期刊文献+
共找到49篇文章
< 1 2 3 >
每页显示 20 50 100
基于VMD和排列熵的水轮机压力脉动信号去噪算法 被引量:31
1
作者 于晓东 潘罗平 安学利 《水力发电学报》 EI CSCD 北大核心 2017年第8期78-85,共8页
水轮机尾水管压力脉动信号十分复杂,在水电机组故障诊断中表现出强烈的不平稳性。基于此本文提出结合可变模态分解(Variational Mode Decomposition,VMD)和排列熵(Permutation Entropy,PE)的水轮机压力脉动信号去噪新方法。该方法首先... 水轮机尾水管压力脉动信号十分复杂,在水电机组故障诊断中表现出强烈的不平稳性。基于此本文提出结合可变模态分解(Variational Mode Decomposition,VMD)和排列熵(Permutation Entropy,PE)的水轮机压力脉动信号去噪新方法。该方法首先将压力脉动信号进行VMD分解,获取若干BIMF分量,求取各模态分量的排列熵,利用排列熵对信号随机性的敏感特性,对压力脉动信号筛选并重构,完成对信号的去噪。对比仿真和实例结果分析,该方法优于目前的EEMD滤波算法,能有效去除噪声,具有良好的去噪效果,为水电机组故障特征提取提供了新思路。 展开更多
关键词 水电机组 压力脉动信号 可变模式分解 排列熵 去噪
原文传递
基于变量选择和EMD-LSTM网络的出口SO_(2)浓度预测 被引量:29
2
作者 金秀章 刘岳 +2 位作者 于静 王建峰 郄英杰 《中国电机工程学报》 EI CSCD 北大核心 2021年第24期8475-8483,共9页
针对燃煤电厂脱硫系统出口SO_(2)浓度难以稳定控制的问题,该文提出一种基于变量选择和经验模态分解(empirical mode decomposition,EMD)–长短期记忆网络(long short-term memory,LSTM)的预测模型。首先,通过机理分析确定与出口SO_(2)... 针对燃煤电厂脱硫系统出口SO_(2)浓度难以稳定控制的问题,该文提出一种基于变量选择和经验模态分解(empirical mode decomposition,EMD)–长短期记忆网络(long short-term memory,LSTM)的预测模型。首先,通过机理分析确定与出口SO_(2)有关的相关变量,利用套索(least absolute shrinkage and selection operator,LASSO)算法去除冗余变量。利用互信息确定各输入变量与输出变量之间的时间延迟,并进行时延补偿。对补偿后的数据通过EMD算法进行分解,并作为最终的输入变量。利用LSTM建立出口SO_(2)浓度的预测模型。仿真实验表明,LASSO算法去除了冗余变量,提高了模型泛化能力;EMD分解能够提取数据中的有效信息,降低了模型预测误差;利用LSTM建立的模型其预测精度最高,能够准确预测出口SO_(2)浓度变化。所得结果对实现脱硫系统稳定运行具有重要意义。 展开更多
关键词 变量选择 长短期记忆网络 经验模态分解 互信息 预测模型
下载PDF
时频域变分模态分解地震资料去噪方法 被引量:15
3
作者 胡瑞卿 何俊杰 +3 位作者 李华飞 张晓莉 裴家定 刘亿伟 《石油地球物理勘探》 EI CSCD 北大核心 2021年第2期257-264,I0008,共9页
强噪声干扰、信噪比过低是造成深层地震资料成像不佳的主要因素。为此,提出在时频域内将变分模态分解算法应用于分频地震资料的噪声压制处理的新思路。首先,通过希尔伯特-黄变换(HHT)构建地震数据的解析信号,将地震数据转换到时频域,在... 强噪声干扰、信噪比过低是造成深层地震资料成像不佳的主要因素。为此,提出在时频域内将变分模态分解算法应用于分频地震资料的噪声压制处理的新思路。首先,通过希尔伯特-黄变换(HHT)构建地震数据的解析信号,将地震数据转换到时频域,在时频域进行分频变分模态分解;随后,分析有效信号与噪声在时频切片上的能量分布,在此基础上优选出有效信号模态分量重构时频切片;最后反变换回时空域,达到噪声压制的目的。应用模型数据分析了关键参数对去噪效果的影响;实际资料的应用结果表明该算法可有效压制较强的随机背景噪声,同时对陡倾角的线性干扰也有明显的压制作用。 展开更多
