基于改进奇异谱分解的形态学解调方法及其在滚动轴承故障诊断中的应用 被引量：37

1

作者 鄢小安 贾民平 《机械工程学报》 EI CAS CSCD 北大核心 2017年第7期104-112,共9页

针对强背景噪声及干扰源信号影响下滚动轴承故障特征难以检测的问题,提出一种基于改进奇异谱分解的形态学解调方法用于轴承故障诊断。首先,为了克服奇异谱分析按经验性选取嵌入维数长度的缺陷,采用一种新的自适应信号处理方法——奇异... 针对强背景噪声及干扰源信号影响下滚动轴承故障特征难以检测的问题,提出一种基于改进奇异谱分解的形态学解调方法用于轴承故障诊断。首先,为了克服奇异谱分析按经验性选取嵌入维数长度的缺陷,采用一种新的自适应信号处理方法——奇异谱分解(Singular spectrum decomposition,SSD)进行振动信号分析,该方法通过构建一个轨迹矩阵与自适应选择嵌入维数长度,将非平稳信号从高频至低频依次划分为若干个单分量信号。针对奇异谱分解在分量序列重构过程中两端数据会偏离实际数据值进而引起端点效应现象的问题,提出运用特征波形匹配延拓法对奇异谱分解进行改进,提高其对振动信号的分解质量,获得一系列更接近实际曲线的单分量序列。为准确提取单分量中蕴含的有用故障特征信息,提出一种基于特征能量比自适应确定结构元素最佳尺度的自互补顶帽变换对单分量信号进行形态学解调。最后,分析解调结果的频谱特征并提取突出频率成分,实现轴承故障类型的准确判别。仿真和实测信号分析验证了方法的有效性。 展开更多

关键词 奇异谱分解 端点效应 形态学解调 滚动轴承 故障诊断

下载PDF 职称材料

基于SSD和1DCNN的滚动轴承故障诊断方法 被引量：16

2

作者 宋霖 宿磊 +1 位作者 李可 苏文胜 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第12期38-43,共6页

针对滚动轴承故障诊断中振动信号易受强背景噪声干扰,出现非平稳、非线性的特性,导致故障诊断精度较低等问题,提出了一种基于奇异谱分解(SSD)和一维卷积神经网络(1DCNN)的滚动轴承故障诊断方法.首先,利用SSD将原始振动信号分解成若干个... 针对滚动轴承故障诊断中振动信号易受强背景噪声干扰,出现非平稳、非线性的特性,导致故障诊断精度较低等问题,提出了一种基于奇异谱分解(SSD)和一维卷积神经网络(1DCNN)的滚动轴承故障诊断方法.首先,利用SSD将原始振动信号分解成若干个频率尺度的奇异谱(SSC)分量,并根据峭度准则选取有效SSC分量对信号进行重构;然后,构建一维卷积神经网络结构,先将重构后的信号输入模型进行训练,充分提取信号的特征,再由输出层输出诊断结果;最后,进行滚动轴承故障诊断实验,结果表明:提出的诊断方法诊断准确率达到98.9%,比传统方法具有更高的准确性和稳定性. 展开更多

关键词 滚动轴承 故障诊断 奇异谱分解 峭度 一维卷积神经网络

原文传递

双模式分解CNN-LSTM集成的短期风速预测模型 被引量：8

3

作者 毕贵红 赵鑫 +2 位作者 李璐 陈仕龙 陈臣鹏 《太阳能学报》 EI CAS CSCD 北大核心 2023年第3期191-197,共7页

为提高短期风速的预测精度,提出一种基于双模式分解、双通道卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的组合预测模型以提高预测精度。首先,对经过PAM方法聚类后的风速时间序列利用奇异谱分解(SSD)和变分模态分解(VMD)2种信号分解... 为提高短期风速的预测精度,提出一种基于双模式分解、双通道卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的组合预测模型以提高预测精度。首先,对经过PAM方法聚类后的风速时间序列利用奇异谱分解(SSD)和变分模态分解(VMD)2种信号分解方法进行分解,获得2类多尺度分量。不同模式的多尺度分量可降低原始风速的复杂度和非平稳性,实现不同模式模态分量规律的互补;其次,将2种分解方法得到的风速子序列合并为一个矩阵,输入到双通道CNN进行波形特征深度提取;最后,采用LSTM建立历史风速时序的时间依赖关系,在时空相关性分析的基础上得到最终风速预测结果。实验结果表明,基于双模式分解-双通道CNN-LSTM的组合预测模型可有效提高风速短期预测的精度。 展开更多

