检索结果-维普期刊中文期刊服务平台

基于ISSA-VMD与加权集合峭度的轴承故障诊断被引量：5: 1; 作者魏晓鹏高丙朋《组合机床与自动化加工技术》北大核心 2022年第12期67-71,共5页; 针对滚动轴承故障信号易被噪声所掩盖,故障特征不易提取及故障类型无法确定的问题,提出一种基于改进麻雀搜索算法(ISSA)优化变分模态分解(VMD)与加权集合峭度的故障诊断方法。首先,构建一种综合函数作为目标函数,通过ISSA优化VMD实现故... 展开更多; 关键词改进麻雀搜索算法变分模态分解加权集合峭度改进阈值去噪故障诊断; 在线阅读下载PDF 职称材料

基于ISSA-VMD的滚动轴承早期故障诊断方法被引量：8: 2; 作者刘玉明刘自然王鹏博《机电工程》 CAS 北大核心 2023年第9期1426-1432,共7页; 针对滚动轴承早期信号微弱导致故障特征难以提取和故障诊断准确率不高的问题,提出了一种基于改进麻雀搜索算法-变分模态分解(ISSA-VMD)和样本熵(SE)的滚动轴承早期故障特征提取方法。首先,在轴承早期故障诊断过程中,模态分解个数和惩罚... 展开更多; 关键词轴承早期故障故障特征提取改进麻雀搜索算法-变分模态分解样本熵支持向量机经验模态分解; 在线阅读下载PDF 职称材料

基于生成对抗网络和EMD-ISSA-LSTM的短期电力负荷预测被引量：5: 3; 作者曾进辉苏旨音 +2 位作者肖锋刘颉孙贤水《电子测量技术》北大核心 2024年第20期92-100,共9页; 针对电力负荷本身固有的不稳定性和非线性,导致短期电力负荷预测精度难以提升问题。本文提出一种基于EMD和LSTM相结合的短期电力负荷预测方法。首先,利用EMD将原始信号分解为一系列本征模态函数和一个残差量。随后,将所有分量输入LSTM... 展开更多; 关键词短期电力负荷预测经验模态分解长短期记忆神经网络改进麻雀搜寻算法生成对抗网络; 在线阅读下载PDF 职称材料

改进麻雀算法优化支持向量机的接触电阻预测被引量：9: 4; 作者回立川张晓泽李欢欢《电工电能新技术》 CSCD 北大核心 2023年第8期60-68,共9页; 针对接触电阻常规计算公式计算结果精度难以达到要求,本文提出一种改进麻雀搜索算法(IASSA)优化支持向量(SVM)的接触电阻预测模型。首先,运用经验模态(EMD)对接触电阻的时序数据进行分解,得到一系列不同特征的本征模函数(IMF);其次,在... 展开更多; 关键词电接触接触电阻经验模态分解改进麻雀搜索算法支持向量机; 在线阅读下载PDF 职称材料

联合VMD与ISSA-ELM的电力电子电路软故障诊断被引量：8: 5; 作者朱文昌李振璧姜媛媛《电子测量与仪器学报》 CSCD 北大核心 2022年第5期223-233,共11页; 针对电力电子电路的软故障特征区分度差、不易诊断等问题,提出了变分模态分解(VMD)结合改进的麻雀搜索算法(ISSA)优化极限学习机(ELM)的故障诊断方法。首先,将采集的故障信号进行VMD分解成本征模态分量(IMF),提取线性重构后IMF的12维时... 展开更多; 关键词变分模态分解极限学习机改进麻雀搜索算法电路软故障诊断; 在线阅读下载PDF 职称材料

基于IAMD-ISSA-LSTM的园区综合能源负荷预测: 6; 作者齐天康琦 +4 位作者王雅群张磊韩雪婷王佳怡孟荣华《三峡大学学报(自然科学版)》 2025年第6期88-96,共9页; 现代园区能源系统涵盖电能、热能、冷能等多种能源形式,较传统单一能源独立运行模式更能满足能效提升和低碳转型需求.园区多能负荷受生产周期、天气、环境等多因素影响,波动性强,预测误差大将直接导致用能决策不经济.为提高负荷预测准确... 展开更多; 关键词自适应模态分解(IAMD) 多能耦合负荷预测 Spearman相关性分析改进麻雀搜索算法长短期记忆(LSTM); 在线阅读下载PDF 职称材料

