期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到154篇文章
< 1 2 … 8 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于柴油机曲轴瞬时转速信号EEMD分解的失火故障诊断 被引量：1
1
作者 黄英 李准 +2 位作者 王健 刘辰 胡博睿 《北京理工大学学报》 北大核心 2025年第4期384-390,共7页
对于十缸V型柴油机单缸失火和双缸失火这两类故障,提出了基于曲轴瞬时转速信号的集合经验模态分解的故障诊断策略.该策略考虑到多个转速工况对失火故障诊断的影响,根据柴油机喷油提前角将实车实时采集到该转速下的数据划分为正常、单缸... 对于十缸V型柴油机单缸失火和双缸失火这两类故障,提出了基于曲轴瞬时转速信号的集合经验模态分解的故障诊断策略.该策略考虑到多个转速工况对失火故障诊断的影响,根据柴油机喷油提前角将实车实时采集到该转速下的数据划分为正常、单缸失火和双缸失火这三个工况区间.通过多循环平均方法对三个工况区间数据进行预处理,并通过集合经验模态分解方法分解,该方法能自适应地将曲轴转速信号分解为若干个本征模态函数.通过集合经验模态分解得到每个本征模态函数幅值的异常波动,确定包含故障信息的本征模态函数,为了进一步提取特征,需对该本征模态函数进行快速傅里叶变换,根据主频分量的幅值,得到故障特征.最后在多个转速工况下进行上述诊断流程,得出各个转过速工况的诊断准确率,实现了诊断算法的转速工况敏感性分析.实验结果表明该方法能有效提取故障特征,实现了十缸柴油机基于多个瞬时转速的失火故障诊断. 展开更多
关键词 柴油机 失火故障诊断 集合经验模态分解(EEMD) 曲轴瞬时转速 特征提取 本征模态函数(imfs) 快速傅里叶变换(FFT)
在线阅读 下载PDF
基于CEEMDAN和频谱时间图卷积网络的电力负荷预测方法
2
作者 朱莉 夏禹 +1 位作者 朱春强 邓凡 《计算机工程》 北大核心 2025年第4期339-349,共11页
针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首... 针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首先使用CEEMDAN将目标负荷序列分解为多个本征模态分量(IMF),通过计算模糊熵对IMF进行重构;然后使用频谱时间图卷积网络对重构后分量的空间相关性和时间依赖性进行挖掘,得到各分量的预测结果;最后将各分量的预测结果线性相加得到最终预测结果。实验结果表明,所提方法的平均绝对误差、均方根误差、平均绝对百分比误差3个评价指标分别达到了0.72 KW、0.89 KW、0.92%,相较于对比模型StemGnn、TCN、LSTM、Informer、FEDformer,预测精度分别提高了37.9%、17.2%、20.8%、22.5%、12.1%。证明本文所提出的预测方法可以有效降低非平稳性对预测结果的影响,精确获取时序负荷数据的空间相关性和时间依赖性,提高预测精度。 展开更多
关键词 电力负荷预测 经验模态分解 本征模态分量 图卷积网络 模糊熵
在线阅读 下载PDF
基于EEMD分解的阶次跟踪方法研究
3
作者 魏仕华 蔺梦雄 《机电工程》 CAS 北大核心 2024年第9期1604-1612,共9页
摆线针轮减速器组成零部件繁多、构成复杂,工作时噪声干扰大且多在变转速、往复的复杂工况下工作,因此,难以准确提取其内部的故障特征。针对这一问题,提出了一种基于集合经验模态分解(EEMD)与阶次跟踪分析的方法,对摆线针轮减速器进行... 摆线针轮减速器组成零部件繁多、构成复杂,工作时噪声干扰大且多在变转速、往复的复杂工况下工作,因此,难以准确提取其内部的故障特征。针对这一问题,提出了一种基于集合经验模态分解(EEMD)与阶次跟踪分析的方法,对摆线针轮减速器进行了故障诊断。首先,对采集到的时域振动信号和转速信号进行了等角度域差值采样,得到了振动信号的等角域平稳信号;然后,对等角域信号进行了集合经验模态分解,得到了若干个固有模态分量(IMFs),计算了各个固有模态分量的峭度值,选取目标模态分量进行了信号重构;接着,采用快速傅里叶变换得到了故障信号的阶次图;最后,根据减速器的传动方式、各零部件的模数,计算出了各主要部件的故障阶次,对比减速器在故障前后阶次图的能量峰值进行了故障诊断。研究结果表明:该方法能够准确提取包含故障信息的固有模态分量,实现从等时域信号到等角域信号的转换,并提取摆线针轮减速器的滚针故障阶次(8.37阶),故障准确率达到99.6%,可实现摆线针轮减速器在非平稳工况下的故障特征识别,并验证该方法的可行性和有效性。 展开更多
