基于改进奇异谱分解的形态学解调方法及其在滚动轴承故障诊断中的应用 被引量：37

1

作者 鄢小安 贾民平 《机械工程学报》 EI CAS CSCD 北大核心 2017年第7期104-112,共9页

针对强背景噪声及干扰源信号影响下滚动轴承故障特征难以检测的问题,提出一种基于改进奇异谱分解的形态学解调方法用于轴承故障诊断。首先,为了克服奇异谱分析按经验性选取嵌入维数长度的缺陷,采用一种新的自适应信号处理方法——奇异... 针对强背景噪声及干扰源信号影响下滚动轴承故障特征难以检测的问题,提出一种基于改进奇异谱分解的形态学解调方法用于轴承故障诊断。首先,为了克服奇异谱分析按经验性选取嵌入维数长度的缺陷,采用一种新的自适应信号处理方法——奇异谱分解(Singular spectrum decomposition,SSD)进行振动信号分析,该方法通过构建一个轨迹矩阵与自适应选择嵌入维数长度,将非平稳信号从高频至低频依次划分为若干个单分量信号。针对奇异谱分解在分量序列重构过程中两端数据会偏离实际数据值进而引起端点效应现象的问题,提出运用特征波形匹配延拓法对奇异谱分解进行改进,提高其对振动信号的分解质量,获得一系列更接近实际曲线的单分量序列。为准确提取单分量中蕴含的有用故障特征信息,提出一种基于特征能量比自适应确定结构元素最佳尺度的自互补顶帽变换对单分量信号进行形态学解调。最后,分析解调结果的频谱特征并提取突出频率成分,实现轴承故障类型的准确判别。仿真和实测信号分析验证了方法的有效性。 展开更多

关键词 奇异谱分解 端点效应 形态学解调 滚动轴承 故障诊断

下载PDF 职称材料

基于奇异谱分析的航空客运需求分析与分解集成预测模型 被引量：28

2

作者 梁小珍 郭战坤 +2 位作者 张倩文 杨明歌 汪寿阳 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2020年第7期1844-1855,共12页

考虑到航空旅客运输需求影响因素复杂以及航空客运需求序列非线性非平稳等特征,本文提出了一个基于奇异谱分析(SSA)的航空客运需求分析与分解集成预测模型.需求分析阶段,首先使用SSA对航空客运需求序列进行有效分解,接着借助奇异熵理论... 考虑到航空旅客运输需求影响因素复杂以及航空客运需求序列非线性非平稳等特征,本文提出了一个基于奇异谱分析(SSA)的航空客运需求分析与分解集成预测模型.需求分析阶段,首先使用SSA对航空客运需求序列进行有效分解,接着借助奇异熵理论,将序列重构为长期趋势项、中期市场波动项和短期噪声项;预测阶段,使用排列熵(PE)判断各重构序列复杂度的高低,并依据序列复杂度分别选择粒子群算法(PSO)和布谷鸟算法(CS)双优化的支持向量回归模型(SVR)或单整自回归移动平均模型(ARIMA)进行预测,结果表明,该分解集成预测模型较ARIMA、SVR等基准模型有着更好的预测性能. 展开更多

关键词 航空客运需求 奇异谱分析 排列熵 支持向量回归 分解集成预测

原文传递

基于改进奇异谱分析的信号去噪方法 被引量：20

3

作者 戴豪民 许爱强 孙伟超 《北京理工大学学报》 EI CAS CSCD 北大核心 2016年第7期727-732,759,共7页

传统的去噪方法,比如小波阈值去噪,它只对高斯噪声有效,对于脉冲噪声却无能为力.近年来发展起来的奇异谱分析方法可以在高信噪比的条件下很好地滤除上述两类噪声,但该方法降噪过程涉及了一定的主观因素,并且受矩阵扰动理论的限制,该方... 传统的去噪方法,比如小波阈值去噪,它只对高斯噪声有效,对于脉冲噪声却无能为力.近年来发展起来的奇异谱分析方法可以在高信噪比的条件下很好地滤除上述两类噪声,但该方法降噪过程涉及了一定的主观因素,并且受矩阵扰动理论的限制,该方法随着信噪比的降低,去噪能力也随之下降.针对上述情况,提出一种改进算法,将矩阵秩最小化理论应用于奇异谱分析方法中.仿真结果表明,改进算法去噪效果明显,能够最大限度降低信号均方误差,提高信噪比,增强奇异谱分析方法的通用性. 展开更多