关键词 风力发电 深度学习 卷积神经网络 长短期记忆网络 奇异谱分解 变分模态分解 风速预测

下载PDF 职称材料

基于GP-SSD的旋转机械复合故障特征提取方法 被引量：10

4

作者 舒文婷 程军圣 +1 位作者 黄祝庆 卿宏军 《电子测量与仪器学报》 CSCD 北大核心 2018年第5期17-24,共8页

针对旋转机械复合故障振动信号中的非线性、非平稳特征,提出了一种基于GP奇异谱分解(GP-SSD)的故障特征提取方法。奇异谱分解(SSD)是一种新的针对非线性非平稳信号的自适应信号处理方法,但其具有主观选取嵌入维数的缺点。GPSSD方法基于G... 针对旋转机械复合故障振动信号中的非线性、非平稳特征,提出了一种基于GP奇异谱分解(GP-SSD)的故障特征提取方法。奇异谱分解(SSD)是一种新的针对非线性非平稳信号的自适应信号处理方法,但其具有主观选取嵌入维数的缺点。GPSSD方法基于GP算法能根据嵌入维数与关联维数的关系自适应选取嵌入维数的优势,可以自适应的分解出若干具有物理意义的奇异谱分量(SSC),从而克服了SSD主观选取嵌入维数的缺点。仿真信号的分析结果验证了GP-SSD方法的优越性,在此基础上将GP-SSD应用于旋转机械复合故障诊断中,实验数据的分析结果表明该方法能有效提取旋转机械复合故障的特征。 展开更多

关键词 GP算法 奇异谱分解 旋转机械 复合故障诊断 特征提取

下载PDF 职称材料

基于PAM-SSD-LSTM的短期风速预测 被引量：5

5

作者 赵鑫 陈臣鹏 +1 位作者 毕贵红 陈仕龙 《太阳能学报》 EI CAS CSCD 北大核心 2023年第1期281-288,共8页

为提高短期风速预测的准确性,提出一种基于PAM聚类、奇异谱分解(SSD)和LSTM神经网络的组合预测模型来预测短期风速,以解决上述问题。首先,为提高神经网络的学习效率,采用PAM算法对原始风速数据进行相似日聚类;其次,SSD具有抑制模态混叠... 为提高短期风速预测的准确性,提出一种基于PAM聚类、奇异谱分解(SSD)和LSTM神经网络的组合预测模型来预测短期风速,以解决上述问题。首先,为提高神经网络的学习效率,采用PAM算法对原始风速数据进行相似日聚类;其次,SSD具有抑制模态混叠和虚假分量产生的优点,使用SSD分解风速序列,提取多尺度规律;最后,由于LSTM神经网络捕捉长时间依赖的序列的波动规律的能力较强,使用LSTM神经网络对分解后的风速分量进行预测,将各分量预测值叠加得到最终预测结果。实验结果表明,基于PAM-SSD-LSTM的组合预测模型可有效提高风速短期预测的准确率。 展开更多

关键词 风速短期预测 PAM聚类 奇异谱分解 LSTM神经网络

下载PDF 职称材料

基于奇异谱分解和两层支持向量机轴承故障诊断方法 被引量：8

6

作者 汤天宝 周志健 +2 位作者 张涛 李可 卢立新 《噪声与振动控制》 CSCD 北大核心 2022年第1期100-105,共6页

为了解决轴承故障诊断数据样本量少,背景噪声干扰大和准确率不高的问题,提出一种基于奇异谱分解(Singular spectral decomposition,SSD)和两层支持向量机(Two-layer support vector machines,TSVM)的轴承故障诊断方法SSD-TSVM。该方法... 为了解决轴承故障诊断数据样本量少,背景噪声干扰大和准确率不高的问题,提出一种基于奇异谱分解(Singular spectral decomposition,SSD)和两层支持向量机(Two-layer support vector machines,TSVM)的轴承故障诊断方法SSD-TSVM。该方法首先采集信号构建信号矩阵,然后对矩阵进行奇异谱分解,得到奇异谱分量(Singular spectral component,SSC)和残差。根据改进的峭度准则选取奇异谱分量,进行矩阵重构,完成重构后进行特征提取,生成特征向量矩阵作为TSVM的输入。在输入层完成降维处理生成新的特征向量矩阵,在输出层进行轴承故障类型分类。最后分别采用西储大学公开轴承数据集和实验室风机轴承数据集进行验证。与多种其他故障诊断方法对比表明,SSD-TSVM方法在轴承故障诊断方面具有更高的准确率。 展开更多

