检索结果-南通市图书馆

计算机与数字工程 2020年第8期48卷 1858-1863页

作者：高鸣蕾刘毅宋余庆江苏大学计算机科学与通信工程学院镇江212013

经验模态分解(Empirical Mode Decomposition,EMD)是一种优秀的分析多分量非线性非平稳信号的自适应数据驱动方法,被广泛应用于时频分析领域。当信号中存在着间断的跳跃性变化或信号间相互作用时,将直接导致EMD分解产生不期望的模态混... 详细信息

经验模态分解(Empirical Mode Decomposition,EMD)是一种优秀的分析多分量非线性非平稳信号的自适应数据驱动方法,被广泛应用于时频分析领域。当信号中存在着间断的跳跃性变化或信号间相互作用时,将直接导致EMD分解产生不期望的模态混叠问题。eemd及其扩展算法通过添加高斯白噪声一定程度上解决了模态混叠问题。RPSEMD通过添加自适应的正弦信号的方法大大减少了eemd及其扩展算法的时间成本,但其分解结果的重构误差较大,同时伴随有虚假分量的产生。论文通过在RPSEMD过程中嵌入循环去相关操作,有效地解决了模态混叠问题,减少了重构误差,一定程度上抑制了虚假分量的产生,仿真信号处理结果证明了该方法的有效性。

关键词： EMD eemd RPSEMD 模态混叠时频分析信号分析相关系数

在线全文

学校读者我要写书评

暂无评论

基于改进的EMD方法的冲击信号提取

机电信息 2018年第33期 112-113页

作者：杨期江滕宪斌罗楚江张志斌魏安广州航海学院轮机工程学院广东广州510725

采用两种改进的EMD方法提取冲击信号,并对分离效果进行对比分析,发现在提取冲击信号成分时采用Ceemd方法优于EMD与eemd方法。

关键词： EMD eemd Ceemd 冲击信号

基于涡流检测信号的航空发动机叶片缺陷分类与评估方法

在线全文

学校读者我要写书评

暂无评论

测试技术学报 2016年第2期30卷 99-105页

作者：于霞张卫民邱忠超秦峰北京理工大学机械与车辆学院北京100081

航空发动机涡轮叶片的缺陷检测对于保障飞机安全运行至关重要.由于叶片属于非规则小曲率零件,难以保证严格的提离距离和检测法向方向,由此产生了不可忽视的干扰和噪声,加之缺陷变化信息微弱,给检测带来了实质性困难.本文设计研制了一种... 详细信息

航空发动机涡轮叶片的缺陷检测对于保障飞机安全运行至关重要.由于叶片属于非规则小曲率零件,难以保证严格的提离距离和检测法向方向,由此产生了不可忽视的干扰和噪声,加之缺陷变化信息微弱,给检测带来了实质性困难.本文设计研制了一种尺寸小、灵敏度高的差激励涡流检测探头,可以安装在数控多自由度扫查台上,对叶片曲面零件表面缺陷进行快速扫查检测;利用总体平均模态经验模态分解技术(eemd)和小波变换相结合的方法,来有效抑制强背景噪声,提取信号特征,并结合支持向量机(SVM)方法实现裂纹缺陷的分类.

关键词：发动机叶片差激励涡流传感器裂纹检测 eemd SVM

基于有向无环图相关向量机的捣固车滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

化工自动化及仪表 2019年第10期46卷 822-827,861页

作者：张晓丹李瑞红赵利辉中北大学软件学院

针对捣固车滚动轴承振动故障信号的非线性和非平稳性特点,提出将总体经验模态分解(eemd)故障特征提取方式和有向无环图相关向量机(DAG-RVM)相结合的故障诊断方法。采用eemd处理滚动轴承振动信号后得到很多固有模态函数(IMF),并将IMF能... 详细信息

针对捣固车滚动轴承振动故障信号的非线性和非平稳性特点,提出将总体经验模态分解(eemd)故障特征提取方式和有向无环图相关向量机(DAG-RVM)相结合的故障诊断方法。采用eemd处理滚动轴承振动信号后得到很多固有模态函数(IMF),并将IMF能量作为特征向量输入DAG-RVM诊断器中识别。此模型与支持向量机(SVM)比较,体现出RVM在故障诊断中的优势。

关键词：故障诊断滚动轴承振动故障特征提取有向无环图相关向量机 eemd IMF

基于外界影响及时序因素的PM_(2.5)预测研究

在线全文

学校读者我要写书评

暂无评论

电子科技 2022年第3期35卷 51-57页

作者：杨艳梅程宗毛杭州电子科技大学理学院浙江杭州310037

随着雾霾问题逐渐加重,对其主成分之一PM_(2.5)的预测已成为广泛关注的问题。PM_(2.5)日浓度变化受多种因素影响,且具有非线性、时变性的特征,难以被准确预测。针对此问题,文中提出一种基于外界影响及时序因素的PM_(2.5)日浓度预测方法... 详细信息