关键词 奇异谱分析 奇异值分解 矩阵扰动理论 秩最小化理论

下载PDF 职称材料

双模式分解CNN-LSTM集成的短期风速预测模型 被引量：8

4

作者 毕贵红 赵鑫 +2 位作者 李璐 陈仕龙 陈臣鹏 《太阳能学报》 EI CAS CSCD 北大核心 2023年第3期191-197,共7页

为提高短期风速的预测精度,提出一种基于双模式分解、双通道卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的组合预测模型以提高预测精度。首先,对经过PAM方法聚类后的风速时间序列利用奇异谱分解(SSD)和变分模态分解(VMD)2种信号分解... 为提高短期风速的预测精度,提出一种基于双模式分解、双通道卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的组合预测模型以提高预测精度。首先,对经过PAM方法聚类后的风速时间序列利用奇异谱分解(SSD)和变分模态分解(VMD)2种信号分解方法进行分解,获得2类多尺度分量。不同模式的多尺度分量可降低原始风速的复杂度和非平稳性,实现不同模式模态分量规律的互补;其次,将2种分解方法得到的风速子序列合并为一个矩阵,输入到双通道CNN进行波形特征深度提取;最后,采用LSTM建立历史风速时序的时间依赖关系,在时空相关性分析的基础上得到最终风速预测结果。实验结果表明,基于双模式分解-双通道CNN-LSTM的组合预测模型可有效提高风速短期预测的精度。 展开更多

关键词 风力发电 深度学习 卷积神经网络 长短期记忆网络 奇异谱分解 变分模态分解 风速预测

下载PDF 职称材料

基于PAM-SSD-LSTM的短期风速预测 被引量：5

5

作者 赵鑫 陈臣鹏 +1 位作者 毕贵红 陈仕龙 《太阳能学报》 EI CAS CSCD 北大核心 2023年第1期281-288,共8页

为提高短期风速预测的准确性,提出一种基于PAM聚类、奇异谱分解(SSD)和LSTM神经网络的组合预测模型来预测短期风速,以解决上述问题。首先,为提高神经网络的学习效率,采用PAM算法对原始风速数据进行相似日聚类;其次,SSD具有抑制模态混叠... 为提高短期风速预测的准确性,提出一种基于PAM聚类、奇异谱分解(SSD)和LSTM神经网络的组合预测模型来预测短期风速,以解决上述问题。首先,为提高神经网络的学习效率,采用PAM算法对原始风速数据进行相似日聚类;其次,SSD具有抑制模态混叠和虚假分量产生的优点,使用SSD分解风速序列,提取多尺度规律;最后,由于LSTM神经网络捕捉长时间依赖的序列的波动规律的能力较强,使用LSTM神经网络对分解后的风速分量进行预测,将各分量预测值叠加得到最终预测结果。实验结果表明,基于PAM-SSD-LSTM的组合预测模型可有效提高风速短期预测的准确率。 展开更多

关键词 风速短期预测 PAM聚类 奇异谱分解 LSTM神经网络

下载PDF 职称材料

基于奇异谱分解和两层支持向量机轴承故障诊断方法 被引量：8

6

作者 汤天宝 周志健 +2 位作者 张涛 李可 卢立新 《噪声与振动控制》 CSCD 北大核心 2022年第1期100-105,共6页

为了解决轴承故障诊断数据样本量少,背景噪声干扰大和准确率不高的问题,提出一种基于奇异谱分解(Singular spectral decomposition,SSD)和两层支持向量机(Two-layer support vector machines,TSVM)的轴承故障诊断方法SSD-TSVM。该方法... 为了解决轴承故障诊断数据样本量少,背景噪声干扰大和准确率不高的问题,提出一种基于奇异谱分解(Singular spectral decomposition,SSD)和两层支持向量机(Two-layer support vector machines,TSVM)的轴承故障诊断方法SSD-TSVM。该方法首先采集信号构建信号矩阵,然后对矩阵进行奇异谱分解,得到奇异谱分量(Singular spectral component,SSC)和残差。根据改进的峭度准则选取奇异谱分量,进行矩阵重构,完成重构后进行特征提取,生成特征向量矩阵作为TSVM的输入。在输入层完成降维处理生成新的特征向量矩阵,在输出层进行轴承故障类型分类。最后分别采用西储大学公开轴承数据集和实验室风机轴承数据集进行验证。与多种其他故障诊断方法对比表明,SSD-TSVM方法在轴承故障诊断方面具有更高的准确率。 展开更多

