基于深度时间卷积神经网络的风电功率预测 被引量：5

1

作者 刘晗 王硕禾 +2 位作者 张嘉姗 常宇健 张国驹 《济南大学学报（自然科学版）》 CAS 北大核心 2022年第2期127-135,共9页

为了提高风力发电预测的准确性,依据某近海地区风电场出力数据,提出基于深度时间卷积网络的风电功率组合预测模型;利用自适应集成经验模态分解对风电功率序列进行特征提取,得到若干本征模态分量,通过排列熵相关理论计算各模态分量的复杂... 为了提高风力发电预测的准确性,依据某近海地区风电场出力数据,提出基于深度时间卷积网络的风电功率组合预测模型;利用自适应集成经验模态分解对风电功率序列进行特征提取,得到若干本征模态分量,通过排列熵相关理论计算各模态分量的复杂度,根据复杂度进行序列重构,并输入至改进余弦退火算法优化的深度时间卷积网络中进行风电功率分析与预测。结果表明,该模型与其他模型相比具有较好的预测效果,能够有效提高超短期风电功率预测精度。 展开更多

关键词 风电功率预测 深度时间卷积网络 自适应集成经验模态分解 排列熵 改进余弦退火

下载PDF 职称材料

重大事件对我国生猪价格波动的影响研究 被引量：1

2

作者 黄琦 蔡勋 陈昱竹 《金融发展评论》 2022年第10期80-95,共16页

本文利用集成经验模态分解、BP多断点检测方法分析了重大事件与生猪价格波动的关联度和周期规律,以期降低生猪价格波动对CPI的联动性影响。研究表明:我国生猪价格呈现多尺度特征,重大疫病、宏观政策等外部冲击对生猪的价格会造成显著的... 本文利用集成经验模态分解、BP多断点检测方法分析了重大事件与生猪价格波动的关联度和周期规律,以期降低生猪价格波动对CPI的联动性影响。研究表明:我国生猪价格呈现多尺度特征,重大疫病、宏观政策等外部冲击对生猪的价格会造成显著的滞后影响,该影响的迟滞效应为政策靠前发力提供了“窗口期”。因此,政策调控不仅要考虑当前的生猪价格和周期,而更重要的是通过窗口期的预判,提高政策的前瞻性和有效性。 展开更多

关键词 生猪价格波动 重大事件冲击 完全自适应集成经验模态分解(CEEMDAN) BP多断点检测

原文传递

基于CEEMDAN和改进时间卷积网络的短期风电功率预测模型 被引量：37

3

作者 赵凌云 刘友波 +2 位作者 沈晓东 刘代勇 吕霜 《电力系统保护与控制》 CSCD 北大核心 2022年第1期42-50,共9页

近年来,风力发电逐渐成为可再生能源发电的关键部分。为了提高风力发电功率短期预测的准确度,提出了一种将自适应噪声完备集成经验模态分解与改进时间卷积网络结合的短期风电功率预测模型。首先,利用CEEMDAN对风电功率序列进行分解,得... 近年来,风力发电逐渐成为可再生能源发电的关键部分。为了提高风力发电功率短期预测的准确度,提出了一种将自适应噪声完备集成经验模态分解与改进时间卷积网络结合的短期风电功率预测模型。首先,利用CEEMDAN对风电功率序列进行分解,得到子序列分量,并分别与关键气象变量数据构成训练集。然后,使用基于时间模式注意力机制的时间卷积网络对子序列分量分别进行预测。最后,重构预测结果后得到最终的预测值。整个预测过程有助于精准刻画风电的分量特性,并通过TPA机制捕捉变量间的关联性,有效地提高风电功率的预测准确率。 展开更多

