期刊文献+
共找到360篇文章
< 1 2 18 >
每页显示 20 50 100
基于VMD的自适应形态学在轴承故障诊断中的应用 被引量:85
1
作者 钱林 康敏 +2 位作者 傅秀清 王兴盛 费秀国 《振动与冲击》 EI CSCD 北大核心 2017年第3期227-233,共7页
为有效提取滚动轴承信号的特征频率,提出了基于变分模态分解(VMD)的自适应形态学的特征提取方法。首先利用VMD将目标信号分解为有限个模态信号,依据互信息法提取与原始信号相关的模态信号,将其进行求和重构;然后利用形态学对重构信号进... 为有效提取滚动轴承信号的特征频率,提出了基于变分模态分解(VMD)的自适应形态学的特征提取方法。首先利用VMD将目标信号分解为有限个模态信号,依据互信息法提取与原始信号相关的模态信号,将其进行求和重构;然后利用形态学对重构信号进行降噪处理,提取出滚动轴承的特征频率。针对形态学固有统计偏移和结构元素的选择问题,利用粒子群算法来优化改进的广义形态学滤波器,实现自适应滤波。通过数字仿真实验与滚动轴承故障试验分析,将其与基于经验模式分解(EMD)的自适应形态学、包络解调方法进行比较,结果表明该方法可以有效提取故障信号的特征频率。 展开更多
关键词 轴承 变分模态分解 数学形态学 粒子群算法 互信息法
下载PDF
基于VMD和双重注意力机制LSTM的短期光伏功率预测 被引量:69
2
作者 杨晶显 张帅 +3 位作者 刘继春 刘俊勇 向月 韩晓言 《电力系统自动化》 EI CSCD 北大核心 2021年第3期174-182,共9页
提出了一种基于变分模态分解(VMD)和双重注意力机制长短期记忆(LSTM)的短期光伏功率预测方法。针对光伏功率信号的波动性和非平稳性,利用VMD将光伏功率输出分解为不同频率的分量,使用LSTM对各分量进行预测,并在LSTM基础上引入特征和时... 提出了一种基于变分模态分解(VMD)和双重注意力机制长短期记忆(LSTM)的短期光伏功率预测方法。针对光伏功率信号的波动性和非平稳性,利用VMD将光伏功率输出分解为不同频率的分量,使用LSTM对各分量进行预测,并在LSTM基础上引入特征和时序双重注意力机制。为自主挖掘光伏功率输出与各气象特征之间的关联关系,避免传统方法依赖于专家经验关联规则阈值的限制,引入特征注意力机制实时计算各气象特征量的贡献率,并对特征权重进行修正;同时,为挖掘当前时刻光伏功率输出与历史时序信息之间的关联关系,引入时序注意力机制自主提取历史关键时刻点信息,提高长时间序列预测效果的稳定性。基于中国西南某实际光伏发电站数据进行预测实验,并与其他方法进行对比,验证了该方法的有效性。 展开更多
关键词 光伏功率预测 变分模态分解 特征注意力机制 时间注意力机制 长短期记忆 数据驱动
下载PDF
一种基于遗传算法的VMD参数优化轴承故障诊断新方法 被引量:56
3
作者 何勇 王红 谷穗 《振动与冲击》 EI CSCD 北大核心 2021年第6期184-189,共6页
为准确提取轴承故障特征信息,提出以峭度指标和包络熵为综合目标函数的变分模态分解(variational mode decomposition,VMD)参数优化方法,并改进了诊断流程实现了无需指定参数优化范围的自适应参数优化算法。通过遗传算法对综合目标函数... 为准确提取轴承故障特征信息,提出以峭度指标和包络熵为综合目标函数的变分模态分解(variational mode decomposition,VMD)参数优化方法,并改进了诊断流程实现了无需指定参数优化范围的自适应参数优化算法。通过遗传算法对综合目标函数最小值进行搜索,以确定模态分量个数及惩罚参数的最佳组合。原始故障信号经最佳参数组合下的VMD方法分解为若干个本征模态函数,选择最小综合目标函数值对应的模态分量进行包络解调分析,进而通过模态分量的包络谱判断轴承故障类型。通过实测故障信号分析表明,该方法能够从噪声干扰中有效提取到早期故障信号的微弱故障特征,实现了轴承故障类型的准确判定,验证了该方法的有效性。 展开更多
关键词 变分模态分解(vmd) 遗传算法 滚动轴承 早期故障诊断
下载PDF
基于VMD的故障特征信号提取方法 被引量:55
4
