期刊文献+
共找到271篇文章
< 1 2 14 >
每页显示 20 50 100
A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter 被引量:9
1
作者 Yu-xing Li Long Wang 《Defence Technology(防务技术)》 SCIE EI CAS CSCD 2020年第3期543-554,共12页
Underwater acoustic signal processing is one of the research hotspots in underwater acoustics.Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing.Owing to the complexity ... Underwater acoustic signal processing is one of the research hotspots in underwater acoustics.Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing.Owing to the complexity of marine environment and the particularity of underwater acoustic channel,noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing.In order to solve the dilemma,we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise(CEEMDAN),minimum mean square variance criterion(MMSVC) and least mean square adaptive filter(LMSAF).This noise reduction technique,named CEEMDAN-MMSVC-LMSAF,has three main advantages:(i) as an improved algorithm of empirical mode decomposition(EMD) and ensemble EMD(EEMD),CEEMDAN can better suppress mode mixing,and can avoid selecting the number of decomposition in variational mode decomposition(VMD);(ii) MMSVC can identify noisy intrinsic mode function(IMF),and can avoid selecting thresholds of different permutation entropies;(iii) for noise reduction of noisy IMFs,LMSAF overcomes the selection of deco mposition number and basis function for wavelet noise reduction.Firstly,CEEMDAN decomposes the original signal into IMFs,which can be divided into noisy IMFs and real IMFs.Then,MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs.Finally,both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained.Compared with other noise reduction techniques,the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals,which has the better noise reduction effect and has practical application value.CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection,feature extraction,classification and recognition of underwater acoustic signals. 展开更多
