检索结果-维普期刊中文期刊服务平台

基于CSAEMD-KECA和角结构距离的齿轮故障识别方法被引量：1: 1; 作者高庆云郭力陈长华《机电工程》 CAS 北大核心 2023年第1期11-22,共12页; 作为机械传动系统中的重要部件,齿轮经常运行在变转速变载荷工况下,直接采集到的齿轮故障信号(原始信号)往往存在强背景噪声。由于其原始信号中存在噪声信号,干扰了齿轮故障模式识别,且传统故障识别方法准确率较低,针对这一问题,提出了... 展开更多; 关键词机械传动系统齿轮故障诊断互补正弦辅助经验模式分解核熵成分分析聚类分析信号分解重构信号特征提取; 在线阅读下载PDF 职称材料

基于KECA-GRNN的风电机组齿轮箱状态监测与健康评估被引量：26: 2; 作者景彤梅齐咏生 +2 位作者刘利强高学金李永亭《太阳能学报》 EI CAS CSCD 北大核心 2021年第6期400-408,共9页; 为及时准确地评价风电机组齿轮箱的健康程度,提出一种基于KECA-GRNN的性能监测与评估方法。该方法分为状态监测、故障预测、健康评估3个阶段。在状态监测阶段,将KECA算法应用到风电机组的性能监测中,并采用SPE统计量监测齿轮箱状态。在... 展开更多; 关键词风电机组 SCADA系统状态监测神经网络核熵成分分析(keca) 健康评估; 在线阅读下载PDF 职称材料

基于KECA和BO-SVDD的滚动轴承早期故障检测被引量：2: 3; 作者栗子旋高丙朋《机床与液压》北大核心 2023年第11期206-213,共8页; 为了实现更早地检测出滚动轴承发生故障,提出一种基于核熵成分分析(KECA)和贝叶斯优化(BO)算法优化支持向量数据描述(SVDD)的滚动轴承早期故障检测方法。提取轴承振动信号的时域、频域特征以及小波包分解节点能量特征,组成多维特征矩阵... 展开更多; 关键词故障检测特征矩阵核熵成分分析贝叶斯优化支持向量数据描述; 在线阅读下载PDF 职称材料

基于KECA-NARX的RUL时间序列预测模型: 4; 作者徐东辉《电池》 CAS 北大核心 2021年第6期582-586,共5页; 针对锂离子电池剩余使用寿命(RUL)预测中信息利用不完善的问题,提出基于核熵成分分析(KECA)的非线性自回归(NARX)神经网络的RUL时间序列预测模型算法。采用灰色关联分析方法确定预测模型的输入变量;再重构确定的输入变量,恢复系统多维... 展开更多; 关键词锂离子电池核熵成分分析(keca) 时间序列非线性自回归(NARX) RENYI熵预测剩余使用寿命(RUL); 在线阅读下载PDF 职称材料

基于核熵成分分析的流式数据自动分群方法被引量：13: 5; 作者董明利马闪闪 +1 位作者张帆潘志康《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第1期206-211,共6页; 针对多参数流式细胞数据传统人工分群过程复杂、自动化程度不高等问题,提出了一种基于核熵成分分析(KECA)的自动分群方法。选取对瑞利(Renyi)熵具有最大贡献的特征向量作为投影方向,对数据进行特征提取;设计了一种基于余弦相似度和K-me... 展开更多; 关键词流式细胞术自动分群核熵成分分析 K-MEANS算法余弦相似度; 在线阅读下载PDF 职称材料

基于核熵成分分析的数据降维被引量：8: 6; 作者黄丽瑾施俊钟瑾《计算机工程》 CAS CSCD 2012年第2期175-177,共3页; 针对高维数据的维灾问题,采用核熵成分分析方法降维数据,并与主成分分析及核主成分分析方法进行对比。降维后的数据利用支持向量机算法进行分类,以验证算法有效性。实验结果表明,KECA在较低的维数时仍然能获得较好的分类精度,可以减少... 展开更多; 关键词降维核熵成分分析核主成分分析支持向量机; 在线阅读下载PDF 职称材料

