期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
GIS局部放电脉冲分类特征提取算法 被引量:27
1
作者 鲍永胜 郝峰杰 +1 位作者 徐建忠 张远航 《电工技术学报》 EI CSCD 北大核心 2016年第9期181-188,共8页
传统的基于局部放电脉冲时频信息构建的局部放电脉冲群分类谱图,多数只能提取表征局部放电脉冲波形特征的低维特征量。当分类算法需要更多的特征量来完成对放电脉冲群的分类工作时,采用上述算法则不能有效地完成对局部放电脉冲群的分类... 传统的基于局部放电脉冲时频信息构建的局部放电脉冲群分类谱图,多数只能提取表征局部放电脉冲波形特征的低维特征量。当分类算法需要更多的特征量来完成对放电脉冲群的分类工作时,采用上述算法则不能有效地完成对局部放电脉冲群的分类工作。为此提出了采用等效时频熵算法来提取表征局部放电脉冲波形特征的多维特征量,构建放电脉冲群的等效时频熵分类谱图,并与改进的模糊C均值聚类算法相结合实现对不同类型局部放电脉冲群的分类工作。基于气体绝缘组合开关设备(GIS)的实验结果证实了上述方法的有效性和合理性,为研制基于单一人工缺陷模型的局部放电在线监测和识别系统提供了实验和理论依据。 展开更多
关键词 局部放电 模糊C均值聚类算法 特征提取 在线监测 等效时频熵
在线阅读 下载PDF
基于ASTFA和PMMFE的齿轮故障诊断方法 被引量:3
2
作者 李宝庆 程军圣 +1 位作者 吴占涛 杨宇 《振动工程学报》 EI CSCD 北大核心 2016年第5期928-935,共8页
提出一种新的反映信号复杂度或非线性度的方法——多尺度模糊熵偏均值(PMMFE),PMMFE是在多尺度模糊熵的基础上提出的。多尺度模糊熵虽然包含不同尺度上的时间模式信息,反映了信号的内在特征,但是对于特征相近的信号,其在绝大部分尺度上... 提出一种新的反映信号复杂度或非线性度的方法——多尺度模糊熵偏均值(PMMFE),PMMFE是在多尺度模糊熵的基础上提出的。多尺度模糊熵虽然包含不同尺度上的时间模式信息,反映了信号的内在特征,但是对于特征相近的信号,其在绝大部分尺度上的表征并不理想。PMMFE综合考虑多个尺度的模糊熵值,利用不同尺度上模糊熵值的偏态分布特性来定量表征信号的复杂度或非线性度,更加准确地反映信号的特征。但是齿轮箱中的齿轮故障振动信号是多源振动信号,需将齿轮振动本源信号分离出来才能进行特征提取。自适应最稀疏时频分析方法(ASTFA)根据齿轮啮合频率确定初始相位函数就可以有效分离齿轮故障振动本源信号。将ASTFA和PMMFE相结合用于齿轮故障诊断,首先采用ASTFA分离齿轮箱中的齿轮故障振动信号,其次计算该信号的多尺度模糊熵,再根据多尺度模糊熵计算PMMFE。实验分析结果表明该方法能够有效判别齿轮箱中的齿轮故障及其类型。 展开更多
关键词 故障诊断 自适应最稀疏时频分析 齿轮 多尺度模糊熵 多尺度模糊熵偏均值
在线阅读 下载PDF
基于CIELMD与RCMFE的往复压缩机轴承间隙故障特征提取方法 被引量:2
3
作者 陈桂娟 江群 +2 位作者 李玉倩 赵海洋 王金东 《机床与液压》 北大核心 2021年第15期180-187,共8页
针对往复压缩机轴承间隙故障诊断振动信号强非平稳、非线性与特征耦合特性,提出基于复合插值包络局部均值分解(CIELMD)与精细复合多尺度模糊熵(RCMFE)特征提取方法。使用CIELMD方法分解不同轴承间隙故障信号,利用相关系数筛选包含主要... 针对往复压缩机轴承间隙故障诊断振动信号强非平稳、非线性与特征耦合特性,提出基于复合插值包络局部均值分解(CIELMD)与精细复合多尺度模糊熵(RCMFE)特征提取方法。使用CIELMD方法分解不同轴承间隙故障信号,利用相关系数筛选包含主要故障信息的PF分量;通过RCMFE方法定量描述PF分量构成状态特征矩阵,为解决信息冗余问题,进一步使用文化基因算法优选矩阵中平均样本距离最大的元素,构成可分性良好的特征向量。往复压缩机轴承间隙故障模拟信号试验结果表明:该方法提取故障特征可分性强,故障识别准确率高。 展开更多
