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243篇文章
< 1 2 … 13 >
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CEEMDAN-ICA的单通道脑电信号眼电伪迹滤除方法 被引量：19
1
作者 罗志增 严志华 傅炜东 《传感技术学报》 CAS CSCD 北大核心 2018年第8期1211-1216,共6页
传统盲源分离法不能解决欠定问题,且分离信号与源信号对应关系不确定。提出一种基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的脑电信号眼电伪迹自动去除方法。该方法首先将含伪迹脑电信号自适应分解成多维本征... 传统盲源分离法不能解决欠定问题,且分离信号与源信号对应关系不确定。提出一种基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的脑电信号眼电伪迹自动去除方法。该方法首先将含伪迹脑电信号自适应分解成多维本征模态函数(IMF),以满足盲源分离方法对信号正定或超定要求,再对本征模态函数用ICA方法构建多维源信号,最后利用模糊熵阈值判据判别多维源信号中的伪迹信号,完成滤波并重构脑电信号。该方法相比于其他算法,能更好的去除眼电伪迹并保留原始信息,适合单通道脑电信号预处理。 展开更多
关键词 脑电信号处理 眼电伪迹 完备经验模态分解 独立成分分析
下载PDF
CEEMDAN-WOA-ELM模型风机振动趋势预测 被引量：10
2
作者 田宏伟 李志鹏 +2 位作者 王煜伟 孙钢虎 杨沛豪 《中国测试》 CAS 北大核心 2020年第7期146-152,共7页
在火电厂中,风机的故障通常会引起风机振动幅值异常,因此对风机振动趋势的准确预测可以有效降低风机故障发生概率。由于原始的风机振动数据具有较强的随机性和波动性,传统预测方法很难直接进行有效预测,因此需要对原始风机振动数据进行... 在火电厂中,风机的故障通常会引起风机振动幅值异常,因此对风机振动趋势的准确预测可以有效降低风机故障发生概率。由于原始的风机振动数据具有较强的随机性和波动性,传统预测方法很难直接进行有效预测,因此需要对原始风机振动数据进行预处理,并应用先进的机器学习算法来进一步提高风机振动预测精度。该文采用完备经验模态分解(complete ensemble empirical mode decomposition adaptive noise,CEEMDAN)对原始数据进行预处理,将原始振动数据分解为一系列固态模量(intrinsic mode function,IMF),从而降低原始振动信号的非平稳性。其次使用经过鲸鱼算法(whale optimization algorithm,WOA)优化的极限学习机(extreme learning machine,ELM)来预测所有IMF序列。最后将所有IMFS预测结果叠加得到最终预测值。为评估模型的预测性能,该研究采集某火电厂风机机组的振动数据进行多组对比试验。结果表明,该文提出的模型SSE平均降低39.58%,RMSE平均降低31.73%,验证CEEMDAN-WOA-ELM模型具有优越的数据处理和预测能力,适用于火电厂中风机振动的趋势预测。 展开更多
关键词 振动 完备经验模态分解 极限学习机 预测
下载PDF
基于CEEMDAN和概率神经网络的起伏振动气液两相流型识别 被引量：10
3
作者 刘起超 周云龙 陈聪 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第10期84-93,共10页