关键词 变分模态分解 时频分析 噪声压制
下载PDF
基于VMD和QPSO-SR的风电机组轴承故障提取方法 被引量:13
4
作者 谷晓娇 陈长征 《太阳能学报》 EI CAS CSCD 北大核心 2019年第10期2946-2952,共7页
提出一种基于量子粒子群优化算法的自适应随机共振(quantum particle swarm optimization stochastic resonance,QPSO-SR)降噪和变分模态分解(variational mode decomposition,VMD)的风电机组轴承故障提取方法。首先根据原始故障振动信... 提出一种基于量子粒子群优化算法的自适应随机共振(quantum particle swarm optimization stochastic resonance,QPSO-SR)降噪和变分模态分解(variational mode decomposition,VMD)的风电机组轴承故障提取方法。首先根据原始故障振动信号特征采用量子粒子群优化算法自适应地进行随机共振参数优化;其次以信噪比最优的参数值对原始信号进行随机共振降噪处理,削弱噪声干扰和冲击成分对结果的影响并增强故障信号幅值;再用VMD法分解降噪处理后的信号,实现故障信号的提取。仿真分析和实验分析表明,该方法提高了VMD在噪声背景下的计算精度,实现风电机组滚动轴承故障的精确诊断。 展开更多
关键词 滚动轴承 风电机组 故障诊断 变分模态分解 随机共振
下载PDF
基于变分模态分解和改进模糊支持向量机的汽轮机故障诊断方法 被引量:10
5
作者 张栋良 黄昕宇 李帅位 《济南大学学报(自然科学版)》 CAS 北大核心 2019年第2期142-149,共8页
针对现有方法在汽轮机故障诊断中存在影响诊断结果的样本、诊断准确率不高等缺陷,提出了基于变分模态分解(VMD)和改进的模糊支持向量机(FSVM)相结合的故障诊断模型;采用VMD对信号进行分解,并计算出各模态分量的样本熵值作为特征值,构造... 针对现有方法在汽轮机故障诊断中存在影响诊断结果的样本、诊断准确率不高等缺陷,提出了基于变分模态分解(VMD)和改进的模糊支持向量机(FSVM)相结合的故障诊断模型;采用VMD对信号进行分解,并计算出各模态分量的样本熵值作为特征值,构造特征向量;通过核模糊C均值(KFCM)聚类算法计算出不同特征向量的模糊隶属度值,并将其引入支持向量机(SVM)中形成FSVM故障诊断识别模型,同时采用粒子群算法(PSO)优化FSVM中的参数;通过本特利RK4型转子试验台模拟汽轮机故障,将得到的数据输入诊断模型中进行实验。结果表明,在保证诊断模型性能的前提下,与传统SVM相比,基于VMD和改进的FSVM方法可以有效提高汽轮机故障诊断的准确率,而且诊断时间更短。 展开更多
关键词 变分模态分解 模糊支持向量机 故障诊断
下载PDF
气体管道运行状态特征提取与状态识别 被引量:9
6
作者 阚玲玲 叶蕾 +2 位作者 高丙坤 梁洪卫 路敬祎 《压力容器》 北大核心 2021年第2期14-21,共8页
研究了气体管道各种运行状态下的声波信号特征参数,通过仿真分析验证可变模态分解(VMD)后前两个分量的中心频率IMF1和IMF2,以及经VMD-Wavelet处理后重构信号的云模型特征熵En和重心频率FC可以作为气体管道运行状态识别的特征参数;研究... 研究了气体管道各种运行状态下的声波信号特征参数,通过仿真分析验证可变模态分解(VMD)后前两个分量的中心频率IMF1和IMF2,以及经VMD-Wavelet处理后重构信号的云模型特征熵En和重心频率FC可以作为气体管道运行状态识别的特征参数;研究了反向传播神经网络,提出VMD-En-BP模型,通过测试分析发现,该模型能够准确识别气体管道的正常运行、敲击、渗漏、小泄漏和大泄漏等五种运行状态。 展开更多