关键词 风电功率预测 自适应噪声完备集成经验模态分解 时间卷积网络 时间模式注意力机制

下载PDF 职称材料

基于二次分解策略和模糊时间序列模型的航空客运需求预测研究 被引量：11

4

作者 梁小珍 耶志坤 +1 位作者 杨明歌 汪寿阳 《中国管理科学》 CSSCI CSCD 北大核心 2020年第12期108-117,共10页

提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取... 提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取不完全、分解方法带有固有缺陷等问题,导致组合模型预测效果不能得到充分的提升。为此,本文提出一种基于二次分解策略和模糊时间序列模型的航空客运需求预测方法。该方法首先利用季节调整模型(X12-ARIMA)将原始时序分解成季节成分序列与季节调整后序列,继而利用改进的自适应噪声集成经验模态分解方法(ICEEMDAN)将季节调整后序列分解成一系列不同时间尺度的本征模态函数(IMF)和残差序列(Residue)。然后使用基于模糊C均值算法(FCM)划分论域区间的FTS模型对季节成分序列、各IMF分量以及残差序列分别进行预测。最后将各分量序列的预测结果进行集成,重构出航空客运需求的预测值。实证结果表明,本文所提出的二次分解策略表现显著优于传统的分解策略,并且本文所提出模型对于航空客运需求预测有着较高的准确性。 展开更多

关键词 航空客运需求预测 季节调整 自适应噪声集成经验模态分解 模糊C均值算法 模糊时间序列模型

原文传递

基于CEEMDAN-GRA-PCC-ATCN的短期风电功率预测 被引量：7

5

作者 武新章 梁祥宇 +1 位作者 朱虹谕 张冬冬 《山东大学学报（工学版）》 CAS CSCD 北大核心 2022年第6期146-156,共11页

为提高风电功率的预测精度,提出基于数据分解和输入变量选择的短期风电功率预测方法。利用自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)对原始风电功率和风速数据进... 为提高风电功率的预测精度,提出基于数据分解和输入变量选择的短期风电功率预测方法。利用自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)对原始风电功率和风速数据进行分解,平缓数据波动以提取内部隐藏信息。通过排列熵算法(permutation entropy,PE)将风电功率分量简化重构以降低模型复杂度。为提升输入变量与风电功率之间的关联程度,剔除冗杂信息,降低输入数据维度,结合Pearson相关系数(Pearson correlation coefficient,PCC)和灰色关联分析(grey relation analysis,GRA)对各风电重构功率分量的输入变量进行选择。最后利用基于注意力的时序卷积网络(attention-based temporal convolutional network,ATCN)对各重构功率分量进行预测,将各预测值叠加得到最终结果。试验结果表明,基于CEEMDAN-GRA-PCC-ATCN的短期风电功率预测方法能够提取更多风电数据内部的关键信息,降低输入数据的维度,强化输入变量与风电功率之间的关联性,有效提高预测精度。 展开更多

关键词 风电功率预测 时序卷积网络 自适应噪声完备集成经验模态分解 灰色关联分析 Pearson相关系数 注意力机制

原文传递

基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型研究

6

作者 程小龙 张斌 +1 位作者 刘相杰 刘陶胜 《人民黄河》 CAS 北大核心 2024年第1期146-150,共5页

为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分... 为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分解为高频随机分量、中频周期分量和低频趋势分量,再分别采用GMDH模型、ARIMA模型对高中频分量、低频分量进行预测,建立基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型。以江西上犹江水电站为例,将该模型预测结果与反向传播(BP)、径向基函数(RBF)、GMDH和CEEMDAN-GMDH模型的预测结果进行对比分析。结果表明:CEEMDAN-GMDH-ARIMA模型的均方根误差(E_(RMS))、平均绝对误差(E_(MA))、相关系数(r)分别为0.048 mm、0.035 mm、0.994,均优于BP、RBF、GMDH、CEEMDAN-GMDH模型,模型预测效果最好,能够很好地体现监测点水平位移变化趋势。 展开更多

关键词 自适应噪声完备集成经验模态分解 数据处理群集法 差分自回归移动平均模型算法 大坝 变形预测 江西上犹江水电站

下载PDF 职称材料

基于密度聚类模态分解的卷积神经网络和长短期记忆网络短期风电功率预测

7

作者 崔明勇 董文韬 卢志刚 《现代电力》 北大核心 2024年第4期631-641,共11页

近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition wi... 近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和卷积神经网络与长短期记忆网络结合的短期风电功率预测方法。首先,利用密度聚类将风电功率与天气特征分成不同类别的数据集,通过自适应噪声完备集成经验模态分解算法将不同类别的数据进行频域分解得到子序列分量。以此为基础,将不同的子序列分量与天气特征进行特征选择,输入到卷积神经网络与长短期记忆网络的预测模型。最后,将不同的预测结果进行叠加得到最终的预测结果。整个预测过程通过聚类、分解和特征选择,有效提高了短期风电功率预测的准确度。 展开更多

