期刊文献+
共找到13,171篇文章
< 1 2 250 >
每页显示 20 50 100
基于最优参数VMD和改进散布熵的轴承亚健康状态识别
1
作者 魏文军 甘洁 《铁道科学与工程学报》 北大核心 2025年第2期887-899,共13页
针对轴承的亚健康状态存在噪声干扰、模态混叠、状态特征提取困难的问题,提出一种最优参数变分模态分解(variational mode decomposition, VMD)和改进散布熵的轴承亚健康状态识别方法 。首先,设计改进的麻雀搜索算法(improved sparrow s... 针对轴承的亚健康状态存在噪声干扰、模态混叠、状态特征提取困难的问题,提出一种最优参数变分模态分解(variational mode decomposition, VMD)和改进散布熵的轴承亚健康状态识别方法 。首先,设计改进的麻雀搜索算法(improved sparrow search algorithm, ISSA)来自适应地搜索VMD最优分解参数,从而提高VMD分解效率和质量,然后根据所确定的最优参数对信号进行VMD分解,得到一系列本征模态函数(intrinsic mode function, IMF),接着计算每个IMF与原始信号之间的皮尔逊相关系数(pearson correlation coefficient, PCC),选择相关系数大于0.3的IMF分量来重构信号,以实现信号的降噪和状态特征增强。其次,为了更好地表征轴承信号的复杂度和不规则性,并有效区分轴承健康和亚健康状态,在散布熵中引入时移多尺度分析和分数阶微积分,以提取多个尺度上的轴承微细状态特征。最后,利用欧氏距离刻画轴承状态曲线,根据切比雪夫不等式设定亚健康阈值,当欧氏距离大于亚健康阈值时给出相应预警,完成轴承亚健康状态识别。在XJTU-SY和IMS轴承数据集上的试验结果表明:ISSA算法相比其他优化算法具有更高的收敛速度和精度,最优化参数VMD能有效消除模态混叠问题,改进散布熵能准确提取轴承全寿命状态微细特征。所提算法无须对模型进行训练便能准确识别轴承亚健康状态并给出预警,有利于维护人员更好地维护轴承运行状态。 展开更多
关键词 轴承 亚健康状态识别 最优参数vmd 改进麻雀搜索算法 时移多尺度分数阶散布熵
在线阅读 下载PDF
基于VMD-1DCNN-GRU的轴承故障诊断
2
作者 宋金波 刘锦玲 +2 位作者 闫荣喜 王鹏 路敬祎 《吉林大学学报(信息科学版)》 2025年第1期34-42,共9页
针对滚动轴承信号含噪声导致诊断模型训练困难的问题,提出了一种基于变分模态分解(VMD:Variational Mode Decomposition)和深度学习相结合的轴承故障诊断模型。首先,该方法通过VMD对轴承信号进行模态分解,并且通过豪斯多夫距离(HD:Hausd... 针对滚动轴承信号含噪声导致诊断模型训练困难的问题,提出了一种基于变分模态分解(VMD:Variational Mode Decomposition)和深度学习相结合的轴承故障诊断模型。首先,该方法通过VMD对轴承信号进行模态分解,并且通过豪斯多夫距离(HD:Hausdorff Distance)完成去噪,尽可能保留原始信号的特征。其次,将选择的有效信号输入一维卷积神经网络(1DCNN:1D Convolutional Neural Networks)和门控循环单元(GRU:Gate Recurrent Unit)相结合的网络结构(1DCNN-GRU)中完成数据的分类,实现轴承的故障诊断。通过与常见的轴承故障诊断方法比较,所提VMD-1DCNN-GRU模型具有最高的准确性。实验结果验证了该模型对轴承故障有效分类的可行性,具有一定的研究意义。 展开更多
关键词 故障诊断 深度学习 变分模态分解 一维卷积神经网络 门控循环单元
在线阅读 下载PDF
融合残差与VMD-TCN-BiLSTM混合网络的鄱阳湖总氮预测
3
作者 黄学平 辛攀 +3 位作者 吴永明 吴留兴 邓觅 姚忠 《长江科学院院报》 北大核心 2025年第3期59-67,75,共10页
