检索结果-南通市图书馆

高速列车转向架故障信号的聚合经验模态分解和模糊熵特征分析

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2014年第9期31卷 1245-1251页

作者：秦娜金炜东黄进李智敏西南交通大学电气工程学院四川成都610031 西南交通大学材料科学与工程学院四川成都610031

为了对高速列车转向架关键部件进行状态监测,利用转向架故障振动信号的特点,提出了一种结合聚合经验模态分解和模糊熵的特征提取方法.对故障信号进行聚合经验模态分解,得到一系列具有不同物理意义的简单成分信号,采用相关分析法选取最... 详细信息

为了对高速列车转向架关键部件进行状态监测,利用转向架故障振动信号的特点,提出了一种结合聚合经验模态分解和模糊熵的特征提取方法.对故障信号进行聚合经验模态分解,得到一系列具有不同物理意义的简单成分信号,采用相关分析法选取最能反映原信号特征的本征模态函数.对这些本征模态函数和原信号分别计算模糊熵值构成多尺度复杂性度量的特征向量,输入最小二乘支持向量机中进行分类识别,与模糊熵特征相比得到了更好的识别效果,证明了算法的有效性.

关键词：高速列车转向架特征提取聚合经验模态分解模糊熵最小二乘支持向量机

在线全文

学校读者我要写书评

暂无评论

采样频率对聚合经验模态分解的影响研究

中国机械工程 2016年第18期27卷 2472-2476页

作者：陈换过陈培陈文华蔡丽沈建洋吴建伟吴明建浙江省机电产品可靠性技术研究重点实验室杭州310018 杭州前进齿轮箱集团股份有限公司杭州311203

根据聚合经验模态分解的特点对能量泄漏指数进行了修订,从非对准误差、能量泄漏、分解结果的正交性和相关性方面分析了采样频率对聚合经验模态的影响,分析结果显示离散化采样引起的非对准误差随采样频率的提高逐渐减小,而能量泄漏以及... 详细信息

根据聚合经验模态分解的特点对能量泄漏指数进行了修订,从非对准误差、能量泄漏、分解结果的正交性和相关性方面分析了采样频率对聚合经验模态的影响,分析结果显示离散化采样引起的非对准误差随采样频率的提高逐渐减小,而能量泄漏以及分解结果之间的正交性和相关性随采样频率改变近似呈周期性变化。并根据分析结果给出了聚合经验模态中采样频率的选取原则。算例结果表明,综合考虑上述各影响因素后,聚合经验模态较为理想的采样频率范围是信号最高频率的10.3～11倍。

关键词：聚合经验模态分解采样频率能量泄漏旋转机械

在线全文

学校读者我要写书评

暂无评论

基于聚合经验模态分解的情感语音特征提取

计算机工程 2017年第8期34卷 306-309,315页

作者：张乐张雪英孙颖张卫太原理工大学信息工程学院太原030024

特征提取是情感语音识别系统的关键过程,决定系统整体识别性能。传统特征提取技术假定语音信号是线性、短时平稳信号,不具有自适应性。为此,通过聚合经验模态分解(EEMD)算法以非线性的处理方式提取特征。情感语音信号经EEMD分解后得到... 详细信息

特征提取是情感语音识别系统的关键过程,决定系统整体识别性能。传统特征提取技术假定语音信号是线性、短时平稳信号,不具有自适应性。为此,通过聚合经验模态分解(EEMD)算法以非线性的处理方式提取特征。情感语音信号经EEMD分解后得到一组固有模态函数(IMF),利用相关系数法筛选出有效分量集合,对集合函数计算得到IMF能量特征(IMFE)。选用德国柏林语音库作为实验数据来源,将IMFE特征、韵律特征、梅尔倒谱系数特征以及三者的融合特征分别输入到支持向量机中,通过比较不同特征的识别结果验证IM FE特征的有效性。实验结果表明,IM FE特征与声学特征融合后的平均识别率达到91.67%,可有效区分不同的情感状态。

关键词：特征提取聚合经验模态分解固有模态函数 Spearman Rank相关系数声学特征情感语音识别

基于聚合经验模态分解的时间序列模型的研究及其应用

在线全文

学校读者我要写书评

暂无评论

基于聚合经验模态分解的时间序列模型的研究及其应用

作者：胡建明兰州大学

学位级别：硕士

风能,作为一种无污染,可再生的资源的能源,越来越受到各国的青睐。但由于风能的间歇性,风能入网将对电力系统的可靠性、稳定性产生重大的影响,这种影响在风力发电普及率较高的地区显得尤为明显。因此准确的风能的预测就显得极其重要。... 详细信息

