基于EMD-KPCA-LSTM与SVG控制的双馈风电系统次同步振荡抑制方法

1

作者 张旭 徐鑫 +1 位作者 董成武 张继龙 《电气工程学报》 北大核心 2025年第2期54-67,共14页

静止无功发生器(Static var generator, SVG)凭借其快速动态响应特性,在抑制双馈风电系统并网的次同步振荡方面发挥了重要作用。然而,传统控制策略在应对系统复杂的非线性和时变特性时,仍存在一定的局限性。为此,提出一种基于经验模态分... 静止无功发生器(Static var generator, SVG)凭借其快速动态响应特性,在抑制双馈风电系统并网的次同步振荡方面发挥了重要作用。然而,传统控制策略在应对系统复杂的非线性和时变特性时,仍存在一定的局限性。为此,提出一种基于经验模态分解(Empirical mode decomposition, EMD)、核主成分分析(Kernel principal component analysis, KPCA)、长短期记忆网络(Long short-term memory, LSTM)与SVG附加阻尼控制的次同步振荡抑制方法。首先,通过EMD提取系统的振荡特征,利用KPCA进行降维优化,进一步通过LSTM对系统的动态特性进行建模与预测,从而显著提高了预测精度。在此基础上,结合SVG的附加阻尼控制功能,实时调节SVG的控制信号,有效抑制次同步振荡,提升系统的稳定性。该方法的创新在于将信号处理技术与深度学习算法相结合,构建了一个高效的预测与控制框架,为传统控制策略提供了全新思路。最后,利用PSCAD进行仿真分析,验证了该方法的有效性,为高渗透率新能源电网的稳定运行提供了技术支持。 展开更多

关键词 次同步振荡 经验模态分解 长短期记忆网络 双馈风电系统 静止无功发生器 核主成分分析

在线阅读 下载PDF 职称材料

基于聚类EEMD-PCA-LSTM与误差补偿的光热电站短期太阳直接法向辐射预测

2

作者 张晓英 常正云 +1 位作者 罗童 张兴平 《电气工程学报》 北大核心 2025年第2期345-353,共9页

太阳直接法向辐射(Direct normal irradiance,DNI)的变化影响光热发电的可靠性和效率。以西北某光热电站为研究对象,提出一种聚类、集合经验模态分解(Ensemble empirical mode decomposition,EEMD)、主成分分析(Principal component ana... 太阳直接法向辐射(Direct normal irradiance,DNI)的变化影响光热发电的可靠性和效率。以西北某光热电站为研究对象,提出一种聚类、集合经验模态分解(Ensemble empirical mode decomposition,EEMD)、主成分分析(Principal component analysis,PCA)和长短期记忆(Long short-term memory,LSTM)神经网络与误差补偿的光热电站短期DNI预测模型。首先,充分考虑影响DNI的环境因素,研究气象参数与DNI间的关系,利用近邻传播(Affinitypropagation,AP)聚类算法得到同一天气下的典型日,利用EEMD将原始DNI序列进行分解得到各子模态,降低序列的非平稳性;其次,利用PCA得到关键影响因子,使原始序列相关性和冗余性降低,减少模型输入维度;然后,利用LSTM网络对各分解子模态建模预测得到初始预测DNI序列,将其与真实序列作差,得到两者间的误差序列,重新建立LSTM网络对误差序列进行预测,即误差补偿;最后,将初始预测DNI与误差序列求和,得到最终的预测模型,实现对光热电站短期DNI的预测。预测结果表明,该预测模型效果较好,预测精度达94%。 展开更多

关键词 直接法向辐射 光热发电 集合经验模态分解 主成分分析 长短期记忆神经网络 误差补偿

在线阅读 下载PDF 职称材料

白条猪价格预测模型构建 被引量：4

3

作者 刘合兵 华梦迪 +1 位作者 席磊 尚俊平 《河南农业大学学报》 CAS CSCD 北大核心 2024年第1期123-131,共9页

【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应... 【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。 展开更多

