基于MEEMD的内燃机辐射噪声贡献 被引量：15

1

作者 郑旭 郝志勇 +1 位作者 金阳 卢兆刚 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2012年第5期954-960,共7页

为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解(MEEMD)方法.通过仿真试验,对比MEEMD与传统经验模态分解(EMD)和集总平均经验模态分解(EEMD)的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不... 为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解(MEEMD)方法.通过仿真试验,对比MEEMD与传统经验模态分解(EMD)和集总平均经验模态分解(EEMD)的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不仅能够抑制模态混叠问题,而且能够解决模态分裂等问题.采用MEEMD方法对内燃机振动成分对辐射噪声的贡献进行研究,以一个4缸4冲程内燃机为例,对标定工况下的缸盖罩振动信号和缸盖罩近场噪声信号进行MEEMD分解,并对分解得到的本征模态函数(IMF)进行时频分析,研究对辐射噪声贡献大的振动成分的来源.研究结果表明,通过MEEMD方法能够得到对内燃机辐射噪声贡献大的振动成分,并且准确确定其来源. 展开更多

关键词 内燃机 振动信号 噪声信号 改进的集总平均经验模态分解 时频分析

在线阅读 下载PDF 职称材料

基于改进的MEEMD的隧道掘进爆破振动信号去噪优化分析 被引量：9

2

作者 周红敏 赵事成 +3 位作者 赵文清 王双 郝广伟 张宪堂 《振动与冲击》 EI CSCD 北大核心 2023年第10期74-81,共8页

爆破振动信号受现场条件限制,多为复杂含噪信号,对降噪方法的性能提出更高要求。为了获得真实振动特征,建立了一种基于改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)的联合去噪方法。首先,将原始... 爆破振动信号受现场条件限制,多为复杂含噪信号,对降噪方法的性能提出更高要求。为了获得真实振动特征,建立了一种基于改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)的联合去噪方法。首先,将原始信号进行MEEMD分解得到本征模态分量(intrinsic mode function,IMF),结合相关系数和样本熵(sample entropy,SE)-Hurst指数进行IMF分类;然后,针对含噪IMF分量中的残留噪声,使用最小均方(least mean square,LMS)自适应滤波进行降噪,达到信号去噪的目的。算法对比结果表明:在仿真试验中,MEEMD-LMS相较互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)等方法表现出更优的降噪性能;在隧道掘进爆破的实例分析中,MEEMD-LMS相较MEEMD对高频噪声的降噪效果更好,低频段频谱更清晰,具备良好的适用性。 展开更多

关键词 隧道掘进 爆破振动 改进的总体平均经验模态分解(meemd) 最小均方(LMS)滤波 本征模态分量(IMF)评价

在线阅读 下载PDF 职称材料

基于MEEMD和GA-SVM的列车车轮多边形故障识别方法 被引量：15

3

作者 陈博 陈光雄 《噪声与振动控制》 CSCD 2018年第3期157-161,197,共6页

根据列车车轮振动信号的非平稳特性,提出一种基于改进的集合经验模态分解(MEEMD)和遗传算法支持向量机(GA-SVM)的诊断方法,用于识别车轮多边形故障。该方法对车轮轴箱垂向振动信号进行MEEMD分解,依据各固有模态函数(IMF)分量的峭度值和... 根据列车车轮振动信号的非平稳特性,提出一种基于改进的集合经验模态分解(MEEMD)和遗传算法支持向量机(GA-SVM)的诊断方法,用于识别车轮多边形故障。该方法对车轮轴箱垂向振动信号进行MEEMD分解,依据各固有模态函数(IMF)分量的峭度值和能量值选取出主要IMF分量。利用希尔伯特变换求取主要IMF分量的包络谱,并计算包络谱熵。将包络谱熵值归一化后作为特征向量输入GA-SVM中进行训练和识别。对实测信号进行分析的结果表明该方法能有效识别出车轮多边形故障,识别准确率可达到95%。 展开更多

