基于改进自适应多元变分模态分解的轴承故障诊断方法研究 被引量：8

1

作者 时培明 张慧超 韩东颖 《动力工程学报》 CAS CSCD 北大核心 2022年第2期129-137,共9页

为解决多元变分模态分解(MVMD)经验参数设置对分解结果的影响,提出一种新的自适应多元变分模态分解(AMVMD)方法并将其应用于轴承的故障诊断方面。首先,将最小平均包络熵(MAEE)作为适应度函数,采用灰狼算法(GWO)寻求MVMD参数的最优解,并... 为解决多元变分模态分解(MVMD)经验参数设置对分解结果的影响,提出一种新的自适应多元变分模态分解(AMVMD)方法并将其应用于轴承的故障诊断方面。首先,将最小平均包络熵(MAEE)作为适应度函数,采用灰狼算法(GWO)寻求MVMD参数的最优解,并按照最优参数对原始信号进行分解。然后,计算各本征模态分量(IMF分量)的样本熵和相关系数,选取最佳模态进行信号重构。最后,通过Teager能量算子(TEO)对重构信号进行解调,以增强微弱的瞬态冲击成分并识别特征频率。结果表明:将所提出的AMVMD与TEO相结合可以有效减少信号噪声,提取轴承的故障特征。 展开更多

关键词 多元变分模态分解 灰狼算法 样本熵 TEAGER能量算子

下载PDF 职称材料

基于自适应多元变分模态分解和BiLSTM的水电机组振动预测

2

作者 郭建强 王熙 +1 位作者 许力 李超顺 《中国农村水利水电》 北大核心 2024年第10期164-171,180,共9页

水电机组振动趋势预测对于确保机组安全稳定运行具有重要意义,针对已有水电机组振动趋势预测模型的局限性。提出了一种基于自适应多元变分模态分解(WOA-MVMD)和双向长短时记忆神经网络(BiLSTM)的组合趋势预测模型。该模型采用多元变分... 水电机组振动趋势预测对于确保机组安全稳定运行具有重要意义,针对已有水电机组振动趋势预测模型的局限性。提出了一种基于自适应多元变分模态分解(WOA-MVMD)和双向长短时记忆神经网络(BiLSTM)的组合趋势预测模型。该模型采用多元变分模态分解(MVMD)对多通道数据同步分解,保留原始数据通道间耦合性,采用鲸鱼优化算法(WOA)优化选择MVMD分解参数,避免了人工选择参数所带来的缺点,实现振动序列的最优自适应分解,将模态分解得到一系列IMF子序列进行归一化处理;然后对每个子序列信号分别建立BiLSTM趋势预测网络,最后将子序列预测结果叠加重构,得到最终预测结果。以国内某电站实际运行数据对所提模型进行论证试验,结果显示所提模型具有较高的预测精度。 展开更多

关键词 振动信号 鲸鱼优化算法 mvmd 趋势预测 BiLSTM

下载PDF 职称材料

自整定多元变分模态分解

3

作者 郎恂 王佳艺 +3 位作者 陈启明 何冰冰 毛汝凯 谢磊 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第7期2994-3001,共8页

多元变分模态分解(MVMD)作为变分模态分解(VMD)的多元扩展,在继承VMD优点的同时,也存在其分解性能很大程度上依赖于两个预置参数——模态数量K和惩罚系数α的问题。为此,该文提出一种自整定MVMD(SMVMD)算法。SMVMD采取了匹配追踪法的思... 多元变分模态分解(MVMD)作为变分模态分解(VMD)的多元扩展,在继承VMD优点的同时,也存在其分解性能很大程度上依赖于两个预置参数——模态数量K和惩罚系数α的问题。为此,该文提出一种自整定MVMD(SMVMD)算法。SMVMD采取了匹配追踪法的思想,通过频域的能量占比和模态正交性分别自适应地更新K和α。对仿真信号与真实案例的分析结果表明,所提SMVMD方法不仅有效解决了原MVMD的参数整定问题,而且表现出以下优势,(1)与MVMD相比,SMVMD抗模态混叠的能力更强,且对噪声和α值的变化都具有更好的鲁棒性。(2)与多元经验模态分解、快速多元经验模态分解和多元变分模态分解这些经典算法相比,SMVMD算法的分解误差最小,分解效果最好。 展开更多