关键词 Underwater acoustic signal Noise reduction empirical mode decomposition(EMD) ensemble EMD(EEMD) complete EEMD with adaptive noise(CEEMDAN) Minimum mean square variance criterion(MMSVC) Least mean square adaptive filter(LMSAF) Ship-radiated noise
在线阅读 下载PDF
基于ICEEMDAN-PE-GDBO-LSSVM的风电功率预测
2
作者 汪繁荣 张旭东 《现代电子技术》 北大核心 2025年第10期57-62,共6页
随着可再生能源特别是风电的高比例接入,电网面临着前所未有的不确定性和波动性挑战。为准确预测风电功率,提出一种基于改进的自适应噪声完全集合经验模态分解(ICEEMDAN)-排列熵(PE)-改进的蜣螂优化算法(GDBO)-最小支持二乘向量机(LSSVM... 随着可再生能源特别是风电的高比例接入,电网面临着前所未有的不确定性和波动性挑战。为准确预测风电功率,提出一种基于改进的自适应噪声完全集合经验模态分解(ICEEMDAN)-排列熵(PE)-改进的蜣螂优化算法(GDBO)-最小支持二乘向量机(LSSVM)的组合模型。首先使用ICEEMDAN对风电数据进行分解,从而降低复杂度;之后根据PE对分解后得到的各分量进行聚合,再使用GDBO算法对LSSVM的关键参数进行寻优,以得到最佳预测模型;最后使用优化模型对各聚合分量分别进行预测和叠加,得到总的预测结果。基于国内风电场数据集进行实验验证,结果表明所提方法有较高的预测精度,均方根误差比单一的LSSVM模型低61.39%,在工程实践中具有更为广阔的应用前景。 展开更多
关键词 风电功率预测 自适应噪声完全集合经验模态分解 改进的蜣螂优化算法 排列熵 改进的完全集合经验模态分解 最小支持二乘向量机 分量聚合
在线阅读 下载PDF
基于ICEEMDAN的微电网混合储能容量配置 被引量:1
3
作者 刘旭民 张彦 刘晓波 《南方电网技术》 北大核心 2025年第1期140-149,共10页
针对改进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)的微电网混合储能系统(hybrid energy storage system,HESS)容量优化配置方法,以解决并网型微电网中... 针对改进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)的微电网混合储能系统(hybrid energy storage system,HESS)容量优化配置方法,以解决并网型微电网中可再生能源出力和用电负荷波动导致的联络线功率波动问题。该方法通过对微电网中不平衡功率进行功率信号分解,并分析确定高频分量和低频分量,实现功率信号重构。针对不同储能系统技术特点,采用钠硫电池平抑低频分量,采用超级电容平抑高频分量。然后,通过建立以储能初始投资和维护成本最小为目标的HESS容量优化配置模型,利用商业求解器GUROBI求解混合储能配置方案。基于某并网型微电网进行算例分析,结果表明配置HESS能有效平抑微电网联络线功率波动,且该方法具有较好的经济性。算例分析结果验证了所提方法的有效性和可行性。 展开更多
关键词 改进自适应噪声完备集合经验模态分解(iceemdAN) 微电网 混合储能 容量优化配置 GUROBI
在线阅读 下载PDF
基于ICEEMDAN算法的高速双圆弧斜齿轮泵振动试验特性分析
4
作者 董庆伟 李博 +2 位作者 李阁强 韩帅康 皇甫科维 《机床与液压》 北大核心 2025年第4期151-157,共7页
针对双圆弧斜齿轮泵高速工况下引起的振动问题,以过渡曲线为正弦曲线的双圆弧斜齿轮泵为研究对象,搭建液压工作站,以转速与压力负载为变量,采集不同转速与压力负载下泵的进油口、出油口与泵体上侧的振动信号,然后对数据进行时、频域分... 针对双圆弧斜齿轮泵高速工况下引起的振动问题,以过渡曲线为正弦曲线的双圆弧斜齿轮泵为研究对象,搭建液压工作站,以转速与压力负载为变量,采集不同转速与压力负载下泵的进油口、出油口与泵体上侧的振动信号,然后对数据进行时、频域分析。在此基础上,基于增强型完全集合经验模态分解(ICEEMDAN)算法对数据进行特征提取,通过模糊熵与峭度构建的综合指标选取内在模态函数分量(IMF)进行分析,得到双圆弧斜齿轮泵在不同转速和压力负载工况下的振动特性。结果表明:在所测工况下,出油口区域的振动幅度普遍高于进油口和泵体上侧区域,而且压力负载对泵的振动分布具有一定影响;在恒定压力负载下,泵的振动幅值随转速的提高而增加,且这种增长随转速的提高而加剧;在恒定转速下,泵的振动幅度整体趋势随着压力负载的增加而上升,但在特定压力负载点出现下降。 展开更多