关键词 故障诊断 奇异谱分解 两层支持向量机 峭度准则 信号矩阵

下载PDF 职称材料

成像测井电导率图像空白带奇异谱插值和缝洞孔隙度分离方法 被引量：7

7

作者 李振苓 沈金松 +4 位作者 李思 罗安银 李拥军 王磊 郭森 《测井技术》 CAS CSCD 2017年第1期33-40,共8页

针对微电导率扫描成像测井得到的电导率图像的4个空白带,研究了图像数据空白带自适应填充的奇异谱分析插值方法,继而采用多尺度形态学滤波方法提取基质孔、裂缝和溶蚀孔洞孔隙度,更好地适应了缝洞性储层的强非均质和随机缝洞孔隙分布。... 针对微电导率扫描成像测井得到的电导率图像的4个空白带,研究了图像数据空白带自适应填充的奇异谱分析插值方法,继而采用多尺度形态学滤波方法提取基质孔、裂缝和溶蚀孔洞孔隙度,更好地适应了缝洞性储层的强非均质和随机缝洞孔隙分布。利用二维电导率数据的奇异谱分析实现了成像测井电导率数据的空白带自适应填充,重建了完整的井壁电导率图像;基于多尺度形态学滤波对电导率数据进行噪声压制和基质孔与缝洞孔隙的分离,得到了3类孔隙度分布。将所研究的方法应用于某油田区块的3口井,验证了方法的有效性和实用性。 展开更多

关键词 成像测井电导率图像 奇异谱分解 空白带插值 形态学滤波 基质与缝洞孔隙度分离

下载PDF 职称材料

基于SSD和ICA降噪的滚动轴承故障诊断 被引量：7

8

作者 陈森 张浩 +1 位作者 甄冬 师占群 《组合机床与自动化加工技术》 北大核心 2021年第8期94-98,共5页

针对轴承故障信号在早期由于能量小容易受到噪声影响而被淹没的问题,提出了一种奇异谱分解(SSD)和独立分量分析(ICA)的滚动轴承故障诊断方法。首先,通过SSD对原始故障信号分解,得到一系列不同频段的奇异谱分量(SSC);其次,利用SSC分量构... 针对轴承故障信号在早期由于能量小容易受到噪声影响而被淹没的问题,提出了一种奇异谱分解(SSD)和独立分量分析(ICA)的滚动轴承故障诊断方法。首先,通过SSD对原始故障信号分解,得到一系列不同频段的奇异谱分量(SSC);其次,利用SSC分量构造观测信号和虚拟噪声信号,将观测信号与虚拟噪声信号组成观测矩阵;然后通过ICA对观测信号降噪;构造虚拟噪声通道信号;最后,将分离出来的独立分量进行Hilbert解调,对解调后的信号做FFT运算,并识别故障类别。通过仿真和实验表明了所述方法能够满足对滚动轴承振动信号降噪要求,准确清晰地提取故障特征频率。通过与EMD-ICA方法对比分析,验证了该方法对滚动轴承的早期故障诊断更加有效。 展开更多

关键词 奇异谱分解 独立分量分析 降噪 滚动轴承 故障诊断

下载PDF 职称材料

奇异谱分解结合改进的广义相关法对时延估计的优化

9

作者 邢毓华 王恒 《激光与光电子学进展》 CSCD 北大核心 2024年第5期195-203,共9页

针对模拟信号进行时延估计时相比解调过的信号更易受到噪声影响,导致出现误判点增多、正确峰值被掩盖等问题。本文提出采用奇异谱分解结合改进的广义相关法,降低高斯噪声对时延估计结果的影响。Simulink仿真实验表明,相比于解调信号时... 针对模拟信号进行时延估计时相比解调过的信号更易受到噪声影响,导致出现误判点增多、正确峰值被掩盖等问题。本文提出采用奇异谱分解结合改进的广义相关法,降低高斯噪声对时延估计结果的影响。Simulink仿真实验表明,相比于解调信号时延估计法,该方法可在更低发射频率需求下得到同量级精度的故障类型和距离信息。在-5 dB高斯噪声环境下多次实验验证可得,相比二次相关法结果主峰值旁瓣比绝对值增加了0.6756 dB以上,误判峰值与故障点峰值比减少了0.2710以上,其他条件下亦有不同程度提升。 展开更多