关键词 摆线针轮减速器 集合经验模态分解 阶次跟踪分析 故障诊断 变转速工况 固有模态分量
在线阅读 下载PDF
基于多域信息融合与深度分离卷积的轴承故障诊断网络模型 被引量：4
4
作者 王同 许昕 潘宏侠 《机电工程》 北大核心 2024年第1期22-32,共11页
针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了... 针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了分解;然后,利用分解出的本征模态函数(IMF)的各个分量构建了多空间状态矩阵,并将该多空间状态矩阵输入该深度分离卷积模型中,进行了卷积训练;同时,在该深度分离卷积模型中添加了残差结构,对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,提出了一种空间特征提取方法,对模型参数进行了修剪,采用一种自适应学习率退火方法进行了梯度优化,以避免模型陷入局部最优。研究结果表明:通过对多个轴承故障数据集进行对比分析可知,MDIDSC在轴承故障诊断方面的准确率和稳定性明显优于其他方法,MDIDSC的最高测试准确率为100%,平均测试准确率为99.07%;同时,在测试集中的最大损失和平均损失分别为0.1345和0.0841;该结果表明MDIDSC在轴承故障诊断方面具有一定的优越性。 展开更多
关键词 深度分离卷积 信息融合 参数修剪 残差网络 卷积神经网络 自适应噪声的完全集合经验模态分解 本征模态函数 多域信息融合结合深度分离卷积
在线阅读 下载PDF
基于多尺度散布熵的磁声发射信号特征识别方法 被引量：1
5
作者 李梦俊 沈功田 +1 位作者 沈永娜 王强 《机电工程》 北大核心 2024年第1期158-165,共8页
在工程中对设备进行应力检测和微损伤检测时,采集磁声发射信号易受噪声干扰,同时其特征的提取也存在困难,为此,将变分模态分解与散布熵相结合,提出了一种基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法。首先,设计搭建了检测... 在工程中对设备进行应力检测和微损伤检测时,采集磁声发射信号易受噪声干扰,同时其特征的提取也存在困难,为此,将变分模态分解与散布熵相结合,提出了一种基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法。首先,设计搭建了检测实验平台,采集了Q345钢静载拉伸实验中0 MPa~400 MPa应力状态下的MAE信号;然后,采用变分模态分解方法,对磁声发射信号进行了自适应分解,生成了一系列从低频到高频分布的本征模态函数(IMF)分量;其次,计算了每个本征模态函数分量的散布熵值,构建了MAE信号的特征向量矩阵;最后,将特征向量矩阵输入到基于支持向量机建立的识别分类模型中,进行了信号的训练和识别。研究结果表明:使用基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法,能够自适应地实现MAE信号的多尺度化目的,并且准确地识别出不同应力状态下的信号特征,分类识别准确率高达95.3704%,验证了该方法的有效性;说明基于自适应多尺度散布熵和多分类支持向量机的信号特征识别方法能够快速且有效地识别不同应力状态,在信号特征识别方面具有较好的应用潜力。 展开更多
关键词 磁声发射 变分模态分解 散布熵 Q345钢 信号特征识别 本征模态函数
在线阅读 下载PDF
AOA-CEEMDAN和融合特征在齿轮箱故障诊断中的应用 被引量：5
6
作者 马卫东 刘子全 +1 位作者 姚楠 朱雪琼 《机电工程》 CAS 北大核心 2024年第5期817-826,共10页
