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346篇文章
< 1 2 … 18 >
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：
一种基于样本熵的轴承故障诊断方法 被引量：130
1
作者 赵志宏 杨绍普 《振动与冲击》 EI CSCD 北大核心 2012年第6期136-140,154,共6页
运用非线性动力学参数样本熵作为特征,对轴承正常、内圈故障、滚动体故障、外圈故障四种工况的振动信号进行分析识别。针对利用原始振动信号的样本熵只能在一个尺度域进行分析,无法准确区分轴承运行状况的问题,提出一种基于集成经验模... 运用非线性动力学参数样本熵作为特征,对轴承正常、内圈故障、滚动体故障、外圈故障四种工况的振动信号进行分析识别。针对利用原始振动信号的样本熵只能在一个尺度域进行分析,无法准确区分轴承运行状况的问题,提出一种基于集成经验模式分解与样本熵的轴承故障诊断方法。首先利用集成经验模式分解方法将原始振动信号分解为有限个内蕴模式分量,从中选取包含故障主要信息的前几个内蕴模式分量的样本熵作为特征,然后利用支持向量机进行轴承故障诊断,这样可以在多个尺度对轴承信号进行分析,提高了轴承故障诊断的准确率。通过轴承故障实测信号的诊断实验,证明了该方法的可行性和有效性。 展开更多
关键词 故障诊断 集成经验模式分解 样本熵
下载PDF
基于EEMD的谐波检测方法 被引量：96
2
作者 朱宁辉 白晓民 董伟杰 《中国电机工程学报》 EI CSCD 北大核心 2013年第7期92-98,14,共7页
针对谐波检测问题,比较几种常用谐波检测方法,总结出各自的适用条件。结合经验模态分解理论和总体平均经验模态分解(empirical mode decomposition,EEMD)算法,提出基于EEMD的谐波检测方法。给出离线谐波检测的具体过程,并在此基础上,首... 针对谐波检测问题,比较几种常用谐波检测方法,总结出各自的适用条件。结合经验模态分解理论和总体平均经验模态分解(empirical mode decomposition,EEMD)算法,提出基于EEMD的谐波检测方法。给出离线谐波检测的具体过程,并在此基础上,首先构造当前时刻采样值始终处于中心位置的向量,然后计算总体谐波分量的在线检测方法。另外,可以通过修改EEMD算法中的频率计算条件实现对特定次数谐波分量的检测。为验证该方法的检测效果,将EEMD算法与瞬时无功功率方法(ip iq)分别应用于仿真和实测数据。检测结果表明,所提方法不但在检测稳态信号时具有很好的精度,而且在检测波动信号时也具有较好的动态特性。 展开更多
关键词 经验模态分解 总体平均经验模态分解 谐波检测 基波提取 在线算法
下载PDF
基于聚类经验模态分解和最小二乘支持向量机的短期风速组合预测 被引量：90
3
作者 王贺 胡志坚 +3 位作者 张翌晖 李晨 杨楠 王战胜 《电工技术学报》 EI CSCD 北大核心 2014年第4期237-245,共9页
从分析风速序列的非线性和非平稳性特征出发,将一种基于聚类经验模态分解(EEMD)和最小二乘支持向量机(LSSVM)的组合预测模型引入到风速预测中。首先使用聚类经验模态分解将风速序列分解为一组相对平稳的子序列,以减轻不同趋势信息间的... 从分析风速序列的非线性和非平稳性特征出发,将一种基于聚类经验模态分解(EEMD)和最小二乘支持向量机(LSSVM)的组合预测模型引入到风速预测中。首先使用聚类经验模态分解将风速序列分解为一组相对平稳的子序列,以减轻不同趋势信息间的相互影响;然后运用最小二乘支持向量机对各子序列分别建模预测,为降低预测风险,使用自适应扰动粒子群算法(ADPSO)和模型学习效果反馈机制对LSSVM预测模型的输入维数和超参数进行联合优化;最后将各个子序列的预测结果叠加得到预测风速。实例研究表明,本文所提的组合预测模型可以有效挖掘风速序列特性,具有较高的预测精度。 展开更多