随着雾霾问题逐渐加重,对其主成分之一PM_(2.5)的预测已成为广泛关注的问题。PM_(2.5)日浓度变化受多种因素影响,且具有非线性、时变性的特征,难以被准确预测。针对此问题,文中提出一种基于外界影响及时序因素的PM_(2.5)日浓度预测方法。该方法分离出PM_(2.5)日浓度的外界主要影响因素与时间因素,建立了基于外界主要影响因素的BP神经网络初步预测模型以及基于时间因素的eemd-LSTM组合残差修正模型。使用杭州市2014年~2019年间的PM_(2.5)日浓度和其他相关因素数据进行仿真实验。结果表明,相比其他模型,文中所提出预测模型的均方根误差为2.74,预测准确率更高。

关键词：雾霾 PM_(2.5) BP eemd LSTM 时间序列预测神经网络时间序列分解组合预测

在线全文

学校读者我要写书评

暂无评论

基于集合经验模态分解法的局部放电信号去噪

东北电力大学学报 2016年第4期36卷 32-38页

作者：尚海昆王坤李峰东北电力大学电气工程学院吉林吉林132012 国网新疆电力公司电力科学研究院新疆830011

针对局部放电检测中存在较多白噪声干扰的问题,采用基于集合经验模态分解的方法对放电信号进行消噪处理。该方法首先利用集合经验模态分解(eemd)把信号分解成多个经验模态函数分量(IMFs),然后利用3σ法则对各分量进行细节信息提取和能... 详细信息

针对局部放电检测中存在较多白噪声干扰的问题,采用基于集合经验模态分解的方法对放电信号进行消噪处理。该方法首先利用集合经验模态分解(eemd)把信号分解成多个经验模态函数分量(IMFs),然后利用3σ法则对各分量进行细节信息提取和能量估计,最后对IMF分量进行PCA变换,并根据IMF所含噪声能量选择主成分分量进行重构。eemd建立在经验模态分解(EMD)基础之上,通过人为添加白噪声成分,并利用多次重复取均值的方式去除白噪声,同时抑制模态混叠现象。仿真数据分析表明,所提消噪方法可以有效抑制局部放电噪声干扰,成功提取出有效的局部放电信号。

关键词： eemd PCA 局部放电消噪

在线全文

学校读者我要写书评

暂无评论

马赛克墙面质量检测研究

住宅科技 2017年第4期37卷 57-61页

作者：范强龙刘文白孔戈高建卫上海海事大学上海众材工程检测有限公司上海众材工程检测有限公司科研中心

文章运用非线性动力学参数样本熵作为特征,对正常与空鼓状态下马赛克饰面砖的敲击振动信号进行分析识别。利用集成经验模态分解方法(eemd),将振动信号分解得到若干个内蕴模式分量IMF。计算IMF的样本熵并作为特征量,进行BP神经网络训练,... 详细信息

文章运用非线性动力学参数样本熵作为特征,对正常与空鼓状态下马赛克饰面砖的敲击振动信号进行分析识别。利用集成经验模态分解方法(eemd),将振动信号分解得到若干个内蕴模式分量IMF。计算IMF的样本熵并作为特征量,进行BP神经网络训练,对待测样本判断识别。结果表明该方法具有较高的准确性。

关键词： eemd 样本熵 IMF BP神经网络

在线全文

学校读者我要写书评

暂无评论

经消弧线圈接地系统的混合线路故障测距研究

湖北工业大学学报 2018年第5期33卷 29-31页

作者：李世锟刘辉钱金良陈辉湖北工业大学电气与电子工程学院湖北武汉430068 国网湖北省电力公司咸宁供电公司湖北咸宁437000

以中性点经消弧线圈接地系统的混合输电线路为研究目标,利用eemd提取由单端故障电流行波折反射所形成的固有频率来进行故障精确测距的方法进行了深入研究。有效地解决了中性点经消弧线圈接地系统的混合输电线路难以用常规方法精确定位... 详细信息

以中性点经消弧线圈接地系统的混合输电线路为研究目标,利用eemd提取由单端故障电流行波折反射所形成的固有频率来进行故障精确测距的方法进行了深入研究。有效地解决了中性点经消弧线圈接地系统的混合输电线路难以用常规方法精确定位的问题。

关键词：故障测距 eemd 混合线路消弧线圈

基于最小机会损失准则的超短期风电功率组合预测

在线全文

学校读者我要写书评

暂无评论

计算机光盘软件与应用 2015年第3期18卷 93-93,95页

作者：敖培冯志鹏赵四方李延强河南师范大学计算机与信息工程学院河南新乡453007 河南师范大学软件学院河南新乡453007 河南师范大学政治与公共管理学院河南新乡453007

为了对超短期风电功率进行准确的预测,本文提出一种基于最小机会损失准则的超短期风电功率组合预测方法。即首先对风电功率时间序列进行eemd分解,对分解得到的每个IMF分量采用不同优化准则建立组合预测模型进行预测;然后采用最小机会损... 详细信息

为了对超短期风电功率进行准确的预测,本文提出一种基于最小机会损失准则的超短期风电功率组合预测方法。即首先对风电功率时间序列进行eemd分解,对分解得到的每个IMF分量采用不同优化准则建立组合预测模型进行预测;然后采用最小机会损失准则筛选预测精度最优的模型进行预测;最后对每个IMF分量的预测值进行组合叠加得到预测结果。实验结果表明,与eemd+ELM、eemd+BP、eemd+RBF和eemd+SVM等预测方法相比较,本文所提出的方法能有效提高超短期风电功率的预测精度。

关键词：最小机会损失准则 eemd 组合预测