关键词 斜齿轮泵 高速工况 振动特性 增强型完全集合经验模态分解(iceemdAN)算法
在线阅读 下载PDF
基于参数优化的ICEEMDAN滚动轴承故障诊断
5
作者 李雨晴 马洁 《机床与液压》 北大核心 2025年第6期21-27,共7页
滚动轴承长期处于噪声污染的工作环境中,其故障诊断常受到噪声干扰,难以对故障特征信息进行有效提取。针对此问题,提出基于冠豪猪优化算法(CPO)的改进自适应噪声完备经验模式分解(ICEEMDAN)联合卷积神经网络(CNN)的故障诊断方法。通过CP... 滚动轴承长期处于噪声污染的工作环境中,其故障诊断常受到噪声干扰,难以对故障特征信息进行有效提取。针对此问题,提出基于冠豪猪优化算法(CPO)的改进自适应噪声完备经验模式分解(ICEEMDAN)联合卷积神经网络(CNN)的故障诊断方法。通过CPO对ICEEMDAN的白噪声幅值权重及噪声添加次数进行参数寻优,将最优参数返回并进行信号分解,以最小包络熵作为相关度函数,筛选出相关程度高的特征模态分量(IMF);将重构的有效特征分量IMF转化为特征向量并输入到CNN模型中,从而实现轴承的故障诊断。与已有模型进行对比,结果表明:该方法具有较强的泛化能力,诊断精度明显优于现有方法,并且具有更高的诊断效率。 展开更多
关键词 故障诊断 冠豪猪优化算法(CPO) 改进自适应噪声完备经验模式分解(iceemdAN) 卷积神经网络(CNN)
在线阅读 下载PDF
基于ICEEMDAN和分布熵的SS-Y伸缩仪信号随机噪声压制方法 被引量:2
6
作者 吴林斌 《大地测量与地球动力学》 CSCD 北大核心 2024年第4期429-435,共7页
结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)与分布熵(DistEn),提出一种无需自定义算法参数、去噪效果较好的伸缩仪信号随机噪声压制方法。首先将伸缩仪信号进行ICEEMDAN处理,得到若干个本征模态函数(IMF);然后计算各IMF分量... 结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)与分布熵(DistEn),提出一种无需自定义算法参数、去噪效果较好的伸缩仪信号随机噪声压制方法。首先将伸缩仪信号进行ICEEMDAN处理,得到若干个本征模态函数(IMF);然后计算各IMF分量的分布熵值,根据不同分布熵值的大小和表征的分量信号混乱程度,有针对性地对各IMF进行取舍;最后进行线性重构。设计仿真信号去噪实验和SS-Y伸缩仪信号去噪实验,结果表明,基于ICEEMDAN-DistEn去噪模型的伸缩仪信号重构还原度较好,去噪效果显著,明显优于CEEMDAN-DistEn、小波去噪和卡尔曼滤波等去噪模型。 展开更多
关键词 SS-Y伸缩仪 随机噪声压制 改进的自适应噪声完备集合经验模态分解 分布熵 信噪比
在线阅读 下载PDF
一种灰色关联分析优化ICEEMDAN的VP倾斜仪信号降噪模型
7
作者 庞聪 孙海洋 +3 位作者 刘天龙 姚瑶 李忠亚 马武刚 《大地测量与地球动力学》 CSCD 北大核心 2024年第6期654-660,共7页
VP倾斜仪固体潮信号受仪器监测复杂环境限制,多含有大量环境噪声。为获得真实固体潮曲线,提出一种基于灰色关联分析优化改进的自适应噪声完备集合经验模态分解(ICEEMDAN)VP倾斜仪信号降噪模型(GRA-ICEEMDAN)。该方法首先将含噪信号进行I... VP倾斜仪固体潮信号受仪器监测复杂环境限制,多含有大量环境噪声。为获得真实固体潮曲线,提出一种基于灰色关联分析优化改进的自适应噪声完备集合经验模态分解(ICEEMDAN)VP倾斜仪信号降噪模型(GRA-ICEEMDAN)。该方法首先将含噪信号进行ICCEMDAN处理,得到若干个固有模态函数(IMF),并依次排列与标记;然后基于这些IMF分别计算相关系数、互信息、R^(2)、Adj-R^(2)、MSE、SSE、RMSE、MAE、MAPE、样本熵等10个评价指标值,构建IMF可信度评价指标矩阵;最后借助灰色关联分析(GRA)计算各评价指标与不同IMF之间的关联系数和关联度,依据关联度大小对各个IMF进行排序,将排名靠前的IMF进行线性重构,即可完成信号降噪。仿真去噪实验和实测去噪实验均表明,GRA-ICEEMDAN模型优于卡尔曼滤波、70阶低通FIR滤波、Savitzky-Golay等经典降噪模型,能显著区分噪声成分和有效成分,原始信号分解后的重构误差与信号损失极小,可推广至其他仪器的复杂信号降噪中。 展开更多
