 相干斑噪声
在线阅读 下载PDF
基于EMD和ANFIS的自适应噪声消除研究 被引量：2
5
作者 徐春生 王太勇 《机械强度》 CAS CSCD 北大核心 2009年第2期186-189,共4页
对于混入色噪声的混合信号,如果可以通过测量得到产生色噪声的白噪声,对白噪声进行非线性训练即可逼近色噪声,达到非线性滤波的目的。自适应模糊推理系统(adaptive neuro-fuzzy unference system,ANFIS)可以实现上述非线性逼近。文中在... 对于混入色噪声的混合信号,如果可以通过测量得到产生色噪声的白噪声,对白噪声进行非线性训练即可逼近色噪声,达到非线性滤波的目的。自适应模糊推理系统(adaptive neuro-fuzzy unference system,ANFIS)可以实现上述非线性逼近。文中在上述算法的基础上,提出一种EMD(empirical mode decomposition)-ANFIS的自适应色噪声消除方法,首先对混合信号进行EMD分解,得到各个内禀模态函数分量(intrinsic mode function,IMF),然后对分解得到的内禀模态分量进行ANFIS模糊消噪,最后对消噪后的各个分量信号进行叠加。由于所得内禀模态函数为近似平稳信号,且图形越来越趋于平缓,减小了ANFIS方法的逼近难度。在混合信号信噪比为2.8407dB时,经过EMD-ANFIS消噪后的估计误差比只经过ANFIS消噪后的估计误差减少11.74dB,证明EMD-ANFIS方法的有效性。 展开更多
关键词 自适应噪声消除 自适应神经模糊推理系统 经验模态分解 内禀模态函数 非线性逼近
在线阅读 下载PDF
基于稀疏指标的优化变分模态分解方法 被引量：2
6
作者 张露 理华 +2 位作者 崔杰 王晓东 肖灵 《振动与冲击》 EI CSCD 北大核心 2023年第8期234-250,共17页
针对复合信号源信号数目未知,无法正确预设分解模态数K值而不能对信号进行有效变分模态(variational mode decomposition,VMD)的问题,提出了一种基于稀疏指标的优化VMD法。该方法基于VMD所构建变分模型中各个分量的稀疏先验知识,实现了... 针对复合信号源信号数目未知,无法正确预设分解模态数K值而不能对信号进行有效变分模态(variational mode decomposition,VMD)的问题,提出了一种基于稀疏指标的优化VMD法。该方法基于VMD所构建变分模型中各个分量的稀疏先验知识,实现了VMD自适应寻优K值,其将最佳K值确定为稀疏指标由上升至下降的转折点;在计算VMD各个分量的稀疏度时,考虑到不同分量间的能量差异加入了能量权值因子,最后将稀疏指标确定为分解后各分量边际谱稀疏度的平均值。仿真信号与实际信号分解试验验证表明:相较于其他两种VMD的K值确定方法,该方法确定的K值结果更为准确,实现的优化VMD自适应性更强,较其他信号分解法如经验模态分解(empirical mode decomposition,EMD)有更好的分解效果,为源信号数目未知的复合信号VMD提供了新思路;此外,噪声的鲁棒性试验证明所提基于稀疏指标的优化VMD法还具有一定的抗噪能力,较稳健,可开发应用于实际工程。 展开更多
关键词 复合信号分解 变分模态分解(VMD) 分解模态数 稀疏指标 自适应寻优
在线阅读 下载PDF
NSMD和LMSST相结合的变转速滚动轴承故障诊断方法 被引量：3
7
作者 尤光辉 吕勇 +1 位作者 易灿灿 余肇鸿 《机械科学与技术》 CSCD 北大核心 2022年第10期1598-1607,共10页
为了能够准确反映变转速工况下滚动轴承的时变故障特征,本文提出了一种基于非线性稀疏模态分解(NSMD)和局部最大值同步压缩变换(LMSST)的故障诊断方法。首先利用NSMD对含噪振动信号进行分解,基于各分量的频谱最大相关性进行有用分量的选... 为了能够准确反映变转速工况下滚动轴承的时变故障特征,本文提出了一种基于非线性稀疏模态分解(NSMD)和局部最大值同步压缩变换(LMSST)的故障诊断方法。首先利用NSMD对含噪振动信号进行分解,基于各分量的频谱最大相关性进行有用分量的选择;然后对其进行LMSST分析,从时频平面中提取时变故障特征,从而实现变转速下轴承故障诊断。 展开更多
关键词 非线性稀疏模态分解 局部最大值同步压缩变换 滚动轴承 故障诊断