题名基于ISSA-VMD与加权集合峭度的轴承故障诊断被引量：5: 1; 作者魏晓鹏高丙朋; 机构新疆大学电气工程学院; 出处《组合机床与自动化加工技术》北大核心 2022年第12期67-71,共5页; 基金新疆维吾尔自治区自然科学基金项目(2019D01C079)。; 文摘针对滚动轴承故障信号易被噪声所掩盖,故障特征不易提取及故障类型无法确定的问题,提出一种基于改进麻雀搜索算法(ISSA)优化变分模态分解(VMD)与加权集合峭度的故障诊断方法。首先,构建一种综合函数作为目标函数,通过ISSA优化VMD实现故障信号的自适应分解;其次,建立加权集合峭度选取最优分量(IMF)并重构;最后,使用改进阈值对重构信号进一步去噪,通过1.5维能量谱对去噪信号分析,准确判断轴承故障类型。仿真和实际工程数据验证了所提方法的有效性,结果表明与其他智能算法优化VMD和包络谱分析对比,所提方法效果更优。; 关键词改进麻雀搜索算法变分模态分解加权集合峭度改进阈值去噪故障诊断; Keywords improved sparrow search algorithm variational modal decomposition weighted ensemble kurtosis improved threshold denoising fault diagnosis; 分类号 TH133.3 [机械工程—机械制造及自动化] TG659 [金属学及工艺—金属切削加工及机床]; 在线阅读下载PDF 职称材料

