检索结果-南通市图书馆

基于参数优化VMD和样本熵的滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

自动化学报 2022年第3期48卷 808-819页

作者：刘建昌权贺于霞何侃李镇华东北大学信息科学与工程学院沈阳110819 华为技术有限公司杭州研究所杭州310007

针对滚动轴承故障特征提取不丰富而导致的诊断识别率低的情况,提出了基于参数优化变分模态分解(Variational mode decomposition,VMD)和样本熵的特征提取方法,采用支持向量机(Support vector machine,SVM)进行故障识别.VMD方法的分解效... 详细信息

针对滚动轴承故障特征提取不丰富而导致的诊断识别率低的情况,提出了基于参数优化变分模态分解(Variational mode decomposition,VMD)和样本熵的特征提取方法,采用支持向量机(Support vector machine,SVM)进行故障识别.VMD方法的分解效果受限于分解个数和惩罚因子的选取,本文分析了这两个影响参数选取的不规律性,采用遗传变异粒子群算法进行参数优化,利用参数优化的VMD方法处理故障信号.样本熵在衡量滚动轴承振动信号的复杂度时,得到的熵值并不总是和信号的复杂度相关,故结合滚动轴承的故障机理,提出基于滚动轴承故障机理的样本熵,此样本熵衡量振动信号的复杂度与机理分析的结果一致.仿真实验表明,利用本文提出的特征提取方法,滚动轴承的故障诊断准确率有明显的提高.

关键词：变分模态分解参数优化遗传变异粒子群样本熵故障诊断

基于CEEMD分量样本熵与SVM分类的煤矿瓦斯和煤尘爆炸声音识别方法

在线全文

学校读者我要写书评

暂无评论

采矿与安全工程学报 2022年第5期39卷 1061-1070页

作者：孙继平余星辰中国矿业大学(北京) 机电与信息工程学院北京100083

为及时自动发现煤矿瓦斯和煤尘爆炸并报警,为事故应急救援赢得宝贵时间,提出了一种基于互补集合经验模态分解(CEEMD)分量样本熵与支持向量机(SVM)分类的煤矿瓦斯和煤尘爆炸声音识别方法:1)在重点监测区域设置矿用拾音器,实时采集环境与... 详细信息

为及时自动发现煤矿瓦斯和煤尘爆炸并报警,为事故应急救援赢得宝贵时间,提出了一种基于互补集合经验模态分解(CEEMD)分量样本熵与支持向量机(SVM)分类的煤矿瓦斯和煤尘爆炸声音识别方法:1)在重点监测区域设置矿用拾音器,实时采集环境与设备工作声音;2)使用CEEMD对采集到的声音进行分解,对每个分量求样本熵,构成该声音的特征量,输入到SVM中建立煤矿瓦斯和煤尘爆炸识别模型;3)通过CEEMD对待测声音分解提取特征量,输入训练好的模型中进行识别分类;4)实验验证。首先,通过信号分解实验得到:与自适应噪声完全集合经验模态分解(CEEMDAN)及集合经验模态分解(EEMD)相比,CEEMD算法更适合本方法要求。其次,通过相似性和相关系数实验得到:CEEMD算法分解模态分量与原信号的相似性和相关性,确定选择前9阶模态分量(IMF)作为声音信号提取特征量的对象;通过分析IMF和残余分量IMF的频谱图,取前9阶模态分量,可去除低频本征干扰。最后,将声音信号特征量输入SVM、BP神经网络和相似性测度中做比对研究,实验结果表明:SVM识别分类器的准确率为85%,比BP神经网络和相似性测度分别高13%和22%,整体识别性能高于BP神经网络和相似性测度。

关键词：瓦斯和煤尘爆炸声音识别互补集合经验模态分解样本熵支持向量机

基于EWT的离心压气机出口动态压力样本熵分析

在线全文

学校读者我要写书评

暂无评论

航空动力学报 2023年第3期38卷 655-664页

作者：刘雁李宇宸张赫肖军西北工业大学机电学院西安710072 合肥通用机械研究院有限公司压缩机技术国家重点实验室合肥230031

以800 kW离心压气机从稳定状态经过过渡过程进入喘振状态时段的出口动态压力为研究对象,采用经验小波变换并结合样本熵特征,分析了系统在不同工况下的复杂特性。首先,在分析系统动态压力波形特征的基础上,采用经验小波变换并结合皮尔逊... 详细信息

以800 kW离心压气机从稳定状态经过过渡过程进入喘振状态时段的出口动态压力为研究对象,采用经验小波变换并结合样本熵特征,分析了系统在不同工况下的复杂特性。首先,在分析系统动态压力波形特征的基础上,采用经验小波变换并结合皮尔逊相关系数进行信号的提取。其次,研究了提取信号的样本熵与系统工作状态变化的关联关系,并讨论了经验小波的分解层数和样本熵的维数对分析结果的影响。最后,通过将白噪声加入原始信号以验证该方法的抗干扰性能。研究结果显示:当系统由稳态进入喘振状态时,系统出口动态压力的样本熵表现出明显的突变特性,其值由0突变至0.7左右。从系统参数的选择角度,样本熵维数的变化对系统特征的分析影响较小。并且,采用该方法抗干扰性能较好。