关键词 价格预测 自适应白噪声完全集合模态分解 主成分分析 神经网络 组合模型

在线阅读 下载PDF 职称材料

基于PCA和EEMD的柔性直流配电网故障选线算法 被引量：2

4

作者 胡亚辉 韦延方 +2 位作者 王鹏 王晓卫 曾志辉 《电源学报》 CSCD 北大核心 2024年第2期305-315,共11页

柔性直流故障选线技术的发展对直流配电网有着至关重要的作用。本文针对现有柔性直流故障存在的可利用的故障信息较少等问题,提出了一种新算法,该算法有效利用了集合经验模态分解EEMD(ensemble empirical mode decomposition)算法、主... 柔性直流故障选线技术的发展对直流配电网有着至关重要的作用。本文针对现有柔性直流故障存在的可利用的故障信息较少等问题,提出了一种新算法,该算法有效利用了集合经验模态分解EEMD(ensemble empirical mode decomposition)算法、主成分分析PCA(principal component analysis)和相关系数各自的优势。首先,提取暂态电流样本信号,采用EEMD得到以正交基函数表示的数据矩阵;接着,基于PCA进行该矩阵元素特征向量到主成分的转换,将样本信号投影到主元空间实现坐标变换,从而得到对样本数据的聚类和识别结果;最后,基于相关系数进行故障线路判别。本文算法的EEMD揭露了原始历史数据的内在变化规律,PCA能够有效选择故障有效特征。大量实验表明,该新算法准确有效,与现有其他方法相比,在故障信息不明显、不同过渡电阻方面具有优势。 展开更多

关键词 柔性直流配电网 集合经验模态分解 主成分分析 故障选线 相关系数

在线阅读 下载PDF 职称材料

基于EEMD和特征降维的非侵入式负荷分解方法研究 被引量：1

5

作者 汪敏 张孟健 +3 位作者 禹洪波 熊炜 袁旭峰 邹晓松 《电测与仪表》 北大核心 2024年第6期80-86,共7页

针对现有非侵入式居民用电负荷监测缺乏对独立负荷完整、全面的分解方法,导致用电信息的完整性得不到保证的不足,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和Pearson-PCA改进的盲源分离算法。利用EEM... 针对现有非侵入式居民用电负荷监测缺乏对独立负荷完整、全面的分解方法,导致用电信息的完整性得不到保证的不足,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和Pearson-PCA改进的盲源分离算法。利用EEMD对总功率信号分解,以消除经验模态在分解过程中易出现模态混叠的现象,并得到一系列固有模式函数(intrinsic mode functions,IMF)。结合Pearson相关系数和主成分分析法(principal component analysis,PCA),提出Pearson-PCA改进算法对IMF进行降维,剔除相关性较弱的IMF分量,以及估计源信号数目。运用快速独立分量分析(fast independent component analysis,FastICA)对降维后的IMF进行分解,计算得出源功率信号。将提出的改进算法应用于非侵入式居民用电负荷分解问题,采用能量分解数据集(reference energy disaggregation data,REDD)进行实验仿真。实验结果表明:在不同用电场景下,提出的改进算法均具有较好的分解效果。 展开更多