关键词 VP倾斜仪 信号降噪 改进的自适应噪声完备集合经验模态分解 灰色关联分析 固有模态函数 样本熵 互信息
在线阅读 下载PDF
基于ICEEMDAN-多尺度排列熵的拆除爆破振动信号降噪研究 被引量:4
8
作者 康怡泽 姚颖康 +2 位作者 董润龙 贾永胜 谢全民 《振动与冲击》 EI CSCD 北大核心 2024年第13期275-287,共13页
由于工程环境、炸药爆炸等因素影响,实测建(构)筑物爆破拆除所产生的低频振动信号常受到噪声干扰。提出改进的自适应噪声完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN... 由于工程环境、炸药爆炸等因素影响,实测建(构)筑物爆破拆除所产生的低频振动信号常受到噪声干扰。提出改进的自适应噪声完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN)与多尺度排列熵联合的降噪算法,并运用皮尔逊系数、信噪比和均方误差来验证所用算法的可行性。对实测拆除爆破塌落触地振动信号进行降噪处理,通过频谱分析以及各类指标对比表明,该联合降噪方法能够有效降低拆除爆破振动信号中的噪声,并且对信号的低频能量影响较小,降噪效果显著,为拆除爆破振动信号分析和处理提供了一种新的有效的方法。 展开更多
关键词 拆除爆破 振动信号 改进的自适应噪声完全集合经验模态分解(iceemdAN) 多尺度排列熵 信号降噪
在线阅读 下载PDF
基于ICEEMDAN分解与SE重构和DBO-LSTM的滑坡位移预测 被引量:3
9
作者 封青青 李丽敏 +2 位作者 陈飞阳 张碧涵 余兵 《电子测量技术》 北大核心 2024年第7期80-87,共8页
滑坡位移预测是防灾减灾的一项重要工作,针对位移分解后趋势项和周期项重构的合理性问题以及周期项位移预测精度不高的问题,提出了一种改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、样本熵(SE)以及蜣螂算法(DBO)优化的长短期记忆网... 滑坡位移预测是防灾减灾的一项重要工作,针对位移分解后趋势项和周期项重构的合理性问题以及周期项位移预测精度不高的问题,提出了一种改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、样本熵(SE)以及蜣螂算法(DBO)优化的长短期记忆网络(LSTM)组合模型进行位移预测。以八字门滑坡为研究对象,利用ICEEMDAN方法将滑坡累计位移进行分解,并用样本熵值表征分解得到的子序列,将其重构为趋势项和周期项位移。之后利用LSTM模型预测趋势项和周期项位移;通过灰色关联度的方法确定周期项位移的影响因素。考虑到LSTM网络中超参数的随机性会影响模型预测精度,引入蜣螂优化算法获取LSTM最优超参数,最终将预测得到的趋势项和周期项位移叠加得到累计位移。本文所提的ICEEMDAN-SE-DBO-LSTM模型预测周期项位移的RMSE、MAE、R23项指标分别为1.803 mm、1.584 mm、0.988,相较于DBO-BP,LSTM,GRU和BP模型预测效果更优,证明了模型的有效性。 展开更多
关键词 滑坡位移 改进的自适应噪声完备集合经验模态分解 样本熵 蜣螂优化算法
在线阅读 下载PDF
基于ICEEMDAN与POA-SVM的感应电机故障诊断 被引量:2
10
作者 刘满强 吴杰 《现代制造工程》 CSCD 北大核心 2024年第5期127-137,共11页
针对感应电机定子电流故障特征提取困难,支持向量机(SVM)惩罚系数c和核函数参数g的选择对诊断结果影响较大等问题,提出一种改进自适应噪声平均总体经验模态分解(ICEEMDAN)与鹈鹕优化算法(POA)优化支持向量机(POA-SVM)相结合的感应电机... 针对感应电机定子电流故障特征提取困难,支持向量机(SVM)惩罚系数c和核函数参数g的选择对诊断结果影响较大等问题,提出一种改进自适应噪声平均总体经验模态分解(ICEEMDAN)与鹈鹕优化算法(POA)优化支持向量机(POA-SVM)相结合的感应电机故障诊断方法。首先,利用ICEEMDAN经陷波器滤除工频的定子电流获得一系列固有模态函数(IMF);然后,选取各状态信号的前7阶IMF分量并计算能量熵作为故障特征向量;最后,将故障特征向量输入POA-SVM模型得到诊断结果。通过仿真软件Ansoft/Maxwell建立电机模型来获得电流数据,诊断准确率达到了100%,实现了感应电机的故障诊断。为进一步验证诊断方法的优越性,搭建电机故障模拟试验台来采集电流信号,结果表明,该方法在空载、半载和满载3种负载情况下诊断准确率均可达到97.5%以上,与其他故障诊断方法相比,所提方法对感应电机电气故障具有更好的识别能力。 展开更多