起伏振动气液两相流型准确识别对漂浮核动力平台安全稳定运行有重要意义。通过对比静止和起伏振动管道的压差信号以及对应的频谱图发现,起伏振动管道内的压差信号波动幅度更大且包含更多的频率分量,两种流型均含有主频率,该频率为起伏... 起伏振动气液两相流型准确识别对漂浮核动力平台安全稳定运行有重要意义。通过对比静止和起伏振动管道的压差信号以及对应的频谱图发现,起伏振动管道内的压差信号波动幅度更大且包含更多的频率分量,两种流型均含有主频率,该频率为起伏振动频率。针对起伏振动状态气液两相流压差信号的复杂性,分别采用自适应白噪声的完备总体经验模态分解(CEEMDAN)和集合经验模态分解(EEMD)对小波降噪后的压差信号进行模式分解,发现CEEMDAN能够在减少模式分量的同时获得更多有效的分量。通过计算spearman相关系数选择具有表征意义的IMF分量进行Hilbert变换计算能量作为特征值,采用概率神经网络对流型进行识别。结果表明,采用CEEMDAN进行模式分解结合概率神经网络的识别方法准确率达到95.83%,能够用于起伏振动下气液两相流型识别。 展开更多
关键词 完备经验模态分解 概率神经网络 起伏振动 气液两相流 流型识别
下载PDF
基于CEEMDAN-DA-GRU的瓦斯涌出量预测模型 被引量：1
4
作者 徐耀松 白济宁 +2 位作者 王雨虹 阎馨 王丹丹 《传感技术学报》 CAS CSCD 北大核心 2023年第3期441-448,共8页
针对瓦斯涌出量数据具有非线性、周期性的特点和实际场景下不同特征因素与瓦斯涌出量关联程度不同导致预测精度低的问题,提出一种基于完备经验模态分解和双重注意力机制的瓦斯涌出量预测模型。通过CEEMDAN方法将瓦斯涌出量数据分解为频... 针对瓦斯涌出量数据具有非线性、周期性的特点和实际场景下不同特征因素与瓦斯涌出量关联程度不同导致预测精度低的问题,提出一种基于完备经验模态分解和双重注意力机制的瓦斯涌出量预测模型。通过CEEMDAN方法将瓦斯涌出量数据分解为频率不同的分量,以降低非线性数据的预测难度;再计算特征注意力机制中计算各特征因素的权重,挖掘当前分量与各个特征之间的关联关系;基于门控循环单元的时序注意力机制量化历史隐藏状态对当前状态的影响,提高长时间序列预测的准确度。通过相加重构得到最终预测结果。基于陕西某矿瓦斯涌出量数据进行预测实验,所提出模型的平均绝对百分比误差为1.65%,均小于DA-GRU、GRU和SVM等对比模型,验证了该模型的有效性。 展开更多
关键词 瓦斯涌出量预测 特征注意力机制 时序注意力机制 完备经验模态分解
下载PDF
基于肌音信号分形维数的上斜方肌静态疲劳研究 被引量：5
5
作者 蒋文都 夏春明 +1 位作者 章悦 封万俊 《航天医学与医学工程》 CAS CSCD 北大核心 2019年第3期259-264,共6页
目的利用采集的上斜方肌的肌音信号,研究肌音信号的非线性特征分形维数(fractal dimension,FD)趋势与肌肉疲劳的对应关系。方法在恒力做耸肩静态动作时,提取上斜方肌的肌音信号,采用一种自适应噪声的完备经验模态分解(complete ensemble... 目的利用采集的上斜方肌的肌音信号,研究肌音信号的非线性特征分形维数(fractal dimension,FD)趋势与肌肉疲劳的对应关系。方法在恒力做耸肩静态动作时,提取上斜方肌的肌音信号,采用一种自适应噪声的完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法去噪,选用平均功率频率(mean power frequency,MPF)和中值频率(median frequency MDF),提取肌音信号的特征值,并用非线性特征分形维数来表征疲劳程度。结果 CEEMDAN算法去噪效果明显,肌音信号的分形维数随肌肉疲劳程度的加深呈现近似线性下降的趋势,在肌肉疲劳评估中与MPF、MDF效果相似。结论肌音信号的分形维数特征可评估肌肉疲劳程度。 展开更多