关键词 风电功率预测 密度聚类 自适应噪声完备集成经验模态分解 卷积神经网络 长短期记忆网络

下载PDF 职称材料

AOA-CEEMDAN和融合特征在齿轮箱故障诊断中的应用

8

作者 马卫东 刘子全 +1 位作者 姚楠 朱雪琼 《机电工程》 CAS 北大核心 2024年第5期817-826,共10页

自适应噪声完备集成经验模态分解(CEEMDAN)的参数由于是人为设置的,从而会导致其信号的分解不彻底。针对这一问题,提出了一种基于算术优化算法(AOA)优化CEEMDAN、融合特征和随机森林(RF)的齿轮箱故障诊断方法。首先,采用AOA算法对CEEMDA... 自适应噪声完备集成经验模态分解(CEEMDAN)的参数由于是人为设置的,从而会导致其信号的分解不彻底。针对这一问题,提出了一种基于算术优化算法(AOA)优化CEEMDAN、融合特征和随机森林(RF)的齿轮箱故障诊断方法。首先,采用AOA算法对CEEMDAN方法的关键参数进行自适应选取,并采用优化后的CEEMDAN方法对齿轮箱振动信号进行了分解,生成若干个本征模态函数(IMF);随后,利用相关系数准则选择了前4阶IMF分量作为故障敏感分量;接着,利用由注意熵和散度熵组成的融合特征提取方法挖掘了故障敏感分量的故障特征,得到了故障敏感特征样本;最后,将表征齿轮箱故障特性的故障特征输入至RF多故障分类器中,建立了故障分类模型,完成了齿轮箱的故障识别;利用QPZZ-Ⅱ型齿轮箱数据集进行了实验,并将其结果与采用其他方法所得结果进行了对比。研究结果表明:相较于原始CEEMDAN,优化后的CEEMDAN能够更加准确地分解非线性齿轮箱振动信号,故障识别准确率提高了4%;相较于单一的故障特征,融合特征能够更加准确地表征齿轮箱的故障状态,故障识别准确率分别提高了3.2%和8%。基于AOA-CEEMDAN和融合特征提取以及RF分类器的故障诊断方法为齿轮箱的故障特征提取和故障诊断提供一种可行的思路和方案。 展开更多

关键词 齿轮箱 本征模态函数 算术优化算法 自适应噪声完备集成经验模态分解 随机森林

下载PDF 职称材料

基于CEEMDAN-CFAR的单通道脑电信号眼电伪迹去除方法研究 被引量：4

9

作者 荆钰霏 李川涛 +1 位作者 王伟 于旭东 《医疗卫生装备》 CAS 2022年第4期1-7,共7页

目的:提出一种基于自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和恒虚警率(constant false alarm rate,CFAR)算法的眼电伪迹去除方法。方法:首先采用CEEMDAN方法分解原... 目的:提出一种基于自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和恒虚警率(constant false alarm rate,CFAR)算法的眼电伪迹去除方法。方法:首先采用CEEMDAN方法分解原始信号,得到低频噪声和含有明显眼电脉冲信号的本征模态函数(intrinsic mode function,IMF)分量。其次采用CFAR算法实现IMF分量中眼电伪迹的自动识别。然后对含有眼电伪迹的脑电信号进行预处理后获得纯净脑电信号。最后通过实验验证该方法的有效性。结果:该方法能在有效滤除眼电伪迹的同时较好地保留局部细节和有用信息。结论:该方法具有计算简单、运行速度快的优点,适用于单通道脑电信号中的眼电伪迹去除。 展开更多