关键词 故障诊断 奇异谱分解 两层支持向量机 峭度准则 信号矩阵

下载PDF 职称材料

桥梁索塔GPS监测信号的小波分析 被引量：8

7

作者 戴建彪 岳东杰 +1 位作者 汤同旭 陈健 《测绘科学》 CSCD 北大核心 2019年第9期151-157,共7页

针对EMD分解后直接舍去高频含噪信号可能会导致有用信息的丢失,以及小波阈值去噪中采用全局阈值去噪效果不完善等问题,该文提出了一种基于SSA的改进EMD-Wavelet耦合模型运用于桥梁索塔GPS监测信号去噪。即先对原始监测信号进行奇异谱分... 针对EMD分解后直接舍去高频含噪信号可能会导致有用信息的丢失,以及小波阈值去噪中采用全局阈值去噪效果不完善等问题,该文提出了一种基于SSA的改进EMD-Wavelet耦合模型运用于桥梁索塔GPS监测信号去噪。即先对原始监测信号进行奇异谱分析,提取信号的趋势项和周期项,分析不同阶段的信号特性从而对其进行合理分段。在对经过EMD分解后的高频信号进行小波去噪时,根据信号的分段结果和给定的阈值计算函数进行分段分层取阈值。结果表明,该方法能很好地对原始坐标序列进行降噪,并且各项评价指标均优于SSA重构去噪法、EMD分解去噪法和EMD-Wavelet全局阈值去噪法,去噪效果更佳,这为索塔监测数据信号提取提供了有意义的参考。 展开更多

关键词 桥梁索塔GPS监测 奇异谱分析 经典模态分解 小波变换 去噪

原文传递

基于SSA-LMD-GM的大坝变形组合预测模型 被引量：1

8

作者 李旭 冯晓 +1 位作者 刘宇豪 潘国兵 《工程勘察》 2024年第1期45-49,共5页

为提高大坝变形预测精度,针对大坝原始监测信号中的噪声,以及其非平稳性、非线性等特点,引入奇异谱分析(SSA)和局部均值分解(LMD)方法,提出SSA-LMD-GM模型。采用奇异谱分析(SSA)对原始监测信号进行去噪处理,为充分提取大坝形变信息特征... 为提高大坝变形预测精度,针对大坝原始监测信号中的噪声,以及其非平稳性、非线性等特点,引入奇异谱分析(SSA)和局部均值分解(LMD)方法,提出SSA-LMD-GM模型。采用奇异谱分析(SSA)对原始监测信号进行去噪处理,为充分提取大坝形变信息特征,利用局部均值分解(LMD)对去噪后的监测信号进行分解。针对乘积函数(PF)分量的特征采用合适的模型预测分析,剩下余项则采用GM(1,1)模型。利用实际工程案例进行检验,结果表明,相较于其他模型,SSA-LMD-GM模型预测精度和拟合精度更加优秀,能较好地预测大坝变形趋势,具有一定的应用价值。 展开更多

