期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
基于振动数据驱动的深小孔退钻时机识别方法
1
作者 梁杰 范文浩 高琳 《机电工程》 北大核心 2025年第7期1367-1377,共11页
在航天用螺栓保险丝孔钻削过程中,退钻时机的判断通常依赖操作人员的经验,缺乏有效的实时监测手段,导致加工效率低下。针对这一问题,从振动监测角度提出了一种基于振动数据驱动的螺栓保险丝孔钻削退钻时机识别方法。首先,搭建了钻孔实... 在航天用螺栓保险丝孔钻削过程中,退钻时机的判断通常依赖操作人员的经验,缺乏有效的实时监测手段,导致加工效率低下。针对这一问题,从振动监测角度提出了一种基于振动数据驱动的螺栓保险丝孔钻削退钻时机识别方法。首先,搭建了钻孔实验平台及信号采集设备,进行了恒进给钻削实验并采集得到了断裂信号;然后,通过小波变换揭示了断裂信号的时频变化特征,利用最大重叠离散小波变换(MODWT)实现了对特征信号的重构目的;接着,将模糊熵特征评价指标与滑动窗口重叠采样进行了结合,计算并分析了模糊熵随钻削深度的变化趋势;最后,采用实验验证了不同切削参数和退钻模式下识别方法的有效性。研究结果表明:在正常钻削工况下,工件与主轴处高频振动信号的模糊熵值分别稳定于0.01和0.0015阈值线以下,当钻头进入断裂临界状态时,两测点的模糊熵值均呈现持续上升趋势,并最终超出阈值线;以钻削过程模糊熵标准差最小为优化目标,得到了两种退钻模式下的最优切削参数,相较于传统依赖经验的固定深度啄钻方法,优化后的两种切削参数在效率上分别提高了41.8%和36.7%。振动数据驱动的螺栓保险丝孔钻削退钻时机识别方法能有效识别不同退钻模式和切削参数下的退钻时机,且其识别准确性不受测量位置影响,具有较好的鲁棒性。优化后的切削参数为螺栓保险丝孔高效率加工提供了参考依据。 展开更多
关键词 数据驱动 钻削 最大重叠离散小波变换 滑动窗口 模糊熵 全因子实验设计
在线阅读 下载PDF
基于滚动模态分解和GCN-DABiLSTM的综合能源系统多元负荷预测模型
2
作者 罗林霖 王霄 +1 位作者 何志琴 尹曜华 《广东电力》 北大核心 2025年第9期130-144,共15页
针对综合能源系统(integrated energy system,IES)中因多元负荷复杂性和耦合性导致的预测精度受限问题,提出一种基于滚动模态分解和GCN-DABiLSTM的IES多元负荷预测模型。首先,利用完全自适应噪声集合经验模态分解(complete ensemble emp... 针对综合能源系统(integrated energy system,IES)中因多元负荷复杂性和耦合性导致的预测精度受限问题,提出一种基于滚动模态分解和GCN-DABiLSTM的IES多元负荷预测模型。首先,利用完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)对电、冷、热负荷进行初步分解,生成一系列子序列;其次,采用模糊散布熵(fuzzy discrete entropy,FDE)对子序列进行复杂性评估并聚合;然后,通过变分模态分解(variational mode decomposition,VMD)对高频分量进行二次分解,将原始序列解耦为特征聚焦且平稳的子序列。在分解过程中,引入滚动分解策略,规避了传统基于模态分解的预测方法带来的信息渗透问题。最后,构建一个结合图卷积网络(graph convolutional network,GCN)和双重注意力(dual-attention mechanism,DA)机制优化的双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)的组合预测框架,用于多元负荷预测。基于美国亚利桑那州立大学IES数据的验证表明,该模型相较于其他模型,预测误差显著降低,验证了其在预测任务中的有效性。 展开更多
关键词 负荷预测 滚动模态分解 模糊散布熵 图卷积网络 双向长短期记忆网络 双重注意力机制
在线阅读 下载PDF
FSTPSO优化VMD及OMRDE特征在联合收割机装配质量检测中的应用研究
3
作者 徐国夏 张家铭 +3 位作者 马毅臻 轩梦辉 赵思夏 温金羽 《拖拉机与农用运输车》 2025年第1期37-47,共11页