关键词 改进自适应噪声平均总体经验模态分解 鹈鹕优化算法 支持向量机 感应电机 故障诊断
在线阅读 下载PDF
基于ICEEMDAN分解重构的BiLSTM-KELM短期电力负荷预测 被引量:1
11
作者 王晨 李又轩 +2 位作者 王淑侠 邬蓉蓉 吴其琦 《科学技术与工程》 北大核心 2024年第32期13836-13843,共8页
短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分... 短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)和排列熵(permutation entropy,PE)重构部分,以及双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)与核极限学习(kernel extreme learning machine,KELM)预测部分。首先,使用ICEEMDAN将复杂的负荷数据分解成n个相对平稳的子序列,从而降低数据的随机性,并引入排列熵来计算每个子序列的PE值来进行重构,有效减小了模型的计算规模。其次,采用BiLSTM模型来挖掘数据之间的内在联系,对各个重构序列进行学习和预测。最后,利用KELM对重构序列的预测值进行非线性拟合,进一步提高预测精度。实验结果表明:ICEEMDAN-PE-BiLSTM-KELM模型比传统长短期记忆神经网络(long short-term memory,LSTM)模型的均方根误差(root mean square error,RMSE)降低了106.05 MW,平均绝对误差(mean absolute error,MAE)降低了62.34 MW,平均绝对百分比误差(mean absolute percentage error,MAPE)降低了0.877%,可见该模型能够更好地解决数据的复杂性和随机性,同时提高预测精度。 展开更多
关键词 短期电力负荷预测 改进的自适应噪声完备集经验模态分解(iceemdAN) 排列熵(PE) 双向长短期记忆神经网络(BiLSTM) 核极限学习(KELM)
在线阅读 下载PDF
基于ICEEMD-FastICA的滚动轴承故障诊断方法 被引量:2
12
作者 马卫平 洪昆玥 +1 位作者 安宁 宋宇宙 《机械强度》 CAS CSCD 北大核心 2024年第2期281-285,共5页
针对滚动轴承早期故障特征信号提取困难的问题,提出了一种改进完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition,ICEEMD)和独立分量分析(Independent Component Analysis,ICA)联合故障诊断方法。该方法... 针对滚动轴承早期故障特征信号提取困难的问题,提出了一种改进完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition,ICEEMD)和独立分量分析(Independent Component Analysis,ICA)联合故障诊断方法。该方法利用峭度准则将经ICEEMD得到的固有模态分量(Intrinsic Mode Function,IMF)重构后结合快速独立分量分析(Fast Independent Component Analysis,FastICA)进行降噪解混,明显降低被测信号中的噪声,并且在故障特征频率处能量幅值取得最大值,便于辨识故障特征。通过试验研究分析,表明该方法可以明显降低噪声干扰,突出故障频率成分。和ICEEMD与包络谱结合的方法对比,信噪比提高了29.54%,能更准确地识别故障特征,达到对滚动轴承故障的判别需求,从而为轴承故障特征提取提供了一种新思路。 展开更多
关键词 改进完备集成经验模态分解 盲源分离 独立分量分析 故障诊断 降噪
在线阅读 下载PDF
基于ICEEMDAN和共振解调的轴承故障检测方法
13
作者 唐斌 池茂儒 +2 位作者 赵明花 李大柱 许文天 《铁道机车车辆》 北大核心 2024年第4期84-91,共8页