关键词 非侵入式负荷分解 单通道盲源分离 集合经验模态分解 相关性过滤 主成分分析

在线阅读 下载PDF 职称材料

基于数据驱动的离心泵轴承特征分析及寿命预测 被引量：3

6

作者 苏皓南 黄倩 +2 位作者 胡波 付强 朱荣生 《机电工程》 CAS 北大核心 2024年第6期941-955,共15页

离心泵是工业中能量转换和流体输送的核心设备,其部件滚动轴承的可靠性对整个机组的安全运行尤为关键。为了解决目前滚动轴承寿命预测问题,对滚动轴承剩余寿命的最佳预测方案进行了研究。首先,从数据驱动和试验出发,利用试验台采集所得... 离心泵是工业中能量转换和流体输送的核心设备,其部件滚动轴承的可靠性对整个机组的安全运行尤为关键。为了解决目前滚动轴承寿命预测问题,对滚动轴承剩余寿命的最佳预测方案进行了研究。首先,从数据驱动和试验出发,利用试验台采集所得的离心泵轴承正常及故障状态下的数据,分析了时域、频域、时频域各特征在不同工况中的表现差异,发现了时域特征、频域特征、小波包分解能量特征、完全自适应噪声完备集合经验模态分解(CEEMDAN)能量特征可以捕捉到不同工况下的故障信息;然后,以单调性、趋势性指标加权分数为依据,结合特征的敏感性分析结果,优选出了轴承在全寿命周期中表现突出的12个特征,经核主成分分析(KPCA)-长短期记忆网络(LSTM)降维处理后,构建出了能够表征离心泵轴承退化过程的一维特征量;最后,对比分析了LSTM网络、反向传播(BP)网络和卷积神经(CNN)网络的预测效果。研究结果表明:LSTM网络的均方根误差(RMSE)为0.402,平均绝对百分比误差(MAPE)为0.332,预测精度在三者中最好,模型平均训练时间为12.6 s,可见LSTM网络在预测精度及模型训练时间上更具优势。 展开更多

关键词 叶片式泵 滚动轴承 完全自适应噪声完备集合经验模态分解 核主成分分析 长短期记忆网络 轴承退化过程

在线阅读 下载PDF 职称材料

无线传感网络多源数据特征融合方法研究 被引量：1

7

作者 陈宏 蒋文贤 +1 位作者 黄丽萍 余翀翀 《传感技术学报》 CSCD 北大核心 2024年第12期2131-2136,共6页

在无线传感网络中,不同的传感器节点可能会收集到重叠或相似的数据,造成计算、存储和传输资源的浪费。为此,提出一种无线传感网络多源数据特征融合方法。结合互补集合经验模态分解和小波阈值去噪方法,在保留数据主要特征的同时去除噪声... 在无线传感网络中,不同的传感器节点可能会收集到重叠或相似的数据,造成计算、存储和传输资源的浪费。为此,提出一种无线传感网络多源数据特征融合方法。结合互补集合经验模态分解和小波阈值去噪方法,在保留数据主要特征的同时去除噪声。通过主成分分析提取多源数据的第一层和第二层特征,并将其级联为最终提取的多源数据特征。采用模糊数学中的最大最小贴近度描述不同特征之间的距离,实现多源数据特征融合。仿真结果表明,所提方法应用后的节点死亡率低于5%,融合延迟小于4 ms,平均节点能耗保持在4.5 J以下,不同场景下的特征融合精度高于86.3%。表明所提方法具有良好的多源数据特征融合性能,可以有效地提高无线传感网络的数据传输性能。 展开更多

关键词 无线传感网络 多源数据特征 特征融合 经验模态分解 小波阈值去噪 主成分分析 亲信度

在线阅读 下载PDF 职称材料

基于改进EMD-小波包的爆破振动信号降噪方法研究 被引量：9

8

作者 闫鹏 张云鹏 +2 位作者 侯善营 张为为 杨曦 《振动与冲击》 EI CSCD 北大核心 2024年第11期264-271,287,共9页

针对经验模态分解(empirical mode decomposition, EMD)存在模态混叠和降噪效果不佳的问题,依据分解—正交—聚类—降噪—重构的思想,提出了改进EMD-小波包的爆破振动信号降噪方法。该方法融合了核主成分分析的正交性、K-means算法的聚... 针对经验模态分解(empirical mode decomposition, EMD)存在模态混叠和降噪效果不佳的问题,依据分解—正交—聚类—降噪—重构的思想,提出了改进EMD-小波包的爆破振动信号降噪方法。该方法融合了核主成分分析的正交性、K-means算法的聚类特性以及小波包的降噪优势,不仅可以消除EMD的模态混叠,也具有良好的降噪效果。研究结果表明:与自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise analysis, CEEMDAN)和EMD方法相比,在模拟信号降噪试验中,改进EMD-小波包方法的信噪比(7.9 dB)最大,均方根误差(2.96)最小。在实测爆破振动信号降噪中,改进EMD-小波包方法降噪后的信号与原始信号相关系数最大为0.91。改进EMD-小波包和CEEMDAN方法的降噪效果相对理想,且改进EMD-小波包方法对10~60 Hz低频信号能量保存效果较好,对60 Hz以上中高频噪声的滤除效果最好。 展开更多