对湖泊水质进行准确、高效的预测,对于保护水资源、维护生态平衡以及促进经济发展等方面都具有重要意义。为此提出了一种基于模态分解、多维特征选择、时间卷积网络(TCN)、自注意力机制、双向长短期神经网络(BiLSTM)和双向门控循环单元(... 对湖泊水质进行准确、高效的预测,对于保护水资源、维护生态平衡以及促进经济发展等方面都具有重要意义。为此提出了一种基于模态分解、多维特征选择、时间卷积网络(TCN)、自注意力机制、双向长短期神经网络(BiLSTM)和双向门控循环单元(BiGRU)的湖泊总氮(TN)组合预测模型。首先,采用变分模态分解将TN原始序列分解成不同频率的本征模态函数(IMF),以降低原始序列的复杂度和非平稳性;随后,通过随机森林算法为每个IMF选择相关性强的特征,将筛选出的特征矩阵输入到添加自注意力机制的TCN-BiLSTM混合网络中进行建模,充分提取数据中隐藏的关键时序信息;最后,为进一步提升模型预测精度,采用BiGRU网络学习残差序列的细节特征,将残差与模型预测结果融合得到最终的预测值。以鄱阳湖都昌监测站的水质数据为例进行试验分析,结果表明本文模型相比于其他模型对TN浓度预测效果提升明显,其平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R^(2))分别为0.03 mg/L、0.049 mg/L、0.992。 展开更多
关键词 水质预测 总氮 变分模态分解 时间卷积网络 集成预测
在线阅读 下载PDF
基于调和分析及VMD-LSTM混合模型的甬江河口水位预报方法
4
作者 陈永平 韩韬 +3 位作者 邱超 甘敏 谭亚 王瑾琪 《河海大学学报(自然科学版)》 北大核心 2025年第2期1-10,共10页
为解决甬江感潮河段潮位预报总体精度偏低的问题,构建了一种基于经典调和分析(T_TIDE)、变分模态分解(VMD)和长短时记忆神经网络(LSTM)的混合模型(VMD-LSTM混合模型)。VMD-LSTM混合模型采用T_TIDE程序包对甬江河口逐时水位数据进行回报... 为解决甬江感潮河段潮位预报总体精度偏低的问题,构建了一种基于经典调和分析(T_TIDE)、变分模态分解(VMD)和长短时记忆神经网络(LSTM)的混合模型(VMD-LSTM混合模型)。VMD-LSTM混合模型采用T_TIDE程序包对甬江河口逐时水位数据进行回报(即潮位),用实测水位减去潮位得到相应余水位,并采用VMD模型将余水位分解为13个本征模函数(IMF),依次对应D0~D12潮族,采用LSTM模型分别训练余水位的各个IMF分量和潮位并分别向后预报12~48h,各个IMF分量和潮位的预报值之和即为河口水位的预测值。结果表明:VMD模型可对甬江河口余水位中D0~D12潮族波动进行完全分离;VMD-LSTM混合模型12、24、36、48h短期水位预报的均方根误差(RMSE)比LSTM模型最多分别降低了0.15、0.13、0.16、0.16m;VMD-LSTM混合模型在D0、D2潮族频带的误差修正最明显,相比LSTM模型,可分别将D0、D2潮族的谱峰预报误差最多降低0.05、0.04m·d^(0.5)。 展开更多
关键词 甬江口 河口潮汐 变分模态分解 LSTM模型 调和分析 水位预报
在线阅读 下载PDF
基于STOA-VMD和改进TCN模型的水泵机组振动趋势预测
5
作者 王伟生 张宁 +5 位作者 邢磊 周保林 郭新帅 安东 高源 张孝远 《人民黄河》 北大核心 2025年第4期141-144,151,共5页
