期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于噪声辅助多元经验模态分解和多尺度形态学的滚动轴承故障诊断方法 被引量：17
1
作者 武哲 杨绍普 +2 位作者 任彬 马新娜 张建超 《振动与冲击》 EI CSCD 北大核心 2016年第4期127-133,共7页
为了从强噪背景中提取滚动轴承微弱故障特征,提出一种基于噪声辅助多元经验模态分解(Noise Assisted Multivariate Empirical Mode Decomposition,NAMEMD)和数学形态学的滚动轴承故障诊断方法。NAMEMD是新提出的一种基于噪声辅助数据分... 为了从强噪背景中提取滚动轴承微弱故障特征,提出一种基于噪声辅助多元经验模态分解(Noise Assisted Multivariate Empirical Mode Decomposition,NAMEMD)和数学形态学的滚动轴承故障诊断方法。NAMEMD是新提出的一种基于噪声辅助数据分析方法,其克服了集成经验模态分解的模态混淆和运算量大等问题。将NAMEMD与多尺度形态学相结合应用于滚动轴承故障诊断。该方法首先利用NAMEMD将多分量调频调幅故障信号自适应分解为一系列IMF分量;其次,选取能量高的IMF分量求和重构;最后利用多尺度形态学差值滤波器提取信号的故障特征频率。为了验证理论的正确性,进行了仿真试验和轴承故障试验,并与EEMD和包络解调进行了比较,结果表明该方法在进一步降低模态混叠效应的同时,明显提高了运算速度,对滚动轴承外圈、内圈和滚子故障的检测精度更高,能够清晰地提取出故障信号的故障特征频率。 展开更多
关键词 噪声辅助多元经验模态分解 模态混叠 多尺度形态学 滚动轴承 故障诊断
下载PDF
融合新闻影响力衰减的碳价格多元分解集成预测
2
作者 张大斌 黄均杰 +1 位作者 凌立文 胡焕玲 《河南科技大学学报（自然科学版）》 CAS 北大核心 2024年第1期51-61,M0005,M0006,共13页
新闻数据涵盖了与碳价格密切相关的政策、经济和能源等信息,对碳价格的影响具有时效性。为量化新闻影响力的衰减程度,基于词频统计和指数衰减对新闻数据提取特征,提出了1种新闻影响力衰减时间序列的计算方法,新闻的衰减效应更准确地反... 新闻数据涵盖了与碳价格密切相关的政策、经济和能源等信息,对碳价格的影响具有时效性。为量化新闻影响力的衰减程度,基于词频统计和指数衰减对新闻数据提取特征,提出了1种新闻影响力衰减时间序列的计算方法,新闻的衰减效应更准确地反映新闻对碳价格的影响程度。为提高预测精度,构建了融合新闻影响力衰减的碳价格多元分解集成预测模型,运用噪声辅助多元经验模态分解方法对碳价格和新闻数据进行多元分解,基于样本熵重构分量,使用机器学习方法对分量进行预测,加和集成得到预测结果。以湖北省碳价格为例进行实证分析。结果表明:新闻影响力指数衰减方法能有效刻画新闻与碳价格的相关性,多元分解集成模型表现出优异且稳定的预测性能。 展开更多
关键词 碳价格预测 新闻影响力 指数衰减 噪声辅助多元经验模态分解 样本熵
下载PDF
基于全矢包络融合双层降噪处理的轴承故障特征提取 被引量：1
3
作者 瞿红春 周大鹏 +1 位作者 贾柏谊 郑剑青 《噪声与振动控制》 CSCD 北大核心 2023年第1期135-140,184,共7页
针对轴承故障信号受背景噪声影响,而难以准确提取故障冲击特征的问题,提出一种噪声辅助多元经验模态分解(Noise-assisted Multivariate Empirical Mode Decomposition,NA-MEMD)与全矢包络快速独立分量分析(Fast Independent Component A... 针对轴承故障信号受背景噪声影响,而难以准确提取故障冲击特征的问题,提出一种噪声辅助多元经验模态分解(Noise-assisted Multivariate Empirical Mode Decomposition,NA-MEMD)与全矢包络快速独立分量分析(Fast Independent Component Analysis,FastICA)相结合的轴承故障特征提取方法。该方法将同源双通道信号进行NAMEMD分解,根据相关性系数选取包含故障特征的固有模态函数(Intrinsic Mode Function,IMF)进行重构;对重构信号进行快速独立分量分析,最后进行全矢包络融合,提取轴承故障特征。对实际轴承信号的分析验证该方法能有效提取完整高阶故障频率,同时降低包络谱特征统计参数的冗余。 展开更多