关键词 振动与波 车轮多边形识别 改进的集合经验模态分解 遗传算法支持向量机 包络谱熵

在线阅读 下载PDF 职称材料

基于MEEMD-AIC的簇绒地毯织机噪声源识别方法 被引量：4

4

作者 徐洋 张晓蕾 +2 位作者 盛晓伟 赵锦艳 孙志军 《振动．测试与诊断》 EI CSCD 北大核心 2018年第6期1176-1181,1292,共7页

簇绒地毯织机噪声信号由多个噪声源信号混叠而成,为实现簇绒地毯织机噪声源识别,提出了一种基于改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)和赤池信息量准则(Akaike information criterion,... 簇绒地毯织机噪声信号由多个噪声源信号混叠而成,为实现簇绒地毯织机噪声源识别,提出了一种基于改进集总平均经验模态分解(modified ensemble empirical mode decomposition,简称MEEMD)和赤池信息量准则(Akaike information criterion,简称AIC)的噪声源识别方法。首先,利用MEEMD将测得的噪声信号分解为有限个本征模态函数(intrinsic mode function,简称IMF)分量;其次,对分量矩阵的协方差矩阵进行奇异值分解(singular value decomposition,简称SVD),得到矩阵特征值;然后,利用AIC准则估计有效分量的个数,同时结合能量特征指标和皮尔逊相关系数法筛选出有效分量;最后,对筛选出的有效分量逐一进行时频分析,实现簇绒地毯织机噪声源识别。结果表明,耦联轴系中钩轴振动是簇绒地毯织机最主要的噪声源,该方法适用于簇绒地毯织机噪声源识别,对实现簇绒地毯织机主动降噪提供了理论支持。 展开更多

关键词 改进集总平均经验模态分解 赤池信息量准则 簇绒地毯织机 噪声源识别

在线阅读 下载PDF 职称材料

基于MEEMD-ARIMA模型的波浪能发电系统输出功率预测 被引量：15

5

作者 吴峰 王飞 +1 位作者 顾康慧 周能萍 《电力系统自动化》 EI CSCD 北大核心 2021年第1期65-70,共6页

波浪能作为一种储量丰富的清洁能源,是未来理想的能源之一。但其具有较强的随机波动特性,因此,可靠地预测波浪能发电系统的输出功率能给复杂电网的调度带来极大的便利。文中提出基于改进的总体经验模态分解(MEEMD)-差分整合移动平均自回... 波浪能作为一种储量丰富的清洁能源,是未来理想的能源之一。但其具有较强的随机波动特性,因此,可靠地预测波浪能发电系统的输出功率能给复杂电网的调度带来极大的便利。文中提出基于改进的总体经验模态分解(MEEMD)-差分整合移动平均自回归(ARIMA)模型的波浪能组合预测。首先,基于海浪计算原理,计算混合浪的每小时平均波高与周期。其次,采用MEEMD对每小时平均波高与周期进行分解,得到一系列特征互异的本征模态函数(IMF)和余量,并将平均波高分解的结果与离散小波变换分解结果做对比。然后,将得到的分量分别建立ARIMA预测模型,通过叠加得到每小时平均波高与周期的预测值。最后,建立直驱式波浪能发电系统波高-功率转换模型,实例结果验证了该组合模型预测的有效性。 展开更多

关键词 波浪能 预测 离散小波变换 改进的总体经验模态分解-差分整合移动平均自回归 功率转换模型

在线阅读 下载PDF 职称材料

基于MEEMD-SDP图像特征和DRN的行星齿轮箱故障诊断 被引量：6

6

作者 陈友广 陈云 谢鲲鹏 《机电工程》 CAS 北大核心 2022年第5期662-667,共6页

在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(M... 在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(MEEMD)方法对齿轮振动信号进行了分解,获得了能够反映齿轮振动信号信息的固有模态函数(IMF);然后,通过对称点图案(SDP)分解方法提取了IMF分量,将其变换到极坐标下的雪花图像特征,并组成了特征向量;最后,引入深度残差网络(DRN)模型,实现了对行星齿轮箱齿轮不同故障的识别与分类,同时将其与卷积神经网络(CNN)模型进行了对比,并在东南大学公开的齿轮箱数据集上进行了不同模型对齿轮状态故障识别准确率的对比实验。研究结果表明:SDP图像特征能够全面表征齿轮的状态信息,相较于CNN模型,采用DRN模型对齿轮进行诊断得到的平均准确率有明显提高,可达到98.1%,能验证基于MEEMD-SDP图像特征和深度残差网络方法的有效性;研究结果对提升现有行星齿轮箱齿轮故障识别的准确率具有一定的价值。 展开更多