针对联合收割机在装配质量检测问题上缺乏有效的检测方法,提出一种基于模糊自整定粒子群算法(Fuzzy Self-tuning Particle Swarm Optimization,简称FSTPSO)优化变分模态分解(Variational Mode Decomposition,简称VMD)及最小二乘支持向量... 针对联合收割机在装配质量检测问题上缺乏有效的检测方法,提出一种基于模糊自整定粒子群算法(Fuzzy Self-tuning Particle Swarm Optimization,简称FSTPSO)优化变分模态分解(Variational Mode Decomposition,简称VMD)及最小二乘支持向量机(Least Squares Support Vector Machines,简称LSSVM)的故障诊断方法。采用优化多尺度反向离散熵(Optimized Multi-Scale Reverse Discrete Entropy,简称OMRDE)进行特征提取,并与时频域特征进行特征融合。建立FSTPSO-VMD-FSTPSO-LSSVM故障诊断模型,对比分析OMRDE、多尺度离散熵、模糊熵三种熵函数的特征提取效果,对比FSTPSO-VMD-DF、FSTPSO-VMD-DT、FSTPSO-VMD-SVM、FSTPSO-VMD-LSSVM、FSTPSO-VMD-KNN、FSTPSO-VMD-NBM的分类准确率,验证了本文所述故障诊断模型的有效性,试验结果证明本文提出模型对联合收割机装配质量检测的分类准确率可达99%,较现有模型具有更好的准确度与稳定性。 展开更多
关键词 联合收割机装配质量检测 模糊自整定粒子群算法 变分模态分解 优化多尺度反向离散熵 最小二乘支持向量机
在线阅读 下载PDF
基于模糊熵和离散Fréchet距离的小电流接地系统故障选线方法 被引量:4
4
作者 肖宇 《电测与仪表》 北大核心 2024年第3期102-112,共11页
根据故障线路与非故障线路的故障特征,提出一种基于模糊熵和离散Fréchet距离的小电流接地系统故障选线方法。利用完备集合经验模态分解(CEEMDAN)对各线路暂态零序电流进行分解,并根据峰度和连续均方误差选取特征IMF分量。对各线路... 根据故障线路与非故障线路的故障特征,提出一种基于模糊熵和离散Fréchet距离的小电流接地系统故障选线方法。利用完备集合经验模态分解(CEEMDAN)对各线路暂态零序电流进行分解,并根据峰度和连续均方误差选取特征IMF分量。对各线路特征IMF分量求取相关系数,构造相似特征矩阵,判断其是线路故障或是母线故障。若为线路故障,则对各线路特征IMF分量进行模糊信息粒化,将各线路粒化后的三组Low,R,Up分别混合叠加,并求取离散Fréchet距离,结合隶属函数,求取加入复杂影响因子的模糊熵,构造复杂特征矩阵;利用双重特征矩阵进行故障选线。经过大量的仿真分析证明了该选线方法的准确性,同时不受过渡电阻和故障合闸角的影响,且抗噪能力强。 展开更多
关键词 CEEMDAN 峰度 模糊熵 离散Fréchet距离 故障选线
在线阅读 下载PDF
模糊离散事件系统时间维度可诊断性分析 被引量:1
5
作者 佘维 杨慕 +2 位作者 陈倩 沈碧波 叶阳东 《合肥工业大学学报(自然科学版)》 CAS CSCD 北大核心 2015年第7期906-913,共8页
针对观测条件受限时的模糊离散事件系统(fuzzy discrete event systems,FDES)故障诊断问题,文章提出一种以时间维度可观程度(observable degree in dimensionality of time,ODDT)为基础的故障诊断器构造方法。根据观测信息中的时间属性... 针对观测条件受限时的模糊离散事件系统(fuzzy discrete event systems,FDES)故障诊断问题,文章提出一种以时间维度可观程度(observable degree in dimensionality of time,ODDT)为基础的故障诊断器构造方法。根据观测信息中的时间属性建立时间约束图,并以时间证据合并的策略分析离散事件在时间维度上的可观性,从而获得FDES的时间信息全局状态;计算ODDT,并用于分析FDES的系统状态和故障可诊断程度。该方法可在观测条件受限以致故障事件链难以完全捕获的情况下,根据状态信息隐含的时间线索来辨识模糊事件并发现系统隐患。实例分析表明,相比于单纯依赖故障事件链分析的诊断方法,根据ODDT构造的诊断器提高了系统的可诊断程度。 展开更多
关键词 模糊离散事件系统 可观性 可诊断性 时间维度 不确定性
在线阅读 下载PDF
模糊离散事件系统在信息服务系统中的应用 被引量:2
6
作者 张颖 邵世煌 《上海交通大学学报》 EI CAS CSCD 北大核心 2006年第11期1901-1906,共6页