对于滚动轴承的故障检测,提出了一种基于带自适应噪声的改进完全集合经验模态分解(ICEEMDAN)和共振解调的轴承故障检测方法。通过ICEEMDAN算法,把原始振动信号分解为若干个IMF分量;选取有效IMF分量进行求和,得到重构信号;使用快速峭度... 对于滚动轴承的故障检测,提出了一种基于带自适应噪声的改进完全集合经验模态分解(ICEEMDAN)和共振解调的轴承故障检测方法。通过ICEEMDAN算法,把原始振动信号分解为若干个IMF分量;选取有效IMF分量进行求和,得到重构信号;使用快速峭度图法确定共振频带,然后以此设计相应滤波器进行滤波;使用形态学滤波方法进行共振信号的解调,然后再利用FFT得到轴承的故障特征频谱图。内、外圈故障振动数据验证结果表明,该方法能够检测出滚动轴承的故障。 展开更多
关键词 滚动轴承 带自适应噪声的改进完全集合经验模态分解(iceemdAN) 共振解调 快速峭度图 形态学滤波
在线阅读 下载PDF
融合二次分解的深度学习模型在PM_(2.5)浓度预测中的应用 被引量:1
14
作者 江雨燕 黄体臣 +1 位作者 甘如美江 王付宇 《安全与环境学报》 北大核心 2025年第1期296-309,共14页
针对PM_(2.5)质量浓度时间序列呈非线性难以预测的特征,为了进一步提高PM_(2.5)质量浓度预测精确度,研究通过“分而治之”先分解再预测的思想,提出一种融合二次分解的PM_(2.5)质量浓度混合预测模型(Complete Ensemble Empirical Mode De... 针对PM_(2.5)质量浓度时间序列呈非线性难以预测的特征,为了进一步提高PM_(2.5)质量浓度预测精确度,研究通过“分而治之”先分解再预测的思想,提出一种融合二次分解的PM_(2.5)质量浓度混合预测模型(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Variational Mode Decomposition-Temporal Convolutional Network-Bi-directional Long Short-Term Memory,CEEMDAN-VMD-TCN-BiLSTM)。该模型先由递归特征消除(Recursive Feature Elimination,RFE)进行特征筛选,随后使用自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)将2013—2016年北京市PM_(2.5)质量浓度序列分解为一系列高低频模态分量并计算各分量样本熵,将样本熵由K-means聚类整合为新的分量,再由变分模态分解(Variational Mode Decomposition,VMD)方法进行二次分解。最后,将所有分量先经时间卷积网络(Temporal Convolutional Network,TCN)进行特征提取,并通过双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)预测,叠加各分量预测值即为最终预测结果。消融试验结果显示,该模型相比于单次CEEMDAN分解模型均方根误差E_(MAPE)降低19.312%,绝对误差E_(MAE)降低34.423%,百分比误差E_(MAPE)与希尔不等系数E_(TIC)分别减少40.465百分点和59.794%。由此可见,研究在引入VMD构成二次分解模型相比于单次分解模型的预测误差更小,精度更高,可为决策者在PM_(2.5)质量浓度预测与治理等工作提供一定参考。 展开更多
关键词 环境工程学 PM_(2.5)质量浓度预测 自适应噪声的完备经验模态分解 变分模态分解 时间卷积网络 双向长短期记忆网络
在线阅读 下载PDF
基于二次CEEMDAN与CCJC的滚动轴承故障冲击特征提取 被引量:1
15
作者 张亢 曹振华 +2 位作者 刘鹏飞 陈向民 牛晓瑞 《噪声与振动控制》 北大核心 2025年第1期112-118,247,共8页