自适应噪声完备集成经验模态分解(CEEMDAN)的参数由于是人为设置的,从而会导致其信号的分解不彻底。针对这一问题,提出了一种基于算术优化算法(AOA)优化CEEMDAN、融合特征和随机森林(RF)的齿轮箱故障诊断方法。首先,采用AOA算法对CEEMDA... 自适应噪声完备集成经验模态分解(CEEMDAN)的参数由于是人为设置的,从而会导致其信号的分解不彻底。针对这一问题,提出了一种基于算术优化算法(AOA)优化CEEMDAN、融合特征和随机森林(RF)的齿轮箱故障诊断方法。首先,采用AOA算法对CEEMDAN方法的关键参数进行自适应选取,并采用优化后的CEEMDAN方法对齿轮箱振动信号进行了分解,生成若干个本征模态函数(IMF);随后,利用相关系数准则选择了前4阶IMF分量作为故障敏感分量;接着,利用由注意熵和散度熵组成的融合特征提取方法挖掘了故障敏感分量的故障特征,得到了故障敏感特征样本;最后,将表征齿轮箱故障特性的故障特征输入至RF多故障分类器中,建立了故障分类模型,完成了齿轮箱的故障识别;利用QPZZ-Ⅱ型齿轮箱数据集进行了实验,并将其结果与采用其他方法所得结果进行了对比。研究结果表明:相较于原始CEEMDAN,优化后的CEEMDAN能够更加准确地分解非线性齿轮箱振动信号,故障识别准确率提高了4%;相较于单一的故障特征,融合特征能够更加准确地表征齿轮箱的故障状态,故障识别准确率分别提高了3.2%和8%。基于AOA-CEEMDAN和融合特征提取以及RF分类器的故障诊断方法为齿轮箱的故障特征提取和故障诊断提供一种可行的思路和方案。 展开更多
关键词 齿轮箱 本征模态函数 算术优化算法 自适应噪声完备集成经验模态分解 随机森林
在线阅读 下载PDF
基于EMD分量与小波包能量熵的轧辊磨削颤振在线预测
7
作者 朱欢欢 迟玉伦 +2 位作者 张梦梦 熊力 应晓昂 《金刚石与磨料磨具工程》 CAS 北大核心 2024年第1期73-84,共12页
针对轧辊磨削颤振时的时频域单一处理方法存在部分特征丢失的问题,提出了时频域相结合的方法对信号进行特征处理,并利用智能算法实现轧辊磨削颤振的在线预测。首先,利用经验模态分解(empirical mode decomposition,EMD)方法对振动传感... 针对轧辊磨削颤振时的时频域单一处理方法存在部分特征丢失的问题,提出了时频域相结合的方法对信号进行特征处理,并利用智能算法实现轧辊磨削颤振的在线预测。首先,利用经验模态分解(empirical mode decomposition,EMD)方法对振动传感器信号进行分解获得各固有模态函数(intrinsic mode function,IMF),剔除“虚假分量”后计算表征轧辊磨削颤振的时域特征。然后,利用小波包能量熵对声发射传感器信号求解频率段节点能量熵值,获得表征轧辊磨削颤振的频域特征。最后,将上述时频域特征降维后代入智能算法模型实现对轧辊磨削加工的在线预测。结果表明:LV-SVM模型的磨削颤振分类平均准确率达92.75%,模型平均响应时间为0.7765 s;验证了时频域特性的EMD和小波包能量熵方法的LV-SVM在线预测轧辊磨削颤振的有效性。 展开更多
关键词 轧辊磨削颤振 EMD分解 固有模态函数 小波包能量熵 最小二乘支持向量机
在线阅读 下载PDF
基于DIGWO-VMD-CMPE的轴承故障识别方法
8
作者 辛昊 鲁玉军 朱轩逸 《机电工程》 CAS 北大核心 2024年第2期205-215,共11页
针对滚动轴承故障信号特征提取困难和识别准确率低的问题,提出了一种基于维度学习的改进灰狼优化算法(DIGWO)优化变分模态分解(VMD)和复合多尺度排列熵(CMPE)的轴承故障识别方法。首先,采用基于维度学习的狩猎(DLH)搜索策略、余弦收敛因... 针对滚动轴承故障信号特征提取困难和识别准确率低的问题,提出了一种基于维度学习的改进灰狼优化算法(DIGWO)优化变分模态分解(VMD)和复合多尺度排列熵(CMPE)的轴承故障识别方法。首先,采用基于维度学习的狩猎(DLH)搜索策略、余弦收敛因子a和个体狼ω位置更新的方法将灰狼优化算法(GWO)改进为DIGWO,并利用DIGWO算法的自适应性优化VMD分解,得到了多个本征模态函数(IMFs);然后,利用复合多尺度排列熵计算IMFs的特征值,选取适当维数的特征,构建了故障特征向量;最后,利用DIGWO算法优化支持向量机(SVM)的惩罚系数C和径向基函数g,建立了DIGWO-SVM滚动轴承故障诊断分类器,并利用滚动轴承的振动数据验证了算法的有效性。研究结果表明:基于CMPE的DIGWO-SVM滚动轴承故障诊断方法能够有效地识别轴承的运行状况,识别准确率达到了99.42%,相较于PSO-SVM、SSA-SVM方法提高了7.75%、1.68%,证明了该方法的分类性能在滚动轴承故障诊断中更具优势。 展开更多