水泵机组振动趋势预测是保障机组正常运行的重要措施,而振动信号的复杂性和非线性使预测变得困难。为此,提出一种基于STOA-VMD和改进时间卷积网络(TCN)的水泵机组振动趋势预测模型。首先采用乌燕鸥算法(STOA)进行变分模态分解(VMD)参数... 水泵机组振动趋势预测是保障机组正常运行的重要措施,而振动信号的复杂性和非线性使预测变得困难。为此,提出一种基于STOA-VMD和改进时间卷积网络(TCN)的水泵机组振动趋势预测模型。首先采用乌燕鸥算法(STOA)进行变分模态分解(VMD)参数优化,实现振动信号的最优自适应分解,然后利用改进TCN对每个分解模态进行预测,最后叠加所有结果得到最终预测结果。以国内某雨水泵站水泵机组为例,基于水导轴承水平向摆度数据进行模型验证。结果表明:上述组合模型的预测值与监测值的变化趋势基本一致,其具有良好的预测能力。与STOA-VMD-TCN、VMD-EnTCN、VMD-TCN、TCN模型相比,所提出模型的E_(MA)、E_(RMS)、E_(MAP)最小,预测精度最高。 展开更多
关键词 时间卷积网络 乌燕鸥算法 变分模态分解 振动信号 趋势预测 水泵机组
在线阅读 下载PDF
基于MOGOA-VMD-LSSVM的轴承故障诊断方法研究
6
作者 张辉 宋泓炎 +3 位作者 范华超 赵连明 江帆 鲁宗虎 《煤炭工程》 北大核心 2025年第2期149-155,共7页
针对煤基活性炭生产设备轴承故障类型难以准确诊断的问题,提出了一种多目标蝗虫优化算法(MOGOA)优化变分模态分解(VMD)与最小二乘支持向量机(LSSVM)的煤基活性炭生产设备轴承故障诊断方法。首先,针对传统蝗虫优化算法(GOA)参数敏感、易... 针对煤基活性炭生产设备轴承故障类型难以准确诊断的问题,提出了一种多目标蝗虫优化算法(MOGOA)优化变分模态分解(VMD)与最小二乘支持向量机(LSSVM)的煤基活性炭生产设备轴承故障诊断方法。首先,针对传统蝗虫优化算法(GOA)参数敏感、易于陷入局部最优的问题,引入多目标蝗虫优化算法,通过引入基于排列熵与峭度倒数归一化的复合适应度函数,优化VMD的惩罚因子和分解层数。其次,使用优化VMD分解提取的轴承振动信号并筛选出敏感变分模态分量(IMF)进行重构。最后,通过MOGOA优化LSSVM模型,形成MOGOA-LSSVM故障诊断模型。与GOA-LSSVM方法对比,本研究所提方法故障诊断准确率提高了5%,运行时间缩短了9.72 s,验证了该方法在故障诊断方面的优势。 展开更多
关键词 煤基活性炭设备 轴承 多目标蝗虫优化算法 vmd LSSVM
在线阅读 下载PDF
基于VMD-Self-attention-LSTM的水闸深基坑变形智能预测方法
7
作者 张伟 仇建春 +5 位作者 夏国春 姚兆仁 吴昊 刘占午 王昱锦 朱新宇 《水电能源科学》 北大核心 2025年第1期99-102,196,共5页
针对水闸深基坑变形监测数据具有非稳定性的特点,提出了基于VMD-Self-attention-LSTM的水闸深基坑变形预测方法。该方法分为三个主要模块,第一模块采用VMD算法自适应调整变形分解模数,将原始变形数据分解为若干具有明显周期规律的分量,... 针对水闸深基坑变形监测数据具有非稳定性的特点,提出了基于VMD-Self-attention-LSTM的水闸深基坑变形预测方法。该方法分为三个主要模块,第一模块采用VMD算法自适应调整变形分解模数,将原始变形数据分解为若干具有明显周期规律的分量,有效解决变形数据的非稳定性,为提升变形预测精度奠定初步基础;第二模块,在传统LSTM算法基础上进一步发展Self-attention-LSTM方法,提升模型对基坑变形样本的时序关系挖掘能力,进而提升基坑变形预测精度;第三模块,将各分量对应的变形预测结果重构得到最终预测值。实例分析可知,所提方法有效解决了非稳定特性给变形预测精度带来的不利影响,与VMD-LSTM、Self-attention-LSTM、LSTM等深度学习方法相比,VMD-Self-attention-LSTM的预测精度最大提升41.49%,与BP、ELM等传统机器学习算法相比,预测精度最大提升50.43%,为水闸深基坑安全监控模型的构建提供了新思路。 展开更多
关键词 水闸深基坑 变形预测 vmd Self-attention-LSTM
在线阅读 下载PDF
基于OOA-VMD的隧道爆破振动信号降噪方法
8
作者 马荣增 杜泽辉 +2 位作者 李文 彭亚雄 吴立 《爆破》 北大核心 2025年第1期175-182,共8页