风能,作为一种无污染,可再生的资源的能源,越来越受到各国的青睐。但由于风能的间歇性,风能入网将对电力系统的可靠性、稳定性产生重大的影响,这种影响在风力发电普及率较高的地区显得尤为明显。因此准确的风能的预测就显得极其重要。在风能的预测中,风速是重要参数之一。为提高风速预测的精度,本文提出了一种新的基于聚合经验模态分解和人工智能模型相结合的混合模型。为验证其有效性,应用该模型对中国甘肃地区三处风场的风速预测进行预测.研究结果表明,与其他传统模型和未使用聚合经验模态分解的人工智能预测方法相比,所提方法能够在风速预测方面取得更优的预测结果。对于电力系统,随着电力行业结构化改革,电价也变成所有市场参与者的重要信号并且成为电力市场各种商业活动的焦点。由于电价的波动性,非平稳性等,现有单一模型难以获得满意的预测精度,本文提出基于聚合经验模态分解方法,季节调整和ARMA相结合的模型以期获得更好的预测表现.结果表明,相对于其他传统模型和未使用聚合经验模态分解的预测方法,所提方法能够在电价预测方面取得更优的预测结果。

关键词：聚合经验模态分解支持向量机预测风速预测

基于聚合经验模态分解的电压闪变监测技术研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于聚合经验模态分解的电压闪变监测技术研究

作者：徐浠钰山东理工大学

学位级别：硕士

随着电力电子技术和新能源技术的发展,电网中非线性负荷日益增多,造成众多电能质量问题。电压波动与闪变正是其中重要指标之一。因此研究电压波动与闪变具有十分重要意义。本文首先研究了电压波动与闪变特征参数及常用的电压闪变检测方... 详细信息

随着电力电子技术和新能源技术的发展,电网中非线性负荷日益增多,造成众多电能质量问题。电压波动与闪变正是其中重要指标之一。因此研究电压波动与闪变具有十分重要意义。本文首先研究了电压波动与闪变特征参数及常用的电压闪变检测方法(平方检测法、小波分解与同步检测法、希尔伯特-黄检测法)的优点和缺点。在此基础上,本文提出了一种基于聚合经验模态分解的电压闪变检测方法,该算法首先采用希尔伯特变换提取电压闪变信号的包络,然后利用聚合经验模态分解消噪法消除包络信号中的噪声,最后采用聚合经验模态分解对消噪后包络信号进行分解,提取调幅波的特征信息。电压闪变的开始与结束时间也可以精确求出。基于MATLAB仿真电压闪变信号,并分别采用聚合经验模态检测法与常用检测法提取闪变特征信息。通过分析对比检测数据,实验结果表明,该方法可从时域与频域两方面对电压闪变信号进行分析,能够准确检测出突变、非平稳电压闪变信号的时间、幅值及频率,比小波法、希尔伯特-黄变换法等常用的闪变检测方法检测精度要高。设计了基于虚拟仪器技术的电压闪变监测系统,包括硬件部分与软件部分。硬件包括传感器、信号调理电路、数据采集卡、计算机;采用LabVIEW和MATLAB混合编程的方法实现了系统的软件设计,包括:信号定时采样程序、消噪程序、调幅波提取程序,电压参数检测程序、短时间闪变值计算程序、数据存储程序等。采用SQL Sever建立了电压闪变测量数据库,在LabVIEW中利用ADO技术访问数据库,采用LabVIEW中的ActiveX模块以及SQL语言实现了大量实时数据的存储和历史数据的查询。利用监测系统对仿真的复杂电压闪变信号进行了分析,同时系统对用高精度波形发生器产生的带噪声单频闪变信号进行了监测。最后,在智能电网研究中心的电机拖动实验室,对现场电压进行实时的在线监测,实验表明该监测系统运行稳定,可靠性高。

关键词：电压闪变聚合经验模态分解 LabVIEW 数据库 MATLAB

基于ES-ALPF的行星齿轮箱故障特征提取方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

河北工业大学学报 2024年第1期53卷 28-34页

作者：沈昭仰师占群甄冬张浩乔国朝河北工业大学机械工程学院天津300401

针对行星齿轮箱故障初期特征提取困难的问题,提出了一种基于聚合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)、奇异谱分析(Singular Spectrum Analysis, SSA)与自适应线性预测滤波(Adaptive Linear Prediction Filtering, ALPF)结合的故障初期特征自适应提取方法。首先,利用EEMD预处理采集的振动信号,得到本征模态函数(Intrinsic Module Function, IMF)分量。其次,根据能量比选取IMFs重构信号。然后,利用SSA增强重构信号的非线性特征。之后,利用基于谱估计的自适应线性预测方法对非线性最突出的频段进行自适应线性滤波。最后,提取滤波后的信号包络,进行傅里叶变换,提取得到故障初期的微弱特征。在行星齿轮箱故障诊断试验台上进行了试验,所提方法与传统的基于EEMD-SSA的包络分析进行了对比,结果验证了该方法的有效性。