用模糊离散事件系统(FDES)从离散事件的角度去描述一类包含所谓“具有确定性的不确定/模糊”问题、与人的主观观察/判断密切相关的复杂系统.将信息服务系统分为若干个自主智能实体———Agent,提出了Agent服务状态的概念.根据信息服务... 用模糊离散事件系统(FDES)从离散事件的角度去描述一类包含所谓“具有确定性的不确定/模糊”问题、与人的主观观察/判断密切相关的复杂系统.将信息服务系统分为若干个自主智能实体———Agent,提出了Agent服务状态的概念.根据信息服务过程中的一些辅助观测量,评判Agent系统当前的服务状态,用基于规则的FDES去描述各种服务状态之间的转化行为,并构造FDES监督控制器,使Agent的服务状态始终得到有效调控,起到了合理利用有限资源、保持负载平衡、防止请求任务阻塞等作用,提升了Agent的服务状态品质.通过在纺织行业信息服务平台中的应用,证明了该方法的有效性. 展开更多
关键词 模糊离散事件系统 信息服务系统 模糊规则 监督控制
在线阅读 下载PDF
基于模糊离散事件系统的车域网垂直切换系统建模和应用 被引量:1
7
作者 李丹美 张世铭 +2 位作者 杨青 拉姆萨 郭兴中 《东华大学学报(自然科学版)》 CAS CSCD 北大核心 2009年第6期699-705,共7页
将模糊离散事件系统(FDES)应用于车载网(VAN)的垂直切换中,综合考虑了信号强度、带宽、费用、移动速度、稳定性等因素,分别对带宽、费用和稳定性建立了模糊自动机模型,提出了垂直切换的效率函数和垂直切换模糊规则,最后举例说明了FDES... 将模糊离散事件系统(FDES)应用于车载网(VAN)的垂直切换中,综合考虑了信号强度、带宽、费用、移动速度、稳定性等因素,分别对带宽、费用和稳定性建立了模糊自动机模型,提出了垂直切换的效率函数和垂直切换模糊规则,最后举例说明了FDES在车载网垂直切换中的可行性. 展开更多
关键词 模糊离散事件系统(fdeS) 车载网(VAN) 垂直切换
在线阅读 下载PDF
基于分散微粒群算法的二维模糊最大熵图像分割
8
作者 田杰 曾建潮 侯明冬 《计算机工程与应用》 CSCD 北大核心 2008年第29期188-190,共3页
该文研究了基于二维模糊信息熵的图像分割方法,针对二维模糊信息熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于优化微粒群算法的二维最大熵图像分割方法。DPSO算法对图像的二维阈值空间进行全局搜索,并... 该文研究了基于二维模糊信息熵的图像分割方法,针对二维模糊信息熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于优化微粒群算法的二维最大熵图像分割方法。DPSO算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。同时,为了避免该算法收敛到局部最优解的问题,在算法中引入了变异策略。通过实验显示了该算法在收敛性和计算效率上较QPSO在内其它优化算法具有更好的优越性。 展开更多
关键词 图像分割 二维模糊最大熵 分散粒子群优化算法 粒子群优化算法 算子行为的微粒群优化算法
在线阅读 下载PDF
基于DWT、MEMD和模糊熵的脑电信号特征提取与分类研究 被引量:7
9
作者 陈倩倩 徐健 +2 位作者 刘秀平 黄磊 惠楠 《河南理工大学学报(自然科学版)》 CAS 北大核心 2022年第1期143-152,共10页
针对脑电信号分类准确率不高导致脑控设备控制稳定性差的问题,提出一种基于离散小波变换(DWT)、多变量经验模态分解(MEMD)和模糊熵的特征提取与分类方法。首先,利用DWT将脑电信号分解成一系列窄带信号;其次,利用MEMD对子带信号进行分解... 针对脑电信号分类准确率不高导致脑控设备控制稳定性差的问题,提出一种基于离散小波变换(DWT)、多变量经验模态分解(MEMD)和模糊熵的特征提取与分类方法。首先,利用DWT将脑电信号分解成一系列窄带信号;其次,利用MEMD对子带信号进行分解,得到一系列本征模函数(IMFs),选择合适的IMFs进行信号重构,利用模糊熵算法对信号提取特征,作为实验的特征向量;最后,使用支持向量机(SVM)进行分类。利用脑机接口(BCI)大赛数据作为验证集,验证了该算法的有效性,使分类精度提高到了96.2%,同时解决了经验模态分解(EMD)中频带覆盖较广的问题。 展开更多
关键词 脑电信号 离散小波变换 多变量经验模态分解 模糊熵 特征提取
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
10
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