关键词 肌音信号 肌肉静态疲劳 完备经验模态分解 分形维数
下载PDF
基于完备经验模态分解与能量熵的混合储能系统功率分配 被引量：4
6
作者 郑熙东 江修波 《电气技术》 2020年第11期61-65,70,共6页
基于超级电容-蓄电池构成的混合储能系统,本文采用完备经验模态分解的方法平滑风电波动。首先,针对风电波动性,采用完备经验模态分解求出不同的固有模态分量和余量,通过能量熵的理论求出功率分界点k值,进而确定初始功率分配指令;接着采... 基于超级电容-蓄电池构成的混合储能系统,本文采用完备经验模态分解的方法平滑风电波动。首先,针对风电波动性,采用完备经验模态分解求出不同的固有模态分量和余量,通过能量熵的理论求出功率分界点k值,进而确定初始功率分配指令;接着采用模糊控制理论对荷电状态进行约束优化,自适应调整并修正混合储能系统功率分配指令。算例分析表明,本文方法能够自适应实现功率的合理分配,混合储能系统工作在合理的荷电状态区间,有效提高系统的工作效率和使用寿命。 展开更多
关键词 完备经验模态分解 能量熵 模糊控制 荷电状态
下载PDF
一种基于EWT-ICEEMDAN的单通道脑电信号眼电伪迹去除算法
7
作者 宋婷 舒智林 +2 位作者 孙玉波 韩建达 于宁波 《传感技术学报》 CAS CSCD 北大核心 2023年第10期1584-1592,共9页
脑电信号和眼电信号存在频谱混叠,目前的单通道脑电信号中眼电伪迹去除方法容易造成脑电信号失真。提出一种基于经验小波变换(EWT)和改进的自适应噪声完备经验模态分解(ICEEMDAN)的单通道脑电信号眼电伪迹去除算法。首先使用EWT将单通... 脑电信号和眼电信号存在频谱混叠,目前的单通道脑电信号中眼电伪迹去除方法容易造成脑电信号失真。提出一种基于经验小波变换(EWT)和改进的自适应噪声完备经验模态分解(ICEEMDAN)的单通道脑电信号眼电伪迹去除算法。首先使用EWT将单通道脑电信号分解为δ频段和高频段信号,再用ICEEMDAN将δ频段信号自适应分解为多维本征模态函数(IMFs),设置样本熵阈值自动去除眼电伪迹信号,最后重构得到滤波后的脑电信号。基于半模拟脑电数据和真实脑电数据开展实验,结果表明所提算法相比于已有算法能够在去除眼电伪迹的同时更好地保留原始脑电信息。 展开更多
关键词 单通道脑电信号 眼电伪迹 经验小波变换 完备经验模态分解
下载PDF
基于CEEMDAN排列熵与SVM的螺旋锥齿轮故障识别 被引量：33
8
作者 蒋玲莉 谭鸿创 +1 位作者 李学军 雷家乐 《振动．测试与诊断》 EI CSCD 北大核心 2021年第1期33-40,198,199,共10页
针对轮齿振动信号识别诊断困难的问题,提出以自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,简称CEEMDAN)排列熵为敏感特征量,通过支持向量机(support vector machine,简称SVM)进行... 针对轮齿振动信号识别诊断困难的问题,提出以自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,简称CEEMDAN)排列熵为敏感特征量,通过支持向量机(support vector machine,简称SVM)进行模式识别,实现螺旋锥齿轮故障辨识的方法。首先,将振动信号进行CEEMDAN,得到一系列从高频到低频的内禀模态函数(intrinsic mode function,简称IMF),利用相关系数计算各IMF分量与原始信号的相关程度,结合信噪比的大小进行含主要故障信息的IMF分量优选;其次,采用重叠组合法对排列熵计算过程中的关键参数——嵌入维数和时延进行优选;最后,以优选IMF的排列熵值组成特征向量,训练多分类SVM进行螺旋锥齿轮故障辨识。将该方法用于3种不同程度螺旋锥齿轮断齿故障的诊断识别,并与基于集总经验模态分解排列熵、经验模态分解排列熵方法进行比较,结果表明,基于CEEMDAN排列熵的故障诊断方法可以更加准确地识别螺旋锥齿轮的故障类型。 展开更多