关键词 光纤光学与光通信 时延估计 奇异谱分解 广义互相关

原文传递

基于COT-SSD的变转速滚动轴承微弱故障诊断 被引量：5

10

作者 王晓龙 唐贵基 何玉灵 《电力自动化设备》 EI CSCD 北大核心 2019年第5期187-193,共7页

针对背景噪声干扰及转速波动工况下滚动轴承微弱故障识别困难这一问题,提出一种结合计算阶次追踪(COT)和奇异谱分解(SSD)的新型诊断方法。利用COT算法对采集的原始时域信号进行等角度重采样,继而利用SSD算法对重采样角域信号进行处理,... 针对背景噪声干扰及转速波动工况下滚动轴承微弱故障识别困难这一问题,提出一种结合计算阶次追踪(COT)和奇异谱分解(SSD)的新型诊断方法。利用COT算法对采集的原始时域信号进行等角度重采样,继而利用SSD算法对重采样角域信号进行处理,通过自适应构建的轨迹矩阵的奇异值分解重组,将角域信号从高频至低频分解为若干个奇异谱分量,利用融合峭度指标筛选最佳奇异谱分量,选定最佳分量后对其进行进一步的包络解调运算,最终通过分析包络阶次谱中幅值突出的成分来准确判定滚动轴承运行状态。滚动轴承内外圈故障实测信号分析结果表明,所提方法能够有效提取出变速工况下滚动轴承的微弱故障特征信息。 展开更多

关键词 滚动轴承 变转速 微弱故障 计算阶次追踪 奇异谱分解

下载PDF 职称材料

基于改进MED-SSD的齿轮箱复合故障诊断方法 被引量：4

11

作者 周杰 王云艺 +2 位作者 陈传海 王立鼎 刘阔 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第2期450-457,共8页

针对齿轮箱在强噪声环境下复合故障信号微弱、故障特征难以提取等问题,本文提出了一种改进的最小熵反褶积(MED)与奇异谱分解(SSD)结合的方法。首先,构建边际功率谱峰度指数(MPSK),利用MPSK对MED进行参数优化;为弥补SSD的不足,将改进的ME... 针对齿轮箱在强噪声环境下复合故障信号微弱、故障特征难以提取等问题,本文提出了一种改进的最小熵反褶积(MED)与奇异谱分解(SSD)结合的方法。首先,构建边际功率谱峰度指数(MPSK),利用MPSK对MED进行参数优化;为弥补SSD的不足,将改进的MED作为SSD的前置滤波器;然后利用相关系数分析法选择有意义的奇异谱分量(SSC);最后对信号进行频谱分析,确定具体的故障模式。采用仿真信号与齿轮箱试验台的复合故障信号对所提方法进行了应用,验证了方法的有效性和优越性。 展开更多

关键词 奇异谱分解 最小熵反褶积 原子搜索优化算法 模态分量重构 复合故障

原文传递

基于SSD-HT时频阶比跟踪的变转速转子故障诊断 被引量：5

12

作者 唐贵基 庞彬 何玉灵 《推进技术》 EI CAS CSCD 北大核心 2018年第5期1134-1141,共8页

为解决变转速工况下转子故障特征难以提取的问题,提出一种基于SSD-HT时频阶比跟踪的转子故障诊断方法。应用一种新的信号分解方法—奇异谱分解对转子故障振动信号进行分解,得到包含故障特征信息的奇异谱分量。运用希尔伯特变换计算各个... 为解决变转速工况下转子故障特征难以提取的问题,提出一种基于SSD-HT时频阶比跟踪的转子故障诊断方法。应用一种新的信号分解方法—奇异谱分解对转子故障振动信号进行分解,得到包含故障特征信息的奇异谱分量。运用希尔伯特变换计算各个有效奇异谱分量的瞬时频率,获取故障信号的时频分布。根据时频分布中的转频信息对原始振动信号进行阶比跟踪分析,提取直观的阶次特征。仿真分析与实验分析结果表明,在无转速测量装置条件下,所述方法可准确判别变转速工况的转子故障模式,相对于传统分析方法表现出一定的先进性。 展开更多

