检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分钟级风电功率多步预测技术研究

分钟级风电功率多步预测技术研究

作者：孔繁苗内蒙古科技大学

学位级别：硕士

为解决不可再生能源储备量逐渐减少、污染环境与浪费资源问题,对于风力发电技术的需求日渐增长。然而风能本身存在的不稳定性特点对风电功率预测带来的一定的影响,进一步对电网安全稳定运行也有影响。针对现有模型预测准确性较低的问题... 详细信息

为解决不可再生能源储备量逐渐减少、污染环境与浪费资源问题,对于风力发电技术的需求日渐增长。然而风能本身存在的不稳定性特点对风电功率预测带来的一定的影响,进一步对电网安全稳定运行也有影响。针对现有模型预测准确性较低的问题,提出一种以双向长短期记忆神经网络(Bidirectional Long Short-Term Memory,BiLSTM)为基础的风电功率预测模型。其中,BiLSTM可以解决风电功率序列中各特征向量之间的非线性关系,其次采用改进的粒子群优化算法(Intelligence Particle Swarm Optimization,IPSO)优化BiLSTM的超参数,并通过注意力机制(Attention Mechanism,AM)训练模型的权重。最后采用内蒙古自治区某风电场的历史数据进行提前0-15分钟试验,结果表明,提出的IPSO-BiLSTM-AM模型具有较高的预测精度,可以为风电场电力调度与控制提供科学参考。风电功率预测所属的时间序列预测也是一个重要的研究领域,随着神经网络的进步,时序预测达到了一个新的水平,本课题提出一种基于经验模态分解(Empirical Mode Decomposition,emd)、长短期记忆网络(Long Short-Term Memory,LSTM)和LittleBit Model(LB)的时间序列预测模型。该模型适应于预测数据量大、波动性大的时间序列,解决了分解后子序列的分配问题。首先,emd将原始序列分解为一系列子序列,创新性的提出一种分配函数,根据子序列的波动状态划分出极端子序列和非极端子序列。极端子序列放入LSTM进行训练预测,非极端子序列放入LittleBit Model进行训练预测,最后将所有子序列整合为最终预测结果。与已有的一些模型方法相比,各数据集的预测精度均有所提高。

关键词：时间序列预测风电功率预测改进的粒子群优化算法 LSTM emd

基于深度学习的塔式起重机结构损伤诊断方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的塔式起重机结构损伤诊断方法研究

作者：刘昂山东建筑大学

学位级别：硕士

塔式起重机(以下简称塔机)作为建筑行业必不可少的工程机械,主要是由钢结构构成,其结构一旦发生损伤,极有可能造塔机倒塌的重大事故,因此对塔机的结构是否存在损伤进行判别是十分重要的。传统的诊断方法主要依赖专家较强的专业知识进行... 详细信息

塔式起重机(以下简称塔机)作为建筑行业必不可少的工程机械,主要是由钢结构构成,其结构一旦发生损伤,极有可能造塔机倒塌的重大事故,因此对塔机的结构是否存在损伤进行判别是十分重要的。传统的诊断方法主要依赖专家较强的专业知识进行判定,在塔机结构损伤越来越复杂且运行数据量庞大的情况下,存在人工诊断过程复杂且效率低的问题。基于此,本文提出结合深度学习和数据信号处理的塔机结构损伤诊断方法,该方法可以实现塔机结构损伤快速有效的智能诊断。由于塔机运行工况复杂,本文采用的塔机结构数据存在不可抗拒的噪声,损伤特征提取较困难。为有效提取塔机结构损伤的特征信息,引入经验模态分解(Empirical Mode Decomposition,emd)来处理原始数据,基于累计贡献率、相关系数、频谱变化等开展实验研究,确定IMF分量的选取个数。结果表明,所提方法可以实现结构损伤的特征信息提取。提出一种基于一维的卷积神经网络(One-Dimensional Convolutional Neural Network,1DCNN)的塔机结构损伤智能诊断方法。首先将emd分解后的数据标记上标签,并划分训练和测试数据集;其次建立塔机结构损伤诊断模型,将塔机结构实测数据引入模型,得到训练和预测准确率;最后研究所建1DCNN诊断模型优化算法、迭代次数、卷积核和学习率大小等超参数的选择对准确率的影响,对不同网络参数实验结果展开研究分析;通过与目前主要方法的对比研究,验证了所提模型方法的有效性。研究了1DCNN模型泛化方法对诊断结果的影响。将Dropout技术、批标准化(Batch Normalization,BN)和L2正则化引入模型中,通过实验结果研究分析了1DCNN结构优化前与优化后的准确率大小和训练时间长短变化。实验验证了引进方法能提高1DCNN模型准确率和适应性,即提高了模型泛化能力。联合emd与1DCNN,构建多通道一维卷积神经网络(Multi-Channel One-Dimensional Convolutional Neural Network,MC-1DCNN)模型。使用emd方法对塔机实际结构损伤数据分解,利用分解后的数据对所提方法进行验证;研究分析了网络参数和网络结构优化对诊断结果的影响。结果表明,基于1DCNN模型诊断方法能够较为准确地实现塔式起重机结构损伤诊断,且诊断准确率高于单通道1DCNN模型与其他深度学习方法。