关键词 气体管道泄漏检测 可变模态分解 特征提取 运行状态识别
下载PDF
一种基于VMD和小波去噪的管道泄漏检测算法 被引量:7
7
作者 潘凌云 赵岩 高丙坤 《自动化技术与应用》 2017年第9期1-5,共5页
为了更好地消除混杂在管道泄漏信号中的噪声,提出了一种基于VMD和小波去噪的管道泄漏检测算法。首先对信号中的噪声进行小波变换预处理。接着把经过小波变换处理后的高频成分与低频成分进行叠加得到重构信号,即完成信号去噪。然后将去... 为了更好地消除混杂在管道泄漏信号中的噪声,提出了一种基于VMD和小波去噪的管道泄漏检测算法。首先对信号中的噪声进行小波变换预处理。接着把经过小波变换处理后的高频成分与低频成分进行叠加得到重构信号,即完成信号去噪。然后将去噪信号进行可变模态分解(VMD)得到所有IMF分量。最后,通过相关系数准则判断有效IMF分量,将有效分量重构,通过计算信噪比和均方误差来验证该方法的有效性。本文将这种算法应用于实际天然气管道泄漏信号的检测分析中,实验结果表明,该算法同时结合小波与VMD的优点,能更好的消除噪声,最大限度的保留有用信号,并提高信号的信噪比。 展开更多
关键词 管道泄漏信号 小波变换 可变模态分解 信号去噪 相关系数
下载PDF
基于改进阶次分析与自适应VMD的变转速齿轮箱故障诊断研究 被引量:6
8
作者 冯刚 刘桐桐 崔玲丽 《机械传动》 北大核心 2021年第1期34-39,84,共7页
变转速齿轮箱由于工况复杂导致转频不稳定,齿轮箱的微弱故障信号可能会被掩盖在强噪声中,不能直接应用传统的时频分析方法,为故障特征的提取增加一定的难度。针对变转速信号的处理,传统的计算阶次分析方式(COT)很好地解决了变转速齿轮... 变转速齿轮箱由于工况复杂导致转频不稳定,齿轮箱的微弱故障信号可能会被掩盖在强噪声中,不能直接应用传统的时频分析方法,为故障特征的提取增加一定的难度。针对变转速信号的处理,传统的计算阶次分析方式(COT)很好地解决了变转速齿轮箱的故障特征难以提取出来的问题,但由于传统COT中所使用的重采样方法是基于样条插值法的,无法根据转频选取转频,导致重采样间隔并不均匀;提出了改进的阶次分析方法,根据采样的各点角速度依次进行重采样,提高了阶次分析的精度。同时,变转速齿轮箱因动力传递复杂,导致变转速齿轮箱噪声更加严重。变分模态分解(VMD)常被被用来去除复杂信号噪声,提取被掩盖在强噪声中的微弱故障信号。提出了自适应VMD使用能量法,确定分解层数后对分量进行指标化选取,使去噪的效果得到进一步提升。通过对实验信号分析,使用此方法进行验证。结果表明,此方法能有效转换变转速齿轮箱信号为阶次信号并对故障进行识别。 展开更多
关键词 变转速齿轮箱 阶次分析 变分模态分解 自适应分解
下载PDF
遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法 被引量:2
9
作者 沈鑫玉 陈涛 +2 位作者 郭良浩 刘建军 陈艳丽 《应用声学》 CSCD 北大核心 2024年第1期1-11,共11页
特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声... 特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声原时域信号,获得抑制噪声后的舰船噪声重构信号,进而有效提取了舰船目标噪声幅度调制特征线谱。该方法首先采用遗传算法优化变分模态分解的两个关键输入参数(分解所取模态个数和惩罚因子),对变分模态分解得到的各阶固有模态分量加以判别,去除噪声主导分量,保留信号主导分量,使重构舰船噪声信号显著抑制了干扰噪声,然后对降噪后的重构信号进行频谱分析,获得目标噪声调制特征线谱。理论分析、仿真和实验数据处理结果表明,相比传统DEMON谱分析法,基于遗传算法优化变分模态分解的舰船噪声特征线谱提取方法具有更好的噪声抑制能力,所获取的舰船噪声幅度调制特征线谱信噪比明显高于传统DEMON方法,具有一定优势,前景良好。 展开更多
关键词 舰船辐射噪声 遗传算法 变分模态分解 特征线谱提取