爆破工程中现场爆破监测获取准确的爆破振动信号是分析有害效应的基础,由于地质条件、电磁干扰和仪器误差等因素对隧道爆破振动信号采集的不利影响,实测信号往往存在大量高频噪声,可能导致信号曲线畸变和数据失真。本研究提出了一种基... 爆破工程中现场爆破监测获取准确的爆破振动信号是分析有害效应的基础,由于地质条件、电磁干扰和仪器误差等因素对隧道爆破振动信号采集的不利影响,实测信号往往存在大量高频噪声,可能导致信号曲线畸变和数据失真。本研究提出了一种基于鱼鹰优化算法(OOA)优化变分模态分解(VMD)的信号分解算法,并利用多尺度排列熵(MPE)构建了适用于隧道爆破振动信号的降噪模型。采用最大信息系数作为适应度函数,OOA迭代计算最优VMD参数(K&α),并得到本征模态函数(IMF),利用每个分解信号的MPE值来识别噪声,通过去除噪声分量并重构得到降噪信号。采用该优化算法对云南省大山隧道实测爆破振动信号进行降噪处理,结果表明:新的优化算法能够分解出最优信号并消除噪声,且对信号的低频能量影响较小。该方法的降噪效果优于完全集成经验模态分解(CEEMD)和传统VMD算法,从而验证了OOA-VMD降噪算法的可靠性。该研究对隧道工程爆破振动信号的处理和噪声干扰问题的处理具有重要工程应用价值。 展开更多
关键词 爆破振动信号 降噪算法 隧道 Osprey优化算法 vmd分解算法
在线阅读 下载PDF
基于VMD-ICA算法的隧道爆破振动信号去噪方法
9
作者 薛威 王永东 +3 位作者 柏文军 胡志豪 任雨桐 史林猛 《工程爆破》 北大核心 2025年第1期156-166,共11页
为有效降低隧道实测爆破振动信号中噪声干扰,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)联合独立分量分析(Independent Component Analysis,ICA)的去噪方法。将原信号依次在不同分解模态数K下进行VMD分解预处理,利... 为有效降低隧道实测爆破振动信号中噪声干扰,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)联合独立分量分析(Independent Component Analysis,ICA)的去噪方法。将原信号依次在不同分解模态数K下进行VMD分解预处理,利用分量能量差参数θ分析确定模态数K,通过信噪比SNR选取最优的惩罚因子α值;在最佳参数K、α下,原始信号经VMD分解可获得一系列频率从高到低排列的本征模态分量(Intrinsic Mode Function,IMF)。为最大程度保留原信号真实成分,通过FastICA算法对IMF分量进行盲源分离,得到与IMF分量相同数量的ICA分量,将各个ICA分量进行排列熵(Permutation Entropy,PE)的随机性检测,准确区分并去除噪声分量,同时对低噪进行平滑处理。将处理后的ICA分量重构得到去噪后的振动信号。利用仿真信号检验该方法的可行性并与现有去噪方法对比得出:VMD-ICA算法的去噪信号波形和去噪效果指标均优于EMD和小波阈值去噪算法。对实测爆破振动信号进行去噪处理表明:VMD算法不仅可以较好地剔除信号中的干扰成分,而且能快速地提取信号中的有用信息。 展开更多
关键词 隧道爆破 信号去噪 vmd-ICA算法 振动信号 FASTICA算法
在线阅读 下载PDF
基于SSA-VMD-CNN-BiGUR的矿区负荷预测
10
作者 邱岳 咸晓雨 +1 位作者 于向东 马永强 《能源与环保》 2025年第2期209-214,共6页