关键词 螺旋锥齿轮 故障诊断 自适应噪声完备经验模态分解 排列熵 支持向量机
下载PDF
基于CEEMDAN二次分解和LSTM的风速多步预测研究 被引量：20
9
作者 向玲 刘佳宁 +2 位作者 苏浩 胡爱军 朱泽宁 《太阳能学报》 EI CAS CSCD 北大核心 2022年第8期334-339,共6页
为了提高风速预测的准确性,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)二次分解和长短时记忆(LSTM)网络的风速多步预测方法。该方法首先应用变分模态分解(VMD)将原始风速序列进行一次分解,充分利用其分解后的残余分量并采用CEEM... 为了提高风速预测的准确性,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)二次分解和长短时记忆(LSTM)网络的风速多步预测方法。该方法首先应用变分模态分解(VMD)将原始风速序列进行一次分解,充分利用其分解后的残余分量并采用CEEMDAN方法进行二次分解;然后将分解后的所有子序列分别输入到LSTM模型中进行风速多步预测;最后将各模型输出结果进行叠加获得预测风速。以内蒙古某风电场实测数据为例进行建模和预测分析,结果表明所提出的风速多步预测模型具有较高的预测精度,具备实际应用的可行性。 展开更多
关键词 风速 预测 长短时记忆网络 二次分解 自适应噪声完备经验模态分解
下载PDF
基于自适应噪声完备经验模态分解−样本熵−长短期记忆神经网络和核密度估计的短期电力负荷区间预测 被引量：18
10
作者 赵会茹 张士营 +2 位作者 赵一航 刘红雨 邱宝红 《现代电力》 北大核心 2021年第2期138-146,共9页
短期电力负荷具有较强的随机性和波动性,其预测的准确性对于提升供电可靠性、电力系统运行经济性至关重要。针对传统确定性预测不能反映未来负荷波动的弊端,基于“点预测+区间估计”的思路提出了一种短期负荷区间预测方法。首先基于自... 短期电力负荷具有较强的随机性和波动性,其预测的准确性对于提升供电可靠性、电力系统运行经济性至关重要。针对传统确定性预测不能反映未来负荷波动的弊端,基于“点预测+区间估计”的思路提出了一种短期负荷区间预测方法。首先基于自适应噪声完备经验模态分解方法将负荷序列分解为多个模态分量,并根据不同序列样本熵的计算结果将序列进行重构以降低运算量。在此基础上,针对每一个分量分别构建长短期记忆神经网络预测模型,得到未来负荷点预测值。基于此利用核密度估计方法对预测误差的分布进行估计,进而结合点预测结果实现未来短期负荷的区间预测。通过将此模型与其他模型进行对比,结果表明此模型能够实现更低的点预测误差,同时在区间预测中也表现出更好的综合性能。 展开更多
关键词 短期负荷预测 自适应噪声完备经验模态分解 长短期记忆神经网络 核密度估计
下载PDF
CEEMDAN去噪在拉曼光谱中的应用研究 被引量：18
11
作者 韩庆阳 孙强 +2 位作者 王晓东 李丙玉 高群 《激光与光电子学进展》 CSCD 北大核心 2015年第11期268-274,共7页