关键词 齿轮传动 固有模态函数 改进的集总平均经验模态分解 对称点图案 图像特征 深度残差网络

在线阅读 下载PDF 职称材料

基于MEEMD与ICA的污泥回流泵故障诊断 被引量：3

7

作者 田立勇 张一辙 《传感器与微系统》 CSCD 2020年第7期142-144,149,共4页

针对污泥回流泵故障分析时常见的信号干扰,提出使用改进的集成经验模态分解(MEEMD)与ICA方法来进行故障诊断与分析。将振动信号进行MEEMD,得出一系列的IMF分量,通过计算各分量与原始信号的互相关系数,选出对应的分量重构,并与原始信号... 针对污泥回流泵故障分析时常见的信号干扰,提出使用改进的集成经验模态分解(MEEMD)与ICA方法来进行故障诊断与分析。将振动信号进行MEEMD,得出一系列的IMF分量,通过计算各分量与原始信号的互相关系数,选出对应的分量重构,并与原始信号组成矩阵进行ICA计算,选取出符合条件的ICA成分进行频谱分析。通过对比MEEMD与ICA方法处理前后的正常运行和故障运行的特征频率,对污泥回流泵进行故障分析和诊断。实验结果表明:经过MEEMD与ICA方法处理后可以降低噪声的影响,有效进行故障诊断。 展开更多

关键词 污泥回流泵 改进的集成经验模态分解(meemd) 独立成分分析 信号处理 故障诊断

在线阅读 下载PDF 职称材料

基于MEEMD-QUATRE-BILSTM的短期光伏出力区间预测 被引量：6

8

作者 张程 林谷青 匡宇 《太阳能学报》 EI CAS CSCD 北大核心 2023年第11期40-54,共15页

提出一种基于改进集成经验模态分解(MEEMD)和拟仿射变换(QUATRE)优化双向长短期记忆神经网络(BILSTM)的光伏出力区间预测模型。通过主成分分析法(PCA)对时间序列进行降维处理,利用K-均值算法将降维数据分成3种类型气象数据;然后采用MEEM... 提出一种基于改进集成经验模态分解(MEEMD)和拟仿射变换(QUATRE)优化双向长短期记忆神经网络(BILSTM)的光伏出力区间预测模型。通过主成分分析法(PCA)对时间序列进行降维处理,利用K-均值算法将降维数据分成3种类型气象数据;然后采用MEEMD对每类光伏出力序列进行分解,将其输入QUATRE优化BILSTM神经网络和核密度估计算法(KDE)联合构建的短期光伏出力区间预测模型。最后基于宁夏光伏电站实例仿真评估模型区间预测性能,实验结果表明该模型可生成高水平光伏预测区间,能够为电力系统经济稳定运行提供可靠的决策保障。 展开更多

关键词 光伏发电 数据挖掘 预测 改进的集成经验模态分解 拟仿射变换进化算法 双向长短期记忆网络

在线阅读 下载PDF 职称材料

基于MEEMD香农熵-LSSVM的高速列车蛇行失稳诊断方法 被引量：5

9

作者 叶运广 宁静 +2 位作者 种传杰 崔万里 刘棋 《计算机应用研究》 CSCD 北大核心 2017年第4期1097-1100,共4页

针对列车高速运行时易出现蛇行失稳这一问题,提出了一种改进的集合经验模态分解(modified ensemble empirical mode decomposition,MEEMD)香农熵—最小二乘法支持向量机(least squares support vector machine,LSSVM)的高速列车蛇行失... 针对列车高速运行时易出现蛇行失稳这一问题,提出了一种改进的集合经验模态分解(modified ensemble empirical mode decomposition,MEEMD)香农熵—最小二乘法支持向量机(least squares support vector machine,LSSVM)的高速列车蛇行失稳诊断方法。首先通过MEEMD对列车330~350 km/h时转向架构架的横向振动信号进行分解,得到固有模态函数(intrinsic mode function,IMF),再通过Hilbert变换(HT)分析其时频聚集性,同时提取IMF分量的香农熵特征,最后用LSSVM进行训练和识别。结果表明,转向架蛇行失稳状态下的时频分布的聚集性较正常状态下好,并且MEEMD香农熵-LSSVM方法的识别率和计算耗时优于EEMD-SVM方法,识别率达到96.67%。 展开更多