关键词 奇异谱分解 希尔伯特变换 阶比跟踪 变转速 转子 故障诊断

下载PDF 职称材料

一种滚动轴承早期故障特征提取方法 被引量：1

13

作者 崔奔 张文斌 郭盼盼 《噪声与振动控制》 CSCD 北大核心 2023年第6期95-100,156,共7页

针对滚动轴承早期故障受噪声污染大,故障特征频率难以提取而导致的故障诊断困难问题,提出一种新的滚动轴承早期故障特征提取方法。首先利用泰尔指数(Theil Index,TI)对滚动轴承进行健康状态评估,并检测出状态异常的信号;然后对异常信号... 针对滚动轴承早期故障受噪声污染大,故障特征频率难以提取而导致的故障诊断困难问题,提出一种新的滚动轴承早期故障特征提取方法。首先利用泰尔指数(Theil Index,TI)对滚动轴承进行健康状态评估,并检测出状态异常的信号;然后对异常信号进行奇异谱分解(Singular Spectrum Decomposition,SSD)得到若干分量,以方差贡献度为标准筛选出最佳分量;最后通过蜜獾算法(Honey Badger Algorithm,HBA)优化的最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)对最佳分量进行降噪处理,并对降噪处理后的信号进行包络解调分析提取出故障特征频率。通过两个数据集的分析,验证所提方法的有效性。 展开更多

关键词 故障诊断 泰尔指数 奇异谱分解 蜜獾算法 最大相关峭度解卷积 滚动轴承

下载PDF 职称材料

优化奇异谱分解方法在轴承故障诊断中的应用 被引量：4

14

作者 马朝永 申宏晨 +1 位作者 胥永刚 张坤 《轴承》 北大核心 2022年第2期55-60,共6页

奇异谱分解在处理强噪声信号时获得的模态分量可能包含期待频段之外的信息,会造成严重的模态混叠现象并影响分析效果,深入研究发现造成上述现象的原因是迭代过程中轨迹矩阵的嵌入维数设定不合理。在大量数据分析的基础上提出了一种优化... 奇异谱分解在处理强噪声信号时获得的模态分量可能包含期待频段之外的信息,会造成严重的模态混叠现象并影响分析效果,深入研究发现造成上述现象的原因是迭代过程中轨迹矩阵的嵌入维数设定不合理。在大量数据分析的基础上提出了一种优化的奇异谱分解方法(OSSD),以迭代过程中划分的频段及重构分量时特征向量的选择为依据确定新的参数并设定嵌入维数,不仅可以使构造的轨迹矩阵更加合理,还可以使分量的重构更加准确。仿真及试验分析表明,该方法可以有效抑制模态混叠现象,减少分解所得分量在频域上的能量泄漏,准确提取滚动轴承振动信号中的故障特征。 展开更多

关键词 滚动轴承 故障诊断 谱分析 奇异谱分解 嵌入维数 模态混叠

下载PDF 职称材料

基于OSSD-EMOMEDA的轮毂电机轴承故障特征提取方法 被引量：1

15

作者 丁殿勇 薛红涛 刘炳晨 《中国电机工程学报》 EI CSCD 北大核心 2023年第24期9721-9732,共12页

为了解决轮毂电机轴承早期微弱故障特征难以提取的问题,提出一种基于优化奇异谱分解(optimized singular spectrum decomposition,OSSD)和增强多点最优调整最小熵解卷积(enhance multipoint optimal minimum entropy deconvolution adju... 为了解决轮毂电机轴承早期微弱故障特征难以提取的问题,提出一种基于优化奇异谱分解(optimized singular spectrum decomposition,OSSD)和增强多点最优调整最小熵解卷积(enhance multipoint optimal minimum entropy deconvolution adjusted,EMOMEDA)的特征提取方法,以实现故障特征的检测与提取,及时掌握轮毂电机的运行安全。首先,提出由新的时频综合指标(time-frequency composite index,TCI)自适应优化分量个数的OSSD方法,并对原始信号进行前处理,通过包络谱峰值指标选择敏感的奇异谱分量。然后,提出EMOMEDA方法,设计一种改进的波形延拓策略恢复解卷积信号长度,克服MOMEDA算法的边缘效应,并通过二次解卷积运算获得最优解卷积信号。最后,对最优解卷积信号进行包络分析,实现故障特征的增强提取。分别采用仿真和试验信号验证所提方法的可行性,并将其与多种故障特征提取方法进行对比,证明了其优越性。结果表明,所提方法能够有效提取微弱故障特征,在特征增强方面具有可观的优势。 展开更多