下载PDF
改进灰狼算法的核极限学习机的风功率预测 被引量:6
10
作者 朱昶胜 赵奎鹏 《计算机应用与软件》 北大核心 2022年第5期291-298,共8页
针对风能的波动性、非平稳性导致风电功率预测精度不高的问题,研究并提出一种基于可变模式分解(VMD)技术和改进灰狼算法(DIGWO)优化核极限学习机(KELM)的短期风电功率预测模型。将功率信号进行分解得到若干个不同带宽的模式分量,对各个... 针对风能的波动性、非平稳性导致风电功率预测精度不高的问题,研究并提出一种基于可变模式分解(VMD)技术和改进灰狼算法(DIGWO)优化核极限学习机(KELM)的短期风电功率预测模型。将功率信号进行分解得到若干个不同带宽的模式分量,对各个模式分量建立核极限学习机预测模型。为提高核极限学习机的寻优能力,采用改进的灰狼算法对核极限学习机的参数进行优化,得到各个模式分量的预测值,将分量预测值进行叠加后得到风电功率最终预测。采用实际风电功率数据进行实验仿真,实验结果表明,该模型的RMSE和MAE分别是1.5%和1.16%,相比其他模型提高了风电功率预测精度。 展开更多
关键词 风电功率预测 可变模态分解 灰狼算法 核极限学习机 预测精度
下载PDF
基于两阶段粒子群优化算法的新型逐步分解集成径流预测模型 被引量:4
11
作者 郭田丽 宋松柏 +1 位作者 张特 王慧敏 《水利学报》 EI CSCD 北大核心 2022年第12期1456-1466,共11页
传统分解集成径流预测模型首先将整个径流序列分解成若干个子序列,再将这些子序列划分为训练期和验证期进行建模,错误地将验证期内预报因子数据视作已知数据处理,难以应用于实际径流预报工作中。并且,这类模型的预测结果仅为一个确定数... 传统分解集成径流预测模型首先将整个径流序列分解成若干个子序列,再将这些子序列划分为训练期和验证期进行建模,错误地将验证期内预报因子数据视作已知数据处理,难以应用于实际径流预报工作中。并且,这类模型的预测结果仅为一个确定数值,难以描述由于径流序列随机性和波动性而导致的预测不确定性。为解决以上问题,本文结合变分模态分解方法、支持向量机模型和核密度估计方法,提出了一种可同时进行点预测和区间预测的新型逐步分解集成(VMD-SVM-KDE)模型,并提出了一种两阶段粒子群优化(TSCPSO)算法来优化模型参数。选用黄河流域月径流数据评估模型性能,研究结果表明:(1)VMD-SVM-KDE模型将单一SVM-KDE模型的确定系数(R 2)和纳什效率系数(NSE)值由0.145~0.630提升至0.872~0.921,区间平均偏差(INAD)值由0.046~95.844降低至0.005~0.034,说明VMD-SVM-KDE模型显著改进了单一SVM-KDE模型的点预测和区间预测性能;(2)相较于一阶段PSO算法,TSCPSO优化算法将单一模型的R 2和NSE值由0.145~0.480提升至0.309~0.630,INAD值由48.813~95.844降低至0.046~0.195,将分解集成模型的R 2和NSE值由0.872~0.912提升至0.876~0.921,INAD值由0.007~0.034降低至0.005~0.014,说明TSCPSO优化算法可以克服SVM的过拟合问题,并能提高单一模型和分解集成模型的预测精度;(3)VMD-SVM-KDE-TSCPSO有效解决了传统分解集成预测模型存在的错误使用验证期内预报因子数据的问题,并在各站的R 2和NSE值均约为0.9,INAD值的范围为0.005~0.014,具有更高的点预测和区间预测精度。文中模型可为优化径流预测模型和非平稳非线性水文序列预报提供新思路。 展开更多
关键词 径流预测 区间预测 分解集成模型 两阶段粒子群优化算法 变分模态分解 支持向量机
下载PDF
基于变分模态分解的延时识别法在短延时微差爆破中的应用 被引量:4
12
作者 贾贝 凌天龙 +1 位作者 侯仕军 刘殿书 《北京理工大学学报》 EI CAS CSCD 北大核心 2021年第4期341-348,共8页