关键词 蛇行运动 改进的集合经验模态分解(meemd) Hilbert-Huang变换(HHT) 香农熵 最小二乘法支持向量机(LSSVM)

在线阅读 下载PDF 职称材料

基于MEEMD-HT的高速列车转向架蛇行失稳特征分析 被引量：4

10

作者 叶运广 宁静 +2 位作者 种传杰 崔万里 刘棋 《中国测试》 CAS 北大核心 2016年第9期120-125,共6页

为研究高速列车蛇行失稳时转向架横向、纵向和垂向的时频能特征，针对集合经验模态分解（EEMD）的模态分裂问题．提出一种改进的集合经验模态分解一Hilbert变换（MEEMD—HT）方法，首先对列车速度330～350km／h时转向架蛇行失稳状态下... 为研究高速列车蛇行失稳时转向架横向、纵向和垂向的时频能特征，针对集合经验模态分解（EEMD）的模态分裂问题．提出一种改进的集合经验模态分解一Hilbert变换（MEEMD—HT）方法，首先对列车速度330～350km／h时转向架蛇行失稳状态下的横向、纵向和垂向振动信号进行MEEMD分解，再通过HT分析MEEMD—HT能量谱和边际谱，并将MEEMD—HT分析结果与集合经验模态分解-Hilbert变换（EEMD—HT）对比。结果表明：列车蛇行失稳时，横向失稳现象最为明显，频率、能量分布高度集中，振动最为剧烈，纵向、垂向相对次之，但失稳现象显著；同时，MEEMD—HT方法能够体现出信号的时频能细节分布特征，优于传统的EEMD—HT方法。 展开更多

关键词 高速列车 蛇行失稳 改进的集合经验模态分解 HILBERT变换

在线阅读 下载PDF 职称材料

基于MEEMD和二代小波阈值的表面肌电信号去噪处理 被引量：8

11

作者 武壮 王勇 肖飞云 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2021年第7期869-874,908,共7页

表面肌电(surface electromyogram,sEMG)信号能够反映神经肌肉的相关活动信息,被广泛应用于假肢控制、临床医学等领域,而获取干净的sEMG信号是精确地解释和应用信号的先决条件。为了消除混杂在sEMG信号中的噪声,文章提出了一种基于改进... 表面肌电(surface electromyogram,sEMG)信号能够反映神经肌肉的相关活动信息,被广泛应用于假肢控制、临床医学等领域,而获取干净的sEMG信号是精确地解释和应用信号的先决条件。为了消除混杂在sEMG信号中的噪声,文章提出了一种基于改进的经验模态分解(modified ensemble empirical mode decomposition,MEEMD)与二代小波改进阈值函数相结合的sEMG信号去噪方法。对含噪的sEMG信号进行MEEMD分解,再对高频的本证模态分量(intrinsic mode function,IMF)进行二代小波改进阈值函数去噪,将处理后的高频IMF分量和低频IMF分量以及残余信号进行重构,重构后的信号即为去噪sEMG信号。仿真结果表明,基于MEEMD与二代小波改进阈值函数方法的去噪性能指标高于其他方法;实验结果表明,该方法结合了MEEMD和二代小波的优点,能够很好地消除噪声,且能最大限度地保留信号中的有用信息。 展开更多