关键词 自适应噪声完备集成经验模态分解 恒虚警率 单通道脑电信号 眼电伪迹 眼电伪迹去除

下载PDF 职称材料

基于CEEMDAN与改进LSTM的短期光伏出力预测 被引量：1

10

作者 黄浚哲 印宇涵 +1 位作者 汤明轩 梅飞 《电器与能效管理技术》 2023年第10期36-43,共8页

为了提高光伏出力的预测精度,提出了一种将自适应噪声完备集成经验模态分解(CEEMDAN)算法与改进的长短时记忆(LSTM)神经网络相结合的短期光伏功率预测模型。首先,利用CEEMDAN算法对光伏功率序列进行分解,得到子序列分量。然后,使用改进... 为了提高光伏出力的预测精度,提出了一种将自适应噪声完备集成经验模态分解(CEEMDAN)算法与改进的长短时记忆(LSTM)神经网络相结合的短期光伏功率预测模型。首先,利用CEEMDAN算法对光伏功率序列进行分解,得到子序列分量。然后,使用改进的LSTM神经网络对各个子序列分量分别进行预测,用粒子群(PSO)算法优化LSTM神经网络隐藏层神经元个数、学习率与训练次数,同时使用注意力机制优化训练过程中的概率分配。最后,叠加各分量预测结果,得到最终的预测值。算例分析表明,所提模型的3个预测评估指标MAE、RMSE、R2均为最佳,验证了所提模型的优越性。 展开更多

关键词 光伏出力预测 自适应噪声完备集成经验模态分解 长短时记忆神经网络 粒子群优化 注意力机制

下载PDF 职称材料

基于CEEMDAN-ISSA-LSSVM模型的短期风电功率预测

11

作者 苏忠德 陆华才 魏利胜 《安徽工程大学学报》 CAS 2023年第2期27-34,共8页

为提高风电功率预测的准确性,采用基于自适应噪声完备集成经验模态分解、改进樽海鞘群算法及最小二乘支持向量机的短期风电功率组合预测方法。首先采用自适应噪声完备集成经验模态分解将功率数据分解为若干个本征模态分量和一个残差,通... 为提高风电功率预测的准确性,采用基于自适应噪声完备集成经验模态分解、改进樽海鞘群算法及最小二乘支持向量机的短期风电功率组合预测方法。首先采用自适应噪声完备集成经验模态分解将功率数据分解为若干个本征模态分量和一个残差,通过偏自相关函数确定输入维数;然后建立改进樽海鞘群算法优化最小二乘支持向量机预测模型对各个分量进行预测;最后将各分量预测结果叠加得到风电功率预测结果。仿真结果表明,所提出的模型在短期风电多步预测中精度更高。 展开更多

关键词 自适应噪声完备集成经验模态分解 樽海鞘群算法 最小二乘支持向量机 偏自相关函数 多步预测

下载PDF 职称材料

基于CEEMDAN和层次波动离散熵的滚动轴承声音信号故障检测

12

作者 姚楠 张能 +1 位作者 刘子全 李利荣 《机床与液压》 北大核心 2023年第12期195-203,共9页

声音信号在收集时具有非接触测量的优势,但容易受到周围环境噪声的干扰而导致信噪比较低,不利于特征信息的获取。为从滚动轴承声音数据中提炼出有效的特征信息,并实现故障的精准识别,提出一种基于自适应噪声完全集成经验模态分解(CEEMD... 声音信号在收集时具有非接触测量的优势,但容易受到周围环境噪声的干扰而导致信噪比较低,不利于特征信息的获取。为从滚动轴承声音数据中提炼出有效的特征信息,并实现故障的精准识别,提出一种基于自适应噪声完全集成经验模态分解(CEEMDAN)和层次波动离散熵(HFDE)的声音信号故障诊断策略。在该策略中,CEEMDAN缓解了集成经验模态分解(EEMD)的模态混淆缺陷;针对传统多尺度波动离散熵(MFDE)无法考虑时间序列的高频信息的缺陷,提出一种基于层次化处理的层次波动离散熵非线性动力学指标。将所提策略用于滚动轴承的故障识别,能够检测出不同故障状态下的声音数据。通过数值模拟和滚动轴承实验数据分析,将所提方法与CEEMDAN-MFDE、EEMD-HFDE、EEMD-MFDE、HFDE和MFDE进行对比。结果表明:所提方法达到了100%的识别准确率,多次实验的平均识别准确率也达到了99.5%,均高于对比方法,从而验证了该策略的有效性和优越性。 展开更多