滚动轴承故障振动信号的成分复杂多样,且受噪声和传递路径的影响,导致从中提取表征故障的周期性冲击成分难度很大。对此,利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEM... 滚动轴承故障振动信号的成分复杂多样,且受噪声和传递路径的影响,导致从中提取表征故障的周期性冲击成分难度很大。对此,利用自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)良好的非平稳非线性数据处理能力,首先将原始轴承振动信号中的各种成分予以分离,在此基础上,提出相关系数跳变准则(Correlation Coefficient Jump Criterion,CCJC)区别以故障周期性冲击成分为主的分量,以及以噪声和转频成分为主的分量,并通过二次分解二次重构的方式,最大限度去除噪声与转频相关成分,最终得到提纯的滚动轴承故障周期性冲击信号。通过对滚动轴承故障仿真信号和基准数据的分析,表明所提方法可以准确高效提取轴承故障周期性冲击成分;对滚动轴承实验振动信号进行分析,并与经典方法对比,验证所提方法的优势及其良好的工程应用前景。 展开更多
关键词 故障诊断 滚动轴承 振动信号 周期性冲击特征 自适应噪声完全集合经验模态分解 相关系数跳变准则
在线阅读 下载PDF
基于CEEMDAN与自适应双阈值小波分析的心音去噪
16
作者 卢官明 唐瑭 +2 位作者 戚继荣 王洋 赵宇航 《南京邮电大学学报(自然科学版)》 北大核心 2025年第4期36-47,共12页
针对现有基于经验模态分解的心音去噪算法在进行模态分解后存在心脏杂音与噪声模态混叠的问题,提出了一种基于自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与自适应... 针对现有基于经验模态分解的心音去噪算法在进行模态分解后存在心脏杂音与噪声模态混叠的问题,提出了一种基于自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与自适应双阈值小波分析的心音去噪算法。首先,通过CEEMDAN方法,将含噪心音信号分解为不同时间尺度上的固有模态函数(Intrinsic Mode Function,IMF)分量;然后,采用去趋势波动分析(Detrended Fluctuation Analysis,DFA)方法将不同的IMF分量判定为含噪的心脏杂音IMF分量或心音IMF分量;接着,利用小波分析技术,滤除含噪心脏杂音IMF分量中的噪声,保留含有病理特征的心脏杂音;最后,将保留下来的心脏杂音与心音IMF分量进行重构,得到去噪后的心音信号。在Khan数据集上的实验结果表明,在不同噪声强度下,所提出的心音去噪算法均能明显提高心音信号的信噪比,降低均方根误差,优于其他现有方法。对临床采集的新生儿心音信号进行去噪的实验结果表明,所提算法具有良好的抑制噪声能力,并保留了含有病理特征的心脏杂音。 展开更多
关键词 心音去噪 自适应噪声完全集合经验模态分解 去趋势波动分析 小波分析 心脏杂音
在线阅读 下载PDF
抵抗低频高能噪声影响的海上风电结构模态参数识别方法研究
17
作者 董霄峰 时泽坤 彭泓浩 《振动与冲击》 北大核心 2025年第9期214-222,265,共10页
模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识... 模态参数是体现海上风电结构运行安全状态的关键指标,然而复杂多变的海洋环境会导致实测振动信号中混有大量低频高能噪声,严重影响模态识别精度。为实现海上风电结构模态参数的准确识别,提出一种能够抵抗低频高能噪声影响的模态参数识别方法(CEEMDAN-VMD-SSI,CVS)。首先,利用完全自适应噪声集合经验模态分解法(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)滤除原始信号中的高频噪声;随后,通过麻雀优化算法(sparrow’s optimization algorithm, SSA)以最小包络熵作为适应度函数迭代计算自适应确定变分模态分解法(variational mode decomposition, VMD)的信号分解层数K和惩罚因子α,实现信号的VMD自适应优化分解以剔除低频高能噪声影响;最后,再采用随机子空间方法实现信号中模态参数的识别提取。研究分别针对构造仿真含噪信号和原型观测信号开展了识别效果对比验证。结果表明:相比于传统模态识别方法,CVS方法在信噪比、波形相似系数、相对误差等参数方面具有更好的有效性和精确性;同时,该方法对实测信号的处理能力强,降噪效果好,能够准确识别结构固有频率、叶轮转动频率(1P)和叶片扫掠频率(3P),具有良好的工程适用性,为后续基于实测数据开展海上风电结构模态参数识别与运行安全评价提供了新思路。 展开更多
关键词 海上风电 模态参数识别 低频高能噪声 完全自适应噪声集合经验模态分解(CEEMDAN) 变分模态分解法(VMD)
在线阅读 下载PDF
基于SSA优化的Transformer-BiGRU短期风电功率预测
18