关键词 爆破振动信号 经验模态分解(EMD) 核主成分分析(KPCA) K-MEANS算法 小波包 降噪

在线阅读 下载PDF 职称材料

PCA优化CEEMD的DSQ水管倾斜仪信号随机噪声压制方法

9

作者 郭晓菲 欧同庚 刘天龙 《大地测量与地球动力学》 CSCD 北大核心 2024年第9期978-984,共7页

提出一种基于主成分分析(PCA)优化完备集合经验模态分解(CEEMD)的DSQ水管倾斜仪信号随机噪声压制方法CEEMD-PCA。该方法融合了相关系数、分布熵、MSE、R^(2)、SSE、RMSE、MAE、MAPE等8个IMF分量质量评价指标,借助PCA实施指标值矩阵的降... 提出一种基于主成分分析(PCA)优化完备集合经验模态分解(CEEMD)的DSQ水管倾斜仪信号随机噪声压制方法CEEMD-PCA。该方法融合了相关系数、分布熵、MSE、R^(2)、SSE、RMSE、MAE、MAPE等8个IMF分量质量评价指标,借助PCA实施指标值矩阵的降维压缩,将其转化为一个能代表全部不同类型指标特点的新参数,并构建IMF分量质量综合评价函数,根据分数排名结果完成原始含噪信号的线性重构。仿真信号和实测信号去噪实验结果皆表明,CEEMD-PCA模型优于卡尔曼滤波、70阶低通FIR滤波等经典模型,能提高原始信号的信噪比,精准完成信号重构,更好地保留有效成分。 展开更多

关键词 DSQ水管倾斜仪 随机噪声压制 完备集合经验模态分解 主成分分析 特征融合

在线阅读 下载PDF 职称材料

基于正交经验模态分解的活塞销磨损特征提取算法

10

作者 杨昊 翟玉彬 +3 位作者 梁建辉 郭栋梁 刘先良 张瑞 《农业机械学报》 CSCD 北大核心 2024年第S1期412-419,共8页

由于活塞销磨损特征信号容易受到柴油机运行过程中的环境振动噪声干扰,构建有效的振动信号分解和降噪算法体系是实现活塞销磨损信号特征提取的有效途径,这对于建立可靠、精确的二元分类器模型来识别活塞销磨损至关重要。针对振动信号分... 由于活塞销磨损特征信号容易受到柴油机运行过程中的环境振动噪声干扰,构建有效的振动信号分解和降噪算法体系是实现活塞销磨损信号特征提取的有效途径,这对于建立可靠、精确的二元分类器模型来识别活塞销磨损至关重要。针对振动信号分解和降噪问题,本文提出一种基于正交经验模态分解(Orthogonal empirical mode decomposition,OEMD)结合连续小波变换(Continuous wavelet transform,CWT)和主元分析(Principal component analysis,PCA)的振动信号特征提取法。利用正交传感器布局采集实际运行中柴油机活塞销的振动信号,采用OEMD将正交融合后的振动信号分解为多个经验模态函数(Intrinsic mode function,IMF),然后选取能量占比85%的前4个IMF分量进行CWT处理得到小波系数矩阵,最后将该矩阵经PCA运算后的最优得分矩阵输入K-means聚类算法中进行分类。实际实验数据验证了所提方法的有效性,正交融合结果综合了整体趋势和极值分布,因此比单一传感器更可靠,从而避免了因传感器安装位置不合适而造成的干扰或特征缺失。通过与EMD-AR谱算法以及变分模态分解(Variational mode decomposition,VMD)算法对比,本文所提方法具有更强的降噪和特征提取能力,在K-means算法中分类效果较为明显,为二分类器建模识别活塞销磨损奠定了基础。 展开更多