基于核熵成分分析的综合干旱指数的构建与应用--以黑河流域中上游为例被引量：3: 7; 作者郭盛明粟晓玲 +3 位作者吴海江姜田亮梁筝冯凯《干旱地区农业研究》 CSCD 北大核心 2021年第1期148-157,共10页; 针对传统单变量干旱指数难以全面表征干旱及部分综合干旱指数难以反映多变量之间的非线性关系等问题,采用标准化降水蒸散发指数(SPEI)、标准化径流指数(SRI)及标准化土壤湿度指数(SSMI)3个单变量指数分别表征气象干旱、水文干旱和农业干... 展开更多; 关键词核熵成分分析(keca) 综合干旱指数干旱指数构建应用黑河流域; 在线阅读下载PDF 职称材料

题名基于CSAEMD-KECA和角结构距离的齿轮故障识别方法被引量：1: 1; 作者高庆云郭力陈长华; 机构杭州职业技术学院重庆交通大学机电与车辆工程学院重庆长江轴承股份有限公司; 出处《机电工程》 CAS 北大核心 2023年第1期11-22,共12页; 基金国家自然科学基金资助项目(51775072)。; 文摘作为机械传动系统中的重要部件,齿轮经常运行在变转速变载荷工况下,直接采集到的齿轮故障信号(原始信号)往往存在强背景噪声。由于其原始信号中存在噪声信号,干扰了齿轮故障模式识别,且传统故障识别方法准确率较低,针对这一问题,提出了一种基于CSAEMD-KECA和角结构距离的齿轮故障识别方法。首先,使用互补正弦辅助经验模式分解(CSAEMD)方法对齿轮故障信号进行了分解重构,以去除信号中的噪声成分;然后,利用核熵成分分析(KECA)方法对CSAEMD分解重构后的信号进行了特征提取,选取了对样本(CSAEMD分解重构后的信号)瑞丽熵贡献值较大的3个特征向量,并将其作为投影向量,样本数据向投影向量投影形成了特征数据集;最后,搭建了故障模拟实验台,对上述方法的可行性进行了验证,采用角结构距离的聚类方法对特征数据集进行了聚类分析。研究结果表明:利用实验台数据进行的有效实验,能够准确地识别出齿轮的各种故障,其聚类准确率达到98.3%;该结果可验证基于CSAEMD-KECA和角结构距离的方法在齿轮故障识别上的有效性。; 关键词机械传动系统齿轮故障诊断互补正弦辅助经验模式分解核熵成分分析聚类分析信号分解重构信号特征提取; Keywords mechanical transmission system gearfault diagnosis complementary sine assisted empirical mode decomposition(CSAEMD) kernel entropy component analysis(keca) cluster analysis signal decomposition and reconstruction signal feature extraction; 分类号 TH132.41 [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KECA-GRNN的风电机组齿轮箱状态监测与健康评估被引量：26: 2; 作者景彤梅齐咏生刘利强高学金李永亭; 机构内蒙古工业大学电力学院内蒙古自治区机电控制重点实验室北京工业大学信息学部; 出处《太阳能学报》 EI CAS CSCD 北大核心 2021年第6期400-408,共9页; 基金国家自然科学基金(61763037) 内蒙古自然科学基金(2019LH06007) 内蒙古自治区科技计划(2019,2020GG0283)。; 文摘为及时准确地评价风电机组齿轮箱的健康程度,提出一种基于KECA-GRNN的性能监测与评估方法。该方法分为状态监测、故障预测、健康评估3个阶段。在状态监测阶段,将KECA算法应用到风电机组的性能监测中,并采用SPE统计量监测齿轮箱状态。在故障预测阶段,将KECA算法提取的主元数据作为GRNN模型输入,建立KECA-GRNN预测模型,并采用预测残差的变化趋势定义报警限,实现故障的早期预警。在健康评估阶段,将多变量预测残差进行融合,增强评估的可靠性。最后,将该方法应用于某风场一台1.5 WM风电机组在故障前近2个月的部分SCADA数据中,结果表明可提前2周获知齿轮箱发生异常,实现了对风电机组齿轮箱健康状态的准确评估。; 关键词风电机组 SCADA系统状态监测神经网络核熵成分分析(keca) 健康评估; Keywords wind turbine SCADA system condition monitoring(CM) neural network kernel entropy compoment analysis(keca) wind turbine performance prognostic and assessment(PHM); 分类号 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KECA和BO-SVDD的滚动轴承早期故障检测被引量：2: 3; 作者栗子旋高丙朋; 机构新疆大学电气工程学院; 出处《机床与液压》北大核心 2023年第11期206-213,共8页; 基金新疆维吾尔自治区自然科学基金项目(2019D01C079)。