关键词 基于维度学习的改进灰狼优化算法 变分模态分解 复合多尺度排列熵 支持向量机 本征模态函数 基于维度学习的狩猎
在线阅读 下载PDF
GIS不同耦合方式下注入脉冲的加权IMF局放信号等效性
9
作者 董冰冰 李康 +3 位作者 高常胜 刘贯科 戴喜良 夏云峰 《电力工程技术》 北大核心 2024年第4期95-103,共9页
注入脉冲模拟局放是气体绝缘金属封闭组合电器(gas insulated switchgear,GIS)特高频(ultra high frequency,UHF)局放监测装置功能校验的主要方法,由于现场校验脉冲注入的耦合方式不同,模拟局放与实际局放等效性规律尚不明确,无法保证... 注入脉冲模拟局放是气体绝缘金属封闭组合电器(gas insulated switchgear,GIS)特高频(ultra high frequency,UHF)局放监测装置功能校验的主要方法,由于现场校验脉冲注入的耦合方式不同,模拟局放与实际局放等效性规律尚不明确,无法保证监测装置功能校验的有效性。文中首先建立126 kV GIS典型局放缺陷(尖端、悬浮、绝缘子气泡)和内/外置式脉冲注入UHF局放检测平台,并对UHF信号有效脉冲进行归一化提取;接着提出基于经验模态分解的加权本征模函数(intrinsic mode functions,IMF)信号处理方法,通过计算局放信号欧式距离平均值和最大值表征其等效性;最后与常规信号偏差法进行对比验证。研究表明,相较于常规信号等效性分析方法,加权IMF法可有效解决UHF信号波形局部差异较大的问题;使用内置传感器脉冲注入的模拟局放信号与悬浮局放信号等效性最高,局放信号的欧式距离平均值M_(e)和最大值M_(a)分别为3.82%和10.28%。因此,UHF监测装置功能校验可采用恒定参数注入脉冲代替悬浮缺陷,且模拟局放可优先选择内置UHF传感器注入脉冲。文中研究可为UHF局放监测装置功能校验的脉冲注入方法提供参考。 展开更多
关键词 注入脉冲 局放模拟 经验模态分解 信号等效性分析 本征模函数(IMF) 欧式距离
在线阅读 下载PDF
基于整体经验模态分解和支持向量回归的北京市PM2.5预测 被引量：19
10
作者 秦喜文 刘媛媛 +3 位作者 王新民 董小刚 张瑜 周红梅 《吉林大学学报（地球科学版）》 EI CAS CSCD 北大核心 2016年第2期563-568,共6页
为了更好地掌握大气中PM2.5浓度的变化规律,利用EEMD-SVR混合模型对该地区的PM2.5浓度值进行了短期预测。首先,通过采用整体经验模态分解(EEMD)方法分析北京市PM2.5,把原始时间序列分解成多个固有模态函数和趋势项;然后,对各阶固有模态... 为了更好地掌握大气中PM2.5浓度的变化规律,利用EEMD-SVR混合模型对该地区的PM2.5浓度值进行了短期预测。首先,通过采用整体经验模态分解(EEMD)方法分析北京市PM2.5,把原始时间序列分解成多个固有模态函数和趋势项;然后,对各阶固有模态函数进行周期性分析,揭示了北京市PM2.5的周期性变化特点;最后,对经过EEMD分解后的各阶固有模态函数和趋势项用支持向量机回归(SVR)方法进行预测。结果表明,EEMD-SVR混合模型比单一的SVR模型预测精度更高。 展开更多
关键词 整体经验模态分解 固有模态函数 周期性 支持向量机回归
在线阅读 下载PDF
基于EMD的灰色模型的疲劳剩余寿命预测方法研究 被引量：31
11
作者 徐东 徐永成 +2 位作者 陈循 李兴林 杨拥民 《振动工程学报》 EI CSCD 北大核心 2011年第1期104-110,共7页
