检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

固体火箭发动机喷焰瞬态特性实验

航空动力学报 2024年第9期39卷 428-438页

作者：魏天宇傅德彬刘浩天冯自瑞刘岭岳北京理工大学宇航学院北京100081 西安北方惠安化学工业有限公司西安710302 中国工程物理研究院总体工程研究所四川绵阳621999

以固体火箭发动机系留实验采集图像数据为基础,采用图像均值与方差分析、喷焰典型位置亮度时间序列的快速傅里叶变换(FFT)、改进Hilbert-Huang变换(改进HHT)等方法对其瞬态特性进行分析处理。分析结果表明:在获取的频带内,喷焰整体不存... 详细信息

以固体火箭发动机系留实验采集图像数据为基础,采用图像均值与方差分析、喷焰典型位置亮度时间序列的快速傅里叶变换(FFT)、改进Hilbert-Huang变换(改进HHT)等方法对其瞬态特性进行分析处理。分析结果表明:在获取的频带内,喷焰整体不存在明显的主脉动频率,各个频率上均存在较小的脉动分量,且核心区的脉动幅值要小于湍流混合区,同时湍流混合区的脉动与核心区的脉动之间存在相关性,基于改进的自适应噪声完备集合经验模态分解算法(iceemdan)的改进HHT变换可作为分析固体火箭发动机喷焰等非平稳信号瞬态特征变化机理的有效手段。

关键词：固体火箭发动机喷焰脉动时频特性 iceemdan算法 HHT变换

基于改进的经验模态分解和SSA联合算法的GPS坐标时间序列重构

在线全文

学校读者我要写书评

暂无评论

大地测量与地球动力学 2022年第9期42卷 904-909页

作者：张祎磊边家文丁开华冉佳诺刘文平中国地质大学(武汉)数学与物理学院武汉市430074 中国地质大学(武汉)地理与信息工程学院武汉市430074 湖北经济学院信息管理与统计学院武汉市430205

基于iceemdan算法无需先验信息即可准确分离和提取低频信号与趋势信息的特性,以及SSA具有较好的信号重构优势,提出基于iceemdan和SSA的联合重构方法。该方法将弱周期信号利用iceemdan方法进行提取与重构,可弥补SSA方法中当弱周期信号对... 详细信息

基于iceemdan算法无需先验信息即可准确分离和提取低频信号与趋势信息的特性,以及SSA具有较好的信号重构优势,提出基于iceemdan和SSA的联合重构方法。该方法将弱周期信号利用iceemdan方法进行提取与重构,可弥补SSA方法中当弱周期信号对应的Hankel矩阵的奇异值和噪声Hankel矩阵的奇异值接近时容易被噪声掩盖而难以提取的不足。通过模拟实验和真实站点数据验证该算法分解和重构精度,并与奇异谱分析法、小波分解法、滑动最小二乘法进行比较。实验结果表明,iceemdan-SSA联合算法相对于已有方法具有更好的重构精度。

关键词： GPS坐标时间序列周期信号 iceemdan算法信号重构

改进黑猩猩算法和LSSVR-BiLSTM双尺度模型的短期风功率预测

在线全文

学校读者我要写书评

暂无评论

重庆理工大学学报（自然科学） 2023年第9期37卷 243-252页

作者：王红君谢煜轩赵辉岳有军天津理工大学天津市复杂控制理论与应用重点实验室天津300384 天津农学院工程技术学院天津300392

为提高风功率预测精度,提出一种基于改进自适应白噪声完全集合经验模态分解(iceemdan)、排列熵(PE)、改进黑猩猩优化算法(ICHOA)、最小二乘支持向量回归机(LSSVR)和双向长短时记忆(BiLSTM)网络相结合的短期风功率预测混合模型。通过ICEE... 详细信息

为提高风功率预测精度,提出一种基于改进自适应白噪声完全集合经验模态分解(iceemdan)、排列熵(PE)、改进黑猩猩优化算法(ICHOA)、最小二乘支持向量回归机(LSSVR)和双向长短时记忆(BiLSTM)网络相结合的短期风功率预测混合模型。通过iceemdan将非平稳的原始风电序列分解为相对平稳的模态分量,并使用PE聚合来降低计算复杂度。分别将BiLSTM模型和LSSVR模型应用于高频分量和低频分量的预测。采用ICHOA用于优化模型的参数。将每个预测分量值叠加得出最终预测结果。算例分析结果表明,所提LSSVR-BiLSTM双尺度深度学习模型与其他模型相比,能更好地拟合风功率数据,具有较高的预测精度和可行性。

关键词：短期风功率预测 iceemdan算法黑猩猩优化算法最小二乘支持向量回归机双向长短时记忆网络

考虑季节变化对负荷特征影响的电力系统短期负荷预测

在线全文

学校读者我要写书评

暂无评论

电力与能源 2024年第4期45卷 455-459,473页

作者：赵艺然张茗可辽宁工程技术大学电气与控制工程学院辽宁葫芦岛125100

随着微电网用电设备的复杂化,产生的环保、经济效益问题日益突出,电力负荷的短期预测对于区域的精细化调度至关重要。当前的负荷预测方法缺乏对不同区域季节性变化因素的表征,导致预测精度较低。提出了一种基于改进的自适应噪声完备集... 详细信息

随着微电网用电设备的复杂化,产生的环保、经济效益问题日益突出,电力负荷的短期预测对于区域的精细化调度至关重要。当前的负荷预测方法缺乏对不同区域季节性变化因素的表征,导致预测精度较低。提出了一种基于改进的自适应噪声完备集合经验模态分解一霜冰优化算法——双向循环神经网络(iceemdan-RIME-BiGRU)考虑季节差异的短期负荷预测方法。首先,采用iceemdan方法对四季的电力负荷进行分解;其次,结合RIME算法的软霜搜索策略、硬霜穿刺机制和正向贪婪选择机制,分别学习不同季节下电力负荷的分量特征,实现对BiGRU模型的参数寻优,并将特征分量输入网络模型,所得结果相加得到时间序列预测值;最后,以某地区微电网的负荷数据为例进行算例分析。结果显示,所提出的方法相较于其他3种典型相关预测方法,对于区域季节性差异对负荷的影响具有显著的表征能力,可以提升负荷预测精度。

关键词：微电网负荷季节性变化 iceemdan算法 BiGRU算法 RIME算法