题名基于ISSA-VMD的滚动轴承早期故障诊断方法被引量：8: 2; 作者刘玉明刘自然王鹏博; 机构河南工业大学机电工程学院; 出处《机电工程》 CAS 北大核心 2023年第9期1426-1432,共7页; 基金河南省自然科学基金资助项目(182300410234)。; 文摘针对滚动轴承早期信号微弱导致故障特征难以提取和故障诊断准确率不高的问题,提出了一种基于改进麻雀搜索算法-变分模态分解(ISSA-VMD)和样本熵(SE)的滚动轴承早期故障特征提取方法。首先,在轴承早期故障诊断过程中,模态分解个数和惩罚因子的选择对变分模态分解(VMD)的分解效果有着很大的影响,为消除人为选择参数的影响,将麻雀搜索算法(SSA)优化为改进麻雀搜索算法(ISSA),利用ISSA参数优化后的VMD方法对信号进行了分解;然后,计算了敏感固有模态函数(IMF)分量的样本熵,构成了特征向量;最后,将特征向量作为支持向量机(SVM)的输入,进行了滚动轴承早期故障类型的识别。研究结果表明:ISSA-VMD+样本熵特征提取模型的故障诊断准确率为98.3%,与SSA-VMD+样本熵、灰狼优化算法(GWO)-VMD+样本熵、鲸鱼优化算法(WOA)-VMD+样本熵、传统VMD+样本熵、经验模态分解(EMD)+样本熵等特征提取模型相比,故障诊断准确率分别提高了3.3%、6.6%、5%、3.3%、5%;该模型可以准确地提取故障特征,提高故障诊断准确率。; 关键词轴承早期故障故障特征提取改进麻雀搜索算法-变分模态分解样本熵支持向量机经验模态分解; Keywords early fault of rolling bearing fault feature extraction improved sparrow search algorithm-variational modal decomposition(issa-vmd) sample entropy(SE) support vector machine(SVM) empirical mode decomposition(EMD); 分类号 TH133.3 [机械工程—机械制造及自动化] TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于生成对抗网络和EMD-ISSA-LSTM的短期电力负荷预测被引量：5: 3; 作者曾进辉苏旨音肖锋刘颉孙贤水; 机构湖南工业大学电气与信息工程学院; 出处《电子测量技术》北大核心 2024年第20期92-100,共9页; 基金国家自然科学基金(52377185) 湖南省教育厅科学研究项目重点项目(21A0349) 湖南工业大学校级联合项目(CX2404)资助。; 文摘针对电力负荷本身固有的不稳定性和非线性,导致短期电力负荷预测精度难以提升问题。本文提出一种基于EMD和LSTM相结合的短期电力负荷预测方法。首先,利用EMD将原始信号分解为一系列本征模态函数和一个残差量。随后,将所有分量输入LSTM中。为进一步提升负荷预测精度和优化模型泛化能力,分别对大分量信号引入改进麻雀搜寻算法优化LSTM超参数和对原始负荷数据引入表格生成对抗网络生成新数据样本,形成基于表格生成对抗网络和EMD-ISSA-LSTM的短期电力负荷预测方法。最后,分别采用第九届电工数学建模竞赛负荷数据和湖南省某地市含分布式电源的负荷数据进行效果验证。结果表明,在两种数据集下,该模型的平均绝对百分比误差分别为2.37%和2.76%,验证了该方法的有效性。; 关键词短期电力负荷预测经验模态分解长短期记忆神经网络改进麻雀搜寻算法生成对抗网络; Keywords short-term power load forecasting modal decomposition long short-term memory neural networks improved sparrow search algorithm generative adversarial network; 分类号 TM714 [电气工程—电力系统及自动化] TN913 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名改进麻雀算法优化支持向量机的接触电阻预测被引量：9: 4; 作者回立川张晓泽李欢欢; 机构辽宁工程技术大学电气与控制工程学院; 出处《电工电能新技术》 CSCD 北大核心 2023年第8期60-68,共9页; 基金辽宁省教育厅科学研究项目(LJ2017QL009)。; 文摘针对接触电阻常规计算公式计算结果精度难以达到要求,本文提出一种改进麻雀搜索算法(IASSA)优化支持向量(SVM)的接触电阻预测模型。首先,运用经验模态(EMD)对接触电阻的时序数据进行分解,得到一系列不同特征的本征模函数(IMF);其次,在对分解数据进行支持向量机建模时,采用一种多策略混合改进的麻雀算法去优化支持向量机的回归参数,该改进算法具有全局探索能力强、精度高等优点,从而可以有效避免支持向量机选择参数的盲目性;最后建立EMD-IAS-SA-SVM模型对每个IMF分量进行预测,在得到每个分量的预测结果后并进行重构,最终得到接触电阻的预测结果。实验结果表明,所提组合模型对接触电阻非平稳时间序列有较高预测精度和适用性。