提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)拉曼光谱去噪方法。利用排列熵(PE)作为代表噪声的内在模式分量(IMF)的判据,并对其进行阈值滤波以消除噪声,得到消除噪声的拉曼光谱重构信号。采用该方法对乙醇水溶液的拉曼光谱数据... 提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)拉曼光谱去噪方法。利用排列熵(PE)作为代表噪声的内在模式分量(IMF)的判据,并对其进行阈值滤波以消除噪声,得到消除噪声的拉曼光谱重构信号。采用该方法对乙醇水溶液的拉曼光谱数据进行去噪研究。结果表明,该方法有效地消除了拉曼光谱中的噪声;与经验模态分解法(EMD)和总体平均经验模态分解法(EEMD)的对比表明,CEEMDAN去噪法不但在高信噪比的拉曼光谱信号去噪中取得良好的去噪效果,而且在低信噪比的拉曼光谱信号去噪中依然优势明显。 展开更多
关键词 光谱学 基于自适应噪声的完备经验模态分解 排列熵 拉曼光谱 噪声
原文传递
结合CEEMDAN和主成分分析的低信噪比微地震初至信号检测 被引量：17
12
作者 胡瑞卿 王彦春 +1 位作者 尹志恒 王伟 《石油地球物理勘探》 EI CSCD 北大核心 2019年第1期45-53,I0002,共10页
微地震资料信噪比过低,传统方法的初至拾取精度与稳定性大多不理想。将基于自适应噪声完备经验模态分解(CEEMDAN)与主成分分析(PCA)相结合,有效地实现了低信噪比资料中的初至特征检测。针对低信噪比微地震资料进行CEEMDAN处理后,对各阶... 微地震资料信噪比过低,传统方法的初至拾取精度与稳定性大多不理想。将基于自适应噪声完备经验模态分解(CEEMDAN)与主成分分析(PCA)相结合,有效地实现了低信噪比资料中的初至特征检测。针对低信噪比微地震资料进行CEEMDAN处理后,对各阶本征模态函数(IMF)进行PCA,再对各阶IMF的主成分进行加权重构,同时对次要成分进行压制与剔除,使三分量信号中具有较强一致性的初至信息得以保留。设计多组不同信噪比的测试信号,对方法的可行性进行测试,并最终应用于三分量实测信号。结果表明,该方法在极低信噪比条件下仍可实现对微地震信号初至的有效识别与检测。 展开更多
关键词 微地震事件 初至信号检测 自适应噪声完备经验模态分解 主成分分析
下载PDF
基于CEEMDAN样本熵和PSO-SVM的水电机组振动信号特征提取 被引量：13
13
作者 王卫玉 何葵东 +4 位作者 金艳 莫凡 赵训新 皮俊东 肖志怀 《武汉大学学报（工学版）》 CAS CSCD 北大核心 2022年第11期1167-1175,共9页
针对水电机组复杂振动信号特征提取困难的问题,提出了基于自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)样本熵和粒子群算法优化支持向量机(particle swarm optimization a... 针对水电机组复杂振动信号特征提取困难的问题,提出了基于自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)样本熵和粒子群算法优化支持向量机(particle swarm optimization and support vector machine,PSO-SVM)的水电机组振动信号特征提取方法,对降噪后的水电机组振动信号进行CEEMDAN分解,计算各本征模态函数(intrinsic mode function,IMF)与原信号的标准相关系数,选取标准相关系数大于0.3的IMF分量为有效分量,计算有效分量的样本熵特征值组建高维特征集,采用PSO-SVM对信号模式进行识别。对水电站现场数据进行了分析,验证了所提方法在水电机组振动信号特征提取领域的优势及实际应用价值。 展开更多
关键词 水电机组振动信号 自适应噪声完备经验模态分解 样本熵 特征提取 支持向量机
原文传递
采用样本熵自适应噪声完备经验模态分解的脑电信号眼电伪迹去除算法 被引量：14