关键词 活塞销磨损 振动特征提取 正交经验模态分解 连续小波变换 主元分析 K-MEANS聚类

在线阅读 下载PDF 职称材料

基于行波固有频率和经验模态分解的混合线路故障测距方法 被引量：48

11

作者 夏璐璐 何正友 +1 位作者 李小鹏 陈双 《电力系统自动化》 EI CSCD 北大核心 2010年第18期67-73,共7页

基于行波固有频率的故障测距方法不依靠识别行波波头即可进行精确故障测距,测距的关键是正确提取故障行波固有频率的主成分。该方法应用于架空线—电缆混合输电线路时,由于波阻抗不连续,会形成混叠的固有频率频谱,给正确识别和提取故障... 基于行波固有频率的故障测距方法不依靠识别行波波头即可进行精确故障测距,测距的关键是正确提取故障行波固有频率的主成分。该方法应用于架空线—电缆混合输电线路时,由于波阻抗不连续,会形成混叠的固有频率频谱,给正确识别和提取故障行波固有频率主成分带来困难。基于此,文中提出一种基于行波固有频率和经验模态分解(EMD)的架空线—电缆混合线路故障测距方法,在提取故障行波固有频率主成分之前先利用EMD进行信号分解,获取故障测距所需的故障行波成分,再对其进行固有频率频谱分析、主成分提取和故障测距计算。对某实际的110kV架空线—电缆混合输电线路的仿真分析表明,该方法可较好地解决现阶段频域方法进行架空线—电缆混合线路故障测距时存在的频谱混叠问题,具有一定的实用价值。 展开更多

关键词 固有频率 主成分 频谱分析 多信号分类 故障测距 经验模态分解

在线阅读 下载PDF 职称材料

基于主成分分析的经验模态分解消噪方法 被引量：34

12

作者 王文波 张晓东 汪祥莉 《电子学报》 EI CAS CSCD 北大核心 2013年第7期1425-1430,共6页

针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节... 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法. 展开更多

关键词 经验模态分解 信号消噪 主成分分析 噪声能量

在线阅读 下载PDF 职称材料

基于PCA与EMD的超宽带雷达生命信号检测算法 被引量：13

13

作者 戴舜 朱方 +1 位作者 徐艳云 方广有 《电子学报》 EI CAS CSCD 北大核心 2012年第2期344-349,共6页

本文分析了脉冲超宽带(UWB)生命信号模型,提出了基于主元分析(PCA)和经验模态分解(EMD)的非接触生命信号检测方法.根据UWB信号杂波与生命目标回波特点,结合PCA去除杂波.提取适当的主元特征向量序列曲线上峰值所对应的时延,估计目标距离... 本文分析了脉冲超宽带(UWB)生命信号模型,提出了基于主元分析(PCA)和经验模态分解(EMD)的非接触生命信号检测方法.根据UWB信号杂波与生命目标回波特点,结合PCA去除杂波.提取适当的主元特征向量序列曲线上峰值所对应的时延,估计目标距离信息.采用EMD分解目标回波序列为有限个固有模态函数(IMF)分量,在时域上重构平滑生命特征曲线,且其在高信噪比下可实现心跳与呼吸信号的分离.实验研究表明该方法简单有效,能同时提供生命信号的频域和时域波形位置信息,且重构得到的生命信号较符合实际信号时变、非平稳特性. 展开更多

关键词 生命信号 超宽带 主元分析 经验模态分解 奇异值分解

在线阅读 下载PDF 职称材料

基于EEMD-多尺度主元分析的回转支承信号降噪方法研究 被引量：9

14

作者 杨杰 陈捷 +2 位作者 洪荣晶 王华 封杨 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2016年第4期1173-1180,共8页

为较好地提取故障信号,提出一种集成经验模式分解(EEMD)和主元分析相结合的降噪方法,给出EEMD自适应分解后本征模函数(IMF)的选择方法,将提取出的IMF分量进行信号重构,从而达到降噪目的。将多尺度主元分析的EEMD降噪、基于峭度准则的EEM... 为较好地提取故障信号,提出一种集成经验模式分解(EEMD)和主元分析相结合的降噪方法,给出EEMD自适应分解后本征模函数(IMF)的选择方法,将提取出的IMF分量进行信号重构,从而达到降噪目的。将多尺度主元分析的EEMD降噪、基于峭度准则的EEMD降噪以及基于相关系数准则的EEMD降噪方法分别对仿真信号和回转支承故障信号降噪性能进行对比。研究结果表明:基于多尺度主元分析的EEMD降噪方法具有更高的信噪比(SNR),提取出更能反映真实故障信息的特征,具有一定的实际工程应用价值。 展开更多