关键词 故障诊断 噪声辅助多元经验模态分解 快速独立分量分析 全矢包络谱 特征提取
下载PDF
基于噪声辅助多元经验模态分解的海洋三分量磁测数据去噪方法
4
作者 袁常青 杜劲松 +1 位作者 何水原 胡正旺 《地球物理学进展》 CSCD 北大核心 2023年第5期2336-2349,共14页
动态环境下的海洋磁测数据难免会包含复杂多样的噪声干扰,为了便捷有效地恢复真实有效的磁异常信号,提升后续数据处理、反演和解释的可靠性(目的),本文采用了一种完全多元的方法进行多分量数据的同步相关去噪,在考虑各通道间耦合性的同... 动态环境下的海洋磁测数据难免会包含复杂多样的噪声干扰,为了便捷有效地恢复真实有效的磁异常信号,提升后续数据处理、反演和解释的可靠性(目的),本文采用了一种完全多元的方法进行多分量数据的同步相关去噪,在考虑各通道间耦合性的同时避免了传统方法分别对每个分量去噪带来的繁琐计算.首先利用噪声辅助多元经验模态分解(Noise Assisted Multivariate Empirical Mode Decomposition,NAMEMD)将一维多分量含噪信号同步分解成一系列多元固有模态函数(Multivariate Intrinsic Mode Functions,MIMF),其次根据多元多尺度样本熵(Multivariate Multiscale Sample Entropy,MMSE)特性判断噪声主导与信号主导MIMF的分界阶数,然后利用马氏距离确定特定阶数MIMF的阈值区间,再对多元信号的同阶分量进行同步阈值处理,最后与高阶分量一同重构得到去噪结果(方法).与单分量去噪方法相比,该方法在模拟含有随机噪声、海浪噪声、粗差干扰的磁测数据去噪仿真试验中取得了更为优异的表现,并且在实测海洋三分量数据中的应用效果也较好,内符合精度从±2.49 nT、±8.72 nT、±4.51 nT分别提升到±0.71 nT、±2.25 nT、±1.04 nT(结果).总之,本文提出的基于NAMEMD-MMSE-马氏距离的去噪方法可有效去除三分量磁测数据中包含的噪声,值得在其他多分量数据去噪处理中进行推广与应用(结论). 展开更多
关键词 海洋磁测 噪声辅助多元经验模态分解 多分量 多元多尺度样本熵 马氏距离 数据去噪
原文传递
全矢样本熵在高速列车故障诊断中的应用 被引量：3
5
作者 李亚兰 金炜东 《振动．测试与诊断》 EI CSCD 北大核心 2020年第4期794-799,829,830,共8页
为了有效提取高速列车转向架振动信号的故障特征以及针对单通道采集的信息难以完善地反映出列车运行状态的问题,提出了一种基于全矢样本熵(full vector sample entropy,简称FVSE)算法的故障特征提取方法。首先,使用噪声辅助多元经验模... 为了有效提取高速列车转向架振动信号的故障特征以及针对单通道采集的信息难以完善地反映出列车运行状态的问题,提出了一种基于全矢样本熵(full vector sample entropy,简称FVSE)算法的故障特征提取方法。首先,使用噪声辅助多元经验模态分解(noise assisted multivariate empirical mode decomposition,简称NAMEMD)方法对振动信号进行分解,得到一系列多元本征模态函数;其次,根据相关系数法选择与原始信号最相关的本征模态函数分别进行样本熵和全矢样本熵特征提取;最后,将得到的特征向量分别作为支持向量机的输入对列车状态进行识别。实验结果表明,采用全矢样本熵算法的故障识别率普遍比采用样本熵算法提高了6个百分点,最高达到了98%以上,验证了噪声辅助多元经验模态分解方法结合全矢样本熵算法对高速列车故障诊断的有效性。 展开更多
关键词 高速列车转向架 全矢样本熵 噪声辅助多元经验模态分解 本征模态函数 支持向量机
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部