14
作者 杨磊 杨帆 何艳 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第8期177-184,共8页
针对脑电(EEG)信号容易被眼电(EOG)伪迹污染,而常规伪迹去除算法会导致EEG有用信息大量丢失的问题,提出一种采用样本熵完备经验模态分解的EOG伪迹去除算法。首先,利用独立成分分析(ICA)算法将EEG分解为独立分量;然后,对各独立分量进行... 针对脑电(EEG)信号容易被眼电(EOG)伪迹污染,而常规伪迹去除算法会导致EEG有用信息大量丢失的问题,提出一种采用样本熵完备经验模态分解的EOG伪迹去除算法。首先,利用独立成分分析(ICA)算法将EEG分解为独立分量;然后,对各独立分量进行样本熵分析,接着引入阈值对伪迹分量进行自动识别,识别后的伪迹分量经过自适应噪声完备经验模态分解(CEEMDAN)算法分解后采用小波阈值降噪;最后采用逆CEEMDAN和逆ICA算法重构信号,达到伪迹去除的目的。采用公开的BCI2000运动想象数据集中60组数据进行实验,结果表明,所提算法的EOG伪迹自动识别正确率达80%,比基于峰度的伪迹识别算法提高约26.7%;采用公开的Klados EEG数据集中15组数据进行实验,结果表明,重构后的EEG信号与纯净的EEG信号的相关系数为0.841,均方根误差较受污染信号降低约56.82%。实验结果证明了所提算法在提高伪迹去除能力的同时能够有效保留有用脑电信息。 展开更多
关键词 脑电图 眼电伪迹 独立成分分析 自适应噪声完备经验模态分解 小波
下载PDF
基于CEEMDAN多尺度排列熵和SO-RELM的高压隔膜泵单向阀故障诊断 被引量：10
15
作者 李瑞 范玉刚 《振动与冲击》 EI CSCD 北大核心 2023年第5期127-135,共9页
高压隔膜泵单向阀受负载、摩擦和冲击等因素的影响,运行产生的振动信号具有非平稳、非线性的特点,为了从振动信号中提取设备的非线性动力学特征,将多尺度排列熵(multi-scale permutation entropy, MPE)引入高压隔膜泵单向阀故障诊断研... 高压隔膜泵单向阀受负载、摩擦和冲击等因素的影响,运行产生的振动信号具有非平稳、非线性的特点,为了从振动信号中提取设备的非线性动力学特征,将多尺度排列熵(multi-scale permutation entropy, MPE)引入高压隔膜泵单向阀故障诊断研究。提取振动信号多尺度排列熵特征,用于建立结构优化正则化极限学习机(structure optimization regularized extreme learning machine, SO-RELM)故障诊断模型,模型利用K-means优化RELM结构,提高模型识别精确度及稳定性。首先采用自适应噪声完备经验模态分解(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)将高压隔膜泵单向阀振动信号自适应分解为多个固有模态分量(intrinsic mode function, IMF),以相关系数为指标,优选包含故障特征信息丰富的分量;然后,计算IMFs的多尺度排列熵值,提取信号的非线性动力学特征;最后,基于多尺度排列熵,建立基于SO-RELM的故障诊断模型。试验结果表明,CEEMDAN多尺度排列熵能够准确表征高压隔膜泵单向阀运行状态的非线性动力学特征,基于CEEMDAN多尺度排列熵建立的SO-RELM故障模型,能够有效识别高压隔膜泵单向阀工况类型,准确率达98.89%。 展开更多
关键词 自适应噪声完备经验模态分解 排列熵 结构优化正则化极限学习机 故障诊断
下载PDF
基于CEEMDAN-WP-SG的MEMS陀螺仪去噪算法 被引量：10
16