关键词 风速 预测 聚类经验模态分解 最小二乘支持向量机 自适应扰动粒子群算法学习效果反馈
下载PDF
基于集合经验模态分解和小波神经网络的短期风功率组合预测 被引量：79
4
作者 王贺 胡志坚 +3 位作者 陈珍 仉梦林 贺建波 李晨 《电工技术学报》 EI CSCD 北大核心 2013年第9期137-144,共8页
从挖掘风功率特性出发,提出一种基于集合经验模态分解(EEMD)和小波神经网络(WNN)的新型风功率组合预测模型。首先对风功率序列进行集合经验模态分解,以降低风功率序列的非平稳性特征;其次基于相空间重构挖掘各子序列的统计特性,以避免... 从挖掘风功率特性出发,提出一种基于集合经验模态分解(EEMD)和小波神经网络(WNN)的新型风功率组合预测模型。首先对风功率序列进行集合经验模态分解,以降低风功率序列的非平稳性特征;其次基于相空间重构挖掘各子序列的统计特性,以避免预测模型输入维数选取的随意性;然后对各子序列建立小波神经网络预测模型;最后叠加各子序列预测结果得到风功率预测值。实例研究表明本文所提的组合预测模型具有较高的预测精度和较大的工程应用潜力。 展开更多
关键词 风功率 预测 集合经验模态分解 小波神经网络 组合模型
下载PDF
大型旋转机械非平稳振动信号的EEMD降噪方法 被引量：67
5
作者 曹冲锋 杨世锡 杨将新 《振动与冲击》 EI CSCD 北大核心 2009年第9期33-38,共6页
针对现有各种降噪方法处理非平稳机械振动信号存在的缺点,提出一种基于辅助白噪声经验模式分解技术来自适应实现旋转机械非平稳振动信号降噪。该方法是一种集成的经验模式分解(Ensemble Empirical mode decomposition,EEMD)降噪算法,利... 针对现有各种降噪方法处理非平稳机械振动信号存在的缺点,提出一种基于辅助白噪声经验模式分解技术来自适应实现旋转机械非平稳振动信号降噪。该方法是一种集成的经验模式分解(Ensemble Empirical mode decomposition,EEMD)降噪算法,利用正态分布白噪声在经验模式分解中具有的二进尺度分解特性,可以有效抑制常规经验模式分解降噪算法处理非平稳振动信号时产生的模式混叠现象。通过仿真计算和转子启动过程试验振动信号对新降噪方法、经验模式分解降噪方法及小波降噪方法的性能进行了比较测试,结果表明,在非平稳机械振动信号降噪方面,新降噪方法具有更高的信噪比,不仅能够消除高斯噪声,而且能够有效降低脉冲干扰,提取出反映信号实际物理意义的振动固有模式。 展开更多
关键词 降噪 旋转机械 启动过程 振动信号 集成经验模式分解
下载PDF
基于EEMD、度量因子和快速峭度图的滚动轴承故障诊断方法 被引量：57
6
作者 彭畅 柏林 谢小亮 《振动与冲击》 EI CSCD 北大核心 2012年第20期143-146,共4页
基于EMD、谱峭度以及包络分析的滚动轴承故障诊断方法,提出了改进的基于EEMD、度量因子和快速峭度图的诊断方法。该方法首先将故障信号进行EEMD分解得到一组IMFs,然后用度量因子筛选出最能表征故障信息的IMF分量重构信号,再用快速峭度... 基于EMD、谱峭度以及包络分析的滚动轴承故障诊断方法,提出了改进的基于EEMD、度量因子和快速峭度图的诊断方法。该方法首先将故障信号进行EEMD分解得到一组IMFs,然后用度量因子筛选出最能表征故障信息的IMF分量重构信号,再用快速峭度图构造最优带通滤波器,最后将滤波后的重构信号进行包络分析并将包络谱与轴承故障特征频率进行比较,从而诊断出具体故障。滚动轴承的内圈故障仿真数据以及工程实测数据均很好地验证了提出的改进方法的有效性,说明其具有良好的应用前景。 展开更多
关键词 eemd 度量因子 快速峭度图 包络分析
下载PDF
鲸鱼优化支持向量机的短期风电功率预测 被引量：47
7
作者 岳晓宇 彭显刚 林俐 《电力系统及其自动化学报》 CSCD 北大核心 2020年第2期146-150,共5页