关键词：离心压气机喘振动态压力经验小波变换样本熵

在线全文

学校读者我要写书评

暂无评论

基于双树复小波变换与样本熵的自适应降噪法

振动．测试与诊断 2022年第2期42卷 285-291,407页

作者：刘嘉辉秦仙蓉王玉龙孙远韬张氢同济大学机械与能源工程学院上海201804

为了实现工程机械结构监测信号降噪效果的评价,将样本熵的概念引入双树复小波分解中,提出基于双树复小波变换(dual-tree complex wavelet transform,简称DT-CWT)与样本熵(sample entropy,简称SE)相结合的监测信号自适应降噪方法(DT-CWT-... 详细信息

为了实现工程机械结构监测信号降噪效果的评价,将样本熵的概念引入双树复小波分解中,提出基于双树复小波变换(dual-tree complex wavelet transform,简称DT-CWT)与样本熵(sample entropy,简称SE)相结合的监测信号自适应降噪方法(DT-CWT-SE)。首先,采用双树复小波变换对含有噪声的监测信号进行多层分解;其次,分别计算双树复小波分解所得的各尺度细节分量样本熵与相邻尺度细节分量的样本熵的差值,通过比较相邻各尺度样本熵之差的大小确定双树复小波最优分解层数;最后,根据各尺度样本熵的变化规律确定各层小波系数的降噪阈值,对降噪后的小波系数进行重构以实现信号自适应降噪。仿真分析与实验对比结果表明:该方法对监测信号去噪较彻底,且降噪后的信号失真度小,降噪效果以及保留原信号信息完整性的能力明显优于传统小波阈值降噪法。

关键词：双树复小波变换样本熵自适应降噪小波阈值降噪监测信号

脑卒中偏瘫下肢表面肌电信号样本熵用于痉挛性肌张力量化评估的研究

在线全文

学校读者我要写书评

暂无评论

中国康复医学杂志 2023年第10期38卷 1379-1384页

作者：龙耀斌农飞玉黄雅琳郭施扬张学涛陈琳广西医科大学第二附属医院康复医学科南宁市530007 广西大学机械工程学院

目的:探讨表面肌电信号样本熵与脑卒中偏瘫下肢腓肠肌痉挛等级的相关性。方法:随机选取53例脑卒中恢复期患者为受试者,对偏瘫下肢腓肠肌进行改良Ashworth量表(modified Ashworth scale,MAS)评估,采用单通道无线蓝牙肌电传感器记录被动... 详细信息

目的:探讨表面肌电信号样本熵与脑卒中偏瘫下肢腓肠肌痉挛等级的相关性。方法:随机选取53例脑卒中恢复期患者为受试者,对偏瘫下肢腓肠肌进行改良Ashworth量表(modified Ashworth scale,MAS)评估,采用单通道无线蓝牙肌电传感器记录被动牵伸状态时腓肠肌表面肌电信号(surface electromyography,sEMG);引入样本熵计算方法提取sEMG的特征信息,分析其与痉挛等级的相关性,并对结果进行验证。结果:对采集的sEMG进行熵值分析,结果显示MAS评估为0级、Ⅰ级、Ⅰ+级、Ⅱ级、Ⅲ级的偏瘫下肢腓肠肌sEMG样本熵分别为:0.6947±0.169、0.7951±0.244、0.8249±0.145、0.8305±0.232、0.9489±0.371,对样本熵进行线性拟合,发现样本熵均值曲线随痉挛等级的升高呈上升趋势,且样本熵与MAS相关(r=0.745,P样本熵符合肌电信号特征与痉挛等级的映射关系。结论:sEMG样本熵可用于脑卒中偏瘫肢体痉挛性肌张力的量化评估,有望为病理性痉挛的精准康复提供有效的检测及评估手段。

关键词：脑卒中痉挛表面肌电信号样本熵

在线全文

学校读者我要写书评

暂无评论

样本熵和Vmd结合的轴承早期故障预测方法

机械设计与制造 2022年第6期376卷 300-304页

作者：雷春丽曹鹏瑶崔攀张晨曦兰州理工大学机电工程学院甘肃兰州730050 兰州理工大学数字制造技术与应用省部共建教育部重点实验室甘肃兰州730050

针对轴承早期微弱故障的预测问题,提出将样本熵和变分模态分解法结合的方法。首先计算主轴轴承振动信号的样本熵值,构成轴承健康状态时间序列;其次K从2~10分别取值,对轴承健康状态时间序列进行变分模态分解,得到不同的IMF分量,分别将不... 详细信息