短延时微差起爆时间的精确识别,对复杂环境下隧道爆破优化设计和减振控制具有重要意义.针对经验模态分解(empirical mode decomposition,EMD)识别方法和希尔伯特-黄变换(Hilbert-Huang transform)识别方法存在的模态混叠和识别精度低的... 短延时微差起爆时间的精确识别,对复杂环境下隧道爆破优化设计和减振控制具有重要意义.针对经验模态分解(empirical mode decomposition,EMD)识别方法和希尔伯特-黄变换(Hilbert-Huang transform)识别方法存在的模态混叠和识别精度低的缺陷,提出了基于变分模态分解(variational mode decomposition,VMD)的延迟识别方法.分别采用VMD识别法、HHT识别法和EMD识别法对八达岭长城站爆破实测振动信号进行处理.结果表明:在短延时爆破识别中,HHT法的识别结果波峰杂乱,无法精确找到起爆时间;VMD法和EMD法的识别率随着雷管延时的增加而增加;延时低于20 ms时,EMD法的识别率约为VMD法的3/4,延时高于20 ms时,两种方法识别率都在80%以上,以上结果表明VMD法在短延时爆破的优化设计中具有一定的参考价值. 展开更多
关键词 隧道工程 爆破振动 变模态分解 短延时微差识别
下载PDF
基于VMD方法的混凝土缺陷超声成像噪声处理研究
13
作者 庄政 任宏伟 +2 位作者 田博文 郑元成 路乾 《计算机测量与控制》 2024年第3期247-252,共6页
时间反演多信号分类(TR-MUSIC)算法进行混凝土结构缺陷超声成像,能够在激励超声频率不改变,保证探测深度的情况下,打破衍射限制,实现超分辨率成像;但此方法的缺点是极易受到噪声的干扰,在成像划分信号子空间与噪声子空间过程,产生附加... 时间反演多信号分类(TR-MUSIC)算法进行混凝土结构缺陷超声成像,能够在激励超声频率不改变,保证探测深度的情况下,打破衍射限制,实现超分辨率成像;但此方法的缺点是极易受到噪声的干扰,在成像划分信号子空间与噪声子空间过程,产生附加奇异值,影响超声成像的精度和准确性;为进一步提高TR-MUSIC超声成像的质量和稳定性,抑制噪声对成像的干扰,提出一种基于变模态分解(VMD)的噪声处理方式,该方法首先对VMD分解后的变模态分量采用能量熵和重心熵结合的方式来确定信号频谱形态发散和能量分布不均的噪声分量,对噪声分量采用小波阈值降噪方法处理,然后将降噪后的噪声分量和其他分量进行最小二乘平滑滤波并重构;改善后的信号进行反演成像,提高了信号子空间和噪声子空间对应奇异值大小的区分度,再通过设定阈值方式进行划分,提高了成像分辨率,抑制了由噪声引起的伪像问题。 展开更多
关键词 超声成像 变模态分解 混凝土 降噪 奇异值 重心熵 能量熵
下载PDF
基于VMD-GWO-SVR的短期电力负荷预测方法
14
作者 张异殊 李宜伦 +1 位作者 姚志远 陈蕾宇 《东北电力技术》 2024年第7期27-31,37,共6页
短期电力负荷预测对电力系统的安全稳定运行和电力市场交易具有重要作用,提出了一种基于“分解与重构”框架的短期电力负荷预测方法。首先,通过变分模态分解(variable mode decomposition,VMD)将负荷序列分解为5个分量,建立了5个分量的... 短期电力负荷预测对电力系统的安全稳定运行和电力市场交易具有重要作用,提出了一种基于“分解与重构”框架的短期电力负荷预测方法。首先,通过变分模态分解(variable mode decomposition,VMD)将负荷序列分解为5个分量,建立了5个分量的支持向量回归(support vector regression,SVR)预测模型;其次,对电力负荷分量进行预测,并采用灰狼优化(grey wolf optimization,GWO)算法对SVR的参数进行优化;最后,将5个分量的预测值进行叠加,得到最终的电力负荷预测结果。将该方法与无模态分解的SVR方法及其他预测方法进行对比,该方法的3个评价指标均为最优,表明该方法在短期电力负荷预测中具有良好的应用前景。 展开更多