作者 赵昕海 张术臣 +2 位作者 李志深 李富才 胡越 《振动.测试与诊断》 EI CSCD 北大核心 2018年第1期11-19,共9页
变模式分解(variational mode decomposition,简称VMD)能够将多分量信号一次性分解成多个单分量调幅调频信号(variational intrinsic mode function,简称VIMF),但对噪声比较敏感。利用VMD对噪声的敏感特性,提出了一种基于VMD的降噪方法... 变模式分解(variational mode decomposition,简称VMD)能够将多分量信号一次性分解成多个单分量调幅调频信号(variational intrinsic mode function,简称VIMF),但对噪声比较敏感。利用VMD对噪声的敏感特性,提出了一种基于VMD的降噪方法。利用排列熵定量确定VMD分解后各分量的含噪程度,对高噪分量直接剔除,对低噪分量进行Savitzky-Golay平滑处理,然后重构信号。运用该方法降噪后,对重构信号进行变模式分解,能够有效提取故障特征信号。仿真和实例分析表明,基于VMD的降噪方法的降噪效果优于小波变换降噪方法,VMD能有效提取故障特征信号。 展开更多
关键词 降噪 变模式分解 排列熵 故障特征提取
下载PDF
基于信息熵优化变分模态分解的滚动轴承故障特征提取 被引量:52
5
作者 李华 伍星 +1 位作者 刘韬 陈庆 《振动与冲击》 EI CSCD 北大核心 2018年第23期219-225,共7页
针对变分模态分解(Variational Mode Decomposition,VMD)的参数需事先人为确定的问题以及如何选取包含故障特征信息的本征模态分量(Intrinsic Mode Function,IMF)的问题,提出了基于信息熵的参数确定方法和基于信息熵的IMF选取方法。该... 针对变分模态分解(Variational Mode Decomposition,VMD)的参数需事先人为确定的问题以及如何选取包含故障特征信息的本征模态分量(Intrinsic Mode Function,IMF)的问题,提出了基于信息熵的参数确定方法和基于信息熵的IMF选取方法。该方法首先对原始故障信号进行变分模态分解,通过信息熵最小值原则对其参数进行优化,获得既定的若干IMF分量;在优化参数时获得信息熵最小值所在的IMF,选取其为有效IMF分量进行包络解调分析,提取轴承故障特征频率。通过轴承仿真信号和实际数据分析,表明该方法能够提取滚动轴承早期故障信号的微弱特征,并实现故障的准确判别。 展开更多
关键词 变分模态分解 信息熵 参数优化 滚动轴承 包络解调 故障诊断
下载PDF
基于特征迁移学习的变工况下滚动轴承故障诊断方法 被引量:48
6
作者 康守强 胡明武 +2 位作者 王玉静 谢金宝 V.I.Mikulovich 《中国电机工程学报》 EI CSCD 北大核心 2019年第3期764-772,955,共10页
针对滚动轴承尤其是变工况条件下很难或无法获取大量带标签的振动数据,以致诊断准确率低的问题,提出一种基于变分模态分解(variationalmodedecomposition,VMD)及多特征构造和迁移学习相结合的滚动轴承故障诊断方法。该方法利用VMD对滚... 针对滚动轴承尤其是变工况条件下很难或无法获取大量带标签的振动数据,以致诊断准确率低的问题,提出一种基于变分模态分解(variationalmodedecomposition,VMD)及多特征构造和迁移学习相结合的滚动轴承故障诊断方法。该方法利用VMD对滚动轴承各状态振动信号进行分解,得到一系列固有模态函数,对其构成的矩阵进行奇异值分解求奇异值及奇异值熵,再结合振动信号的时域、频域特征构造多特征集。同时引入半监督迁移成分分析方法(semisupervised transfer component analysis,SSTCA),并对其核函数进行多核构造,将不同工况样本特征共同映射到一个共享再生核Hilbert空间,进而提高数据类内紧凑性和类间区分性。采用最大均值差异嵌入法选择更有效的数据作为源域,将源域特征样本输入支持向量机(supportvectormachine,SVM)进行训练,测试映射后的目标域特征样本。实验表明,所提多核SSTCA-SVM方法与其他方法相比较,在变工况下滚动轴承多状态分类中具有更高准确率。 展开更多