工程上的振动信号多为非线性非平稳信号,为了利用工程振动信号预测机械产品的疲劳剩余寿命,提出改进的经验模态分解方法对振动信号进行分解,分离故障特征频率到某本征模态函数中,计算全寿命周期各阶段故障特征频率所在本征模态函数的均... 工程上的振动信号多为非线性非平稳信号,为了利用工程振动信号预测机械产品的疲劳剩余寿命,提出改进的经验模态分解方法对振动信号进行分解,分离故障特征频率到某本征模态函数中,计算全寿命周期各阶段故障特征频率所在本征模态函数的均方根值、峭度等时域特征指标,将其作为刻画机械产品健康状态的退化特征量,形成退化特征量序列,根据经验设定机械产品完全失效对应的退化特征量阈值。用退化特征量序列训练灰色模型,然后用训练好的灰色模型预测退化特征量的变化趋势,判断不同退化特征量用于刻画机械产品退化过程的可行性,估计可用退化特征量达到退化特征量阈值的时间并据此预测机械产品的剩余疲劳寿命。通过6205深沟球轴承全寿命周期振动信号对其进行验证,结果表明,可用的退化特征量结合该方法可以有效地预测小型球轴承的疲劳剩余寿命。 展开更多
关键词 经验模态分解 本征模态函数 灰色模型 疲劳剩余寿命预测 寿命模型
在线阅读 下载PDF
基于IMF能量谱的水声信号特征提取与分类 被引量：18
12
作者 刘深 张小蓟 +1 位作者 牛奕龙 汪平平 《计算机工程与应用》 CSCD 2014年第3期203-206,226,共5页
经验模态分解(EMD)是用来处理非平稳时变信号的一种信号分析方法,该方法对所分析信号的局部特征信号进行不同时间尺度的分解,从而得到这些局部特征信号的各阶本征模函数(IMF)。提出了一种基于IMF能量谱的水声信号特征提取与选择方法,通... 经验模态分解(EMD)是用来处理非平稳时变信号的一种信号分析方法,该方法对所分析信号的局部特征信号进行不同时间尺度的分解,从而得到这些局部特征信号的各阶本征模函数(IMF)。提出了一种基于IMF能量谱的水声信号特征提取与选择方法,通过对水声信号进行经验模态分解,提取信号的本征模式分量并转换为能量谱特征向量,从而观测不同信号子频带能量谱的特征变化。分类实验采用支持向量机(SVM)分类器进行。实验结果表明,相对于小波能量谱特征提取法而言,利用IMF能量谱作为特征向量的分类实验具有更佳的分类效果,平均正确率达88%以上。 展开更多
关键词 经验模态分解 本征模函数 本征模函数能量谱 特征提取 支持向量机(SVM)分类器
在线阅读 下载PDF
基于EMD能量熵和支持向量机的齿轮故障诊断方法 被引量：129
13
作者 张超 陈建军 郭迅 《振动与冲击》 EI CSCD 北大核心 2010年第10期216-220,共5页
针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出了基于经验模态分解(empirical mode decomposition,EMD)和支持向量机的齿轮故障诊断方法。首先通过EMD方法将非平稳的原始加速度振动信号分解成若干个平... 针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出了基于经验模态分解(empirical mode decomposition,EMD)和支持向量机的齿轮故障诊断方法。首先通过EMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(intrinsic mode function,IMF);齿轮发生不同的故障时,在不同频带内的信号能量值会发生改变,故可以通过计算不同振动信号的EMD能量熵判断是否发生故障;从包含有主要故障信息的IMF分量中提取出来的能量特征作为输入建立支持向量机(support vector machine,SVM),判断齿轮的工作状态和故障类型。实验结果表明,该方法能有效地应用于齿轮的故障诊断。 展开更多
关键词 经验模态分解 本征模函数 能量熵 支持向量机 故障诊断
在线阅读 下载PDF
基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法 被引量：33
14
作者 王玉静 康守强 +3 位作者 张云 刘学 姜义成 Mikulovich V I 《电子与信息学报》 EI CSCD 北大核心 2014年第3期595-600,共6页
为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,... 为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。 展开更多