关键词 轮毂电机 轴承故障 特征提取 奇异谱分解 多点最优调整最小熵解卷积

下载PDF 职称材料

基于同步多分解集成预测方法的中国碳价格预测

16

作者 王建平 《甘肃金融》 2023年第12期35-40,8,共7页

本文采用奇异谱分解(SSA)、经验模态分解(EMD)和改进的变分模态分解(OVMD)三种不同的分解方法对北京、深圳、湖北三个碳交易所的碳价格数据进行同步的多通路分解,再通过K均值聚类方法重构分解得到的子序列,对重构后的序列利用Adaboost-E... 本文采用奇异谱分解(SSA)、经验模态分解(EMD)和改进的变分模态分解(OVMD)三种不同的分解方法对北京、深圳、湖北三个碳交易所的碳价格数据进行同步的多通路分解,再通过K均值聚类方法重构分解得到的子序列,对重构后的序列利用Adaboost-ELMAN方法进行预测,最后借用BP神经网络对预测结果进行非线性集成。结果显示,该模型的预测精度优于基准模型,并验证了多通路分解方法能够有效地提高分解—集成预测框架下我国碳价格预测的预测效果。 展开更多

关键词 奇异谱分解 经验模态分解 改进的变分模态分解 碳价格预测

下载PDF 职称材料

基于SSA-XGBoost方法的降水变化趋势预测模型 被引量：4

17

作者 徐磊 王甜莉 +3 位作者 刘松国 李东 李伟 谭亮成 《地球环境学报》 CSCD 2020年第5期475-485,共11页

全球变暖预期下不同区域的未来降水变化,是政府和公众都关心的重要问题,也是全球变化研究的前沿科学问题。预测模型的建立是预测/预估研究的重点和难点,现今不稳定的气候背景对预测模型的精准度提出了更高的要求。为了解决传统方法对长... 全球变暖预期下不同区域的未来降水变化,是政府和公众都关心的重要问题,也是全球变化研究的前沿科学问题。预测模型的建立是预测/预估研究的重点和难点,现今不稳定的气候背景对预测模型的精准度提出了更高的要求。为了解决传统方法对长期时间序列预测效果欠佳的问题,本文以泰国南部洞穴石笋δ18O重建的过去270多年(公元1773—2004年)的降水记录为数据集,提出了SSAXGBoost预测模型。对原始数据去趋势预处理后,采用奇异谱分析法(SSA)提取前部分数据(1773—1964年)的振荡成分以确定数据的最佳谐波个数,并进行准确的周期信号分量分解;之后用去趋势数据减去周期信号得到随机信号,再利用XGBoost模型对随机项进行预测;最后将预测的序列、趋势曲线和周期信号延拓结果相叠加得到最终的预测数据(1965—2004年)。与其他四种模型(XGBoost、ARIMA、SSA-ARIMA、LightGBM)的预测结果相比,SSA-XGBoost的预测结果与真实值最相近,且MAE和RMSE均最小,R2也更接近1,说明该模型具有更高的精度和稳定性。该研究对于泰国南部等热带地区未来的降水变化趋势预测具有较好的指导意义,也可为其他长时间序列的预估研究提供借鉴。 展开更多