关键词 变工况 滚动轴承 半监督迁移成分分析(SSTCA) 迁移学习 变分模态分解(vmd)
下载PDF
基于变分模态分解与深度卷积神经网络的滚动轴承故障诊断 被引量:48
7
作者 丁承君 冯玉伯 王曼娜 《振动与冲击》 EI CSCD 北大核心 2021年第2期287-296,共10页
针对滚动轴承振动信号非平稳、非线性特点以及特征提取困难问题,提出一种基于变分模态分解(VMD)与深度卷积神经网络相结合的特征提取方法并应用于滚动轴承故障诊断。利用VMD将原始振动信号分解得到若干不同频率的限带本征模态分量,通过... 针对滚动轴承振动信号非平稳、非线性特点以及特征提取困难问题,提出一种基于变分模态分解(VMD)与深度卷积神经网络相结合的特征提取方法并应用于滚动轴承故障诊断。利用VMD将原始振动信号分解得到若干不同频率的限带本征模态分量,通过卷积网络中的多组卷积核自动学习各模态数据的不同特征,保证了特征提取的自适应性、全面性和多样性。在特征提取的基础上,使用全连接神经网络进行故障分类与诊断。将所提方法应用于滚动轴承故障诊断,结果表明,该方法在变工况情况下能够实现滚动轴承故障类别以及损伤程度的精确判定。 展开更多
关键词 变分模态分解(vmd) 深度卷积神经网络 特征提取 智能故障诊断 滚动轴承
下载PDF
VMD和ICA联合降噪方法在轴承故障诊断中的应用 被引量:41
8
作者 马增强 柳晓云 +1 位作者 张俊甲 王建东 《振动与冲击》 EI CSCD 北大核心 2017年第13期201-207,共7页
针对振动信号易受噪声干扰的影响、故障特征提取困难的问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)和独立分量分析(Independent Component Analysis,ICA)相结合的去噪方法。该方法首先利用VMD算法将振动信号分... 针对振动信号易受噪声干扰的影响、故障特征提取困难的问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)和独立分量分析(Independent Component Analysis,ICA)相结合的去噪方法。该方法首先利用VMD算法将振动信号分解成若干不同频率的本征模态分量(Intrinsic Mode Function,IMF),有效的抑制了LMD分解中存在的模态混叠现象和端点效应等问题,然后依据峭度准则选取相应分量进行重构,引入虚拟噪声通道;最后利用Fast ICA将重构后信号再次进行去噪处理,分离出有效的故障特征分量,从而识别故障类型。将该方法应用到滚动轴承故障数据中,并与LMD-ICA方法作对比,结果表明,提出方法不仅能够有效的解决去噪过程中丢失故障信息以及由于模态混叠导致噪声不能完全去除的问题,还能更清晰、准确地提取出故障特征频率。 展开更多
关键词 变分模态分解 独立分量分析 降噪 滚动轴承 故障诊断
下载PDF
基于参数优化变分模态分解的滚动轴承故障特征提取方法 被引量:38
9
作者 郑义 岳建海 +1 位作者 焦静 郭鑫源 《振动与冲击》 EI CSCD 北大核心 2021年第1期86-94,共9页
在滚动轴承早期故障阶段,代表轴承故障特征的冲击成分容易被较强的背景噪声淹没,针对这一问题提出相关峭度(Correlated Kurtosis,CK)优化变分模态分解(Variational Mode Decomposition,VMD)的滚动轴承故障特征提取方法。针对变分模态分... 在滚动轴承早期故障阶段,代表轴承故障特征的冲击成分容易被较强的背景噪声淹没,针对这一问题提出相关峭度(Correlated Kurtosis,CK)优化变分模态分解(Variational Mode Decomposition,VMD)的滚动轴承故障特征提取方法。针对变分模态分解方法参数不确定问题,提出利用以相关峭度为适应度函数的蝗虫优化算法(Grasshopper Optimization Algorithm,GOA)对变分模态分解参数进行自适应选定。针对故障信号经优化变分模态分解处理后模态分量的筛选问题,以相关峭度为指标,挑选具有最大相关峭度指标的模态分量进行包络解调分析,提取轴承信号中的故障特征信息。仿真及实测信号处理结果证明,该方法能在强噪声背景下准确提取滚动轴承故障信号的微弱特征。 展开更多