; 文摘为了实现更早地检测出滚动轴承发生故障,提出一种基于核熵成分分析(KECA)和贝叶斯优化(BO)算法优化支持向量数据描述(SVDD)的滚动轴承早期故障检测方法。提取轴承振动信号的时域、频域特征以及小波包分解节点能量特征,组成多维特征矩阵;利用KECA对多维特征矩阵进行降维处理,进而提取有效特征;最后,选取轴承正常状态的特征指标训练模型,利用BO算法确定SVDD的惩罚因子和核宽度,进而得到早期故障检测模型。利用该模型对XJTU-SY数据集中不同工况下的轴承进行早期故障检测,结果表明:KECA能够有效地提取特征信息,减少冗余信息的干扰;该模型整体上能够较早检测出故障的发生,并且有较好的鲁棒性和泛化能力。; 关键词故障检测特征矩阵核熵成分分析贝叶斯优化支持向量数据描述; Keywords Fault detection Feature matrix kernel entropy component analysis(keca) Bayesian optimization(BO) Support vector data description(SVDD); 分类号 TH165.3 [机械工程—机械制造及自动化] TH133.3 [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KECA-NARX的RUL时间序列预测模型: 4; 作者徐东辉; 机构南昌师范学院数学与计算机科学系长沙理工大学汽车与机械工程学院; 出处《电池》 CAS 北大核心 2021年第6期582-586,共5页; 基金国家自然科学基金项目(51176014) 江西省科技厅科技项目(20202BBEL53019,20192BBHL80002,20192BBEL50040) +1 种基金江西省教育厅教育规划项目(20YB248)。; 文摘针对锂离子电池剩余使用寿命(RUL)预测中信息利用不完善的问题,提出基于核熵成分分析(KECA)的非线性自回归(NARX)神经网络的RUL时间序列预测模型算法。采用灰色关联分析方法确定预测模型的输入变量;再重构确定的输入变量,恢复系统多维非线性状态空间;最后通过混沌优化算法,使KECA的核参数达到全局最优,利用KECA对重构后的相空间时间序列进行特征提取,并将特征向量作为NARX神经网络的输入,得到预测的RUL。KECA-NARX模型的预测精度比Elman模型提高了近6%,表明提出的KECA-NARX模型具有较优的非线性动态预测能力、较高的精确度及泛化能力。; 关键词锂离子电池核熵成分分析(keca) 时间序列非线性自回归(NARX) RENYI熵预测剩余使用寿命(RUL); Keywords Li-ion battery kernel entropy component analysis(keca) time series nonlinear autoregression(NARX) Renyi entropy predict remaining useful life(RUL); 分类号 TM912.9 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于核熵成分分析的流式数据自动分群方法被引量：13: 5; 作者董明利马闪闪张帆潘志康; 机构北京信息科技大学光电测试技术北京市重点实验室; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第1期206-211,共6页; 基金教育部"长江学者与创新团队"发展计划(IRT1212) 国家重大科学仪器设备开发专项基金(2011YQ030134) 国家自然科学基金(61605010)项目资助; 文摘针对多参数流式细胞数据传统人工分群过程复杂、自动化程度不高等问题,提出了一种基于核熵成分分析(KECA)的自动分群方法。选取对瑞利(Renyi)熵具有最大贡献的特征向量作为投影方向,对数据进行特征提取;设计了一种基于余弦相似度和K-means算法的分类器,并采用一种基于向量夹角的最佳聚类数确定方法,最终获得细胞的分类标签。对实验获得的淋巴细胞免疫表型分析数据进行处理,结果表明,该方法能够实现细胞的快速、自动分群,整体分群准确率能够达到97%以上,操作简单便捷,提高了细胞分析的效率。; 关键词流式细胞术自动分群核熵成分分析 K-MEANS算法余弦相似度; Keywords flow cytometry automatic clustering kernel entropy component analysis（keca） K-means algorithm cosine similarity; 分类号 TH773 [机械工程—精密仪器及机械] N391 [自然科学总论]; 在线阅读下载PDF 职称材料