关键词 降水变化趋势 预测 机器学习 XGBoost模型 奇异谱分解

下载PDF 职称材料

基于AISSD与Prophet框架的桥梁结构风速预测研究

18

作者 罗雁文 《四川建筑》 2023年第4期190-197,共8页

基于桥梁结构的风速监测数据开展时间序列分析,进而建立对应的风速预测模型以实现大风灾害预警,对高速公路桥梁的行车安全具有重要意义。针对现有桥梁风速预测方法中存在的问题,提出一种基于自适应改进奇异谱分解(AISSD)与Prophet预测... 基于桥梁结构的风速监测数据开展时间序列分析,进而建立对应的风速预测模型以实现大风灾害预警,对高速公路桥梁的行车安全具有重要意义。针对现有桥梁风速预测方法中存在的问题,提出一种基于自适应改进奇异谱分解(AISSD)与Prophet预测框架的桥梁风速预测方法。该方法首先利用AISSD将非平稳非线性的风速信号分解为多组具有不同周期规律的奇异谱分量(SSC),其次计算SSC分量的能量密度与平均周期乘积ET,并结合Wasserstein距离构造判定阈值来筛选代表特征信息的SSC分量,最后基于Prophet预测框架对SSC分量进行预测并重构。以西南地区某高速公路桥梁的实测风速数据对该方法效果开展验证,并与自回归滑动平均模型(ARMA)和最小二乘支持向量机(LSSVM)模型进行对比。结果表明:该方法可准确分析风速的波动规律和变化趋势,与ARMA和LSSVM方法相比具有更高的计算效率,能够有效提高预测精度,满足在工程应用中快速预测风速的需求。 展开更多

关键词 桥梁工程 风速预测 奇异谱分解 能量密度与平均周期乘积 Wasserstein距离 Prophet预测框架

下载PDF 职称材料

基于奇异谱分解和双重注意力机制的超短期光伏功率预测方法

19

作者 董雪 赵生校 +3 位作者 陆艳艳 陈晓锋 赵岩 刘磊 《激光与光电子学进展》 CSCD 北大核心 2023年第5期300-307,共8页

准确的光伏功率预测可以有效促进光伏发电的安全高效利用。针对现有方法预测精度不足的问题,提出一种结合奇异谱分解(SSD)、双重注意力机制和双向门控逻辑单元(BiGRU)时序建模的超短期光伏功率预测方法。首先利用SSD降低光伏信号的随机... 准确的光伏功率预测可以有效促进光伏发电的安全高效利用。针对现有方法预测精度不足的问题,提出一种结合奇异谱分解(SSD)、双重注意力机制和双向门控逻辑单元(BiGRU)时序建模的超短期光伏功率预测方法。首先利用SSD降低光伏信号的随机性和波动性;然后利用BiGRU网络对分解后的信号进行时序建模,并设计了一种同时学习特征序列和时序序列的重要性权重的注意力模块,对BiGRU网络提取的特征进行权重加权;最后经过决策层获得最终的光伏功率预测结果。实验结果表明,SSD和注意力机制可以有效提升深度时序模型的光伏功率预测精度,在不同季节和不同天气情况下均优于其他几种经典方法,具有较高的实用价值。 展开更多

关键词 光电子学 光伏功率预测 超短期 奇异谱分解 注意力机制

原文传递

基于SSD和Teager能量算子的滚动轴承故障诊断方法 被引量：3

20

作者 唐贵基 李楠楠 +1 位作者 王晓龙 李琛 《河南理工大学学报（自然科学版）》 CAS 北大核心 2020年第4期82-87,共6页

针对滚动轴承早期故障冲击信号较难提取的问题,提出基于奇异谱分解(singular spectrum decomposition,SSD)和Teager能量算子的滚动轴承故障诊断方法。首先,利用SSD分解振动信号得到一组不同频带分布的奇异谱分量(singular spectrum comp... 针对滚动轴承早期故障冲击信号较难提取的问题,提出基于奇异谱分解(singular spectrum decomposition,SSD)和Teager能量算子的滚动轴承故障诊断方法。首先,利用SSD分解振动信号得到一组不同频带分布的奇异谱分量(singular spectrum component,SSC);其次,根据峭度准则选取最佳SSC分量,利用Teager能量算子计算该分量的瞬时能量信号并对其进行傅里叶分析,从而得到信号的Teager能量谱;最后,根据能量谱图提取故障特征频率。将该方法运用到仿真信号和滚动轴承实测信号中,并和包络谱、EMD及EEMD方法进行对比分析,结果表明,该方法能有效解调故障特征信息,准确识别轴承故障类型,诊断效果更佳。 展开更多

关键词 奇异谱分解 TEAGER能量算子 故障诊断 滚动轴承

下载PDF 职称材料