关键词 滚动轴承 强噪声 变分模态分解 相关峭度 蝗虫优化算法
下载PDF
基于改进VMD和深度置信网络的风机易损部件故障预警 被引量:37
10
作者 郑小霞 陈广宁 +1 位作者 任浩翰 李东东 《振动与冲击》 EI CSCD 北大核心 2019年第8期153-160,179,共9页
考虑到风电机组运行时监测到的轴承、齿轮等易损部件的振动信号早期故障特征微弱且难以提取,提出了基于变分模态分解的风机易损部件故障特征提取方法,并采用深度置信网络对故障进行预警。为克服变分模态分解参数选取对特征提取效果的影... 考虑到风电机组运行时监测到的轴承、齿轮等易损部件的振动信号早期故障特征微弱且难以提取,提出了基于变分模态分解的风机易损部件故障特征提取方法,并采用深度置信网络对故障进行预警。为克服变分模态分解参数选取对特征提取效果的影响,基于各分量的相关系数确定分解个数,并采用粒子群算法来优化惩罚因子,将改进的变分模态分解用于振动信号进行分析处理;在此基础上,进一步提取各分量的排列熵和均方根值并将其构成的高维特征向量作为深度置信网络的输入,建立早期故障诊断模型;选取风机传动故障诊断实验平台早期故障数据和某风电机组的现场信号进行故障诊断分析。结果表明,该方法能准确稳定地提取风机易损部件故障信号的微弱特征,并进行故障有效识别,提高了风机易损部件故障预警的准确性。 展开更多
关键词 变分模态分解 多特征提取(vmd) 深度置信网络(DBN) 故障诊断
下载PDF
基于MCKD和VMD的滚动轴承微弱故障特征提取 被引量:35
11
作者 夏均忠 赵磊 +2 位作者 白云川 于明奇 汪治安 《振动与冲击》 EI CSCD 北大核心 2017年第20期78-83,共6页
针对滚动轴承早期故障特征非常微弱,易受随机噪声和其他信号干扰而难以提取等现象,提出了用最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)和变分模态分解(Variational Mode Decomposition,VMD)相结合的方法提取... 针对滚动轴承早期故障特征非常微弱,易受随机噪声和其他信号干扰而难以提取等现象,提出了用最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)和变分模态分解(Variational Mode Decomposition,VMD)相结合的方法提取滚动轴承故障特征。首先用MCKD进行信号增强,然后利用VMD得到一系列模态,应用互相关系数和峭度准则筛选包含故障信息较为丰富的模态进行重构降噪,最后对重构信号进行包络解调提取故障特征。通过仿真分析和轴承故障模拟实验验证了该方法的有效性,可以精确地分离轴承故障振动信号的不同频率成分。 展开更多
关键词 滚动轴承 最大相关峭度解卷积 变分模态分解 互相关系数 峭度准则
下载PDF
基于VMD初始化S变换的混合动力系统电能质量扰动检测与分类 被引量:33
12
作者 徐艳春 高永康 +2 位作者 李振兴 李振华 吕密 《中国电机工程学报》 EI CSCD 北大核心 2019年第16期4786-4798,共13页
针对分布式能源(distributed energy,DG)接入配电网时电能质量(powerquality,PQ)的监测问题,该文采用变分模态分解(variational mode decomposition,VMD)初始化S变换技术,对接入配电网的DG类型以及因操作事件改变而产生的不同特征PQ扰... 针对分布式能源(distributed energy,DG)接入配电网时电能质量(powerquality,PQ)的监测问题,该文采用变分模态分解(variational mode decomposition,VMD)初始化S变换技术,对接入配电网的DG类型以及因操作事件改变而产生的不同特征PQ扰动进行检测并分类识别。首先,从PQ扰动信号中提取F1、F2特征量,作为接入混合动力系统分布式能源分类的标准;其次通过VMD初始化S变换,从S变换矩阵中提取F3~F7特征量作为模糊C均值(fuzzy c-means,FCM)聚类算法的输入,对每种分布式能源接入条件下由于操作事件改变引起的PQ扰动进行分类。在所提方法和现有方法之间进行百分比准确性比较,验证所提算法的有效性;最后提出电能质量评价指标,并在该指标下对9类扰动情况的电能质量影响因子进行评估。 展开更多