关键词 变分模态分解 灰狼算法 支持向量机 电力负荷预测
下载PDF
基于变模式分解方法的电梯机房噪声分析实验研究
15
作者 杨治飞 朱岩岩 徐勇涛 《中国特种设备安全》 2024年第4期15-19,共5页
本文针对电梯噪声来源识别困难,提出了运用变模式分解方法,找出产生噪声的主要运动部件的方法。在文中实验分析部分,主要针对电梯的旋转运动部件如曳引轮、反绳轮、限速器运动频率的不同,将信号采集卡收集的噪声信号进行变模式分解,把... 本文针对电梯噪声来源识别困难,提出了运用变模式分解方法,找出产生噪声的主要运动部件的方法。在文中实验分析部分,主要针对电梯的旋转运动部件如曳引轮、反绳轮、限速器运动频率的不同,将信号采集卡收集的噪声信号进行变模式分解,把复杂的噪声信号分解为多个单一的噪声分信号,再将分信号进行频域分析,最后将分量信号频域图谱与实验所用电梯的运动部件的相关转动频率进行比对,找出频率相近且振幅较大的噪声分信号,那么此幅值大的信号即是噪声的主要来源,从而指导电梯维修人员准确地找到电梯噪声的主要来源部件。 展开更多
关键词 噪声 电梯 变模式分解 信号分析
下载PDF
一种WTMSST结合自适应参数VMD的滚动轴承故障诊断
16
作者 施天惠 黄民 《重庆理工大学学报(自然科学)》 CAS 北大核心 2024年第5期286-294,共9页
针对现有轴承故障诊断中常用的时频分析方法存在变换系数在时频平面上分布相对离散,时频谱能量模糊等共性问题,提出了一种基于小波变换的时间重分配多同步压缩变换(WTMSST)结合经蜣螂算法(DBO)优化变分模态分解(VMD)的滚动轴承故障诊断... 针对现有轴承故障诊断中常用的时频分析方法存在变换系数在时频平面上分布相对离散,时频谱能量模糊等共性问题,提出了一种基于小波变换的时间重分配多同步压缩变换(WTMSST)结合经蜣螂算法(DBO)优化变分模态分解(VMD)的滚动轴承故障诊断方法。该方法采用了一种根据重分配同步压缩变换(WTSST)优化的WTMSST算法,通过固定点迭代减少了在强频率变化下的群延迟,然后通过以最小包络熵为适应度的DBO算法优化VMD输入参数,根据峭度重构信号后,运用WTMSST进行故障特征提取。采用凯斯西储大学的数据集进行测试,验证该法准确描述了信号的冲击特征,并证明其较过往处理方式具有更好的性能。 展开更多
关键词 故障诊断 时间重分配同步压缩变换 固定点迭代 变分模态分解 蜣螂算法
下载PDF
基于变模式分解和频谱特性的自适应降噪算法 被引量:4
17
作者 陆振宇 赵为汉 +1 位作者 何珏杉 李凯 《现代电子技术》 北大核心 2016年第16期1-5,9,共6页
机械故障检测过程中,由于反映机械故障的振动信号微弱,很容易被外界噪声干扰信号污染,从而影响机械故障诊断。为提取纯净振动信号,传统EEMD滤波算法虽具有较强的降噪能力,但由于EEMD算法存在缺乏严谨理论基础、运算效率低、容易造成有... 机械故障检测过程中,由于反映机械故障的振动信号微弱,很容易被外界噪声干扰信号污染,从而影响机械故障诊断。为提取纯净振动信号,传统EEMD滤波算法虽具有较强的降噪能力,但由于EEMD算法存在缺乏严谨理论基础、运算效率低、容易造成有用信号丢失等缺点,致使降噪效果不理想。为解决以上问题,提出一种基于变模式分解和频谱特性的自适应降噪算法。基于变模式分解优点,通过分析有用信号模态与噪声模态频谱特性,提取有用信号模态从而实现降噪。通过仿真信号与实测信号分析表明,新算法降噪效果优于传统EEMD滤波算法。 展开更多
关键词 振动信号 降噪算法 变模式分解 频谱方差 轴承故障
下载PDF
多级齿轮传动裂纹故障频率分析与特征提取 被引量:3
18
作者 申勇 章翔峰 +4 位作者 周建星 姜宏 王成龙 乔帅 马铜伟 《振动.测试与诊断》 EI CSCD 北大核心 2022年第2期328-334,410,共8页