题名基于核熵成分分析的数据降维被引量：8: 6; 作者黄丽瑾施俊钟瑾; 机构上海大学通信与信息工程学院; 出处《计算机工程》 CAS CSCD 2012年第2期175-177,共3页; 基金国家自然科学基金资助项目(60701021) 上海市教育委员会科研创新基金资助项目(09YZ15) +1 种基金上海大学研究生创新基金资助项目(SHUCX112137); 文摘针对高维数据的维灾问题,采用核熵成分分析方法降维数据,并与主成分分析及核主成分分析方法进行对比。降维后的数据利用支持向量机算法进行分类,以验证算法有效性。实验结果表明,KECA在较低的维数时仍然能获得较好的分类精度,可以减少后续的处理复杂度和运行时间,适用于机器学习、模式识别等领域。; 关键词降维核熵成分分析核主成分分析支持向量机; Keywords dimension reduction kernel entropy Component analysis（keca） kernel Principal Component analysis（KPCA） Support Vector Machine（SVM）; 分类号 TN911.72 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于核熵成分分析的综合干旱指数的构建与应用--以黑河流域中上游为例被引量：3: 7; 作者郭盛明粟晓玲吴海江姜田亮梁筝冯凯; 机构西北农林科技大学水利与建筑工程学院西北农林科技大学旱区农业水土工程教育部重点实验室; 出处《干旱地区农业研究》 CSCD 北大核心 2021年第1期148-157,共10页; 基金国家自然科学基金项目(51879222)。; 文摘针对传统单变量干旱指数难以全面表征干旱及部分综合干旱指数难以反映多变量之间的非线性关系等问题,采用标准化降水蒸散发指数(SPEI)、标准化径流指数(SRI)及标准化土壤湿度指数(SSMI)3个单变量指数分别表征气象干旱、水文干旱和农业干旱,利用核熵成分分析法(KECA)构造综合干旱指数(SMDI),采用M-K趋势检验、小波分析及典型历史旱情验证等方法分析干旱的时空变化特征以及干旱指数的适用性。以黑河流域中上游为例,结果表明:研究区全年77.6%的区域表现为干旱不显著加重的趋势;在流域尺度上,干旱存在43 a的长周期,15~23 a的中周期,3~8 a的短周期;20世纪90年代夏、秋两季及21世纪以来春、冬两季干旱发生频率较高,且整体夏旱发生频率最高;1969年春、1997年秋和2009年冬的典型历史旱情验证表明SMDI优于其他3种单变量干旱指数。说明基于KECA构建的SMDI是一种有效的干旱监测指数,在黑河流域中上游干旱监测中有好的适用性。; 关键词核熵成分分析(keca) 综合干旱指数干旱指数构建应用黑河流域; Keywords kernel entropy component analysis(keca) comprehensive drought construction of drought index application Heihe River Basin; 分类号 S161.3 [农业科学—农业气象学]; 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CSAEMD-KECA和角结构距离的齿轮故障识别方法	高庆云郭力陈长华	《机电工程》 CAS 北大核心	2023	1	在线阅读下载PDF 职称材料
2	基于KECA-GRNN的风电机组齿轮箱状态监测与健康评估	景彤梅齐咏生刘利强高学金李永亭	《太阳能学报》 EI CAS CSCD 北大核心	2021	26	在线阅读下载PDF 职称材料
3	基于KECA和BO-SVDD的滚动轴承早期故障检测	栗子旋高丙朋	《机床与液压》北大核心	2023	2	在线阅读下载PDF 职称材料
4	基于KECA-NARX的RUL时间序列预测模型	徐东辉	《电池》 CAS 北大核心	2021	0	在线阅读下载PDF 职称材料
5	基于核熵成分分析的流式数据自动分群方法	董明利马闪闪张帆潘志康	《仪器仪表学报》 EI CAS CSCD 北大核心	2017	13	在线阅读下载PDF 职称材料
6	基于核熵成分分析的数据降维	黄丽瑾施俊钟瑾	《计算机工程》 CAS CSCD	2012	8	在线阅读下载PDF 职称材料
7	基于核熵成分分析的综合干旱指数的构建与应用--以黑河流域中上游为例	郭盛明粟晓玲吴海江姜田亮梁筝冯凯	《干旱地区农业研究》 CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料