作者 黄国峰 庄学彬 +1 位作者 谢礼伟 曾小慧 《电子测量与仪器学报》 CSCD 北大核心 2022年第4期106-113,共8页
为了减小MEMS陀螺仪随机误差,提出了一种新的去噪算法。该算法首先通过自适应噪声完备经验模态分解(CEEMDAN)将原始数据分解为多个本征模态函数(IMF),并根据多尺度排列熵与马氏距离将IMF分为噪声IMF、混叠IMF和信号IMF;其次对噪声IMF用... 为了减小MEMS陀螺仪随机误差,提出了一种新的去噪算法。该算法首先通过自适应噪声完备经验模态分解(CEEMDAN)将原始数据分解为多个本征模态函数(IMF),并根据多尺度排列熵与马氏距离将IMF分为噪声IMF、混叠IMF和信号IMF;其次对噪声IMF用小波包(WP)去噪,对混叠IMF用Savitzky-Golay滤波器(SG)去噪;最后,把处理后的IMF和信号IMF进行重构,得到去噪后的信号。通过所提方法对Bumps信号进行实验分析,去噪后信号从6 dB提高至17 dB,均方误差降低71.9%;对实测陀螺仪静态数据进行分析,实验结果证明去噪后信号的角度随机游走降低31.5%,表明该方法能显著提高MEMS陀螺仪的精度。 展开更多
关键词 MEMS陀螺仪 自适应噪声完备经验模态分解 小波包去噪 多尺度排列熵 马氏距离 Savitzky-Golay滤波
下载PDF
改进的完备经验模态分解和广义S变换相结合的地震信号衰减分析 被引量：8
17
作者 邬蒙蒙 周怀来 +2 位作者 林萍 詹淦基 张怀榜 《地球物理学进展》 CSCD 北大核心 2020年第5期2001-2008,共8页
改进的完备经验模态分解(ICEEMD)是完备经验模态分解(CEEMD)算法的一种最新扩展,其有效解决了CEEMD在信号分解中产生的残留噪声和模态混叠等问题.除此以外,ICEEMD还能更好地检测出含气层的弱信号.而广义S变换在地震信号中具有较高的时... 改进的完备经验模态分解(ICEEMD)是完备经验模态分解(CEEMD)算法的一种最新扩展,其有效解决了CEEMD在信号分解中产生的残留噪声和模态混叠等问题.除此以外,ICEEMD还能更好地检测出含气层的弱信号.而广义S变换在地震信号中具有较高的时频聚焦性,可以清楚地提取地震信号的特征信息.综合以上优点,本文提出了一种ICEEMD与广义S变换相结合的方法,在南海某工区进行地震属性分析,从而检测该地区的含油气情况.具体步骤为:(1)采用ICEEMD方法对地震数据进行分解,选取相关系数最大的特征子信号IMF进行重构,合成一个能体现地震数据细节信息的特征剖面;(2)对该特征剖面进行广义S变换,进而计算其衰减属性;(3)分析衰减梯度属性,结合测井资料进行含油气检测.对南海某工区的结果表明,本文提出的方法可以清楚地刻画储层的强振幅异常特征,给出的含油气解释结果与已知的含气测试结果相吻合. 展开更多
关键词 完备经验模态分解(CEEMD) 改进的完备经验模态分解(ICEEMD) 广义S变换 衰减梯度 油气检测
原文传递
基于CEEMDAN与LSTM的人民币汇率分析与预测 被引量：9
18
作者 熊志斌 《数理统计与管理》 CSSCI 北大核心 2022年第3期507-525,共19页
由于汇率波动的复杂性和非线性特点,使得汇率预测一直是金融领域中最具挑战的课题之一。本文提出了一种基于分解-优化预测-集成的综合研究方法来分析预测人民币汇率。首先,利用自适应噪声完备经验模态分解(CCEMDAN)方法,将原始汇率序列... 由于汇率波动的复杂性和非线性特点,使得汇率预测一直是金融领域中最具挑战的课题之一。本文提出了一种基于分解-优化预测-集成的综合研究方法来分析预测人民币汇率。