关键词 滚动轴承声音信号 故障检测 自适应噪声完备集成经验模态分解 层次波动离散熵 层次处理

下载PDF 职称材料

基于ICEEMDAN-SE-TFPF的水电机组振动信号降噪方法

13

作者 李中梁 曹超凡 +3 位作者 蒋双云 于庆 王萌竹 卢娜 《水电与抽水蓄能》 2023年第5期5-10,16,共7页

针对水电机组振动信号中的背景噪声过大影响信号质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)、样... 针对水电机组振动信号中的背景噪声过大影响信号质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)、样本熵(SampEn,SE)及时频峰值滤波(Time-Frequency Peak Filtering,TFPF)重构的水电机组振动信号降噪方法。首先采用ICEEMDAN对水电机组振动信号进行分解得到若干本征模态分量(Intrinsic Mode Functions,IMFs);然后利用SE筛选主要IMF分量,并采用TFPF方法进行信号滤波重构,降低信号噪声;最后将重构后的信号输入支持向量机(Support Vector Machine,SVM)进行故障诊断,验证降噪方法的有效性;利用某电站3号机组数据进行实验,结果表明本文方法能够有效降低噪声对真实信号的影响,准确识别不同故障类型,提高诊断精度,具有一定应用价值。 展开更多

关键词 水电机组 振动信号降噪 自适应噪声完备集成经验模态分解 样本熵 时频峰值滤波

下载PDF 职称材料

基于CEEMDAN⁃KELM的锅炉对流受热面状态预测研究

14

作者 董利斌 杨程 +1 位作者 赵海晓 刘传奇 《热能动力工程》 CAS CSCD 北大核心 2023年第6期122-128,共7页

为了解决表征锅炉受热面表面健康状态的清洁因子在未来时间段内预测时呈现非平稳问题,以省煤器受热面为例,提出一种结合核极限学习机(Kernel Extreme Learning Machine,KELM)和自适应噪声完备集成经验模态分解(Complete Ensemble Empiri... 为了解决表征锅炉受热面表面健康状态的清洁因子在未来时间段内预测时呈现非平稳问题,以省煤器受热面为例,提出一种结合核极限学习机(Kernel Extreme Learning Machine,KELM)和自适应噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)的清洁因子预测方法。首先,通过CEEMDAN分解算法对省煤器表面清洁因子序列进行分解和降低复杂程度,获得各固有模态函数(Intrinsic Mode Function,IMF);其次,利用皮尔逊相关性分析确定主蒸汽流量、进出口烟温等9个参数为输入,建立核极限学习机模型对清洁因子的各IMF进行预测;最后,将各IMF预测结果相加获得最终预测结果。结果表明:与基本核极限学习机、支持向量机等预测模型相比,本文模型具有较高的预测精度和较优预测时间,可为基于受热面状态开展的锅炉智慧吹灰应用提供参考。 展开更多

关键词 受热面 清洁因子 核极限学习机 自适应噪声完备集成经验模态分解

原文传递

基于CEEMDAN多尺度模糊熵和SSA-BP神经网络的VP型垂直摆倾斜仪故障辨识 被引量：2

15

作者 庞聪 马武刚 +3 位作者 李查玮 江勇 王磊 廖成旺 《科学技术与工程》 北大核心 2022年第35期15612-15616,共5页

针对现有倾斜仪故障记录的甄别与分类主要依靠人工经验,诊断过程烦琐及诊断精度不高的问题,充分利用信号分解技术的特征升维与机器学习模型的快速自动分类等优势,提出一种结合自适应噪声完备集成经验模态分解多尺度模糊熵和麻雀搜索算法... 针对现有倾斜仪故障记录的甄别与分类主要依靠人工经验,诊断过程烦琐及诊断精度不高的问题,充分利用信号分解技术的特征升维与机器学习模型的快速自动分类等优势,提出一种结合自适应噪声完备集成经验模态分解多尺度模糊熵和麻雀搜索算法(sparrow search algorithm,SSA)优化反向传播神经网络(back propagation neural network,BPNN)的VP型宽频带垂直摆倾斜仪故障自动诊断方法。该方法首先将故障数据归一化,利用自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)信号得到本征模态函数(intrinsic mode function,IMF)的多尺度模糊熵,然后基于SSA优化BPNN的权值与阈值,得到最佳权值和阈值,最后应用SSA-BPNN模型对倾斜仪故障特征数据进行辨识。实验表明:CEEMDAN多尺度模糊熵判据具有良好的倾斜仪故障特征区分效果;SSA-BP神经网络模型在准确率和召回率上,相比BP模型分别提高4.7581、6.3216个百分点,辨识过程更稳健,弥补了VP型倾斜仪在故障智能识别领域的空白。 展开更多

