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3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：
改进的EMD方法在局部放电信号提取中的应用 被引量：8
1
作者 臧怀刚 李清志 《电力系统及其自动化学报》 CSCD 北大核心 2014年第11期78-81,共4页
电力设备内部早期故障产生的局部放电信号很微弱,往往处于强大噪声的包围之中。为了从复杂环境中准确提取局部放电信号,提出应用改进的EMD方法进行局部放电特征信号的提取。首先,对放电信号进行EMD分解;其次,应用能量门限法对EMD分解得... 电力设备内部早期故障产生的局部放电信号很微弱,往往处于强大噪声的包围之中。为了从复杂环境中准确提取局部放电信号,提出应用改进的EMD方法进行局部放电特征信号的提取。首先,对放电信号进行EMD分解;其次,应用能量门限法对EMD分解得到的IMF进行筛选;再次,应用敏感固有模态函数选择法找出敏感IMF,并与局部放电特征信号进行对比。最后,应用结果表明了此方法的可行性与准确性。 展开更多
关键词 局部放电 经验模态分解 固有模态函数 能量门限 敏感固有模态函数
下载PDF
采用HHT与CNN的刀具磨损状态监测
2
作者 周粤 段现银 《组合机床与自动化加工技术》 北大核心 2023年第10期169-173,178,共6页
为实现刀具磨损状态监测的智能化及高精度,提出一种将希尔伯特黄变换改进算法与卷积神经网络相结合的监测方法。首先,采用敏感固有模态函数筛选方法改进希尔伯特黄变换,提取出刀具信号的时频特征;其次,运用MATLAB微调卷积神经网络生成... 为实现刀具磨损状态监测的智能化及高精度,提出一种将希尔伯特黄变换改进算法与卷积神经网络相结合的监测方法。首先,采用敏感固有模态函数筛选方法改进希尔伯特黄变换,提取出刀具信号的时频特征;其次,运用MATLAB微调卷积神经网络生成刀具磨损监测迁移模型;最后,运用典型的卷积神经网络迁移模型进行实验验证。结果表明,与传统时频变换相比,希尔伯特黄变换提取的时频图更加精细,能有效防止频谱泄露的问题,刀具磨损识别平均准确率达到94.09%,提升近15%;与希尔伯特黄变换相比,改进后的希尔伯特黄变换能避免虚假固有模态分量问题,监测效果进一步提升,达到96.8%,证明了所提监测方法的有效性。 展开更多
关键词 希尔伯特黄变换 卷积神经网络 敏感固有模态函数 刀具磨损状态监测
下载PDF
基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法 被引量：31
3
作者 王玉静 康守强 +3 位作者 张云 刘学 姜义成 Mikulovich V I 《电子与信息学报》 EI CSCD 北大核心 2014年第3期595-600,共6页
为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,... 为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。 展开更多
关键词 信号处理 状态识别 非平稳信号 集合经验模态分解(EEMD) 敏感固有模态函数(IMF)
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