检索结果-南通市图书馆

基于噪声辅助多元经验模态分解的海洋三分量磁测数据去噪方法

在线全文

学校读者我要写书评

暂无评论

地球物理学进展 2023年第5期38卷 2336-2349页

作者：袁常青杜劲松何水原胡正旺中国地质大学(武汉)地球物理与空间信息学院地球内部多尺度成像湖北省重点实验室武汉430074 地质过程与矿产资源国家重点实验室中国地质大学(武汉)武汉430074 中国地质调查局广州海洋地质调查局广州510760

动态环境下的海洋磁测数据难免会包含复杂多样的噪声干扰,为了便捷有效地恢复真实有效的磁异常信号,提升后续数据处理、反演和解释的可靠性(目的),本文采用了一种完全多元的方法进行多分量数据的同步相关去噪,在考虑各通道间耦合性的同... 详细信息

动态环境下的海洋磁测数据难免会包含复杂多样的噪声干扰,为了便捷有效地恢复真实有效的磁异常信号,提升后续数据处理、反演和解释的可靠性(目的),本文采用了一种完全多元的方法进行多分量数据的同步相关去噪,在考虑各通道间耦合性的同时避免了传统方法分别对每个分量去噪带来的繁琐计算.首先利用噪声辅助多元经验模态分解(Noise Assisted Multivariate Empirical Mode Decomposition,NAMEMD)将一维多分量含噪信号同步分解成一系列多元固有模态函数(Multivariate Intrinsic Mode Functions,MIMF),其次根据多元多尺度样本熵(Multivariate Multiscale Sample Entropy,MMSE)特性判断噪声主导与信号主导MIMF的分界阶数,然后利用马氏距离确定特定阶数MIMF的阈值区间,再对多元信号的同阶分量进行同步阈值处理,最后与高阶分量一同重构得到去噪结果(方法).与单分量去噪方法相比,该方法在模拟含有随机噪声、海浪噪声、粗差干扰的磁测数据去噪仿真试验中取得了更为优异的表现,并且在实测海洋三分量数据中的应用效果也较好,内符合精度从±2.49 nT、±8.72 nT、±4.51 nT分别提升到±0.71 nT、±2.25 nT、±1.04 nT(结果).总之,本文提出的基于NAMEMD-MMSE-马氏距离的去噪方法可有效去除三分量磁测数据中包含的噪声,值得在其他多分量数据去噪处理中进行推广与应用(结论).

关键词：海洋磁测噪声辅助多元经验模态分解多分量多元多尺度样本熵马氏距离数据去噪

在线全文

学校读者我要写书评

暂无评论

全矢样本熵在高速列车故障诊断中的应用

振动．测试与诊断 2020年第4期40卷 794-799,829,830页

作者：李亚兰金炜东西南交通大学电气工程学院成都611756

为了有效提取高速列车转向架振动信号的故障特征以及针对单通道采集的信息难以完善地反映出列车运行状态的问题,提出了一种基于全矢样本熵(full vector sample entropy,简称FVSE)算法的故障特征提取方法。首先,使用噪声辅助多元经验模... 详细信息

为了有效提取高速列车转向架振动信号的故障特征以及针对单通道采集的信息难以完善地反映出列车运行状态的问题,提出了一种基于全矢样本熵(full vector sample entropy,简称FVSE)算法的故障特征提取方法。首先,使用噪声辅助多元经验模态分解(noise assisted multivariate empirical mode decomposition,简称NAMEMD)方法对振动信号进行分解,得到一系列多元本征模态函数;其次,根据相关系数法选择与原始信号最相关的本征模态函数分别进行样本熵和全矢样本熵特征提取;最后,将得到的特征向量分别作为支持向量机的输入对列车状态进行识别。实验结果表明,采用全矢样本熵算法的故障识别率普遍比采用样本熵算法提高了6个百分点,最高达到了98%以上,验证了噪声辅助多元经验模态分解方法结合全矢样本熵算法对高速列车故障诊断的有效性。

关键词：高速列车转向架全矢样本熵噪声辅助多元经验模态分解本征模态函数支持向量机

基于全矢包络融合双层降噪处理的轴承故障特征提取

在线全文

学校读者我要写书评

暂无评论

噪声与振动控制 2023年第1期43卷 135-140,184页

作者：瞿红春周大鹏贾柏谊郑剑青中国民航大学航空工程学院天津300300

针对轴承故障信号受背景噪声影响,而难以准确提取故障冲击特征的问题,提出一种噪声辅助多元经验模态分解(Noise-assisted Multivariate Empirical Mode Decomposition,NA-MEMD)与全矢包络快速独立分量分析(Fast Independent Component Analysis,FastICA)相结合的轴承故障特征提取方法。该方法将同源双通道信号进行NAMEMD分解,根据相关性系数选取包含故障特征的固有模态函数(Intrinsic Mode Function,IMF)进行重构;对重构信号进行快速独立分量分析,最后进行全矢包络融合,提取轴承故障特征。对实际轴承信号的分析验证该方法能有效提取完整高阶故障频率,同时降低包络谱特征统计参数的冗余。