为提高风电预测的精度,提出一种鲸鱼优化支持向量机SVM(support vector machine)的组合预测模型。该模型针对风电序列的非平稳波动特性,首先应用集合经验模态分解技术EEMD(ensemble empirical mode de?composition)将原始风电序列分解... 为提高风电预测的精度,提出一种鲸鱼优化支持向量机SVM(support vector machine)的组合预测模型。该模型针对风电序列的非平稳波动特性,首先应用集合经验模态分解技术EEMD(ensemble empirical mode de?composition)将原始风电序列分解为一系列不同特征尺度的子序列;并引入鲸鱼优化算法WOA(whales optimiza?tion algorithm)解决SVM中学习参数选择难的问题,进而对各子序列建立WOA_SVM预测模型;最后,叠加各子序列的预测值以得到最终预测值。仿真表明,所提EEMD_WOA_SVM模型具有较高的风电预测精度,显著优于其他基本模型。 展开更多
关键词 风电预测 集合经验模态分解技术 支持向量机 鲸鱼优化算法 组合模型
下载PDF
基于特征优选和GA-SVM的滚动轴承智能评估方法 被引量：43
8
作者 周建民 王发令 +3 位作者 张臣臣 张龙 尹文豪 李鹏 《振动与冲击》 EI CSCD 北大核心 2021年第4期227-234,共8页
针对滚动轴承等旋转机械设备零部件的退化状态识别问题,研究并提出一种基于支持向量机(support vector machine,SVM)的智能评估方法。对于在线持续输出的轴承振动信号,采用时域方法和集成经验模态分解(ensemble empirical mode decompos... 针对滚动轴承等旋转机械设备零部件的退化状态识别问题,研究并提出一种基于支持向量机(support vector machine,SVM)的智能评估方法。对于在线持续输出的轴承振动信号,采用时域方法和集成经验模态分解(ensemble empirical mode decomposition,EEMD)能量熵提取轴承特征,并基于相关性、单调性和鲁棒性进行特征选择。综合考虑三个指标,计算选择准则,得到最终的退化特征。针对SVM参数选择困难问题,使用遗传算法(genetic algorithm,GA)优化SVM参数,确定参数最优值。定义轴承性能退化指标,用三种不同故障类型的轴承数据训练模型。分别输入不同故障的轴承全寿命周期数据,得到轴承故障的类型和性能退化曲线,确定早期故障点,并对方法进行对比和验证。实验表明,模型故障诊断平均准确率为97.69%,性能退化评估曲线结果准确,早期故障检测能力强。 展开更多
关键词 滚动轴承 性能退化评估 集成经验模态分解(eemd) 特征选择 遗传算法(GA) 支持向量机(SVM)
下载PDF
基于EEMD样本熵的高速列车转向架故障特征提取 被引量：38
9
作者 秦娜 金炜东 +2 位作者 黄进 李智敏 刘景波 《西南交通大学学报》 EI CSCD 北大核心 2014年第1期27-32,共6页
为了监测高速列车转向架关键部件的工作状态,提出了采用聚合经验模态分解和样本熵信息测度理论相结合的方法提取信号特征.以转向架正常、空气弹簧失气、横向减振器故障和抗蛇行减振器故障4种典型工况下车体及转向架的振动信号为研究对象... 为了监测高速列车转向架关键部件的工作状态,提出了采用聚合经验模态分解和样本熵信息测度理论相结合的方法提取信号特征.以转向架正常、空气弹簧失气、横向减振器故障和抗蛇行减振器故障4种典型工况下车体及转向架的振动信号为研究对象,将信号进行聚合经验模态分解,得到一系列成分简单的固有模态函数,分别计算样本熵值构成高维特征矢量,最后采用支持向量机进行故障状态的分类识别.实验结果表明,列车在200 km/h速度下,故障识别率可以达到88%,证明了该特征提取算法的有效性. 展开更多
关键词 转向架 阈值消噪 聚合经验模态分解 样本熵 支持向量机
下载PDF