为提升矿区负荷预测精度,提出一种基于麻雀优化算法(Sparrow Search Algorithm,SSA)、变分模态分解(Variational Mode Decomposition,VMD)、卷积神经网络(Convolution Neural Networks,CNN)及双向门控循环单元(Bidirectional Gating Rec... 为提升矿区负荷预测精度,提出一种基于麻雀优化算法(Sparrow Search Algorithm,SSA)、变分模态分解(Variational Mode Decomposition,VMD)、卷积神经网络(Convolution Neural Networks,CNN)及双向门控循环单元(Bidirectional Gating Recurrent Unit,BiGRU)的矿区负荷预测模型。首先,通过麻雀优化算法基于样本熵对变分模态分解的最佳影响参数进行迭代寻优,将矿区负荷序列分解为稳定的负荷序列。其次,将得到稳定的负荷分量通过卷积循环网络对天气、电价等历史负荷影响数据进行特征挖掘,并构建BiGRU预测模型对稳定负荷分量进行预测,将所得预测结果重构得到最终的预测结果。最后,对某矿区真实用电负荷数据进行算例分析,采用3个评价指标与目前主流预测模型进行比较。预测效果更准确,验证了所提模型的准确性。 展开更多
关键词 麻雀优化算法 变分模态分解 矿区负荷预测 卷积神经网络 双向门控循环单元
在线阅读 下载PDF
基于VMD-HHT的简支梁动力参数识别方法研究
11
作者 耿泽 《城市道桥与防洪》 2025年第2期283-288,294,共7页
为了准确识别车辆通过桥梁产生的动力响应,提出一种变分模态分解(Variational Mode Decomposition,VMD)法和希尔伯特-黄变换(Hilbert-Huang Transform,HHT)边际谱结合排列熵的桥梁结构动力参数识别方法:首先,通过VMD对原始振动信号进行... 为了准确识别车辆通过桥梁产生的动力响应,提出一种变分模态分解(Variational Mode Decomposition,VMD)法和希尔伯特-黄变换(Hilbert-Huang Transform,HHT)边际谱结合排列熵的桥梁结构动力参数识别方法:首先,通过VMD对原始振动信号进行信号分解,得到多个本征模态函数(Intrinsic Mode Function,IMF)分量;其次,计算各个IMF分量的排列熵,利用信号越稳定排列熵值越小的特点,筛选出排列熵值较小的IMF分量;最后,对其进行HHT变换,得到各个IMF分量的边际谱。仿真与实例的计算结果表明:采用该方法,能够有效识别车辆过桥时桥梁产生的动力响应并适应桥梁竖向频率较低的特点,准确提取在车辆激励下的桥梁竖向频率;车速、路面不平整度和车重这3个因素对VMD-HHT边际谱的计算结果影响较小。所得结果为桥梁结构安全运营和健康状态评价提供了参考。 展开更多
关键词 动力响应 变分模态分解(vmd) 边际谱 排列熵 竖向频率
在线阅读 下载PDF
一种基于改进VMD和CNN的滚动轴承故障诊断方法
12
作者 刘俊利 赵智超 +2 位作者 王毅 何嘉俊 白琴 《内燃机与配件》 2025年第5期42-45,共4页
针对滚动轴承故障诊断过程中特征提取、故障识别等技术问题,提出一种基于改进VMD和CNN的滚动轴承故障诊断方法。该方法首先通过采样频率和移动窗完成基于原始振动信号的训练集、验证集、测试集的划分。其次,随机抽取部分训练样本,提取... 针对滚动轴承故障诊断过程中特征提取、故障识别等技术问题,提出一种基于改进VMD和CNN的滚动轴承故障诊断方法。该方法首先通过采样频率和移动窗完成基于原始振动信号的训练集、验证集、测试集的划分。其次,随机抽取部分训练样本,提取不同分解模态数下的特征集。然后,通过皮尔逊相关系数计算各特征集中各特征之间的类内相关系数与类间相关系数,以确定最优分解模态数和高判别性特征,并以此为依据进行特征提取。最后,使用训练集特征集训练CNN模型,同时通过验证集特征集进行关键参数优化,以获取理想的轴承故障分类模型。试验结果表明该方法能实现高判别性特征的有效提取,且在准确诊断轴承多种单一故障、复合故障的同时具有良好的抗噪性。 展开更多
关键词 滚动轴承 故障诊断 vmd CNN
在线阅读 下载PDF
改进的VMD-WT微震信号联合去噪方法
13
作者 熊璐伟 李庶林 +4 位作者 杨明辉 陈兰英 卢贤锥 郑宗槟 陈志超 《防灾减灾工程学报》 北大核心 2025年第1期188-197,共10页