关键词 回转支承 主元分析 集成经验模式分解 滤波 振动信号

在线阅读 下载PDF 职称材料

谱熵和主成分分析用于EMD分解研究 被引量：8

15

作者 李雪耀 邹晓杰 +1 位作者 张汝波 钱真 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2009年第7期797-803,共7页

针对传统经验模态分解(EMD)的终止条件的不足,将信息熵和主成分分析(PCA)原理引入希尔伯特-黄变换(HHT)中,提出了一种H ilbert时频谱熵的算法,以此为基础提出了基于时频谱熵的分量终止准则和基于主成分分析的分解终止准则,并对EMD算法... 针对传统经验模态分解(EMD)的终止条件的不足,将信息熵和主成分分析(PCA)原理引入希尔伯特-黄变换(HHT)中,提出了一种H ilbert时频谱熵的算法,以此为基础提出了基于时频谱熵的分量终止准则和基于主成分分析的分解终止准则,并对EMD算法进行改进.改进的EMD算法能够得到更准确的分解结果,并且在一定程度上减少了虚假分量和模态混叠的产生.仿真实验表明,采用基于时频谱熵和主成分分析的终止准则对EMD算法的改进是有效的. 展开更多

关键词 希尔伯特-黄变换 经验模态分解 筛选终止准则 主成分分析

在线阅读 下载PDF 职称材料

碳纤维复合材料损伤声发射信号模式识别方法 被引量：16

16

作者 李伟 姜智通 +1 位作者 张璐莹 蒋鹏 《中国测试》 CAS 北大核心 2020年第6期121-128,共8页

针对碳纤维复合材料层合板剪切过程中所产生的纤维断裂及基体开裂声发射信号的数据样本数量多、分布随机、变化形式较为离散等问题,提出一种可用于识别纤维断裂及基体开裂两种损伤类型的方法。首先,利用经验模态分解(EMD)对纤维断裂及... 针对碳纤维复合材料层合板剪切过程中所产生的纤维断裂及基体开裂声发射信号的数据样本数量多、分布随机、变化形式较为离散等问题,提出一种可用于识别纤维断裂及基体开裂两种损伤类型的方法。首先,利用经验模态分解(EMD)对纤维断裂及基体开裂的声发射信号进行时频变换;然后,对分解后信号进行快速傅里叶变换(FFT)以获得特征频率集,再利用主成分分析法(PCA)对特征频率集进行降维处理;最后,利用支持向量机(SVM)实现纤维断裂及基体开裂信号进行损伤模式识别。结果表明,此方法可较为准确地识别纤维断裂及基体开裂两种信号。针对碳纤维复合材料层合板剪切过程所产生的声发射信号,模型的总识别率达85.8%。 展开更多

关键词 碳纤维复合材料 声发射 纤维断裂 经验模态分解 主成分分析 支持向量机

在线阅读 下载PDF 职称材料

基于核主分量分析的经验模式分解及其工程应用 被引量：4

17

作者 王雷 王奉涛 +2 位作者 朱泓 张志新 郭正刚 《振动与冲击》 EI CSCD 北大核心 2010年第2期39-41,68,共4页

若信号的信噪比较小,经验模式分解不能正确分解出基本模式分量,分量中含有伪分量。根据此种情况,提出一种核主分量分析与经验模式分解相结合的方法。该方法首先建立信号相空间,利用核主分量分析方法提取相空间的核主分量,然后利用投影... 若信号的信噪比较小,经验模式分解不能正确分解出基本模式分量,分量中含有伪分量。根据此种情况,提出一种核主分量分析与经验模式分解相结合的方法。该方法首先建立信号相空间,利用核主分量分析方法提取相空间的核主分量,然后利用投影逆过程将得到的核主分量逆向投影回原相空间,从而重建信号相空间。最后对重建的相空间所对应的信号作经验模式分解。此方法可以有效消除噪声和冗余对经验模式分解的影响,提高经验模式分解的适应能力保证分解的有效性,确保其能够分解出正确的基本模式分量。通过工程实例进一步验证了该方法的可行性。 展开更多