关键词 大坝变形监测 奇异谱分析 局部均值分解 GM(1 1)模型 组合预测模型

下载PDF 职称材料

基于奇异谱分析的改进遥感时空融合模型 被引量：2

9

作者 安娜 赵莹莹 +4 位作者 孙娅琴 张爱竹 付航 姚延娟 孙根云 《自然资源遥感》 CSCD 北大核心 2023年第2期89-96,共8页

时空融合能够生成具有足够时间和空间分辨率的图像序列。然而,当前的研究趋向于使用尽可能多的时相数据、复杂的非线性模型来提高预测的准确性,极少的研究将重点放在图像本身的分析,即充分利用影像包含的如趋势和纹理等内在特征。为此,... 时空融合能够生成具有足够时间和空间分辨率的图像序列。然而,当前的研究趋向于使用尽可能多的时相数据、复杂的非线性模型来提高预测的准确性,极少的研究将重点放在图像本身的分析,即充分利用影像包含的如趋势和纹理等内在特征。为此,文章基于二维奇异谱分析(2D singular spectrum analysis,2DSSA)技术,提出了一种2DSSA时空融合模型(2DSSA spatial-temporal fusion model,2DSSA-STFM),通过将已有影像分解为趋势分量和细节分量,分别对目标时刻影像的主要空间趋势和空间细节进行预测。首先,建立高空间分辨率数据趋势项与低空间分辨率数据的线性关系,计算得到目标时刻影像的趋势成分;然后,建立2个时相下低分辨率细节分量和高分辨率细节分量的线性关系,得到目标时刻影像的细节成分;最后,将计算得到的趋势和细节成分进行合成,即为目标预测影像。在2组中分辨率Landsat7 ETM+和MODIS影像上对提出的2DSSA-STFM进行了实验,结果表明,提出的模型在实验误差方面要优于传统的时空融合模型。 展开更多

关键词 时空融合 奇异谱分析 趋势分量 细节分量 分解

下载PDF 职称材料

基于ESN模型的制造商库存需求预测

10

作者 李炜 艾学轶 《物流科技》 2024年第5期35-39,共5页

准确的库存需求预测对制造商提升库存管理能力具有重要意义。首先,针对制造商库存需求非平稳性、非线性和高波动的特点,使用奇异谱分析(SSA)和变分模态分解(VMD)实现特征工程,将原始数据分解为趋势信号和多种不同周期的信号,作为模型的... 准确的库存需求预测对制造商提升库存管理能力具有重要意义。首先,针对制造商库存需求非平稳性、非线性和高波动的特点,使用奇异谱分析(SSA)和变分模态分解(VMD)实现特征工程,将原始数据分解为趋势信号和多种不同周期的信号,作为模型的输入。然后,引入回声状态网络(ESN),提出SSA-VMD-ESN模型,对库存需求进行预测。最后,将所提模型应用到Kaggle平台真实的制造商库存需求数据集中,与6种模型对比,并单独使用9个产品实验,结果表明所提出模型各项误差指标均属最优。由此证明,研究所提出模型可以有效提高库存需求预测的准确率,对库存管理具有较强的应用价值。 展开更多

关键词 库存需求预测 机器学习 回声状态网络 奇异谱分析 变分模态分解

下载PDF 职称材料

基于改进MED-SSD的齿轮箱复合故障诊断方法 被引量：4

11

作者 周杰 王云艺 +2 位作者 陈传海 王立鼎 刘阔 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第2期450-457,共8页

针对齿轮箱在强噪声环境下复合故障信号微弱、故障特征难以提取等问题,本文提出了一种改进的最小熵反褶积(MED)与奇异谱分解(SSD)结合的方法。首先,构建边际功率谱峰度指数(MPSK),利用MPSK对MED进行参数优化;为弥补SSD的不足,将改进的ME... 针对齿轮箱在强噪声环境下复合故障信号微弱、故障特征难以提取等问题,本文提出了一种改进的最小熵反褶积(MED)与奇异谱分解(SSD)结合的方法。首先,构建边际功率谱峰度指数(MPSK),利用MPSK对MED进行参数优化;为弥补SSD的不足,将改进的MED作为SSD的前置滤波器;然后利用相关系数分析法选择有意义的奇异谱分量(SSC);最后对信号进行频谱分析,确定具体的故障模式。采用仿真信号与齿轮箱试验台的复合故障信号对所提方法进行了应用,验证了方法的有效性和优越性。 展开更多