关键词 表面肌电(sEMG)信号 去噪 改进的经验模态分解(meemd) 二代小波

在线阅读 下载PDF 职称材料

基于MEEMD-PE与CS-WNN模型的网络时延预测 被引量：3

12

作者 时维国 国明 《系统工程与电子技术》 EI CSCD 北大核心 2020年第1期184-190,共7页

针对网络控制系统诱导时延具有的随机性、非平稳性、非线性等特点,提出了一种基于改进的集总平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)-排列熵和布谷鸟搜索(cuckoo search,CS)优化的小波神经网络(wavele... 针对网络控制系统诱导时延具有的随机性、非平稳性、非线性等特点,提出了一种基于改进的集总平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)-排列熵和布谷鸟搜索(cuckoo search,CS)优化的小波神经网络(wavelet neural network,WNN)时延预测算法。首先通过MEEMD对网络诱导时延序列进行处理,分别计算各模态的排列熵值,对复杂度相近的模态进行重组后得到新的子序列,从而达到降低建模复杂度和减少计算量的目的;然后利用CS算法优化的WNN预测新的子序列;最后叠加各子序列预测结果以获得时延序列的最终预测值。仿真表明,该算法具有较好的预测精度,能反映时延序列的总体趋势,可有效地降低异常值影响等优点。 展开更多

关键词 网络控制系统 改进的集总平均经验模态分解 排列熵 布谷鸟算法 小波神经网络 时延预测

在线阅读 下载PDF 职称材料

基于改进的集合经验模态分解的爆破振动信号趋势项消除方法 被引量：10

13

作者 李晨 梁书锋 +2 位作者 刘传鹏 程健 刘殿书 《北京理工大学学报》 EI CAS CSCD 北大核心 2021年第6期636-641,共6页

针对实测爆破振动信号中存在的趋势项干扰问题,基于改进的集合经验模态分解,提出一种趋势项消除方法,并进行了模拟信号的仿真计算和爆破振动信号的实例分析.信号仿真计算结果显示:对于持续振动信号,该方法的趋势项提取结果与已有的基于... 针对实测爆破振动信号中存在的趋势项干扰问题,基于改进的集合经验模态分解,提出一种趋势项消除方法,并进行了模拟信号的仿真计算和爆破振动信号的实例分析.信号仿真计算结果显示:对于持续振动信号,该方法的趋势项提取结果与已有的基于经验模态分解或集合经验模态分解的趋势项消除方法较为接近;但当测试信号呈间歇振动时,该方法对趋势项的提取更为充分,体现了其对分段爆破振动信号中趋势项消除的优越性和适用性.同时,爆破振动速度信号的实例分析验证了该方法在实际应用过程中的可靠性. 展开更多

关键词 爆破振动 趋势项 改进的集合经验模态分解 均值比 固有模态函数

在线阅读 下载PDF 职称材料

改进的EEMD算法及其在多相流检测中的应用 被引量：22

14

作者 李利品 党瑞荣 樊养余 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第10期2365-2371,共7页

针对低信噪比下EEMD法在分解过程中产生模态混叠导致滤波效果变差的问题,提出了一种改进的EEMD滤波方法。该方法首先设计最优带通滤波器,滤除信号中的脉冲干扰,再将滤波后的信号进行EEMD分解,然后采用SG滤波器对筛选的IMF再进行滤波,最... 针对低信噪比下EEMD法在分解过程中产生模态混叠导致滤波效果变差的问题,提出了一种改进的EEMD滤波方法。该方法首先设计最优带通滤波器,滤除信号中的脉冲干扰,再将滤波后的信号进行EEMD分解,然后采用SG滤波器对筛选的IMF再进行滤波,最后对滤波后IMF进行重构。最后将改进的EEMD法和EEMD法分别用于多相流测量信号滤波及含水率测量,结果表明,改进的EEMD法与EEMD法相比,信噪比提高了约2~3 dB,滤波效果更好;含水率平均测量精度提高了约3%,测量误差更小。 展开更多