关键词 复合插值包络局部均值分解 精细复合多尺度模糊熵 特征提取 故障诊断 轴承间隙
在线阅读 下载PDF
基于改进CEEMDAN和多尺度模糊熵的气阀故障诊断 被引量:4
4
作者 柴兴亮 刘薇娜 《组合机床与自动化加工技术》 北大核心 2020年第10期140-143,147,共5页
针对往复压缩机振动信号非线性非平稳性的特点,文章提出基于改进CEEMDAN和多尺度模糊熵的气阀故障诊断方法。首先,利用单调的三次Hermite插值代替三次样条插值构造信号的包络线,可以有效提高CEEMDAN对非平稳性信号的分解精度;其次,对分... 针对往复压缩机振动信号非线性非平稳性的特点,文章提出基于改进CEEMDAN和多尺度模糊熵的气阀故障诊断方法。首先,利用单调的三次Hermite插值代替三次样条插值构造信号的包络线,可以有效提高CEEMDAN对非平稳性信号的分解精度;其次,对分解后的IMF分量采取相关系数和峭度作为评价指标进行筛选,对筛选后的IMF分量重构信号然后求解多尺度模糊熵;最后,提出了结合其变化趋势的指标-多尺度模糊熵偏均值,将其输入到SVM进行故障分类识别。实验结果表明,该方法能提高气阀的故障识别率。 展开更多
关键词 机械设计 CEEMDAN 多尺度模糊熵 偏均值 气阀 故障诊断
在线阅读 下载PDF
机械振动信号自适应多尺度非线性动力学特征提取方法研究 被引量:13
5
作者 刘敏 范红波 +2 位作者 张英堂 李志宁 杨望灿 《振动与冲击》 EI CSCD 北大核心 2020年第14期224-232,250,共10页
针对机械振动信号的故障特征提取问题,提出了基于独立变分模态分解与多尺度非线性动力学参数的特征提取方法。①提出频谱循环相干系数选取匹配波形对机械振动信号进行端点延拓后再进行VMD分解得到不同频率尺度的IMF分量;②根据互相关准... 针对机械振动信号的故障特征提取问题,提出了基于独立变分模态分解与多尺度非线性动力学参数的特征提取方法。①提出频谱循环相干系数选取匹配波形对机械振动信号进行端点延拓后再进行VMD分解得到不同频率尺度的IMF分量;②根据互相关准则选取有效的IMF分量进行核独立成分分析,分离出相互独立的有效故障特征频带分量;③计算各独立分量的复合多尺度模糊熵偏均值,并利用正交变换将独立分量正交化后构造多维超体,进而利用多维超体体积定义并计算信号的双测度分形维数,从而获得多尺度非线性动力学特征参数,实现机械故障诊断。仿真和实验结果表明:所提方法可有效抑制VMD分解的端点效应和模态混叠,信号分解效果好,特征参数分类精度高,极大地提高了机械故障诊断准确率。 展开更多
关键词 频谱循环相干系数 端点延拓 独立变分模态分解 复合多尺度模糊熵偏均值 双测度分形维数
在线阅读 下载PDF
基于RCMDE和KFCM的煤矿电网故障选线方法 被引量:6
6
作者 韩国国 史小军 +2 位作者 王晖 程卫健 穆艳祥 《工矿自动化》 北大核心 2022年第8期92-99,共8页