关键词 核主分量分析 经验模式分解 信号处理

在线阅读 下载PDF 职称材料

基于经验模态分解的属性优化方法 被引量：8

18

作者 陈伟 王尚旭 啜晓宇 《石油地球物理勘探》 EI CSCD 北大核心 2013年第1期121-127,1,共7页

本文提出了一种基于经验模态分解的属性优化新方法,其具体步骤为:首先对某一种地震属性的各个列向量分别进行经验模态分解,得到各个列向量的固有模态分量组;其次分别对每一组固有模态分量的各个分量的权重进行归一化,并将前若干分量分... 本文提出了一种基于经验模态分解的属性优化新方法,其具体步骤为:首先对某一种地震属性的各个列向量分别进行经验模态分解,得到各个列向量的固有模态分量组;其次分别对每一组固有模态分量的各个分量的权重进行归一化,并将前若干分量分别乘以相应的归一化权重系数后再线性相加得到新的列向量,进而构成优化后的属性矩阵;然后对其他几种参与优化的属性也实行前面两个步骤,分别得到相应的新的地震属性矩阵;最后将得到的新地震属性矩阵进行线性叠加,得到优化后的地震属性矩阵。将经验模态分解方法和主成分分析方法分别应用于相同的实际资料,试验证明前者在保证运行效率的情况下能用更少的主成分(固有模态分量)刻画出更多的原始属性信息,并且提高了原始属性剖面的分辨率。 展开更多

关键词 主成分分析(PCA) 经验模态分解(EMD) 属性优化 固有模态分量(IMF)

在线阅读 下载PDF 职称材料

飞机发动机关键系统智能故障诊断方法 被引量：3

19

作者 崔建国 郑蔚 +2 位作者 于明月 蒲雪萍 师建强 《火力与指挥控制》 CSCD 北大核心 2016年第11期187-191,共5页

飞机发动机是一个非常复杂的大系统,由于其结构复杂,工作环境恶劣,对其关键系统的故障进行准确诊断始终是困扰业界的技术瓶颈之一。提出了采用EMD小波阈值降噪与主元分析相结合的方法,对飞机发动机气路系统故障诊断进行了深入研究。针... 飞机发动机是一个非常复杂的大系统,由于其结构复杂,工作环境恶劣,对其关键系统的故障进行准确诊断始终是困扰业界的技术瓶颈之一。提出了采用EMD小波阈值降噪与主元分析相结合的方法,对飞机发动机气路系统故障诊断进行了深入研究。针对某型真实飞机发动机进行测试试验采集的气路多参量数据,首先采用经验模态分解(Empirical Mode Decomposition,EMD)对气路系统各参量信号进行EMD分解,然后采用软阈值函数对其进行降噪,并进行信号重构,从而可得到飞机发动机气路工作状态有效数据。在此基础上,设计了飞机发动机气路系统主元分析故障诊断模型,并结合预处理得到的飞机发动机气路有效数据,运用所设计的主元分析故障诊断模型对飞机发动机进行故障诊断技术研究。研究结果表明,所提出的方法能够很好地诊断出飞机发动机气路系统实际运行时所出现的故障,具有重要的实际应用价值,并有广泛的应用前景。 展开更多

关键词 飞机发动机 故障诊断 经验模态分解 小波阈值降噪 主元分析

在线阅读 下载PDF 职称材料

基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断 被引量：8

20

作者 窦东阳 李丽娟 赵英凯 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2011年第B09期107-111,共5页

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故... 针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概率神经网络进行故障分类.通过SKF6203轴承的正常、内圈点蚀、外圈点蚀和滚动体点蚀这4类状态的诊断实验验证了方法的有效性,诊断正确率为91.7%. 展开更多

关键词 故障诊断 滚动轴承 集合经验模式分解 RENYI熵 主元分析 概率神经网络

在线阅读 下载PDF 职称材料