关键词 改进的EEMD 模态混叠 信号消噪 多相流

在线阅读 下载PDF 职称材料

基于改进EEMD样本熵的高速列车滚子缺陷AE信号提取 被引量：4

15

作者 邓韬 林建辉 +2 位作者 黄晨光 靳行 张敏 《振动与冲击》 EI CSCD 北大核心 2017年第16期148-154,共7页

提出一种改进EEMD滚子缺陷声发射(AE)信号提取新方法,该方法根据EMD分解的二进滤波器组特性构造幅值与频率成线性-正弦规律变化的噪声添加进测试数据,给出了噪声构建原则,并按频率由高到低限定各阶IMF筛选次数,选取同一时段高频IMF归一... 提出一种改进EEMD滚子缺陷声发射(AE)信号提取新方法,该方法根据EMD分解的二进滤波器组特性构造幅值与频率成线性-正弦规律变化的噪声添加进测试数据,给出了噪声构建原则,并按频率由高到低限定各阶IMF筛选次数,选取同一时段高频IMF归一化样本熵较小的数据段作为声发射事件参考。对实测数据计算表明特殊构造的噪声和筛选次数能有效抑制中低频段模态混叠和高阶IMF小波消失现象,改进后的EEMD方法分解出的IMF分量物理意义明确,性能优于传统EEMD方法。分段的IMF样本熵变化能在连续监测中捕捉声发射事件,对应的Hilbert谱能直观凸显出滚子缺陷声发射信号,滚动体AE信号事件周期与理论计算相吻合。 展开更多

关键词 声发射 改进EEMD 分段样本熵 滚子缺陷

在线阅读 下载PDF 职称材料

基于特征融合与ResNet的行星齿轮箱故障诊断 被引量：25

16

作者 魏秀业 程海吉 +2 位作者 贺妍 赵峰 贺全玲 《电子测量与仪器学报》 CSCD 北大核心 2022年第5期213-222,共10页

针对行星齿轮箱振动信号相互耦合和故障诊断不准确等问题,提出一种基于特征融合与深度残差网络(ResNet)的行星齿轮箱故障诊断方法。首先,对采集到的行星轮裂纹、磨损,太阳轮断齿及复合故障等模拟故障振动信号应用多维集成经验模态分解(M... 针对行星齿轮箱振动信号相互耦合和故障诊断不准确等问题,提出一种基于特征融合与深度残差网络(ResNet)的行星齿轮箱故障诊断方法。首先,对采集到的行星轮裂纹、磨损,太阳轮断齿及复合故障等模拟故障振动信号应用多维集成经验模态分解(MEEMD)和VMD进行分解,分别筛选确定有效分量。然后,将筛选出的有效特征进行融合,分别应用传统卷积神经网络(CNN)和深度残差网络对其进行分类识别。结果发现,深度残差网络,分类准确度更高,可达95%以上。最后,应用深度残差对特征融合前后数据的分类准确度进行了比较。融合前准确度最高只达91.16%,低于融合的97.18%。可见,该方法对行星齿轮箱耦合振动信号的处理和故障诊断非常有效。 展开更多

关键词 多维集成经验模态分解 VMD 卷积神经网络 深度残差网络 行星齿轮箱 故障诊断

在线阅读 下载PDF 职称材料

基于EEMD和MFFOA-SVM滚动轴承故障诊断 被引量：23

17

作者 何青 褚东亮 毛新华 《中国机械工程》 EI CAS CSCD 北大核心 2016年第9期1191-1197,共7页

针对滚动轴承发生故障时,振动信号的时域和频域特征都会发生变化的特点,提出了基于集合经验模态分解(EEMD)、改进果蝇优化算法(MFFOA)和支持向量机(SVM)的滚动轴承故障诊断方法。该方法主要是利用EEMD方法对故障信号进行分解,并计算各IM... 针对滚动轴承发生故障时,振动信号的时域和频域特征都会发生变化的特点,提出了基于集合经验模态分解(EEMD)、改进果蝇优化算法(MFFOA)和支持向量机(SVM)的滚动轴承故障诊断方法。该方法主要是利用EEMD方法对故障信号进行分解,并计算各IMF分量的均方根值和重心频率,以此进行归一化处理得到特征向量。为了提高诊断精度,采用果蝇优化算法优化SVM参数,建立MFFOA-SVM模型,然后对提取的特征向量进行训练与测试,从而识别故障与否及发生点蚀故障的程度。利用该方法对实测信号进行分析与诊断,并与遗传算法的优化结果进行对比,验证了该方法的有效性,说明其具有良好的应用前景。 展开更多

关键词 集合经验模态分解 改进果蝇优化算法 支持向量机 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于改进EEMD与混沌振子的配电网故障选线 被引量：18