针对普遍采用谐振接地系统的煤矿电网发生单相接地故障时难以准确选线的问题,提出一种基于精细复合多尺度散布熵(RCMDE)和核模糊C均值聚类(KFCM)的煤矿电网故障选线方法。以幅值、极性和波形相似度作为选线特征量具有以下局限性:基于幅... 针对普遍采用谐振接地系统的煤矿电网发生单相接地故障时难以准确选线的问题,提出一种基于精细复合多尺度散布熵(RCMDE)和核模糊C均值聚类(KFCM)的煤矿电网故障选线方法。以幅值、极性和波形相似度作为选线特征量具有以下局限性:基于幅值和极性差异的选线方法适用性有限;若线路中的零序电流互感器极性接反,基于极性的方法直接失效;采样不同步时,基于波形相似度的选线方法难以得到正确结果。为克服上述局限性,引入RCMDE来度量各线路暂态零序电流信号的复杂程度和不规则度,以RCMDE作为选线特征量。采用KFCM算法对RCMDE进行聚类分析,以实现故障线路自动识别,并通过判断轮廓系数是否超过阈值来区分母线故障和馈线故障。最后,通过聚类得到的隶属度矩阵判断馈线故障点所在线路。仿真结果表明:①故障点所在的故障线路对应的RCMDE曲线与非故障线路间具有较大差异,可分为2类。RCMDE可作为筛选故障线路的特征指标。②发生母线故障时聚类结果中存在平均轮廓系数小于阈值的分簇,而发生馈线故障时聚类结果各分簇的轮廓系数均大于阈值,在各类故障场景下,基于RCMDE和KFCM的煤矿电网故障选线方法均能实现正确选线,说明其准确性不受故障线路、故障位置、故障合闸角及接地电阻等因素的影响。③在噪声干扰情况下,基于RCMDE和KFCM的煤矿电网故障选线方法在小电阻接地或高阻接地情况下均能实现正确选线,具有较强的抗干扰能力。④在采样不同步及故障线路零序电流互感器极性反接等情况下,基于RCMDE和KFCM的煤矿电网故障选线方法仍可实现正确选线,选线结果具有较高的鲁棒性。 展开更多
关键词 谐振接地系统 煤矿电网 单相接地故障 故障选线 精细复合多尺度散布熵 核模糊C均值聚类 暂态零序电流
在线阅读 下载PDF
矿用高压电缆局部放电信号去噪方法
7
作者 张小牛 司士军 +1 位作者 李军鸿 王安乐 《工矿自动化》 2025年第10期123-130,共8页
目前矿用高压电缆局部放电(PD)信号易埋没在噪声中难以提取,在PD降噪中使用变分模态分解(VMD)是一种有效手段,但VMD算法的分解层数和惩罚因子难以确定。针对该问题,提出基于自适应螺旋飞行麻雀搜索算法(ASFSSA)−VMD−KSVD的矿用高压电缆... 目前矿用高压电缆局部放电(PD)信号易埋没在噪声中难以提取,在PD降噪中使用变分模态分解(VMD)是一种有效手段,但VMD算法的分解层数和惩罚因子难以确定。针对该问题,提出基于自适应螺旋飞行麻雀搜索算法(ASFSSA)−VMD−KSVD的矿用高压电缆局部放电信号去噪方法。采用ASFSSA优化VMD,利用混沌映射策略使种群分布更加均匀,避免陷入局部最优解;通过VMD获得一系列本征模态函数(IMF),再用复合多尺度模糊散布熵(CMFDE)来筛选IMF分量的性质,将IMF分量分为信号主导分量和噪声主导分量;对筛选后的噪声主导分量构建KSVD字典学习的训练样本,通过稀疏编码和字典更新进一步抑制噪声;对处理后的系数进行重构并将信号块叠加即可得到去噪后的信号。采用信噪比(SNR)、均方根误差(RMSE)、归一化互相关系数(NCC)来评估去噪效果,实验结果表明:在不同SNR条件下,采用ASFSSA算法去噪后的SNR远大于灰狼优化(GWO)算法和改进鲸鱼优化算法(IWOA),在噪声抑制方面有明显优势;采用ASFSSA算法去噪后的RMSE远小于GWO算法和IWOA,去噪时的真实值与预测值差别最小;采用ASFSSA算法去噪后的NCC十分接近1,在波形相似度上表现良好。 展开更多
关键词 局部放电 变分模态分解 自适应螺旋飞行麻雀搜索 复合多尺度模糊散布熵 KSVD字典学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部