基于EEMD能量熵和支持向量机的轴承故障诊断 被引量：36
10
作者 董文智 张超 《机械设计与研究》 CSCD 北大核心 2011年第5期53-56,63,共5页
提出了一种基于总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和支持向量机(Support Vector Machine,SVM)的轴承故障诊断方法。首先通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(Intrin... 提出了一种基于总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和支持向量机(Support Vector Machine,SVM)的轴承故障诊断方法。首先通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(Intrinsic Mode Function,IMF);轴承发生不同的故障时,信号在不同频带内的能量值会发生改变,故可通过计算不同振动信号的EEMD能量熵判断是否发生故障;从包含有主要故障信息的IMF分量中提取出来的能量特征作为输入建立支持向量机,判断轴承的工作状态和故障类型。实验结果表明,文中提出的方法能有效地应用于轴承的故障诊断。 展开更多
关键词 总体平均经验模态分解(eemd) 本征模函数 能量熵 支持向量机(SVM) 故障诊断
原文传递
基于时间模式注意力机制的BiLSTM多风电机组超短期功率预测 被引量：35
11
作者 王渝红 史云翔 +3 位作者 周旭 曾琦 方飚 毕悦 《高电压技术》 EI CAS CSCD 北大核心 2022年第5期1884-1892,共9页
针对现有预测方法难以批量处理多风机间不同特征的问题,提出了基于时间模式注意力(temporal pattern attention,TPA)机制的双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络多风电机组超短期功率预测方法。首先,基于... 针对现有预测方法难以批量处理多风机间不同特征的问题,提出了基于时间模式注意力(temporal pattern attention,TPA)机制的双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络多风电机组超短期功率预测方法。首先,基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)获得风机原始功率信号的不同模态分量,以降低神经网络预测难度。其次,基于TPA机制,从Bi LSTM网络得到的隐藏行向量中提取多风机之间的复杂联系,从而使得具有不同特征的模态可以从不同时间步选择相关信息,进而降低各模态的预测误差。最后,将TPA机制与传统注意力机制应用于分散分布的14台风机区域功率预测任务。研究结果表明:基于本方法的多风电机组超短期功率预测的标准均方根误差仅为0.0546,证明TPA机制能有效提高多风电机组的超短期功率预测精度。 展开更多
关键词 超短期风电功率预测 多风电机组 时间模式注意力机制 双向长短时记忆 集合经验模态分解
下载PDF
基于EEMD样本熵和GK模糊聚类的机械故障识别 被引量：31
12
作者 王书涛 李亮 +1 位作者 张淑清 孙国秀 《中国机械工程》 EI CAS CSCD 北大核心 2013年第22期3036-3040,3044,共6页
针对目前各种机械故障诊断方法的局限性,提出了基于总体平均经验模式分解(EEMD)样本熵和GK模糊聚类的故障特征提取和分类方法,建立了一种机械故障准确识别的有效途径。首先,对机械振动信号进行EEMD分解,得到若干不同时间尺度的固有模态... 针对目前各种机械故障诊断方法的局限性,提出了基于总体平均经验模式分解(EEMD)样本熵和GK模糊聚类的故障特征提取和分类方法,建立了一种机械故障准确识别的有效途径。首先,对机械振动信号进行EEMD分解,得到若干不同时间尺度的固有模态函数(IMF)分量。其次,通过相关性分析和能量相结合的准则对IMF分量进行筛选,并将筛选出的IMF分量的样本熵组成故障特征向量。最后,将构造的特征向量输入到GK模糊聚类分类器中进行聚类识别。实验及工程实例证明了该方法的有效性和优越性。 展开更多