18

作者 侯思祖 郭威 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第4期77-87,共11页

提出改进的集合经验模态分解(MEEMD)和混沌振子相结合的电网故障微弱信号检测方法。首先,建立神经网络预测模型,通过神经网络对配网各线路零序电流进行短时预测,滤除故障信号中的背景信号;其次,为了检测配网发生单相接地故障后微弱的5... 提出改进的集合经验模态分解(MEEMD)和混沌振子相结合的电网故障微弱信号检测方法。首先,建立神经网络预测模型,通过神经网络对配网各线路零序电流进行短时预测,滤除故障信号中的背景信号;其次,为了检测配网发生单相接地故障后微弱的5次谐波信号,提出结合多尺度排列熵和完备集合经验模态分解(CEEMD)改进的改进的集合经验模态分解算法;处理已经滤除背景信号的故障信号,提取其第一固有模态函数作为混沌振子的输入。混沌振子对和内驱动力信号同频的外策动力信号有较高的敏感性,通过混沌振子输出的相图完成电网故障选线。 展开更多

关键词 多尺度排列熵 改进的集合经验模态分解 混沌振子 相图

在线阅读 下载PDF 职称材料

基于混合模型的中长期降水量预测 被引量：2

19

作者 李栋 薛惠锋 《计算机科学》 CSCD 北大核心 2018年第9期271-278,287,共9页

针对中长期降水量预测精度较低的问题,提出了由改进集合经验模态分解方法、最小二乘法、核极限学习机和改进的果蝇优化算法构成的混合模型来对区域年度降水量序列进行预测。首先,通过改进集合经验模态分解方法将非平稳降水量时间序列分... 针对中长期降水量预测精度较低的问题,提出了由改进集合经验模态分解方法、最小二乘法、核极限学习机和改进的果蝇优化算法构成的混合模型来对区域年度降水量序列进行预测。首先,通过改进集合经验模态分解方法将非平稳降水量时间序列分解为多个分解项。然后,根据不同分解项的特性分别采用最小二乘法和核极限学习机对其进行预测。由于核极限学习机均存在一定的参数敏感特性,因此提出使用改进的果蝇优化算法来对核极限学习机的相关参数搜索寻优,以提高其预测精度。最后,将各分解项的预测结果叠加,从而形成最终预测结果。以广东省7个地市1951-2015年的年度降水量为例,对所提方法进行了验证,结果表明:相比于自回归移动平均模型和核极限学习机模型,混合模型预测具有更高的预测精度。 展开更多

关键词 预测 混合模型 改进集合经验模态分解方法 最小二乘法 核极限学习机 改进果蝇优化算法

在线阅读 下载PDF 职称材料

基于改进集成经验模态分解和高斯过程回归的锂离子电池剩余容量及寿命预测方法 被引量：14

20

作者 向铭 何怡刚 张慧 《电测与仪表》 北大核心 2023年第9期27-33,共7页

锂离子电池在储能电站中为消纳可再生能源作出了重要贡献,其运行的稳定性和可靠性受到了研究人员的持续关注。为了解决锂离子电池容量及剩余寿命的预测和抑制测量过程中因各种外界因素引起的噪声,提出了一种基于改进的集成经验模态分解M... 锂离子电池在储能电站中为消纳可再生能源作出了重要贡献,其运行的稳定性和可靠性受到了研究人员的持续关注。为了解决锂离子电池容量及剩余寿命的预测和抑制测量过程中因各种外界因素引起的噪声,提出了一种基于改进的集成经验模态分解MEEMD(Modified Ensemble Empirical Mode Decomposition)去噪和经贝叶斯优化的高斯过程回归BO-GPR(Gaussian process regression optimized by Bayesian optimization algorithm)的锂离子电池容量及剩余寿命预测方法。利用MEEMD方法识别并去除原始测量数据中的噪声分量。利用BO-GPR方法预测锂离子电池容量及剩余寿命,其中贝叶斯优化方法对高斯过程回归的部分超参数进行了进一步寻优。文章基于美国国家航空航天局研究中心提供的锂离子电池测量数据进行了预测实验,结果表明,该方法能够有效去除噪声信号,选取的协方差函数和超参数组合达成的预测效果优于初始GPR模型,证明了其有效性。 展开更多

关键词 锂离子电池 容量及剩余寿命 改进的集成经验模态分解 高斯过程回归 贝叶斯优化

在线阅读 下载PDF 职称材料