关键词：塔式起重机结构损伤深度学习 1DCNN 模型泛化 emd MC-1DCNN

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

GNSS周跳探测技术的研究

GNSS周跳探测技术的研究

作者：李虹达昆明理工大学

学位级别：硕士

当前GNSS产业和应用迅猛发展,对导航定位的精度要求越来越高,相较于伪距测量,利用载波相位测量可以达到更高的测距精度,获得载波相位观测值后,若能正确求解出整周模糊度,就可以实现高精度定位,但载波相位测量中的周跳现象会使得整周模... 详细信息

当前GNSS产业和应用迅猛发展,对导航定位的精度要求越来越高,相较于伪距测量,利用载波相位测量可以达到更高的测距精度,获得载波相位观测值后,若能正确求解出整周模糊度,就可以实现高精度定位,但载波相位测量中的周跳现象会使得整周模糊度的解算出现错误,从而对定位结果造成不利影响,为了消除这种不利影响,就要对周跳探测方法进行研究。主要研究工作如下:(1)阐述了码相二次差分、双差和电离层残差检验量的构造方法,使用实测数据构造出了这三种周跳检验量,通过实验对每一种周跳检验量的周跳探测效果做了具体的分析,对检验量的优缺点进行了总结,最后选择了双差检验量作为应用时频分析方法探测周跳的检验量。(2)从分析信号中奇异成分的角度出发,把周跳当作是信号中的奇异成分,从时频分析方法入手开展周跳的探测工作,阐述了小波方法、经验模态分解(Empirical Mode Decomposition,emd)和集合经验模态分解(Ensemble Empirical Mode Decomposition,Eemd)的原理和应用在周跳探测中的具体步骤,通过实验对这些方法应用在周跳探测中的实际效果做了具体分析:小波方法存在非自适应性;emd存在端点效应和模态混叠;Eemd虽然改善了模态混叠但存在计算耗时等问题,对emd和Eemd方法中问题产生的原因做了详细的分析。针对小波方法、emd和Eemd方法应用于周跳探测时存在的问题,采用了一种用于处理旋转机械松动故障信号的信号处理方法——快速自适应经验模态分解(Fast and Adaptive Empirical Mode Decomposition,FAemd),该方法以信号极值点间距的最小值来确定顺序统计滤波器的窗口宽度,利用顺序统计滤波器绘制信号的上下包络线,具有高效性和准确性,FAemd能不同程度的改善emd和Eemd方法存在的问题且具有自适应性。研究了 FAemd分解信号的基本原理和应用于周跳探测中的具体流程,对该方法进行了程序实现,使用实测数据应用FAemd进行了周跳探测实验,实验结果表明FAemd能有效探测周跳,总结了将FAemd应用在周跳探测中的优势。(3)阐述了三频伪距相位组合法和三频电离层残差法的周跳探测原理。以提高三频周跳探测方法的周跳探测能力为目的,使用了一个优选的三频伪距相位组合检验量(0,-1,1)联合两个三频电离层残差检验量(1,-f1/f2,0),(1,0,-f1/f5)共同对GPS三频周跳进行探测,使用实测数据进行了周跳探测实验。实验结果表明:联合方法能探测出实验中的所有周跳。

关键词： GNSS 周跳探测 emd FAemd 奇异值检测

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emd和VARMA模型的结构损伤识别

振动与冲击 2010年第12期29卷 141-147页

作者：董银峰李英民赖明重庆大学土木工程学院重庆400045 山地城镇建设与新技术教育部重点实验室(重庆大学) 重庆400045 九三学社中央委员会北京100089

提出了基于emd和VARMA模型的结构损伤识别方法。该方法首先将结构反应信号用emd方法分解成一系列固有模态函数,然后将固有模态函数表示为时变VARMA模型并用Kalman滤波方法估计时变VARMA参数,最后根据时变VARMA参数定义一个新的损伤指标... 详细信息