关键词 多元信号处理 mvmd 自整定 匹配追踪法 鲁棒性

下载PDF 职称材料

基于谱聚类和多元变分模态分解的风电机组功率预测

4

作者 徐睿麟 郑建勇 +1 位作者 梅飞 解洋 《电网技术》 EI CSCD 北大核心 2024年第5期2043-2053,I0066,共12页

传统的风电出力预测方法通常未能充分考虑机组之间的相似性和差异性,忽视了环境条件对风电出力的影响以及关键特征提取方法单一等问题。因此,提出了一种基于谱聚类和多元变分模态分解的人工神经网络风电出力预测方法。首先,为捕捉不同... 传统的风电出力预测方法通常未能充分考虑机组之间的相似性和差异性,忽视了环境条件对风电出力的影响以及关键特征提取方法单一等问题。因此,提出了一种基于谱聚类和多元变分模态分解的人工神经网络风电出力预测方法。首先,为捕捉不同机组之间的相似性和差异性,对风速和风向进行谱聚类,构建风速-风向二维标签簇,并选取每个簇的中心机组以表征该簇的出力特征。接着,为更全面地描述出力与环境条件之间的关系,采用变分模态分解算法对聚类中心机组出力进行分解,同时将出力与风速、风向数据进行多元变分模态分解,得到不同频率的模态成分。最后,在预测阶段引入基于注意力机制的深度学习网络,对特征模态添加注意力机制后输入卷积长短期神经网络模型进行训练和预测,并通过误差修正模块得到同簇其他机组的预测结果。该方法相较传统方法在预测精确度上有明显提升,具有一定的实用性和有效性。 展开更多

关键词 风电预测 谱聚类 多元变分模态分解 卷积长短期神经网络 注意力机制

下载PDF 职称材料

基于脑电微状态的虚拟现实晕动症研究

5

作者 杨文清 化成城 +1 位作者 殷利平 严颖 《国外电子测量技术》 2024年第6期110-118,共9页

针对脑电节律能量无法反映时间信息且对空间信息的探讨并不充分等问题,通过运用微状态分析方法,对虚拟现实晕动症(vRMS)相关脑电信号的时空模式进行了研究,从而检测虚拟现实晕动症。使用多元变分模态分解(MVMD)将脑电信号划分为从低频... 针对脑电节律能量无法反映时间信息且对空间信息的探讨并不充分等问题,通过运用微状态分析方法,对虚拟现实晕动症(vRMS)相关脑电信号的时空模式进行了研究,从而检测虚拟现实晕动症。使用多元变分模态分解(MVMD)将脑电信号划分为从低频到高频的5个频段,分析了脑电微状态的出现频率、平均持续时间、覆盖率以及转换率的变化,最后利用统计分析和分类方法验证这些特征的有效性。研究结果表明,5个频段融合所有特征的分类准确率达到最大值83.9%。因此,微状态方法可望为研究VRMS提供新思路。 展开更多