关键词 奇异谱分解 最小熵反褶积 原子搜索优化算法 模态分量重构 复合故障

原文传递

基于COT-SSD的变转速滚动轴承微弱故障诊断 被引量：5

12

作者 王晓龙 唐贵基 何玉灵 《电力自动化设备》 EI CSCD 北大核心 2019年第5期187-193,共7页

针对背景噪声干扰及转速波动工况下滚动轴承微弱故障识别困难这一问题,提出一种结合计算阶次追踪(COT)和奇异谱分解(SSD)的新型诊断方法。利用COT算法对采集的原始时域信号进行等角度重采样,继而利用SSD算法对重采样角域信号进行处理,... 针对背景噪声干扰及转速波动工况下滚动轴承微弱故障识别困难这一问题,提出一种结合计算阶次追踪(COT)和奇异谱分解(SSD)的新型诊断方法。利用COT算法对采集的原始时域信号进行等角度重采样,继而利用SSD算法对重采样角域信号进行处理,通过自适应构建的轨迹矩阵的奇异值分解重组,将角域信号从高频至低频分解为若干个奇异谱分量,利用融合峭度指标筛选最佳奇异谱分量,选定最佳分量后对其进行进一步的包络解调运算,最终通过分析包络阶次谱中幅值突出的成分来准确判定滚动轴承运行状态。滚动轴承内外圈故障实测信号分析结果表明,所提方法能够有效提取出变速工况下滚动轴承的微弱故障特征信息。 展开更多

关键词 滚动轴承 变转速 微弱故障 计算阶次追踪 奇异谱分解

下载PDF 职称材料

融合两阶段分解与iJaya-ELM的短期风速预测模型 被引量：1

13

作者 王逸文 王维莉 +1 位作者 刘贤超 胡炜琴 《电子测量与仪器学报》 CSCD 北大核心 2023年第7期186-195,共10页

准确的预测风速对于风电场的安全运行和高效发电具有重要意义。针对已有文献在风速预测问题中采用的单一分解策略存在固有缺陷、优化预测模型效果不稳定等问题,提出了一种融合两阶段分解与iJaya-ELM的混合预测模型。首先,对原始风速序... 准确的预测风速对于风电场的安全运行和高效发电具有重要意义。针对已有文献在风速预测问题中采用的单一分解策略存在固有缺陷、优化预测模型效果不稳定等问题,提出了一种融合两阶段分解与iJaya-ELM的混合预测模型。首先,对原始风速序列进行ICEEMDAN分解,得到12个分量后基于排列熵熵值重构为高频项、中频项与低频项;随后对高频项进行奇异谱分解滤去序列噪声;提出一种改进的Jaya算法iJaya,利用iJaya算法获取极限学习机ELM的最优连接权值与阈值,最后将各个分量的预测结果线性集成得到最终结果。以我国甘肃地区风电场风速数据进行模型验证,并利用新疆地区数据集测试其鲁棒性与通用性。实验结果表明,iJaya算法具有较强的寻优精度与稳定性,两阶段分解能够深度挖掘风速序列的特征;该混合模型能够有效提升风速预测精度,平均绝对误差与均方误差分别为0.0679和0.1345。 展开更多

关键词 风速预测 ICEEMDAN 奇异谱分析 Jaya算法 极限学习机 两阶段分解

下载PDF 职称材料

基于SSD-HT时频阶比跟踪的变转速转子故障诊断 被引量：5

14

作者 唐贵基 庞彬 何玉灵 《推进技术》 EI CAS CSCD 北大核心 2018年第5期1134-1141,共8页

为解决变转速工况下转子故障特征难以提取的问题,提出一种基于SSD-HT时频阶比跟踪的转子故障诊断方法。应用一种新的信号分解方法—奇异谱分解对转子故障振动信号进行分解,得到包含故障特征信息的奇异谱分量。运用希尔伯特变换计算各个... 为解决变转速工况下转子故障特征难以提取的问题,提出一种基于SSD-HT时频阶比跟踪的转子故障诊断方法。应用一种新的信号分解方法—奇异谱分解对转子故障振动信号进行分解,得到包含故障特征信息的奇异谱分量。运用希尔伯特变换计算各个有效奇异谱分量的瞬时频率,获取故障信号的时频分布。根据时频分布中的转频信息对原始振动信号进行阶比跟踪分析,提取直观的阶次特征。仿真分析与实验分析结果表明,在无转速测量装置条件下,所述方法可准确判别变转速工况的转子故障模式,相对于传统分析方法表现出一定的先进性。 展开更多