关键词 信号处理 状态识别 非平稳信号 集合经验模态分解(EEMD) 敏感固有模态函数(IMF)
在线阅读 下载PDF
适用于电力系统非平稳功率振荡信号特征提取的自适应迭代滤波算法研究 被引量：10
15
作者 杨德友 王博 +2 位作者 蔡国伟 刘铖 孙正龙 《中国电机工程学报》 EI CSCD 北大核心 2016年第20期5431-5439,5719,共9页
规模化新能源并网及大容量电力电子设备的应用使得电力系统功率振荡表征出很强非平稳特性。该文提出了一种适用于电力系统非平稳功率振荡信号特征提取的自适应迭代滤波算法。自适应迭代滤波算法利用Fokker-Planck方程构建滤波函数,经滤... 规模化新能源并网及大容量电力电子设备的应用使得电力系统功率振荡表征出很强非平稳特性。该文提出了一种适用于电力系统非平稳功率振荡信号特征提取的自适应迭代滤波算法。自适应迭代滤波算法利用Fokker-Planck方程构建滤波函数,经滤波筛选获取具有平稳特征的本征模态分量,算法具有坚实的数学基础,能够有效避免经验模态分解算法存在的模态混叠问题。首先利用自适应迭代滤波算法分解得到振荡分量,对各分量进行Hilbert变换,实现振荡特征参数的提取。测试信号、仿真信号及实测数据分析结果证明了该文方法的有效性,与经验模态分解的对比结果充分验证了该方法在电力系统非平稳功率振荡特征提取中的强适应性。 展开更多
关键词 非平稳振荡 本征模态 迭代滤波 FOKKER-PLANCK方程 HILBERT变换
在线阅读 下载PDF
基于IMF能量矩和神经网络的轴承故障诊断 被引量：35
16
作者 秦太龙 杨勇 +1 位作者 程珩 薛松 《振动．测试与诊断》 EI CSCD 2008年第3期229-232,共4页
针对滚动轴承故障振动信号的非平稳特征,提出了一种本征模函数(Intrinsic Mode Function,简称IMF)能量矩的特征向量提取法,并与BP神经网络相结合用于滚动轴承的故障诊断。该方法首先利用经验模态分解(Empirical Mode Decomposition,简称... 针对滚动轴承故障振动信号的非平稳特征,提出了一种本征模函数(Intrinsic Mode Function,简称IMF)能量矩的特征向量提取法,并与BP神经网络相结合用于滚动轴承的故障诊断。该方法首先利用经验模态分解(Empirical Mode Decomposition,简称EMD)方法,把振动信号分解为若干个IMF,再将重要的IMF分量作基于时间轴的积分,得到IMF能量矩特征向量,最后借助BP神经网络的分类能力对特征向量进行分类。对滚动轴承的正常状态、外圈故障、滚动体故障和外圈故障信号的分析结果表明,该方法能够准确、有效地识别这些故障。 展开更多
关键词 滚动轴承 本征模函数 能量矩 故障诊断 经验模态分解 BP神经网络
在线阅读 下载PDF
基于EMD与响度的有源噪声控制系统 被引量：17
17
作者 聂永红 程军圣 +1 位作者 张亢 陈建国 《仪器仪表学报》 EI CAS CSCD 北大核心 2012年第4期801-808,共8页
为了提高有源噪声控制系统的降噪效果,提出了基于经验模态分解(empirical mode decomposition,EMD)和响度的控制系统。该系统首先采用EMD方法对噪声源进行自适应分解,并对分解后的各个固有模态函数(intrinsic mode functionI,MF)分量的... 为了提高有源噪声控制系统的降噪效果,提出了基于经验模态分解(empirical mode decomposition,EMD)和响度的控制系统。该系统首先采用EMD方法对噪声源进行自适应分解,并对分解后的各个固有模态函数(intrinsic mode functionI,MF)分量的响度进行计算,然后根据各个分量的响度大小进行残差滤波器的设计。与基于A计权曲线设计的残差滤波器相比,该方法所设计滤波器能更好地抑制响度较小的信号频率成分。对有源噪声控制系统的降噪效果进行了仿真,结果表明,所提出的控制系统比传统滤波-X LMS(filtered-X least mean square)方法和采用基于A计权残差滤波器的系统降噪效果更好。 展开更多
关键词 经验模态分解 响度 有源噪声控制 固有模态函数
在线阅读 下载PDF