外部环境噪声信号的存在,影响着微震监测系统对岩体破裂灾害的预警效果。针对微震信号具有非线性、随机性强、非稳定的特点与传统VMD、WT算法中在去噪处理时存在一定局限性的问题,提出了一种改进的VMDWT联合去噪方法。首先,使用GSWOA算... 外部环境噪声信号的存在,影响着微震监测系统对岩体破裂灾害的预警效果。针对微震信号具有非线性、随机性强、非稳定的特点与传统VMD、WT算法中在去噪处理时存在一定局限性的问题,提出了一种改进的VMDWT联合去噪方法。首先,使用GSWOA算法对VMD中的分解个数及惩罚因子进行参数寻优,将优化后的参数代入VMD算法中将含噪信号分解为若干个IMF分量;其次,使用MI法对IMF分量进行分类,将有效分量保留并重构信号;最后,使用GSWOA算法对改进阈值函数的WT算法进行参数寻优,实现对含噪信号的二次去噪。对构建的仿真信号进行去噪处理,验证了改进后的联合去噪方法的可行性与优越性;并进一步将此方法应用于实测微震信号的去噪处理中,并以信噪比、均方根误差、平方绝对误差作为去噪效果评价指标,结果表明,与单一的EMD、WT、VMD去噪算法及EMD-SVD、VMD-SVD联合去噪算法相比,改进的VMD-WT去噪方法能在保留原有信号信息的基础上,更好地去除微震信号中的噪声干扰,为后续利用微震监测系统对岩体破裂灾害进行预警奠定基础。 展开更多
关键词 微震信号 变分模态分解 小波阈值 联合去噪 互信息
在线阅读 下载PDF
基于VMD煤矿电力电缆故障定位技术研究
14
作者 李志福 《煤炭科技》 2025年第1期115-118,124,共5页
煤矿井下电力电缆故障的发生严重影响煤矿的正常运行和人身安全,迅速发现并定位煤矿井下电缆故障点有利于恢复煤矿安全生产。提出将VMD算法应用于煤矿电力电缆故障诊断的定位技术,通过分析电力电缆故障的类型及行波定位方法,研究EMD算法... 煤矿井下电力电缆故障的发生严重影响煤矿的正常运行和人身安全,迅速发现并定位煤矿井下电缆故障点有利于恢复煤矿安全生产。提出将VMD算法应用于煤矿电力电缆故障诊断的定位技术,通过分析电力电缆故障的类型及行波定位方法,研究EMD算法与VMD算法的原理、特性,并分别用上述2种算法分解模拟故障行波信号,对比结果得出,采用VMD算法分解的故障行波信号在保留原始信号特征方面表现更为优越。此外,VMD算法能够更有效地提取故障行波信号中的信息,并且在面对复杂环境和噪声干扰时表现更为稳健,为煤矿井下电缆故障定位技术提供参考。 展开更多
关键词 电缆故障定位 原始信号 故障行波 EMD算法 vmd算法
在线阅读 下载PDF
基于RIME-VMD的高速列车横向减振器故障诊断
15
作者 秦永峰 李刚 +1 位作者 齐金平 王建帅 《铁道科学与工程学报》 北大核心 2025年第3期942-953,共12页
为解决变分模态分解(VMD)在高速列车横向减振器故障诊断中特征提取较为困难的问题,提出一种基于霜冰算法(RIME)以最小包络熵作为适应度函数优化变分模态分解(VMD)的特征提取方法。首先,使用霜冰算法(RIME)优化VMD在不同故障状态下模态(I... 为解决变分模态分解(VMD)在高速列车横向减振器故障诊断中特征提取较为困难的问题,提出一种基于霜冰算法(RIME)以最小包络熵作为适应度函数优化变分模态分解(VMD)的特征提取方法。首先,使用霜冰算法(RIME)优化VMD在不同故障状态下模态(IMF)分量的个数和惩罚因子的最优参数组合;其次,计算各个IMFs分量的峭度值与相关性系数,再分别选取峭度值较大的前4阶IMF分量,并在峭度值较大的4个IMFs分量中选取相关性系数较高的前3阶IMFs进行信号重构降噪;最后,计算多尺度的奇异熵、样本熵、排列熵作为故障特征值,并结合t分布随机近邻嵌入(t-SNE)算法降维去除冗余特征信息,将降维融合后的特征矩阵逐一输入到支持向量机(SVM)中,从而实现对高速列车横向减振器不同故障部位的识别。仿真实验结果表明:相较于灰狼算法(GWO)优化变分模态分解(VMD)的方法,RIME-VMD方法利用霜冰算法高效的搜索与开发能力,可以更快速寻得高速列车不同工况下,变分模态分解中分解层数和惩罚因子参数的全局最优组合,提高了VMD分解信号的鲁棒性,采用信号重构的方法可以有效提取故障特征,实现高速列车横向减振器故障的高效、准确识别。原始变分模态分解(VMD)方法虽然分解速度较快,但原始VMD参数的人工试错成本更高,不能满足高速列车故障诊断的要求。研究结果可为高速列车横向减振器故障诊断和安全运营进一步优化提供参考。 展开更多