关键词：故障诊断噪声辅助多元经验模态分解快速独立分量分析全矢包络谱特征提取

融合新闻影响力衰减的碳价格多元分解集成预测

在线全文

学校读者我要写书评

暂无评论

河南科技大学学报（自然科学版） 2024年第1期45卷 51-61,M0005,M0006页

作者：张大斌黄均杰凌立文胡焕玲华南农业大学数学与信息学院广东广州510642

新闻数据涵盖了与碳价格密切相关的政策、经济和能源等信息,对碳价格的影响具有时效性。为量化新闻影响力的衰减程度,基于词频统计和指数衰减对新闻数据提取特征,提出了1种新闻影响力衰减时间序列的计算方法,新闻的衰减效应更准确地反... 详细信息

新闻数据涵盖了与碳价格密切相关的政策、经济和能源等信息,对碳价格的影响具有时效性。为量化新闻影响力的衰减程度,基于词频统计和指数衰减对新闻数据提取特征,提出了1种新闻影响力衰减时间序列的计算方法,新闻的衰减效应更准确地反映新闻对碳价格的影响程度。为提高预测精度,构建了融合新闻影响力衰减的碳价格多元分解集成预测模型,运用噪声辅助多元经验模态分解方法对碳价格和新闻数据进行多元分解,基于样本熵重构分量,使用机器学习方法对分量进行预测,加和集成得到预测结果。以湖北省碳价格为例进行实证分析。结果表明:新闻影响力指数衰减方法能有效刻画新闻与碳价格的相关性,多元分解集成模型表现出优异且稳定的预测性能。

关键词：碳价格预测新闻影响力指数衰减噪声辅助多元经验模态分解样本熵

在线全文

学校读者我要写书评

暂无评论

转子系统轴承故障的智能诊断方法研究

转子系统轴承故障的智能诊断方法研究

作者：周大鹏中国民航大学

学位级别：硕士

滚动轴承作为转子系统重要的支撑部件,时常处于高温,高载荷等恶劣的工作环境中,导致其振动信号十分复杂,受噪声信号污染严重,故障特征不易提取,从而增加了滚动轴承的诊断难度。本研究基于滚动轴承多期故障振动信号,采用全矢包络融合双... 详细信息

滚动轴承作为转子系统重要的支撑部件,时常处于高温,高载荷等恶劣的工作环境中,导致其振动信号十分复杂,受噪声信号污染严重,故障特征不易提取,从而增加了滚动轴承的诊断难度。本研究基于滚动轴承多期故障振动信号,采用全矢包络融合双层降噪处理的信号处理手段对故障特征进行精确提取,结合神经网络算法进行诊断验证。本文主要工作和研究结果如下:1、为准确提取滚动轴承故障冲击特征,提出首先利用噪声辅助经验模态分解(Noise-assisted Multivariate Empirical Mode Decomposition,NA-MEMD)对滚动轴承的同源双通道振动信号进行自适应分解,并获得有高频到低频顺序排列信息的固有模态函数(Intrinsic Mode Function,IMF),而后根据相关性准则分别重构X、Y方向的IMF分量,完成初步降噪处理。结合快速独立分量分析(Fast Independent Component Analysis,Fast ICA)对重构信号分别进行解混合运算,进一步实现信噪分离,增强故障冲击特征,最后根据全矢包络谱技术进行全矢包络融合,完成滚动轴承同源双通道振动信号的全矢包络故障特征提取。经过实际轴承振动信号的实验验证,结果表明该方法能有效地提取高阶故障特征频率和X、Y通道独有的特征频率。2、为验证本文的信号处理方法所提取到的故障包络谱特征是否真正有助滚动轴承的故障诊断,因此提出从浅层神经网络和深度神经网络两个角度进诊断验证,分别建立Elman神经网络模型和CNN神经网络模型。提取包络谱信号的频域统计特征参数作为Elman网络模型输入,CNN网络模型的输入数据直接为包络谱信号。为对比单通道和同源双通道以及信号处理前和处理后的诊断效果,分别将单X、Y通道信号、同源双通道信号、经过全矢NA-MEMD处理后的号以及全矢FICA-NA-MEMD处理后的信号分别输入到两种模型中诊断,结果表明:在Elman模型中,同源双通道信号相较于单通道信号诊断精度提升了30%左右,信号处理前后的诊断精度分别提升了8%和21%,全矢FICA-NA-MEMD处理后的信号达到89.93%。在CNN模型中,同源双通道原始信号的诊断精度相对于X、Y通道信号分别提升了大约28%、37%。经过信号处理前后的诊断精度提升了近20%,全矢FICA-NA-MEMD处理后的信号达到92.50%。

关键词：滚动轴承噪声辅助多元经验模态分解快速独立分量分析全矢包络谱智能诊断