关键词 虚拟现实晕动症 脑电信号 微状态分析 多元变分模态分解

下载PDF 职称材料

基于MICCD的时变结构模态参数辨识

6

作者 王豪 蓝鲲 +1 位作者 夏国江 耿胜男 《兵器装备工程学报》 CAS CSCD 北大核心 2022年第10期227-233,263,共8页

提出了一种基于MICCD的时变结构模态参数辨识方法。无需测量结构所受的复杂激励,仅将多测点的结构响应作为输入,通过引入广义参数化时频变换提高时频分布的分辨率,实现各模态瞬时频率的准确辨识,随后将瞬时频率信息作为MICCD的输入,再... 提出了一种基于MICCD的时变结构模态参数辨识方法。无需测量结构所受的复杂激励,仅将多测点的结构响应作为输入,通过引入广义参数化时频变换提高时频分布的分辨率,实现各模态瞬时频率的准确辨识,随后将瞬时频率信息作为MICCD的输入,再通过最小二乘法求解多元线性方程组获得各分量的瞬时振幅系数,实现各模态分量在时域上的准确分离,同一时刻下各通道同阶分量的瞬时振幅之比即为结构的瞬时振型。在白噪声激励下利用三自由度时变结构的数值仿真对该方法进行分析,结果表明:在某些阶模态参数的辨识方面,基于MICCD的模态参数辨识方法模态辨识结果较基于传统MVMD的模态辨识方法更加全面,且模态辨识精度更高,也不会出现“模态混叠”现象。 展开更多

关键词 时变结构 模态参数辨识 MICCD 广义参数化时频变换 mvmd

下载PDF 职称材料

高速列车万向轴动不平衡检测的改进变分模态分解法 被引量：2

7

作者 洪剑锋 丁建明 +1 位作者 林建辉 郑树彬 《机械强度》 CAS CSCD 北大核心 2017年第3期505-510,共6页

针对变分模态分解法分离信号的效果严重受到惩罚参数和分量个数的影响,应用信息熵差来改进变分模态分解法。首先分析信息熵差对各模态涵盖信息量变化的捕捉特性,应用捕捉特性分析不同惩罚参数条件下变分模态分解重构信号的信息熵差,应... 针对变分模态分解法分离信号的效果严重受到惩罚参数和分量个数的影响,应用信息熵差来改进变分模态分解法。首先分析信息熵差对各模态涵盖信息量变化的捕捉特性,应用捕捉特性分析不同惩罚参数条件下变分模态分解重构信号的信息熵差,应用熵差值的跳动确定若干候选惩罚参数,用这些参数条件下的变分模态分解信号的傅立叶谱来检测万向轴的动不平衡。应用万向轴的动不平衡试验数据对该方法进行试验验证,结果表明,该方法能够检测万向轴动不平衡引起的基频、倍频的故障特征,与VMD方法相比较,该方法解决了参数难选的问题,与EEMD方法相比较,该方法的故障检测力得到显著提高。 展开更多

关键词 万向轴 动不平衡 改进变分模态分解 信息熵差

下载PDF 职称材料

基于改进VMD和RBF的股票预测研究

8

作者 邢蕾 林思扬 《长春工业大学学报》 CAS 2024年第2期164-171,共8页

为解决股票价格预测问题,运用混沌理论对股票市场进行非线性分析,将互信息改进的变分模态分解与神经网络结合,提出MVMD-RBF价格预测模型。选择上证指数和沪深300每日收盘价作为研究对象进行LASSO变量筛选,相空间重构,最后进行混合模型预... 为解决股票价格预测问题,运用混沌理论对股票市场进行非线性分析,将互信息改进的变分模态分解与神经网络结合,提出MVMD-RBF价格预测模型。选择上证指数和沪深300每日收盘价作为研究对象进行LASSO变量筛选,相空间重构,最后进行混合模型预测,并选择BP、DNN、RBF、VMD-RBF四个模型进行对比分析。结果显示,MVMD-RBF预测效果优于其他模型,这证明MVMD-RBF模型对预测混沌的股票数据具有良好的效果。 展开更多