关键词 奇异谱分解 希尔伯特变换 阶比跟踪 变转速 转子 故障诊断

下载PDF 职称材料

优化奇异谱分解方法在轴承故障诊断中的应用 被引量：4

15

作者 马朝永 申宏晨 +1 位作者 胥永刚 张坤 《轴承》 北大核心 2022年第2期55-60,共6页

奇异谱分解在处理强噪声信号时获得的模态分量可能包含期待频段之外的信息,会造成严重的模态混叠现象并影响分析效果,深入研究发现造成上述现象的原因是迭代过程中轨迹矩阵的嵌入维数设定不合理。在大量数据分析的基础上提出了一种优化... 奇异谱分解在处理强噪声信号时获得的模态分量可能包含期待频段之外的信息,会造成严重的模态混叠现象并影响分析效果,深入研究发现造成上述现象的原因是迭代过程中轨迹矩阵的嵌入维数设定不合理。在大量数据分析的基础上提出了一种优化的奇异谱分解方法(OSSD),以迭代过程中划分的频段及重构分量时特征向量的选择为依据确定新的参数并设定嵌入维数,不仅可以使构造的轨迹矩阵更加合理,还可以使分量的重构更加准确。仿真及试验分析表明,该方法可以有效抑制模态混叠现象,减少分解所得分量在频域上的能量泄漏,准确提取滚动轴承振动信号中的故障特征。 展开更多

关键词 滚动轴承 故障诊断 谱分析 奇异谱分解 嵌入维数 模态混叠

下载PDF 职称材料

一种滚动轴承早期故障特征提取方法 被引量：1

16

作者 崔奔 张文斌 郭盼盼 《噪声与振动控制》 CSCD 北大核心 2023年第6期95-100,156,共7页

针对滚动轴承早期故障受噪声污染大,故障特征频率难以提取而导致的故障诊断困难问题,提出一种新的滚动轴承早期故障特征提取方法。首先利用泰尔指数(Theil Index,TI)对滚动轴承进行健康状态评估,并检测出状态异常的信号;然后对异常信号... 针对滚动轴承早期故障受噪声污染大,故障特征频率难以提取而导致的故障诊断困难问题,提出一种新的滚动轴承早期故障特征提取方法。首先利用泰尔指数(Theil Index,TI)对滚动轴承进行健康状态评估,并检测出状态异常的信号;然后对异常信号进行奇异谱分解(Singular Spectrum Decomposition,SSD)得到若干分量,以方差贡献度为标准筛选出最佳分量;最后通过蜜獾算法(Honey Badger Algorithm,HBA)优化的最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)对最佳分量进行降噪处理,并对降噪处理后的信号进行包络解调分析提取出故障特征频率。通过两个数据集的分析,验证所提方法的有效性。 展开更多

关键词 故障诊断 泰尔指数 奇异谱分解 蜜獾算法 最大相关峭度解卷积 滚动轴承

下载PDF 职称材料

基于OSSD-EMOMEDA的轮毂电机轴承故障特征提取方法 被引量：1

17

作者 丁殿勇 薛红涛 刘炳晨 《中国电机工程学报》 EI CSCD 北大核心 2023年第24期9721-9732,共12页

为了解决轮毂电机轴承早期微弱故障特征难以提取的问题,提出一种基于优化奇异谱分解(optimized singular spectrum decomposition,OSSD)和增强多点最优调整最小熵解卷积(enhance multipoint optimal minimum entropy deconvolution adju... 为了解决轮毂电机轴承早期微弱故障特征难以提取的问题,提出一种基于优化奇异谱分解(optimized singular spectrum decomposition,OSSD)和增强多点最优调整最小熵解卷积(enhance multipoint optimal minimum entropy deconvolution adjusted,EMOMEDA)的特征提取方法,以实现故障特征的检测与提取,及时掌握轮毂电机的运行安全。首先,提出由新的时频综合指标(time-frequency composite index,TCI)自适应优化分量个数的OSSD方法,并对原始信号进行前处理,通过包络谱峰值指标选择敏感的奇异谱分量。然后,提出EMOMEDA方法,设计一种改进的波形延拓策略恢复解卷积信号长度,克服MOMEDA算法的边缘效应,并通过二次解卷积运算获得最优解卷积信号。最后,对最优解卷积信号进行包络分析,实现故障特征的增强提取。分别采用仿真和试验信号验证所提方法的可行性,并将其与多种故障特征提取方法进行对比,证明了其优越性。结果表明,所提方法能够有效提取微弱故障特征,在特征增强方面具有可观的优势。 展开更多