关键词 转向架 变分模态分解 霜冰算法 故障诊断 多尺度奇异熵
在线阅读 下载PDF
基于WRF-Solar和VMD-BiGRU的超短期太阳辐射订正预报研究
16
作者 段济开 陈香月 +3 位作者 王文鹏 常明恒 陈伯龙 左洪超 《太阳能学报》 北大核心 2025年第1期710-716,共7页
太阳辐射具有很强的非线性特征,给光伏发电并网带来诸多严重挑战。针对该问题,基于数值天气预报模式、机器学习和变分模态分解发展了一种订正预报方法:1)利用WRF-Solar模式对光伏站点的地表太阳辐射进行预报;2)采用变分模态分解(VMD)方... 太阳辐射具有很强的非线性特征,给光伏发电并网带来诸多严重挑战。针对该问题,基于数值天气预报模式、机器学习和变分模态分解发展了一种订正预报方法:1)利用WRF-Solar模式对光伏站点的地表太阳辐射进行预报;2)采用变分模态分解(VMD)方法对其与观测值的偏差进行分解;3)利用双向循环神经网络(BiGRU)对分解后的各分量进行训练和预报;4)对各分量的预报进行求和后结合WRF-Solar的预报结果得到地表太阳辐射的订正预报结果。试验结果表明,经过VMD-BiGRU模型订正后,相比于WRF-Solar的预报结果 MAE和RMSE的提升百分比分别为87.39%和87.29%,相关系数提高了0.25。 展开更多
关键词 WRF-Solar模式 太阳辐射 机器学习 循环神经网络 变分模态分解
在线阅读 下载PDF
基于IMVMD和BiLSTM-SARIMA组合模型的台区光伏短期发电功率预测
17
作者 李承皓 杨永标 +2 位作者 宋嘉启 张翔颖 徐青山 《太阳能学报》 北大核心 2025年第2期433-440,共8页
针对台区分布式光伏短期发电功率预测精度低的难题,提出一种基于增强型鲸鱼优化算法的多元变分模态分解方法,并结合反向传播神经网络耦合双向长短期记忆网络和季节性差分自回归滑动平均的组合模型,实现台区分布式光伏短期发电功率预测... 针对台区分布式光伏短期发电功率预测精度低的难题,提出一种基于增强型鲸鱼优化算法的多元变分模态分解方法,并结合反向传播神经网络耦合双向长短期记忆网络和季节性差分自回归滑动平均的组合模型,实现台区分布式光伏短期发电功率预测。首先对鲸鱼优化算法的收敛因子、权重等进行改进,然后用它去优化多元变分模态分解方法中的通道数量和惩罚因子,得到最佳分解效果的参数值。再针对与外界气象等因素强相关的光伏发电功率时间序列数据,利用改进多元模态分解将序列最优分解。将分解后的各模态分量输入到单独构建的双向长短期记忆网络和季节性差分自回归滑动平均模型中,获取分量预测值,两个模型得到的分量预测值分别叠加得到各自的完整预测结果。将它们分别乘以权重后相加即为最终预测结果,权重通过反向传播神经网络进行修正。仿真结果说明相比于其他方法,所提模型能有效提高光伏短期发电的预测精度。 展开更多
关键词 模态分解 神经网络 光伏发电 预测 BiLSTM SARIMA
在线阅读 下载PDF
VMD-SVD组合降噪方法在工况传递路径分析中的应用
18
作者 魏佳帅 白镇熇 +1 位作者 陈克 王楷焱 《沈阳理工大学学报》 2025年第2期20-27,共8页
