检索结果-南通市图书馆

电力系统短期负荷新型volterra预测模型研究

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2014年第9期48卷 24-29页

作者：惠萌刘盼芝长安大学电子与控制工程学院西安710064

针对电力系统负荷短时预测问题,从分析负荷数据的混沌特性入手,利用相空间重构理论对负荷数据进行重构,构建了一种新型的volterra模型对电力系统负荷进行预测。该模型采用二次线性微分方程方法对原volterra级数进行变换,与以往volterra... 详细信息

针对电力系统负荷短时预测问题,从分析负荷数据的混沌特性入手,利用相空间重构理论对负荷数据进行重构,构建了一种新型的volterra模型对电力系统负荷进行预测。该模型采用二次线性微分方程方法对原volterra级数进行变换,与以往volterra级数相比,该模型无截断误差,包含了系统更多精确的信息。最后,以某地区实际用电负荷数据为对象进行验证,结果表明:该模型2d和4d用电负荷预测结果和实际结果误差不超过5%,完全能够满足电力调度需求,同时也为电力公司制定经济模型和实时电价调整提供了理论支持。

关键词：电力系统短期负荷 volterra预测模型

结合VMD和volterra预测模型的轴承振动信号特征提取

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2018年第3期37卷 129-135,152页

作者：张云强张培林王怀光杨玉栋吴定海军械工程学院车辆与电气工程系石家庄050003 武汉军械士官学校四系武汉430075

针对滚动轴承振动信号的非线性和非平稳性特点,提出了一种结合变分模式分解(VMD)和volterra预测模型的轴承振动信号特征提取方法。利用VMD良好的非平稳信号分解能力将轴承振动信号分解成有限个平稳的本征模式函数(IMF)分量,然后对各IMF... 详细信息

针对滚动轴承振动信号的非线性和非平稳性特点,提出了一种结合变分模式分解(VMD)和volterra预测模型的轴承振动信号特征提取方法。利用VMD良好的非平稳信号分解能力将轴承振动信号分解成有限个平稳的本征模式函数(IMF)分量,然后对各IMF分量进行相空间重构,在重构的相空间内建立volterra自适应预测模型,根据类内类间距准则对模型参数进行优选,用于描述轴承振动信号。对4种状态的滚动轴承振动信号进行了分析,优选的特征参数表现出较好的分类性能。实验结果表明,该方法能有效提取振动信号中的非线性和非平稳特征,从而提高滚动轴承故障诊断精度。

关键词：滚动轴承变分模式分解 volterra预测模型故障诊断

变分模态分解的volterra模型和形态学分形维数在发动机故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

汽车工程 2019年第12期41卷 1442-1449,1465页

作者：周小龙刘薇娜姜振海马风雷北华大学机械工程学院吉林132021 长春理工大学机电工程学院长春130022 长春工业大学机电工程学院长春130012

针对实测发动机故障信号的非线性和形态学分形维数难以对其有效估计的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)的volterra模型和形态学分形维数相结合的发动机故障诊断方法。首先采用VMD方法对发动机故障信... 详细信息

针对实测发动机故障信号的非线性和形态学分形维数难以对其有效估计的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)的volterra模型和形态学分形维数相结合的发动机故障诊断方法。首先采用VMD方法对发动机故障信号进行分解,通过基于互信息熵能量熵增量的虚假固有模态函数(intrinsic mode function,IMF)分量剔除算法,将噪声和虚假干扰成分从信号内分离,对含有故障信息的敏感IMF分量重构,然后通过对重构信号相空间的重构,建立volterra自适应预测模型,获取模型参数,最后计算模型参数向量的形态学分形维数,并将其作为量化的特征参数用于发动机工作状态和故障类型的识别。通过对实测发动机声振信号的分析,结果表明,该方法可有效提取发动机的状态特征信息,实现发动机异响的故障诊断。

关键词：发动机故障诊断变分模态分解 volterra预测模型数学形态学分形维数

在线全文

学校读者我要写书评

暂无评论

南洞地下河月径流时间序列的混沌特征及预测

中国岩溶 2015年第4期34卷 341-347页

作者：覃星铭蒋忠诚蓝芙宁马祖陆赵一中国地质科学院岩溶地质研究所/国土资源部广西壮族自治区岩溶动力学重点实验室/岩溶生态系统与石漠化治理重点实验室广西桂林541004 西南大学资源环境学院重庆400716

利用基于相空间重构技术、混沌识别与预测理论对1993-2013年南洞地下河月径流时间序列的非线性特征进行了分析,由所获得的延迟时间和最佳嵌入维数实现了月径流时间序列的相空间重构,运用饱和关联维数法和小数据量法计算出南洞地下河月... 详细信息

利用基于相空间重构技术、混沌识别与预测理论对1993-2013年南洞地下河月径流时间序列的非线性特征进行了分析,由所获得的延迟时间和最佳嵌入维数实现了月径流时间序列的相空间重构,运用饱和关联维数法和小数据量法计算出南洞地下河月径流时间序列的饱和关联维数和最大Lyapunov指数,并运用volterra模型对南洞地下河月径流时间序列进行了多步预测研究。研究结果表明,南洞地下河月径流时间序列相空间重构的延迟时间和最佳嵌入维数分别为τ=5、m=8,饱和关联维数D和最大Lyapunov指数λ分别为4.63、0.748 9,从定性和定量的角度证明了南洞地下河月径流时间序列具有弱混沌特征。volterra自适应滤波模型的预测结果能较好地表征南洞地下河月径流的变化趋势和规律,对18个月内的短期预测精度较高,模拟效果较好。

关键词：月径流相空间重构混沌时间序列 volterra预测模型南洞地下河