关键词 总体平均经验模式分解(eemd) 样本熵 GK模糊聚类 机械故障识别
下载PDF
基于总体经验模态分解的多类特征的运动想象脑电识别方法研究 被引量：31
13
作者 杨默涵 陈万忠 李明阳 《自动化学报》 EI CSCD 北大核心 2017年第5期743-752,共10页
人的脑电信号(Electroencephalogram,EEG)复杂且具有非线性及非平稳性的特点使其不易分析处理,其识别效果也依赖于数据集的不同,而表现不稳定.本文中应用的总体经验模态分解(Ensemble empirical mode decomposition,EEMD)是一种具有强... 人的脑电信号(Electroencephalogram,EEG)复杂且具有非线性及非平稳性的特点使其不易分析处理,其识别效果也依赖于数据集的不同,而表现不稳定.本文中应用的总体经验模态分解(Ensemble empirical mode decomposition,EEMD)是一种具有强自适应性的信号处理方法,其在时频域展现的良好分辨率特别适合脑电识别任务处理.本文提出利用EEMD分解后得到的较具影响能力的固有模态函数(Intrinsic mode functions,IMFs),利用希尔伯特变换提取边际谱(Marginal spectrum,MS)及瞬时能谱(Instantaneous energy spectrum,IES)时频特征,同时通过加窗的方法提取非线性动力学特征近似熵特征,利用线性判别分类器(Linear discriminant analysis,LDA)作为分类器,实验结果得出,对于被试S2和被试S3可达到识别率分别为79.60%和87.77%,实验中9名被试的平均识别率为82.74%,得到平均识别率也高于近期使用相同数据集文献的其他方法. 展开更多
关键词 脑电信号 运动想象 总体经验模态分解 线性判别分类器
下载PDF
基于小波包分解和集合经验模态分解的列车转向架轴承智能故障诊断方法 被引量：31
14
作者 刘建强 赵治博 +3 位作者 任刚 吴宁 王广明 章国平 《铁道学报》 EI CAS CSCD 北大核心 2015年第7期40-45,共6页
提取故障特征不理想、诊断速度慢等是目前现有列车转向架轴承故障诊断方法存在的主要不足。本文提出了一种列车转向架轴承故障的智能诊断方法。该方法将小波包分解和集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)结合... 提取故障特征不理想、诊断速度慢等是目前现有列车转向架轴承故障诊断方法存在的主要不足。本文提出了一种列车转向架轴承故障的智能诊断方法。该方法将小波包分解和集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)结合在一起,充分提取信号故障特征,并利用能量判别法和故障识别搜索算法进行故障模式识别,进一步提高了故障诊断速度。为了验证该方法的有效性,构建了轴承实验台,测试分析了广州地铁列车3种故障状态的转向架轴承。实验结果表明,该方法能够充分提取故障特征,迅速锁定搜索频段,准确识别轴承故障,提高了列车转向架轴承故障的诊断速度和准确性。 展开更多
关键词 转向架轴承 智能故障诊断 小波包分解 集合经验模态分解 包络分析
下载PDF
基于卷积神经网络图像分类的轴承故障模式识别 被引量：29
15
作者 张安安 黄晋英 +1 位作者 冀树伟 李东 《振动与冲击》 EI CSCD 北大核心 2020年第4期165-171,共7页