关键词 股票价格 mvmd-RBF LASSO 相空间重构 混沌时间序列

下载PDF 职称材料

基于MVMD-FRFT的滚动轴承早期故障特征提取研究 被引量：5

9

作者 洪达 马洁 赵西伟 《机电工程》 CAS 北大核心 2021年第10期1284-1291,共8页

滚动轴承的振动信号具有非平稳、非线性的特点,造成其早期故障信号的特征提取困难,针对这一问题,对滚动轴承状态监测中常用的特征提取方法进行了研究,提出了一种基于多元变分模态分解(MVMD)和分数阶傅里叶变换(FRFT)的特征提取方法,并... 滚动轴承的振动信号具有非平稳、非线性的特点,造成其早期故障信号的特征提取困难,针对这一问题,对滚动轴承状态监测中常用的特征提取方法进行了研究,提出了一种基于多元变分模态分解(MVMD)和分数阶傅里叶变换(FRFT)的特征提取方法,并将其应用于滚动轴承的故障诊断中。利用MVMD算法将多传感器同时采集的多通道振动信号进行了同步分解,有效地提高了多通道数据融合处理能力,同时得到了若干个固有模态函数(IMF)分量;依据相关系数法从分解后得到的IMF分量中选取了包含故障信息最多的分量作为最优分量,利用FRFT对最优分量进行了滤波,降低了噪声对微弱故障信号的干扰;对滤波后的信号进行了1.5维包络谱解调,通过分析滤波后信号的包络谱,提取了滚动轴承的故障特征。研究结果表明:应用MVMD和FRFT相结合的方法能够有效地避免模态混叠现象,充分地利用故障特征信息,削弱低频信号与噪声的干扰,从而有效地提取出了滚动轴承的故障特征信息。 展开更多

关键词 滚动轴承 特征提取 多元变分模态分解 分数阶傅里叶变换 固有模态函数

下载PDF 职称材料

基于多元变分模态分解的脑电多域特征提取方法 被引量：5

10

作者 孟明 闫冉 +1 位作者 高云园 佘青山 《传感技术学报》 CAS CSCD 北大核心 2020年第6期853-860,共8页

为提高运动想象脑电信号特征的区分性,提出一种基于多元变分模态分解(MVMD)的多域特征结合脑电特征提取方法。首先利用MVMD对原始脑电多通道数据进行自适应分解,然后从分解得到的固有模态函数(IMF)分量提取信号的时域特征以及非线性动... 为提高运动想象脑电信号特征的区分性,提出一种基于多元变分模态分解(MVMD)的多域特征结合脑电特征提取方法。首先利用MVMD对原始脑电多通道数据进行自适应分解,然后从分解得到的固有模态函数(IMF)分量提取信号的时域特征以及非线性动力学特征,同时将IMF分量合并构造新的信号矩阵,并采用共空间模式(CSP)法对重构信号提取空间特征,进行时域、非线性动力学以及空域特征的结合,最后通过支持向量机(SVM)对此特征集分类。所提方法在BCI Competition II Dataset III数据集上达到了89.64%的分类准确率,与现有的方法比较,验证了所提方法的有效性。 展开更多

关键词 脑机接口 运动想象 多元变分模态分解 特征提取

下载PDF 职称材料

基于多路信号联合去噪的Prony谐波检测法 被引量：1

11

作者 宋朝霞 李开成 +2 位作者 贺才郡 董宇飞 范伟欣 《电子测量技术》 北大核心 2022年第21期47-53,共7页

针对传统Prony算法易受噪声干扰且同一区域内多路电能质量信号存在相关性的特点,文中提出了一种基于多路信号联合去噪的Prony谐波检测算法,实现在较强噪声条件下的谐波准确检测。首先,采用中心频率法和轨迹相似度法改进多元变分模态分解... 针对传统Prony算法易受噪声干扰且同一区域内多路电能质量信号存在相关性的特点,文中提出了一种基于多路信号联合去噪的Prony谐波检测算法,实现在较强噪声条件下的谐波准确检测。首先,采用中心频率法和轨迹相似度法改进多元变分模态分解(MVMD)算法;其次,利用改进的MVMD算法联合分解相关联的多路信号,提取出主导模态分量并重组为适宜Prony分析的稳定信号;最后,对稳定信号进行Prony分析得到初步的谐波参数,通过阈值筛选和人工鱼群全局寻优,得到准确的谐波检测参数。仿真实验表明,改进的MVMD去噪算法的输出信噪比为37.3,高于VMD去噪法(33.2)和小波去噪法(32.8),去噪效果更优;文中算法谐波检测结果的误差总体小于传统Prony算法,具有谐波检测准确度高、同时计算多路信号的特点。 展开更多