关键词 倾斜仪故障识别 自适应噪声完备集成经验模态分解 麻雀搜索算法 反向传播神经网络 多尺度模糊熵

下载PDF 职称材料

基于ICEEMDAN结合MMSVC和WT的HIFU回波信号联合去噪算法 被引量：3

16

作者 赵雨洁 颜上取 +3 位作者 贺京琳 李吉祥 邹孝 钱盛友 《Journal of Measurement Science and Instrumentation》 CAS CSCD 2023年第1期35-44,共10页

高强度聚焦超声(High intensity focused ultrasound,HIFU)已广泛应用于生物医学领域,其回波信号中的噪声处理是一个非常关键的问题。为了获得更纯净、更清晰的HIFU回波信号,提出了一种基于改进的完全自适应噪声集成经验模态分解(Improv... 高强度聚焦超声(High intensity focused ultrasound,HIFU)已广泛应用于生物医学领域,其回波信号中的噪声处理是一个非常关键的问题。为了获得更纯净、更清晰的HIFU回波信号,提出了一种基于改进的完全自适应噪声集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、最小均方方差准则(Minimum mean square variance criterion,MMSVC)和小波阈值(Wavelet threshold,WT)的联合去噪方法。ICEEMDAN将信号分解为有限个本征模态函数(Intrinsic mode functions,IMF),从而避免杂散模态,减少模态中所含的噪声。MMSVC用于识别被ICEEMDAN分解得到的所有IMF,并将这些IMF分为两部分,高频IMF部分通过WT进行去噪,之后与低频IMF分量重构得到最终去噪信号。在仿真信号的实验中,与其他方法相比,本文所描述的基于ICEEMDAN-MMSVC-WT的降噪方法最大限度地保留了有用信号,大量去除了噪声成分,因而具有更好的去噪效果和应用价值。 展开更多

关键词 高强度聚焦超声 回波信号 改进的完全自适应噪声集成经验模态分解 最小均方方差准则 小波阈值

下载PDF 职称材料

基于ICEEMDAN和EMDE的滚动轴承故障诊断

17

作者 陈继祥 周想凌 +1 位作者 程振华 牟宪民 《中国工程机械学报》 北大核心 2024年第1期107-112,117,共7页

针对滚动轴承振动信号的非线性和非平稳特点,开发基于改进自适应噪声完备集成经验模态分解(ICEEMDAN)和增强多尺度分布熵的故障识别模型。首先,利用ICEEMDAN分解滚动轴承振动信号,得到1组内禀模态函数(IMF),根据相关系数筛选出其中反映... 针对滚动轴承振动信号的非线性和非平稳特点,开发基于改进自适应噪声完备集成经验模态分解(ICEEMDAN)和增强多尺度分布熵的故障识别模型。首先,利用ICEEMDAN分解滚动轴承振动信号,得到1组内禀模态函数(IMF),根据相关系数筛选出其中反映故障状态关键特征的IMF分量;然后,利用增强多尺度分布熵对各敏感IMF分量进行复杂性评估,得到滚动轴承的故障特征向量;最后,为识别滚动轴承的不同故障类型,使用支持向量机作为故障识别分类器。实验结果表明:所提故障诊断方法具有可观的故障识别精度和稳定性,相比于其他故障诊断方法,该方法具有明显的优势。 展开更多