在线阅读 下载PDF
快速自适应二维经验模态分解在SAR目标识别中的应用研究 被引量：5
8
作者 胡媛媛 韩彦龙 《电光与控制》 CSCD 北大核心 2021年第8期40-43,87,共5页
针对合成孔径雷达(SAR)图像目标识别问题,提出基于快速自适应二维经验模态分解(FABEMD)的方法。FABEMD可实现对SAR图像的快速分解,获得描述目标低频至高频信息的多层次固态模函数(BIMF)。基于结构相似性指标剔除多层次BIMF中的噪声成分... 针对合成孔径雷达(SAR)图像目标识别问题,提出基于快速自适应二维经验模态分解(FABEMD)的方法。FABEMD可实现对SAR图像的快速分解,获得描述目标低频至高频信息的多层次固态模函数(BIMF)。基于结构相似性指标剔除多层次BIMF中的噪声成分,保留高鉴别力部分。分类阶段采用联合稀疏表示对保留的BIMF进行表征分类。基于MSTAR数据集对所提方法进行测试,结果验证了其性能优势。 展开更多
关键词 合成孔径雷达 目标识别 快速自适应二维经验模态分解 结构相似性 联合稀疏表示
在线阅读 下载PDF
非线性非平稳波浪极短期预测的复合优化模型 被引量：6
9
作者 张茴栋 张德康 史宏达 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2022年第4期509-515,共7页
海浪的时间序列一般具有非线性和非平稳性,针对直接对其进行预测精度较差,本文利用复合模型对波浪进行了预测。利用长短期记忆神经网络模型的非线性学习能力和经验模态分解的非平稳数据处理能力,采用镜像对称和长短期记忆算法联合消除... 海浪的时间序列一般具有非线性和非平稳性,针对直接对其进行预测精度较差,本文利用复合模型对波浪进行了预测。利用长短期记忆神经网络模型的非线性学习能力和经验模态分解的非平稳数据处理能力,采用镜像对称和长短期记忆算法联合消除经验模态分解端点效应,建立了一种用于不规则波极短期预测的复合经验模态分解-长短期记忆模型。研究表明:通过比较分析水槽试验获得的一般不规则波、线性聚焦波和非线性畸形波的预测效果,结果揭示出经验模态分解端点效应对模型预测精度具有负面影响,本文基于自适应镜像延拓的复合经验模态分解-长短期记忆模型可以更好地预测极短期非线性、非平稳波浪时序的变化趋势。 展开更多
关键词 波浪极短期预测 水槽试验 非线性与非平稳性 经验模态分解 端点效应 自适应镜像延拓 复合经验模态分解-长短期记忆模型
在线阅读 下载PDF
CEEMDAN-HURST算法在新冠疫情预测中的应用 被引量：2
10
作者 王启云 郑中团 《计算机工程与应用》 CSCD 北大核心 2023年第7期261-268,共8页
针对COVID-19新增病例是一个非线性非平稳的时间序列,提出基于CEEMDAN-HURST算法的COVID-19组合预测模型。利用自适应噪声完全集合经验模态分解算法将新增病例时间序列分解为频率不同的子序列;利用HURST指数分析各个子序列的随机性并将... 针对COVID-19新增病例是一个非线性非平稳的时间序列,提出基于CEEMDAN-HURST算法的COVID-19组合预测模型。利用自适应噪声完全集合经验模态分解算法将新增病例时间序列分解为频率不同的子序列;利用HURST指数分析各个子序列的随机性并将子序列整合为高频、中频和低频三种子序列,通过最小二乘支持向量机对这三种子序列分别进行预测;叠加各重构子序列的预测结果,得到COVID-19新增病例的最终预测值。结果表明,基于CEEMDAN-HURST算法的COVID-19新增病例组合预测模型提高了非线性时间序列预测过程中的效率以及预测精度。与CEEMDAN-PE组合模型相比,平均绝对误差、均方根误差分别降低了11.13%和29.67%,表明CEEMDAN-HURST算法可有效解决非线性时间序列预测模型普遍存在的预测效率低和预测精度低的问题;赫斯特(HURST)指数度量了时间序列的偏移程度,引入HURST指数进行合并重构整合,可减少时间序列预测所需要的子序列数目。 展开更多
关键词 非线性非平稳时间序列 自适应噪声的完整集合经验模态分解(CEEMDAN) HURST指数 组合预测 COVID-19
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部