基于经验模态分解及维格纳威尔分布的电缆双端故障定位算法 被引量：57
18
作者 刘洋 曹云东 侯春光 《中国电机工程学报》 EI CSCD 北大核心 2015年第16期4086-4093,共8页
快速准确地得到配电网故障位置,对配电网系统安全稳定运行、快速恢复供电具有重要意义。提出一种基于经验模态分解(empirical mode decomposition,EMD)和维格纳威尔分布(Wigner Ville distribution,WVD)的电缆双端故障定位方案。通过对... 快速准确地得到配电网故障位置,对配电网系统安全稳定运行、快速恢复供电具有重要意义。提出一种基于经验模态分解(empirical mode decomposition,EMD)和维格纳威尔分布(Wigner Ville distribution,WVD)的电缆双端故障定位方案。通过对测量得到的故障行波进行EMD分解,实现对故障高频成分的提取与噪声的消除。将得到的一阶本征模态函数(intrinsic mode function,IMF)进行WVD分离,将故障信号的能量在时间及频率坐标系下表述出来。通过计算故障行波的瞬时能量曲线峰值,确定故障初始行波波头的到达时刻。仿真及实验结果表明,所提方案能够准确地确定故障初始行波波头的到达时刻,使电缆双端行波同步。与需要同步时钟的双端定位方法比较,具有较高的定位精度。在实际工程中有良好的应用前景。 展开更多
关键词 配电网 双端故障测距 经验模态分解 维格纳威尔分布 本征模态函数
在线阅读 下载PDF
基于EMD的滚动轴承故障灰色诊断方法 被引量：14
19
作者 王录雁 王强 +2 位作者 张梅军 李焕良 赵玮 《振动与冲击》 EI CSCD 北大核心 2014年第3期197-202,共6页
经验模态分解(EMD)方法可使滚动轴承振动信号根据自身尺度自适应地分解为若干个内禀模态分量(IMF),滚动轴承发生故障会导致振动能量在各IMF分量上的分布发生变化,结合灰色关联模型建立IMF能量分布与轴承状态之间的对应关系,可实现轴承... 经验模态分解(EMD)方法可使滚动轴承振动信号根据自身尺度自适应地分解为若干个内禀模态分量(IMF),滚动轴承发生故障会导致振动能量在各IMF分量上的分布发生变化,结合灰色关联模型建立IMF能量分布与轴承状态之间的对应关系,可实现轴承的状态识别。为改善传统灰关联分析在模式识别方面的缺陷,基于斜率相似的原理构造了能反映曲线形状信息的相似关联度模型,结合传统的接近关联度模型建立了能同时反映曲线位置与形状特性的灰色综合关联度诊断模型。算例结果表明,该方法能准确有效地实现滚动轴承的故障诊断。 展开更多
关键词 经验模态分解 内禀模态能量 灰色综合关联度 滚动轴承 故障诊断
在线阅读 下载PDF
基于EMD和相关向量机的短期负荷预测 被引量：26
20
作者 孙志刚 翟玮星 +1 位作者 李伟伦 卫志农 《电力系统及其自动化学报》 CSCD 北大核心 2011年第1期92-97,共6页
为提高电力负荷预测的准确性,提出一种基于经验模态分解EMD(empirical mode decomposition)与相关向量机RVM(relevant vector machine)的短期负荷预测方法。该方法利用EMD将目标负荷序列分解为若干个不同频率的固有模态分量I MF(intrins... 为提高电力负荷预测的准确性,提出一种基于经验模态分解EMD(empirical mode decomposition)与相关向量机RVM(relevant vector machine)的短期负荷预测方法。该方法利用EMD将目标负荷序列分解为若干个不同频率的固有模态分量I MF(intrinsic mode function),通过分析各个分量的特征规律,构造不同的RVM模型对各分量分别进行预测,再将各分量预测值通过RVM组合得到最终预测值。仿真结果表明,通过EMD分解,预测效果有显著改善,而RVM模型较之BP神经网络模型与SVM模型具有更高的预测精度。 展开更多
关键词 经验模态分解 相关向量机 固有模态分量 短期负荷预测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 8 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部