针对工况传递路径分析(operational transfer path analysis,OTPA)测得振动信号存在大量高频噪声的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和奇异值分解(singular value decomposition,SVD)的组合降噪方法V... 针对工况传递路径分析(operational transfer path analysis,OTPA)测得振动信号存在大量高频噪声的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和奇异值分解(singular value decomposition,SVD)的组合降噪方法VMD-SVD。该方法通过VMD算法对原始含噪信号进行分解,得到K个本征模态分量(intrinsic mode function,IMF);再通过方差贡献率(VCR)滤除含噪信号较大的IMF分量,并保留有效成分较多的IMF分量,经SVD算法对保留的IMF分量进行降噪处理;最后将降噪处理后的信号进行重构,得到本文组合降噪处理后的信号。本文通过模拟仿真实验验证上述方法的降噪效果,并将该方法运用到OTPA采集振动信号中。与其他基本降噪方法进行对比的结果表明,该方法能够有效滤除采集振动信号中的高频噪声,提高了OTPA方法的准确度以及信号后续分析处理的可靠性。 展开更多
关键词 工况传递路径分析 变分模态分解 奇异值分解 信号处理
在线阅读 下载PDF
OVMD-MF算法用于漏电流光纤传感
19
作者 吴健华 张晓锋 陈亮 《国防科技大学学报》 北大核心 2025年第1期181-189,共9页
针对船舶电力网络漏电流光纤传感测量响应度低、测量能力弱等问题,提出了一种基于最优变分模态分解与形态学滤波组合的降噪方法,以提升微弱电流测量能力。以希尔伯特谱熵为适应度函数,利用捕食者优化算法搜寻分解模式数及二次惩罚因子... 针对船舶电力网络漏电流光纤传感测量响应度低、测量能力弱等问题,提出了一种基于最优变分模态分解与形态学滤波组合的降噪方法,以提升微弱电流测量能力。以希尔伯特谱熵为适应度函数,利用捕食者优化算法搜寻分解模式数及二次惩罚因子的最优组合,并完成变分模态分解获取本征模态函数分量。设置相关系数阈值确定有效模态函数分量,完成信号重构。以信噪比为适应度函数,通过捕食者优化算法确定形态学滤波的结构因子及比例系数,对重构后的信号进行时域降噪处理,实现对漏电流信号进一步降噪。通过仿真分析以及实验验证,确定该方法相对于现有的滤波方法,改善了信号的信噪比,降低了最小均方误差,泄漏电流的分辨力可提升至3mA。 展开更多
关键词 漏电流检测 全光纤电流传感器 变分模态分解 捕食者优化算法 形态学滤波
在线阅读 下载PDF
基于改进鱼鹰优化算法与VMD-LSTM的超短期风电功率预测
20
作者 罗潇远 刘杰 +3 位作者 杨斌 覃涛 陈昌盛 杨靖 《太阳能学报》 北大核心 2025年第3期652-660,共9页
为提升超短期风电功率的预测精度,提出一种加入融合柯西变异和反向学习策略的改进鱼鹰优化算法(IOOA),用于优化以长短期记忆网络(LSTM)和变模态分解(VMD)为基础的组合预测模型。首先,采用变模态分解收集的历史风电功率数据,将非线性较... 为提升超短期风电功率的预测精度,提出一种加入融合柯西变异和反向学习策略的改进鱼鹰优化算法(IOOA),用于优化以长短期记忆网络(LSTM)和变模态分解(VMD)为基础的组合预测模型。首先,采用变模态分解收集的历史风电功率数据,将非线性较强的原始功率数据分解为较为稳定的子序列。其次,使用改进鱼鹰优化算法对长短期记忆网络的隐藏单元数目、训练周期、初始学习率3个参数进行寻优。最后,使用长短期记忆网络对各子序列预测,将各子序列预测值叠加起来得到最终结果。通过风电场实测数据仿真分析,相比于普通长短期记忆网络模型的预测结果,所提模型的均方根误差下降了62.5%、平均绝对百分比误差和平均绝对误差分别下降了61.1%和55.9%,预测精度也高于其他4种组合预测模型,表明该模型成功提高了超短期风电功率的预测精度。 展开更多
关键词 长短期记忆网络 变模态分解 风力发电 改进鱼鹰优化算法 功率预测 优化算法
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部