针对传统的基于数据驱动的机械故障模式识别方法中需要人工构造算法提取特征以及人工构造特征提取算法繁琐的问题,结合卷积神经网络(CNN)在图像特征自动提取与图像分类识别中的广泛应用,提出了一种基于CNN图像分类的轴承故障模式识别方... 针对传统的基于数据驱动的机械故障模式识别方法中需要人工构造算法提取特征以及人工构造特征提取算法繁琐的问题,结合卷积神经网络(CNN)在图像特征自动提取与图像分类识别中的广泛应用,提出了一种基于CNN图像分类的轴承故障模式识别方法。首先,利用集合经验模态分解(EEMD)方法对轴承振动信号进行自适应分解并用相关系数对得到的本征模函数分量进行筛选。其次,对筛选得到的本征模函数分量进行伪魏格纳-威利时频分析(PWVD)计算得到信号的时频分布图,并对时频图进行预处理。最后,将轴承15种不同工况预处理后的时频图利用CNN进行特征提取与分类识别。将该方法与同类方法进行了对比,分类正确率提高了4.26%。 展开更多
关键词 集合经验模态分解(eemd) 伪魏格纳-威利时频分析(PWVD) 卷积神经网格(CNN) 图像分类 轴承 模式识别
下载PDF
集合经验模式分解在旋转机械故障诊断中的应用 被引量：29
16
作者 窦东阳 赵英凯 《农业工程学报》 EI CAS CSCD 北大核心 2010年第2期190-196,共7页
为了抑制经验模式分解中的模式混淆现象,提高分析精度,引入集合经验模式分解(EEMD)算法。在分析信号上叠加适当的随机高斯白噪声序列,改变信号的局部时间跨度,从而改变一次经验模式分解(EMD)中分析的特征尺度,通过足够多次EMD分解,相当... 为了抑制经验模式分解中的模式混淆现象,提高分析精度,引入集合经验模式分解(EEMD)算法。在分析信号上叠加适当的随机高斯白噪声序列,改变信号的局部时间跨度,从而改变一次经验模式分解(EMD)中分析的特征尺度,通过足够多次EMD分解,相当于从多个角度提取信号的本质,最后由所有次分解得出的各本征模态函数(IMF)的均值作为输出,不但消除了人为噪声的影响,还清晰还原了信号的内在过程,准确揭示了其真实物理意义。通过仿真试验和实际的动静碰磨故障案例证实了EEMD算法的有效性,并与基本EMD算法和高频谐波法进行了对比,结果表明,EEMD虽然耗时较多但结果更准确,在旋转机械故障诊断领域应用前景广泛。 展开更多
关键词 旋转机械 故障诊断 集合经验模式分解 模式混淆 动静碰磨
下载PDF
Hilbert-Huang变换中的模态混叠问题 被引量：28
17
作者 曹莹 段玉波 刘继承 《振动．测试与诊断》 EI CSCD 北大核心 2016年第3期518-523,605-606,共6页
希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)存在的模态混叠现象严重影响了实际应用效果。在分析研究HHT原理及模态混叠产生机理的基础上,提出了基于形态滤波预处理与端点延拓相结合的方法抑制模态混叠现象。与集合经验模态分解(... 希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)存在的模态混叠现象严重影响了实际应用效果。在分析研究HHT原理及模态混叠产生机理的基础上,提出了基于形态滤波预处理与端点延拓相结合的方法抑制模态混叠现象。与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)方法比较,所提出的方法能够更快速、准确地分解出表征信号的本征模态函数(intrinsic mode function,简称IMF)分量。将该方法应用于滚动轴承的实测信号分析,结果表明,该方法在实际应用中同样具有很好的模态混叠抑制效果。 展开更多
关键词 经验模态分解 模态混叠 形态滤波 端点延拓
下载PDF
EEMD的非平稳信号降噪及其故障诊断应用 被引量：27
18
作者 吕建新 吴虎胜 田杰 《计算机工程与应用》 CSCD 北大核心 2011年第28期223-227,共5页