提出了基于emd和VARMA模型的结构损伤识别方法。该方法首先将结构反应信号用emd方法分解成一系列固有模态函数,然后将固有模态函数表示为时变VARMA模型并用Kalman滤波方法估计时变VARMA参数,最后根据时变VARMA参数定义一个新的损伤指标用于结构损伤识别。为检验该指标的实际性能,算例中选用ImperialCounty Services Building和Van Nuys Hotel作为基准结构。通过其实测地震反应记录的分析表明:该指标在实际的量测环境和噪声条件下具有较好的敏感性和抗噪能力,可有效地识别结构多处损伤的发生过程和严重程度;由于该指标定义在反应信号特征提取的基础上,无需其他额外的信息,它可同时用于结构整体和局部两个层次损伤的识别;同时,该指标还适于实时(在线)的结构损伤识别或健康监测,因其直接由时变VARMA参数推导得出。最后,对后续研究工作进行了展望。

关键词：损伤识别信号处理振动 emd VARMA模型

基于深度学习的自适应锂离子电池老化状态预测

在线全文

学校读者我要写书评

暂无评论

基于深度学习的自适应锂离子电池老化状态预测

作者：孙涵磊青岛大学

学位级别：硕士

锂离子电池因在储能方面的优越性,而受到越来越多的关注,与其他储能方式相比,其优势在于重量轻,能量密度高,电化学稳定性好,在许多应用领域中具有光明的前景,例如作为航空航天系统以及太阳能和风力涡轮机的电力存储。准确识别健康状态... 详细信息

锂离子电池因在储能方面的优越性,而受到越来越多的关注,与其他储能方式相比,其优势在于重量轻,能量密度高,电化学稳定性好,在许多应用领域中具有光明的前景,例如作为航空航天系统以及太阳能和风力涡轮机的电力存储。准确识别健康状态是对锂离子电池在工程实际中正常运用的前提,然而由于锂离子电池复杂的内部电化学反应和不确定的外部工作环境,很难实现准确的健康状态测定,因此针对于该问题,本研究的目的是对锂离子电池的健康状态进行准确预测。在本研究中,我先运用了文献综述法对锂离子电池SOH预测的研究现状进行了分析,发现了目前的研究存在预测精度与泛化性不足的问题。基于此我提出了一种新的基于深度学习的老化状态预测方法,该方法使用基于增量容量分析和经验模式分解的有向非循环图结构,有向无环结构的典型代表是Inception模块,使用堆叠的小型网络更好的学习空间特征和逐通道特征,同时使用双向长短期记忆神经网络与多头自注意力机制进行数据拟合。主要完成了以下工作:(1)选择了NASA在线发布的锂离子电池电池数据集和本实验室自主搭建平台自主测试的锂离子电池数据,对数据内容进行分析提取了研究所需要的部分。(2)选择了增量容量分析完成对锂离子电池充放电数据的解构,提取了与健康程度相关度较高的增量容量曲线。经验模态分解解决了锂离子电池容量的噪声与容量再生现象,分解出本征模态函数与残差函数(3)将特征图输入到有向无环组合模型中,来拟合多个经验模态分解函数并构建健康状态预测模型,并将其与不同的神经网络预测模型进行比较。(4)仿真实验的结果表明,使用本研究提出的方法,健康状态的最小均方误差和平均绝对误差分别降低到0.65‰和1.61%,达到了很高的精确度。并且运用了迁移学习的方法进行模型验证,其预测误差最小均方误差与平均绝对误差分别达到了1.01‰和4.01%的水平,证明该组合模型同样具有良好的泛化能力。该预测方法简化了预测过程,不需要选择复杂的健康指标作为特征,并且能够捕捉容量再生的波动,并且能够高精度地拟合容量衰减曲线中的波动,这种集成的多线性模型考虑了准确性和计算效率,减少人工主观操作,并使用人工智能完成大部分工作,这是未来健康状态研究的重要方向。

关键词：锂离子电池 SOH emd DAG 多头自注意力

利用emd和子波振幅谱与相位谱关系的时变子波提取方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

地球物理学报 2019年第2期62卷 680-696页

作者：张鹏戴永寿谭永成张红倩王春娴中国石油大学(华东)信息与控制工程学院山东青岛266580

本文首先分析了地震波在黏弹介质的传播规律,基于黏弹介质地震波动方程总结了时变子波振幅谱和相位谱的关系,从而得出结论,准确估计子波相位谱初值和不同时刻的子波振幅谱是实现时变子波准确提取的必要条件.在此基础上,针对传统方法限... 详细信息