关键词 轮毂电机 轴承故障 特征提取 奇异谱分解 多点最优调整最小熵解卷积

下载PDF 职称材料

基于小波包分解和奇异谱分析方法的立铣加工颤振监测 被引量：3

18

作者 王二化 吴波 +1 位作者 胡友民 杨叔子 《机床与液压》 北大核心 2016年第17期191-199,共9页

在立铣加工过程中,颤振是加工过程失稳的一个最重要的原因。颤振将会严重影响工件表面质量和材料去除率,加剧刀具磨损和恶化工作环境。虽然大部分颤振监测系统可以监测到颤振发生,但颤振发生时已经对工件和刀具产生了严重的损伤,因此,... 在立铣加工过程中,颤振是加工过程失稳的一个最重要的原因。颤振将会严重影响工件表面质量和材料去除率,加剧刀具磨损和恶化工作环境。虽然大部分颤振监测系统可以监测到颤振发生,但颤振发生时已经对工件和刀具产生了严重的损伤,因此,需要提前监测到颤振特征。在颤振发生过程中,振动信号具有在时域中不断增大,在频域中能量频移的特性。考虑这两个振动信号特征,提出了一种颤振特征提取方法。提取颤振发生频带中振动信号的能量比和奇异谱熵系数作为两个颤振特征,并通过人工神经网络模型实现切削颤振的识别。文中提出的颤振监测系统包括特征提取和分类,能够精确辨识立铣加工中的稳定、过渡和颤振状态。 展开更多

关键词 颤振 立式铣削 奇异谱分析 奇异谱熵 小波包分解 人工神经网络

下载PDF 职称材料

基于奇异谱分解和双重注意力机制的超短期光伏功率预测方法

19

作者 董雪 赵生校 +3 位作者 陆艳艳 陈晓锋 赵岩 刘磊 《激光与光电子学进展》 CSCD 北大核心 2023年第5期300-307,共8页

准确的光伏功率预测可以有效促进光伏发电的安全高效利用。针对现有方法预测精度不足的问题,提出一种结合奇异谱分解(SSD)、双重注意力机制和双向门控逻辑单元(BiGRU)时序建模的超短期光伏功率预测方法。首先利用SSD降低光伏信号的随机... 准确的光伏功率预测可以有效促进光伏发电的安全高效利用。针对现有方法预测精度不足的问题,提出一种结合奇异谱分解(SSD)、双重注意力机制和双向门控逻辑单元(BiGRU)时序建模的超短期光伏功率预测方法。首先利用SSD降低光伏信号的随机性和波动性;然后利用BiGRU网络对分解后的信号进行时序建模,并设计了一种同时学习特征序列和时序序列的重要性权重的注意力模块,对BiGRU网络提取的特征进行权重加权;最后经过决策层获得最终的光伏功率预测结果。实验结果表明,SSD和注意力机制可以有效提升深度时序模型的光伏功率预测精度,在不同季节和不同天气情况下均优于其他几种经典方法,具有较高的实用价值。 展开更多

关键词 光电子学 光伏功率预测 超短期 奇异谱分解 注意力机制

原文传递

基于气象数据可视化降维和多模加权组合的短期负荷预测 被引量：2

20

作者 王凌云 田恬 童华敏 《信息与控制》 CSCD 北大核心 2022年第6期741-752,762,共13页

针对短期负荷预测中数据预处理的必要性和单一预测模型的局限性,提出了一种基于气象数据可视化降维和多模加权组合的短期负荷预测方法。该方法将可视化降维、模态分解降噪、单一预测模型和权重确定理论相结合,构建了气象数据降维、历史... 针对短期负荷预测中数据预处理的必要性和单一预测模型的局限性,提出了一种基于气象数据可视化降维和多模加权组合的短期负荷预测方法。该方法将可视化降维、模态分解降噪、单一预测模型和权重确定理论相结合,构建了气象数据降维、历史负荷分解、模态分量降噪和多模加权组合的短期负荷预测模型。通过设置3种对比实验环境,对某地区供电公司所提供的电力负荷和气象数据进行分析。预测结果及误差分析表明,所提短期负荷预测方法在保留高维气象因素本质特征结构的同时,能有效结合数据预处理方法及单一预测模型的特点,有效提升该地区电网负荷的预测精度。 展开更多

关键词 短期负荷预测 可视化降维 奇异谱分析 变分模态分解 加权组合 麻雀搜索算法

原文传递