为分析含裂纹的多级齿轮传动系统故障特征,判析其故障成分,首先,通过有限元法建立了裂纹故障下的直齿圆柱齿轮三维接触模型,计算了齿轮啮合时变刚度;其次,综合考虑了轴承支撑刚度以及传动轴柔性,建立了含齿轮裂纹的二级齿轮传动系统有... 为分析含裂纹的多级齿轮传动系统故障特征,判析其故障成分,首先,通过有限元法建立了裂纹故障下的直齿圆柱齿轮三维接触模型,计算了齿轮啮合时变刚度;其次,综合考虑了轴承支撑刚度以及传动轴柔性,建立了含齿轮裂纹的二级齿轮传动系统有限元动力学模型,依此求解了不同裂纹位置的振动响应;最后,针对试验信号信噪比不理想、能量分布不均匀等问题采用变分模态分解(variational mode decomposition,简称VMD)结合快速峭度图(fast spectral kurtosis,简称FSK)对故障成分进行提取,分析了裂纹位置与故障频率的相关性。结果表明:由于裂纹的存在,系统振动响应在时域历程中出现周期性冲击,且频域中表现为在该级齿轮副啮合频率及其倍频附近出现边频调制,其边频谱线间隔为故障齿所在轴的转频;VMD-FSK法在噪声环境下可有效提取其故障特征且鲁棒性较好。分析结果可为齿轮故障判别及定位提供理论依据。 展开更多
关键词 齿轮裂纹 时变啮合刚度 振动特性 分模态分解 快速谱峭度法
下载PDF
变量预测模型在齿轮故障诊断中的应用 被引量:3
19
作者 程军圣 郑近德 杨宇 《振动.测试与诊断》 EI CSCD 北大核心 2013年第S1期111-114,223,共5页
将基于变量预测模型的模式识别(variable predictive model based class discriminate,简称VPMCD)方法、经验模态分解(empirical mode decomposition,简称EMD)方法和奇异值分解(singular value decomposition,简称SVD)相结合,提出了一... 将基于变量预测模型的模式识别(variable predictive model based class discriminate,简称VPMCD)方法、经验模态分解(empirical mode decomposition,简称EMD)方法和奇异值分解(singular value decomposition,简称SVD)相结合,提出了一种基于EMD,SVD和VPMCD的齿轮故障的诊断方法。首先,对齿轮振动信号进行EMD分解,得到若干个IMF(intrinsic mode function,简称IMF)分量;其次,将包含齿轮主要故障信息的前几个IMF分量组成特征向量矩阵,并对其进行SVD分解;最后,将奇异值作为特征向量建立VPMCD多故障分类器,以此来区分齿轮的工作状态和故障类型。将提出的方法应用于齿轮实验数据,分析结果表明,该方法能够实现齿轮故障类型的分类和诊断,是一种有效可行的齿轮故障诊断方法。 展开更多
关键词 变量预测模型 经验模态分解 奇异值 齿轮 故障诊断
下载PDF
基于VMD-AHA-LSTM的短期电力负荷预测 被引量:2
20
作者 穆昱壮 车浩然 +1 位作者 夏伟峰 张家豪 《沈阳工程学院学报(自然科学版)》 2023年第4期46-50,共5页
为了更好地提取负荷序列特征,降低噪声干扰,提高短期电力负荷预测精度,提出了一种由变分模态分解(VMD)、人工蜂鸟算法(AHA)与长短期记忆网络(LSTM)相结合的预测方法。首先通过VMD将负荷数据分解为多个平稳的子序列,然后采用AHA对LSTM超... 为了更好地提取负荷序列特征,降低噪声干扰,提高短期电力负荷预测精度,提出了一种由变分模态分解(VMD)、人工蜂鸟算法(AHA)与长短期记忆网络(LSTM)相结合的预测方法。首先通过VMD将负荷数据分解为多个平稳的子序列,然后采用AHA对LSTM超参数进行寻优,将各个序列分别送入到优化后的模型中进行预测,最后对各序列进行重组,得到预测结果。通过我国南方某巿真实数据仿真可知:相较于BP等传统模型,VMD-AHA-LSTM模型的预测效果更好。 展开更多
关键词 负荷预测 变分模态分解 人工蜂鸟算法 长短期记忆网络
下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部