作者 包广斌 杨龙龙 +1 位作者 范超林 李焕 《电子测量技术》 北大核心 2025年第13期139-147,共9页
为提高风电功率预测精度,提出了一种基于SSA优化的Transformer-BiGRU组合模型。首先,采用CEEMDAN将原始序列分解为多个模态分量和残差分量,降低数据复杂性和不稳定性。然后,结合Transformer的自注意力机制与BiGRU的双向时序建模能力,构... 为提高风电功率预测精度,提出了一种基于SSA优化的Transformer-BiGRU组合模型。首先,采用CEEMDAN将原始序列分解为多个模态分量和残差分量,降低数据复杂性和不稳定性。然后,结合Transformer的自注意力机制与BiGRU的双向时序建模能力,构建了一个高效的组合模型。针对Transformer-BiGRU模型超参数优化困难的问题,引入SSA麻雀搜索算法对超参数进行优化,进一步提升预测精度。最后,以龙源电力风电预测数据集为例,通过对比实验和消融实验验证了该模型优于其他传统模型和模型中各组件的有效性,实验结果表明该方法的R 2达到了0.9810。 展开更多
关键词 风电预测 麻雀搜索算法 自适应噪声完备经验模态分解 双向门控循坏单元 自注意力机制
在线阅读 下载PDF
基于改进蜣螂优化算法和融合注意力机制的风电功率预测 被引量:1
19
作者 张旭东 汪繁荣 《广东电力》 北大核心 2025年第1期32-40,共9页
为进一步提高风电功率的预测精准度,提出使用自适应噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)来对原始数据进行分解,并结合多策略改进蜣螂优化算法(multi-strategy enhan... 为进一步提高风电功率的预测精准度,提出使用自适应噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)来对原始数据进行分解,并结合多策略改进蜣螂优化算法(multi-strategy enhanced dung beetle optimization algorithm,MDBO)来优化融合了卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络的风电预测方法。首先,使用CEEMDAN分解算法对初始风力发电功率进行分解,以降低风电数据的非线性和随机性;之后,在预测模型中引入注意力机制(attention mechanism,AM),对分解得到的各分量分别使用经MDBO算法寻优得到的CNN-BiLSTM-AM模型进行预测;最后,把各子分量的预测值进行叠加聚合得到总的预测值,并采用皮尔逊相关系数计算环境特征对风电功率的相关性,保留相关性强的环境特征以进一步提升预测精度。使用所提CEEMDAN-MDBO-CNN-BiLSTM-AM算法进行风电功率预测,预测结果有着较高的预测精准度,其均方根误差较CNN和BiLSTM单一预测模型分别降低了65.12%和64.00%,相较于CNN-BiLSTM其均方根误差和平均绝对误差分别降低了53.20%和53.98%,其回归系数提升了7.581%。 展开更多
关键词 自适应噪声完全集合经验模态分解 风电功率预测 蜣螂优化算法 双向长短期记忆网络 卷积神经网络
在线阅读 下载PDF
基于EEMD-IPSO-BiLSTM的闸基渗压预测模型研究
20
作者 张孟颖 王荣 +1 位作者 喻桂成 王少波 《水电能源科学》 北大核心 2025年第7期138-141,212,共5页
闸基渗流稳定是水闸安全评价的重要指标之一,构建高精度的闸基渗压预测模型对保障水闸安全运行具有重要意义。为此,以某水闸工程闸基渗压为研究对象,构建了一种基于集合经验模态分解(EEMD)与改进粒子群算法(IPSO)优化双向长短期记忆神... 闸基渗流稳定是水闸安全评价的重要指标之一,构建高精度的闸基渗压预测模型对保障水闸安全运行具有重要意义。为此,以某水闸工程闸基渗压为研究对象,构建了一种基于集合经验模态分解(EEMD)与改进粒子群算法(IPSO)优化双向长短期记忆神经网络(BiLSTM)相结合的闸基渗压预测模型。所建预测模型得到的三个渗压测点预测结果分布规律符合一般工程经验,并与另外三种常规预测模型进行对比。结果表明,所建预测模型得到的三个测点预测结果的均方根误差、平均绝对误差、平均绝对百分比误差均小于其他三个对比模型,与实测值更为贴合,具有更高的预测精度。研究结果可为闸基渗压精准预测提供参考。 展开更多
关键词 水闸 渗压预测 集合经验模态分解 改进粒子群算法 双向长短期记忆神经网络
在线阅读 下载PDF
上一页 1 2 14 下一页 到第
使用帮助 返回顶部