针对轴承早期微弱故障的预测问题,提出将样本熵和变分模态分解法结合的方法。首先计算主轴轴承振动信号的样本熵值,构成轴承健康状态时间序列;其次K从2~10分别取值,对轴承健康状态时间序列进行变分模态分解,得到不同的IMF分量,分别将不同K值分解下低频分量作为轴承振动信号的趋势项;最后根据互相关性、峭度、方差准则,找到最优的轴承振动信号的趋势项,并与已有指标对比。实例验证:将样本熵和变分模态分解法结合,提取轴承振动信号的趋势项,能够更早地预测出轴承早期微弱故障。

关键词：样本熵变分模态分解轴承故障预测

完全睡眠剥夺对大脑注意网络冲突效应和脑电样本熵的影响

在线全文

学校读者我要写书评

暂无评论

中国应用生理学杂志 2020年第2期36卷 111-115,197页

作者：崔玉洁储文彬杨彭王静安改红王鹏飞陈学伟马强天津体育学院天津301617 军事科学院军事医学研究院环境医学与作业医学研究所天津300050 广西壮族自治区人民医院南宁530021

目的:本研究分析睡眠剥夺对个体选择性注意网络冲突效应和脑电样本熵的影响,探讨睡眠剥夺对大脑注意网络的影响。方法:25名健康受试者参与36 h完全睡眠剥夺试验。试验于当天9:00开始,于次日21:00结束,试验采用自身前后对照设计。受试者... 详细信息

目的:本研究分析睡眠剥夺对个体选择性注意网络冲突效应和脑电样本熵的影响,探讨睡眠剥夺对大脑注意网络的影响。方法:25名健康受试者参与36 h完全睡眠剥夺试验。试验于当天9:00开始,于次日21:00结束,试验采用自身前后对照设计。受试者在睡眠剥夺前后分别完成注意网络任务,同步采集受试者的脑电图。用脑电样本熵算法分析脑电图的delta、theta、alpha、beta和gamma频率段的脑电复杂度并对比各频段脑电样本熵在睡眠剥夺前、后的变化。结果:同睡眠剥夺前比较,睡眠剥夺后与受试者的注意网络冲突效应密切相关的反应时显著下降(P样本熵分析发现在beta频率段,与注意网络冲突控制相关的脑电样本熵值在睡眠剥夺后明显增大(P样本熵未发现显著差异。结论:表明完全睡眠剥夺后大脑的注意网络冲突效应降低,表明睡眠剥夺后执行冲突控制能力的下降。

关键词：完全睡眠剥夺注意网络冲突效应脑电图样本熵

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

在线全文

学校读者我要写书评

暂无评论

地球物理学进展 2022年第4期37卷 1457-1463页

作者：庞聪丁炜程诚吴涛江勇马武刚廖成旺中国地震局地震研究所武汉430071 地震预警湖北省重点实验室武汉430071 湖北省地震局武汉430071 运城学院数学与信息技术学院运城044031

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法.该方法先通过经验模态分解(EMD)将初始信号分解成6个本征模态函数(IMF)及1个残余向量,... 详细信息

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法.该方法先通过经验模态分解(EMD)将初始信号分解成6个本征模态函数(IMF)及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型.将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型.该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型与HHT样本熵结合可作为天然地震与人工爆破事件辨识的有效方法.

关键词：地震辨识广义回归神经网络粒子群算法光滑因子样本熵希尔伯特-黄变换

在线全文

学校读者我要写书评

暂无评论

基于EMD-样本熵的轴流压气机喘振分析

舰船科学技术 2023年第9期45卷 116-119页

作者：黄泽浩李良才邵勇张凡胡肖肖中国舰船研究设计中心湖北武汉430064

轴流压气机作为燃气轮机安全运行的重要设备装置,它的稳定性直接影响燃气轮机的输出效率。因此如何快速准确判断并及时规避轴流压气机的喘振工况是燃气轮机优化设计的重点。本文提出一种基于轴流压气机已有传感器处理提取特征值后对喘... 详细信息

轴流压气机作为燃气轮机安全运行的重要设备装置,它的稳定性直接影响燃气轮机的输出效率。因此如何快速准确判断并及时规避轴流压气机的喘振工况是燃气轮机优化设计的重点。本文提出一种基于轴流压气机已有传感器处理提取特征值后对喘振工况进行判断的新方法。首先对压气机的一维传感信号进行EMD分解升维后进行数据降维至数据本质维数上,再利用样本熵处理后提取特征信号从而对喘振工况进行判定。基于三级轴流压气机喘振进行喘振的诱导试验,实现压气机的喘振工况并且利用EMD-样本熵的方法对压气机的级间压力、出口压力进行分析对比。试验结果表明,此方法提取的特征值可以有效区分出压气机正常与喘振的工况,验证了方法的可行性,为轴流轴流机的故障预测提供基础。

关键词：轴流压气机喘振 EMD 数据降维样本熵