关键词 PRONY算法 mvmd算法 多路信号 谐波检测

下载PDF 职称材料

基于MVMD与CMSE的水电机组摆度信号消噪方法 被引量：4

12

作者 谭志锋 潘罗平 安学利 《大电机技术》 2022年第2期68-74,共7页

本文提出了一种基于多元变分模态分解(Multivariate Variational Mode Decomposition, MVMD)与复合多尺度熵(Composite Multi-scale Entropy, CMSE)的水电机组摆度信号消噪方法。该方法利用MVMD算法将多传感器同时采集的多通道摆度信号... 本文提出了一种基于多元变分模态分解(Multivariate Variational Mode Decomposition, MVMD)与复合多尺度熵(Composite Multi-scale Entropy, CMSE)的水电机组摆度信号消噪方法。该方法利用MVMD算法将多传感器同时采集的多通道摆度信号进行了同步分解,有效地提高了多通道数据融合处理能力,同时得到了若干个固有模态分量;采用复合多尺度熵阈值准则确定重构信号的固有模态分量个数,实现水电机组摆度信号的消噪。通过与VMD及小波分解方法进行仿真信号消噪对比,比较相关系数与信噪比,结果表明本文提出的方法具有更好的消噪效果。最后通过实例分析进一步验证了本文所提出的方法具有更好的信号消噪性能。 展开更多

关键词 水电机组 摆度信号 消噪方法 多元变分模态分解 复合多尺度熵

下载PDF 职称材料

基于多元模态分解与多目标算法优化的深度集成学习模型的超短期风电功率预测

13

作者 朱梓彬 孟安波 +4 位作者 欧祖宏 王陈恩 张铮 陈黍 梁濡铎 《现代电力》 北大核心 2024年第3期458-469,共12页

针对风电功率预测问题,提出了一种基于多元变分模态分解(multivariate variational mode decomposition,MVMD)、多目标纵横交叉优化(multi-objective crisscross optimization,MOCSO)算法和Blending集成学习的超短期风电功率预测。在数... 针对风电功率预测问题,提出了一种基于多元变分模态分解(multivariate variational mode decomposition,MVMD)、多目标纵横交叉优化(multi-objective crisscross optimization,MOCSO)算法和Blending集成学习的超短期风电功率预测。在数据处理阶段,为了保持各序列间的同步相关性以及分解后得到本征模态函数(intrinsic mode functions,IMF)分量个数和分量频率相匹配,使用MVMD对多通道原始数据进行同步分解。针对单一机器学习模型导致预测的全面性不足,且存在精度和鲁棒性低的问题,提出基于MOCSO算法动态加权的Blending集成学习模型。通过对递归神经网络、卷积神经网络、长短期记忆网络的预测结果进行动态加权集成,并通过MOCSO优化调整权重,以提高模型的预测准确性与稳定性。实验结果表明,所提预测模型不仅有效,且显著优于其他预测模型。 展开更多

关键词 风电功率预测 多元变分模态分解 多目标纵横交叉优化 Blending集成学习

下载PDF 职称材料

柴油机多元信号自适应分解方法比较 被引量：2

14

作者 顾程 乔新勇 +1 位作者 靳莹 韩立军 《车用发动机》 北大核心 2020年第6期83-89,共7页

针对单一信号通道反映故障信息不全面、不准确的问题,提出利用多元变分模态分解(MVMD)处理多通道信号提取故障特征,实现故障诊断。首先通过构建多分量调制仿真信号,分析比较MEMD、NAMEMD和MVMD的分解效果,然后利用MVMD对柴油机4个通道... 针对单一信号通道反映故障信息不全面、不准确的问题,提出利用多元变分模态分解(MVMD)处理多通道信号提取故障特征,实现故障诊断。首先通过构建多分量调制仿真信号,分析比较MEMD、NAMEMD和MVMD的分解效果,然后利用MVMD对柴油机4个通道振动信号进行自适应分解,提取每层分量的能量分布作为故障特征,最后利用支持向量机对不同失火故障进行了识别。结果表明,MVMD在抑制模态混叠和分解效率上均优于其他两种算法,且能够有效识别柴油机不同类型失火故障。 展开更多

关键词 多元变分模态分解 振动信号 故障诊断

下载PDF 职称材料