本文首先分析了地震波在黏弹介质的传播规律,基于黏弹介质地震波动方程总结了时变子波振幅谱和相位谱的关系,从而得出结论,准确估计子波相位谱初值和不同时刻的子波振幅谱是实现时变子波准确提取的必要条件.在此基础上,针对传统方法限制子波振幅谱形态且受限于分段平稳假设的问题,提出了一种利用emd(Empirical Mode Decomposition)和子波振幅谱与相位谱关系的时变子波提取方法,根据子波对数振幅谱光滑连续而反射系数对数振幅谱振荡剧烈的特点,采用emd方法将不同时刻地震记录的对数振幅谱分解为一组具有不同振荡尺度的模态分量,通过滤除振荡剧烈分量、重构光滑连续分量提取时变子波振幅谱;再应用子波振幅谱和相位谱的关系提取时变子波相位谱,将分别提取的振幅谱和相位谱逐点进行合成,最终实现时变子波的准确提取.本文方法不需要求取Q值,适用于变Q值的情况,具有良好的抗噪性能.数值仿真和叠后实际资料处理结果表明,相比传统的分段提取方法,利用本文方法提取的时变子波准确度更高,研究成果对提高地震资料分辨率具有重要意义.

关键词：时变子波提取 emd 振幅谱相位谱地震波波动方程

在线全文

学校读者我要写书评

暂无评论

基于emd的降雨径流神经网络预测模型

系统工程理论与实践 2009年第1期29卷 152-158页

作者：冯平丁志宏韩瑞光张建伟天津大学建筑工程学院天津300072 水利部海河水利委员会天津300170

针对小波变换方法的不足,运用emd方法对黄河兰州以上二级水资源分区45年(1956- 2000年)的年降雨量序列进行多时间尺度分析,发现该区域年降雨量存在准3年、准4-8年、准11年波动周期,并探讨了各IMF分量的物理背景及其趋势变化;然后以年降... 详细信息

针对小波变换方法的不足,运用emd方法对黄河兰州以上二级水资源分区45年(1956- 2000年)的年降雨量序列进行多时间尺度分析,发现该区域年降雨量存在准3年、准4-8年、准11年波动周期,并探讨了各IMF分量的物理背景及其趋势变化;然后以年降雨量的emd分量为输入,以相应的年径流量为输出,建立了基于emd的年降雨径流BP神经网络预测模型.研究结果表明:emd作为一种全新的信号处理方法,可以对水文时序进行精确的多时间尺度分析,进而掌握其局部变化规律,为人工神经网络提供高质量、多层次的输入变量,显著提高模型质量.

关键词： emd 降雨径流神经网络预测模型

在线全文

学校读者我要写书评

暂无评论

emd及其在生物医学信号处理中的应用研究

生物医学工程学杂志 2005年第5期22卷 1058-1062页

作者：李永勤王清邓亲恺南方医科大学生物医学工程系医学物理教研室广州510515 南方医科大学分校数理计算机教研室广州510315

介绍了一种适用于生物医学信号处理与分析的方法——经验模态分解(emd),结合Hilbert变换对心电(ECG)信号及心跳间期(RRI)信号进行了分析,并重点与小波变换方法进行了比较。

关键词：经验模态分解 Hilbert变换生物医学信号处理应用研究生物医学信号 emd 理中经验模态分解小波变换方法信号处理

emd中异常事件处理及其在转子动平衡中的应用

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2012年第7期31卷 34-38页

作者：张仕海伍良生屈重年北京工业大学机械工程与应用电子技术学院北京100022 天津海运职业技术学院天津300457

经验模态分解(emd)广泛用于将非平稳、非线性信号分解成一组稳态和线性的数据序列集,得到理论意义上仅含有单组分频率成分的各固有模态函数。为减少异常事件对信号emd分解的干扰,提出采用相关分析消除信号中异常事件的方法。同时结合不... 详细信息

经验模态分解(emd)广泛用于将非平稳、非线性信号分解成一组稳态和线性的数据序列集,得到理论意义上仅含有单组分频率成分的各固有模态函数。为减少异常事件对信号emd分解的干扰,提出采用相关分析消除信号中异常事件的方法。同时结合不平衡振动理论提出一种准确分离转子不平衡振动信号的方法,以用于转子不平衡振动监测及动平衡等方面。以实例分析证实该方法的有效性。

关键词： emd 异常事件相关分析动平衡