; 关键词电接触接触电阻经验模态分解改进麻雀搜索算法支持向量机; Keywords electrical contact contact resistance empirical modal decomposition improved sparrow search algo-rithm support vector machine; 分类号 TM501.3 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名联合VMD与ISSA-ELM的电力电子电路软故障诊断被引量：8: 5; 作者朱文昌李振璧姜媛媛; 机构安徽理工大学电气与信息工程学院安徽理工大学环境友好材料与职业健康研究院(芜湖) 亳州学院电子与电气工程系; 出处《电子测量与仪器学报》 CSCD 北大核心 2022年第5期223-233,共11页; 基金安徽省重点研究与开发计划(202104g01020012) 安徽理工大学环境友好材料与职业健康研究院研发专项基金(ALW2020YF18)项目资助。; 文摘针对电力电子电路的软故障特征区分度差、不易诊断等问题,提出了变分模态分解(VMD)结合改进的麻雀搜索算法(ISSA)优化极限学习机(ELM)的故障诊断方法。首先,将采集的故障信号进行VMD分解成本征模态分量(IMF),提取线性重构后IMF的12维时域参数作为故障诊断的特征向量。其次为提高ELM在故障诊断中的精度,提出ISSA对ELM的参数进行优化,建立ISSA-ELM分类模型。ISSA首先采用Iterative映射初始化种群,然后在发现者位置更新处引入自适应惯性权重因子,最后在解的位置引入Levy变异算子进行扰动得到新解等3种策略改进,提高算法性能。在8类基准函数测试中,ISSA比另外4种智能算法的收敛速度和寻优精度均有提升,并且VMD结合ISSA-ELM在功率为150 W Boost电路软故障诊断中精度达到99%以上。; 关键词变分模态分解极限学习机改进麻雀搜索算法电路软故障诊断; Keywords variational modal decomposition extreme learning machine improved sparrow search algorithm circuit soft fault diagnosis; 分类号 U226.81 [交通运输工程—道路与铁道工程] TN108.7 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于IAMD-ISSA-LSTM的园区综合能源负荷预测: 6; 作者齐天康琦王雅群张磊韩雪婷王佳怡孟荣华; 机构国网北京市电力公司; 出处《三峡大学学报(自然科学版)》 2025年第6期88-96,共9页; 基金国网北京市电力公司电网数字化项目(740208230008) 湖北省自然科学基金面上项目(2022CFC033)。; 文摘现代园区能源系统涵盖电能、热能、冷能等多种能源形式,较传统单一能源独立运行模式更能满足能效提升和低碳转型需求.园区多能负荷受生产周期、天气、环境等多因素影响,波动性强,预测误差大将直接导致用能决策不经济.为提高负荷预测准确性,需考虑历史数据中的噪声和干扰信息;能源耦合性,即电-热-冷负荷相互转换;不确定性,即天气、环境对负荷的影响.因此,本文提出了“多元时序分解-关键特征提取-预测模型建立-模型参数优化”的多能负荷预测方法.为提高负荷数据有效性,改进了自适应模态分解(improved adaptive modal decomposition,IAMD)进行降噪,得到各负荷自适应寻优分解模式下的子序列,并对降噪后的各负荷子序列进行重构;考虑多元负荷耦合性及随气侯变化特征,采用Spearman相关性分析法对多能负荷及气候因素进行关联分析,提取强相关的多能耦合负荷及气候特征作为预测模型的影响因素;此外,改进了麻雀搜索算法(improved sparrow search algorithm,ISSA)优化长短期记忆神经网络(long short-term memory,LSTM)预测模型的超参数,以提高负荷预测精度.结果表明本文提出的IAMD-ISSA-LSTM预测模型比传统模型精度更优.; 关键词自适应模态分解(IAMD) 多能耦合负荷预测 Spearman相关性分析改进麻雀搜索算法长短期记忆(LSTM); Keywords improved adaptive modal decomposition(IAMD) multi-energy coupled load forecasting spearman correlation analysis improved sparrow search algorithm long short-term memory(LSTM); 分类号 TM175 [电气工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于ISSA-VMD与加权集合峭度的轴承故障诊断	魏晓鹏高丙朋	《组合机床与自动化加工技术》北大核心	2022	5	在线阅读下载PDF 职称材料
2	基于ISSA-VMD的滚动轴承早期故障诊断方法	刘玉明刘自然王鹏博	《机电工程》 CAS 北大核心	2023	8	在线阅读下载PDF 职称材料
3	基于生成对抗网络和EMD-ISSA-LSTM的短期电力负荷预测	曾进辉苏旨音肖锋刘颉孙贤水	《电子测量技术》北大核心	2024	5	在线阅读下载PDF 职称材料
4	改进麻雀算法优化支持向量机的接触电阻预测	回立川张晓泽李欢欢	《电工电能新技术》 CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料
5	联合VMD与ISSA-ELM的电力电子电路软故障诊断	朱文昌李振璧姜媛媛	《电子测量与仪器学报》 CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料
6	基于IAMD-ISSA-LSTM的园区综合能源负荷预测	齐天康琦王雅群张磊韩雪婷王佳怡孟荣华	《三峡大学学报(自然科学版)》	2025		在线阅读下载PDF 职称材料