针对往复机械振动信号的瞬时非线性、非平稳特性,提出一种基于总体平均经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)与过零率分析相结合的自适应降噪方法,并与能量矩、支持向量机(Support Vector Machine,SVM)结合应用于... 针对往复机械振动信号的瞬时非线性、非平稳特性,提出一种基于总体平均经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)与过零率分析相结合的自适应降噪方法,并与能量矩、支持向量机(Support Vector Machine,SVM)结合应用于故障诊断。利用EEMD对非平稳振动信号进行自适应的分解,有效抑制经典经验模式分解的可能出现的模式混叠现象,再以所得的各固有模式分量(Intrinsic Mode Function,IMF)的过零率作为噪声评判准则,重构过零率阈值范围内的非噪声分量以实现信号降噪。另外,计算非噪声分量的能量矩作为故障特征提输入二叉树支持向量机实现的柴油机故障诊断验证了该方法有效性。 展开更多
关键词 往复机械 信号降噪 特征提取 过零率分析 总体平均经验模式分解 能量矩
下载PDF
基于EEMD和CS-SVM的滚动轴承故障诊断研究 被引量：27
19
作者 梁治华 曹江涛 姬晓飞 《机电工程》 CAS 北大核心 2019年第6期622-627,共6页
针对数据驱动的滚动轴承故障诊断大多采用支持向量机进行分类,而传统支持向量机的分类方法容易陷入局部最优,无法准确进行故障诊断的问题,对滚动轴承振动信号的特征选择和支持向量机的优化方法进行了研究。分析了粒子群算法优化支持向... 针对数据驱动的滚动轴承故障诊断大多采用支持向量机进行分类,而传统支持向量机的分类方法容易陷入局部最优,无法准确进行故障诊断的问题,对滚动轴承振动信号的特征选择和支持向量机的优化方法进行了研究。分析了粒子群算法优化支持向量机和遗传算法优化支持向量机的不足;基于莱维飞行的布谷鸟搜索算法,引入了一种对支持向量机的参数进行寻优的方法,用于提高滚动轴承故障诊断的识别准确率;该方法首先使用集合经验模态分解对信号数据进行了处理,然后计算本征模态函数的均方根作为特征向量,输入布谷鸟搜索算法优化的支持向量机;最后进行了训练和测试。研究结果表明:利用该方法对实测信号进行分析和诊断,可以准确地识别故障发生的位置以及严重程度;通过与传统优化方法进行对比,验证了该算法的优越性。 展开更多
关键词 集合经验模态分解 布谷鸟搜索 支持向量机 故障诊断
下载PDF
基于集合经验模态的随钻脉冲信号优良降噪算法 被引量：26
20
作者 郑一 孙晓峰 +1 位作者 陈健 岳军 《石油勘探与开发》 SCIE EI CAS CSCD 北大核心 2012年第6期750-753,共4页
为了准确提取原始随钻钻井液脉冲信号,采用集合经验模态分解方法,基于固有模态分量构建不同的低通滤波算法,进一步采取方波整形处理,建立脉冲信号的降噪整形算法,并依据算法逼近度指标、相关度指标建立优良降噪算法的判断准则。利用单... 为了准确提取原始随钻钻井液脉冲信号,采用集合经验模态分解方法,基于固有模态分量构建不同的低通滤波算法,进一步采取方波整形处理,建立脉冲信号的降噪整形算法,并依据算法逼近度指标、相关度指标建立优良降噪算法的判断准则。利用单位脉冲信号、周期性杂波信号和高斯白噪声信号合成数值模拟钻井液信号,分析钻井液信号的降噪效果,所得优良降噪低通滤波算法由去掉前4个固有模态分量的其余模态分量及余项构成,其降噪结果能清晰描述单位脉冲信号,算法的逼近度达到0.7719,相关度高达0.8929。利用选定的优良降噪算法分析了实测的随钻测量钻井液信号,所得结果合理、有效。 展开更多
关键词 脉冲信号 集合经验模态分解(eemd) 低通滤波 优良降噪算法
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 … 18 下一页 到第 页
使用帮助 返回顶部