关键词：聚合经验模态分解奇异谱分析行星齿轮箱自适应线性预测滤波故障诊断

基于深度卷积神经网络的端到端语音识别方法研究

在线全文

学校读者我要写书评

暂无评论

自动化技术与应用 2024年第6期43卷 55-59页

作者：李瑾辉张国梁苏杨朱晓鸿王鑫国网江苏省电力有限公司信息通信分公司信通调控中心江苏南京210024

端到端语音处于直接通信环境,缺少加密过程,语音信息传输过程中存在一定的干扰,导致信号特征提取较为困难,为此提出基于深度卷积神经网络的语音识别方法的研究。首先基于尺度噪声能量估计方法完成语音去噪处理;其次,通过聚合经验模态分... 详细信息

端到端语音处于直接通信环境,缺少加密过程,语音信息传输过程中存在一定的干扰,导致信号特征提取较为困难,为此提出基于深度卷积神经网络的语音识别方法的研究。首先基于尺度噪声能量估计方法完成语音去噪处理;其次,通过聚合经验模态分解方法提取语音特征信息;最后,使用残差网络优化深度卷积神经网络模型,并完成端到端的语音识别。实验结果表明,所提方法在无噪声添加和有噪声添加的情况下,端到端语音识别词错率最大值分别为10%、12%,表明该方法能够高效、准确实现端到端语音识别,具有较高的实际应用价值。

关键词：语音识别语音去噪端到端深度卷积神经网络聚合经验模态分解

EEMD-ICA联合降噪的旋转机械故障信号检测方法

在线全文

学校读者我要写书评

暂无评论

噪声与振动控制 2022年第2期42卷 95-101页

作者：高康平徐信芯焦生杰师宁长安大学工程机械系公路养护装备国家工程实验室西安710064 河南省高远公路养护技术有限公司河南新乡453000

针对旋转机械前期故障信号微弱、易被噪声淹没、故障特征难以提取的问题,提出一种聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和独立成分分析(Independent Component Analysis,ICA)相结合的故障特征提取方法。首先,... 详细信息

针对旋转机械前期故障信号微弱、易被噪声淹没、故障特征难以提取的问题,提出一种聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和独立成分分析(Independent Component Analysis,ICA)相结合的故障特征提取方法。首先,运用EEMD理论将振动信号分解为一系列的固有模态函数(Intrinsic Mode Function,IMF),然后根据相关系数和均方根准则选取含有原始信号多的IMF分量构造观测信号,引入虚拟噪声通道;最后,通过FastICA算法将噪声与故障特征信号进行分离,并对分离出的有用信号进行频谱分析,突显故障频率。通过仿真信号验证所提出方法的有效性,并将其应用于轴承的内外圈故障识别,与传统的EEMD-WTD降噪方法对比,结果表明:所提出的方法能提取出清晰微弱故障特征信号,对低频噪声的抑制效果明显优于EEMD-WTD方法。

关键词：故障诊断独立成分分析聚合经验模态分解微弱信号检测

基于EEMD-SVD-PE的轨道波磨趋势项提取

在线全文

学校读者我要写书评

暂无评论

哈尔滨工业大学学报 2019年第5期51卷 171-177页

作者：陈亮刘宏立郑倩马子骥李艳福湖南大学电气与信息工程学院长沙410082

钢轨波磨检测是保障行车安全的重要手段,针对复杂钢轨线路波磨数据中的轨道起伏趋势提取问题,提出了一种基于排列组合熵(Permutation Entropy, PE)选取低复杂度奇异值分量重构趋势的EEMD-SVD信号去趋方法.相比已有的经验模式分解去趋算... 详细信息

钢轨波磨检测是保障行车安全的重要手段,针对复杂钢轨线路波磨数据中的轨道起伏趋势提取问题,提出了一种基于排列组合熵(Permutation Entropy, PE)选取低复杂度奇异值分量重构趋势的EEMD-SVD信号去趋方法.相比已有的经验模式分解去趋算法,该方法考虑到原始IMF可能存在的信号成分混杂问题(如含有白噪声与信号的低频成分),首次提出通过奇异值分解来精确提取隐藏在多维IMF矩阵中的趋势项成分作为奇异值分量.由于协方差矩阵构建的奇异值分量排列时只考虑了能量的分布而未考虑趋势项信号低复杂度、高幅的特点,使用排列组合熵来选出符合趋势项特征的奇异值分量,最后对满足要求的奇异值分量进行重建得到最终的趋势项.为验证本文方法的有效性,分别进行了数字仿真和实际钢轨波磨数据去趋实验.数字仿真实验结果表明该方法整体去趋性能优于低通滤波法、与EMD结合的线性规划法和小波分解法,尤其在多信噪比的仿真实验中,当信噪比较低时,提趋准确率最大提高约30%.同时,实际钢轨波磨数据去趋实验说明本文方法能够适用于钢轨波磨检测.

关键词：聚合经验模态分解奇异值分解排列组合熵信号去趋