首先,利用自适应噪声完备经验模态分解(CCEMDAN)方法,将原始汇率序列分解为若干不同频率的分量序列;接着通过Hilbert谱分析和相关统计方法确定高频、低频和趋势等三种结构分量,并将高频分量序列合并优化为一个新的分量序列;然后运用长短时记忆神经网络(LSTM)模型分别对各分量进行预测;最后将这些预测结果集成得到汇率的最终预测结果。本文以美元、欧元、英镑和日元兑人民币4种汇率为研究对象,研究发现:1)4种汇率的价格及波动受趋势分量和低频分量的影响较大,受高频分量的影响较小;2)欧元、英镑和日元兑人民币汇率受随机波动的影响要远大于美元兑人民币汇率所受到的影响,对短线投资者和机构来说,相比美元兑人民币汇率,关注另外三种汇率的高频分量可能具有更重要的意义;3)对比了其它10种模型(包括5种综合模型和5种单一模型)的预测结果,本文所提出的模型无论在预测精度还是在预测方向准确率上,表现都是最佳的,也充分说明该模型预测的有效性。此外,本文所提出的研究方法框架对其它金融时间序列的研究也具有一定的借鉴和参考价值。 展开更多
关键词 自适应噪声完备经验模态分解 长短时记忆模型 人民币汇率预测
原文传递
基于改进HHT和马氏距离的齿轮故障诊断 被引量：10
19
作者 周小龙 刘薇娜 +1 位作者 姜振海 马风雷 《振动与冲击》 EI CSCD 北大核心 2017年第22期218-224,共7页
针对齿轮振动信号非线性和非平稳的特点,提出一种基于改进希尔伯特-黄变换与马氏距离相结合的故障诊断方法。利用自适应白噪声的完备经验模态分解将齿轮振动信号分解成一系列固有模态函数,并采用敏感固有模态函数判别算法判断出对故障... 针对齿轮振动信号非线性和非平稳的特点,提出一种基于改进希尔伯特-黄变换与马氏距离相结合的故障诊断方法。利用自适应白噪声的完备经验模态分解将齿轮振动信号分解成一系列固有模态函数,并采用敏感固有模态函数判别算法判断出对故障信息敏感的模态函数;通过对敏感固有模态分量的局部希尔伯特瞬时能量谱的分析,得出信号能量随时间变化的精确表达;以不同故障信号局部希尔伯特瞬时能量谱的最大峰值作为特征向量,采用马氏距离对齿轮故障进行状态识别。试验结果表明,该方法可有效识提取齿轮故障特征,实现不同故障状态识别。 展开更多
关键词 齿轮 自适应白噪声完备经验模态分解 瞬时能量谱 马氏距离 故障诊断
下载PDF
基于CEEMDAN-CNN的钻头磨损状态监测研究 被引量：8
20
作者 刘奕呈 李玉梅 +1 位作者 张涛 李超 《石油机械》 北大核心 2022年第9期59-65,共7页
钻头磨损状态的准确监测对于提高钻井效率、规避钻井事故的发生具有重大意义。针对钻井过程中钻头磨损状态监测困难的问题,结合井下近钻头工程参数短节所测数据,提出基于自适应噪声完备经验模态分解(CEEMDAN)、小波阈值以及卷积神经网络... 钻头磨损状态的准确监测对于提高钻井效率、规避钻井事故的发生具有重大意义。针对钻井过程中钻头磨损状态监测困难的问题,结合井下近钻头工程参数短节所测数据,提出基于自适应噪声完备经验模态分解(CEEMDAN)、小波阈值以及卷积神经网络(CNN)的钻头磨损监测模型。首先将近钻头工程参数测量短节测得的振动数据进行基于自适应噪声完备经验模态分解,得到一系列本征模态函数分量,再对本征模态函数分量进行小波阈值去噪并完成信号重构,最后根据重构信号提取钻头磨损特征,完成卷积神经网络模型训练和钻头磨损状态识别。研究结果表明,钻头磨损监测模型精度达到92.3%,即该模型能准确识别钻头磨损状态且识别准确率高。研究结果可为及时调整钻井参数、确定更换钻头时机等提供技术支持。 展开更多
关键词 钻头磨损 自适应噪声完备经验模态分解 小波阈值 卷积神经网络 近钻头工程参数 磨损监测
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 2 … 13 下一页 到第 页
使用帮助 返回顶部