关键词 自适应噪声完备集成经验模态分解(ICEEMDAN) 增强多尺度分布熵 滚动轴承 故障诊断

下载PDF 职称材料

基于ICEEMDAN和IMWPE-LDA-BOA-SVM的齿轮箱损伤识别模型 被引量：2

18

作者 王洪 张锐丽 吴凯 《机电工程》 CAS 北大核心 2023年第11期1709-1717,共9页

针对齿轮箱振动信号中的背景噪声过大影响故障特征质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(ICEEMDAN)、改进多尺度加权排列熵(IMWPE)、利用线性判别分析(LDA)、蝴蝶优化算法(BOA)优化支... 针对齿轮箱振动信号中的背景噪声过大影响故障特征质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(ICEEMDAN)、改进多尺度加权排列熵(IMWPE)、利用线性判别分析(LDA)、蝴蝶优化算法(BOA)优化支持向量机(SVM)的齿轮箱故障诊断方法(ICEEMDAN-IMWPE-LDA-BOA-SVM)。首先,采用ICEEMDAN对齿轮箱振动信号进行了分解,生成了一系列从低频到高频分布的本征模态函数分量;接着,基于相关系数筛选出包含主要故障信息的本征模态函数分量,进行了信号重构,降低了信号的噪声;随后,提出了改进多尺度加权排列熵的非线性动力学指标,并利用其提取了重构信号的故障特征,以构建反映齿轮箱故障特性的故障特征;然后,利用线性判别分析(LDA)对原始故障特征进行了压缩,以构建低维的故障特征向量;最后,采用蝴蝶优化算法(BOA)对支持向量机(SVM)的惩罚系数和核函数参数进行了优化,以构建参数最优的故障分类器,对齿轮箱的故障进行了识别;基于齿轮箱复合故障数据集对ICEEMDAN-IMWPE-BOA-SVM方法进行了实验和对比分析。研究结果表明:该方法能够较为准确地识别齿轮箱的不同故障类型,准确率达到了99.33%,诊断时间只需5.31 s,在多个方面都优于其他对比方法,在齿轮箱的故障诊断中更具有应用潜力。 展开更多

关键词 故障特征提取 信号分解及信号重构 特征降维 改进自适应噪声完备集成经验模态分解 改进多尺度加权排列熵 线性判别分析 蝴蝶优化算法 支持向量机

下载PDF 职称材料

基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法

19

作者 许浩飞 潘存治 《国防交通工程与技术》 2024年第1期33-37,96,共6页

针对滚动轴承故障状态难以准确且快速的识别,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)-多尺度排列熵(Multi-Scale Permutation... 针对滚动轴承故障状态难以准确且快速的识别,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)-多尺度排列熵(Multi-Scale Permutation Entropy,MPE)和灰狼算法优化支持向量机(Grey Wolf Optimization Algorithm-Support Vector Machine,GWO-SVM)结合的故障诊断方法。首先将轴承信号进行ICEEMDAN分解,然后选取其中相关性较大的IMF(Intrinsic Mode Function)分量计算多尺度排列熵构成特征集合,最后通过GWO-SVM算法进行故障状态识别。通过滚动轴承数据集和不同算法的对比实验,验证了ICEEMDAN-MPE-GWO-SVM方法的有效性,表明该方法可以准确且快速的诊断滚动轴承的故障情况。 展开更多

关键词 滚动轴承 改进自适应噪声完备集成经验模态分解(ICEEMDAN) 多尺度排列熵(MPE) 支持向量机(SVM) 灰狼算法(GWO) 故障诊断

下载PDF 职称材料

基于ICEEMDAN-MPE-RF和SVM的齿轮箱特征提取与故障诊断 被引量：2

20

作者 丁晓锋 张宇华 《机车电传动》 北大核心 2023年第1期42-50,共9页

针对齿轮箱非平稳振动信号特征提取难、特征向量冗余度高和故障识别率低的问题,提出基于改进的自适应噪声完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、多尺度排列熵... 针对齿轮箱非平稳振动信号特征提取难、特征向量冗余度高和故障识别率低的问题,提出基于改进的自适应噪声完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、多尺度排列熵(Multi-scale permutation entropy,MPE)、随机森林(Random forest,RF)特征重要性排序和支持向量机(Support vector machine,SVM)的齿轮箱特征提取与故障诊断方法。首先,通过ICEEMDAN将各种故障状态的齿轮振动信号分解为一系列不同频率分布的本征模态分量(Intrinsic mode functions,IMF);然后,计算各阶IMF的MPE值获得非平稳信号时频分布下的非线性动力学特征;最后,通过RF算法评估特征重要性,选择高重要性敏感特征组成最优特征子集输入SVM进行故障模式识别。试验结果表明,该方法特征提取和表征能力强,在不同工况下的平均识别率可达99.79%,在多工况和小样本数据集上比其他方法更具稳健性。 展开更多

关键词 齿轮箱 改进的自适应噪声完备集成经验模态分解 多尺度排列熵 随机森林 支持向量机 特征提取 故障诊断

下载PDF 职称材料