关键词 配电网 电能质量 特征量提取 变分模态分解(vmd)
下载PDF
灰色理论–变分模态分解和NSGA-Ⅱ优化的支持向量机在变压器油中气体预测中的应用 被引量:32
13
作者 肖怀硕 李清泉 +2 位作者 施亚林 张同乔 张纪伟 《中国电机工程学报》 EI CSCD 北大核心 2017年第12期3643-3653,共11页
为了利用有限的历史数据准确地预测未来一段时间变压器油中的气体含量,该文将一种变分模态分解(variational mode decomposition,VMD)方法和优化的支持向量机(support vector machine,SVM)引入到预测模型中。首先,采用灰色模型(grey mod... 为了利用有限的历史数据准确地预测未来一段时间变压器油中的气体含量,该文将一种变分模态分解(variational mode decomposition,VMD)方法和优化的支持向量机(support vector machine,SVM)引入到预测模型中。首先,采用灰色模型(grey model,GM)对原始序列进行去趋势处理,然后对去趋势的序列进行VMD,得到了一组平稳的模态分量。再通过经改进的非支配排序遗传算法-II优化的SVM对各模态分量分别进行预测,最后重构获得了最终的预测结果。实验结果表明,该方法既在气体预测中具有较高精度,还能够反映气体变化趋势,并为电力系统其他领域的预测模型提供了新思路。 展开更多
关键词 灰色理论 变分模态分解 支持向量机 油中溶解气体 预测
下载PDF
基于VMD-DE的坦克行星变速箱故障诊断方法研究 被引量:31
14
作者 吴守军 冯辅周 +1 位作者 吴春志 李本 《振动与冲击》 EI CSCD 北大核心 2020年第10期170-179,共10页
为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算... 为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算重构信号的散布熵;将重构信号散布熵作为特征值输入到粒子群优化(PSO)的多分类支持向量机(SVM)中实现故障模式识别。通过对坦克行星变速箱的正常、行星轮故障和太阳轮故障三种状态进行模式识别,分类准确率达到100%,且计算时间较短。与基于原始振动信号DE、VMD-SE(样本熵)、VMD-PE(排列熵)及EMD-DE(经验模态分解与DE结合)等方法比较,综合考虑准确率和计算时间两个因素,基于VMD-DE的方法故障诊断性能最佳。 展开更多
关键词 行星变速箱 故障诊断 变分模态分解(vmd) 散布熵(DE) 粒子群优化(PSO) 支持向量机(SVM)
下载PDF
WOA-VMD算法在轴承故障诊断中的应用 被引量:31
15
作者 张萍 张文海 +2 位作者 赵新贺 吴显腾 刘宁 《噪声与振动控制》 CSCD 北大核心 2021年第4期86-93,275,共9页
针对从滚动轴承振动信号中所提取的故障信息精度低的问题,提出一种基于鲸鱼优化算法(WOA)-变分模态分解(VMD)能量熵的特征提取方法,并采用改进鲸鱼优化算法(WOA)-支持向量机(SVM)进行故障诊断。首先,利用鲸鱼优化算法对变分模态分解模... 针对从滚动轴承振动信号中所提取的故障信息精度低的问题,提出一种基于鲸鱼优化算法(WOA)-变分模态分解(VMD)能量熵的特征提取方法,并采用改进鲸鱼优化算法(WOA)-支持向量机(SVM)进行故障诊断。首先,利用鲸鱼优化算法对变分模态分解模态个数K和惩罚参数α寻优,然后根据VMD处理信号得到若干模态分量,筛选后进一步提取能量熵作为特征向量。最后,针对WOA种群迭代机制易陷入局部极值等缺点,引入随机变异策略进行改进,根据改进WOA-SVM对轴承信号进行故障诊断。实验表明,该方法能够准确提取故障信息,提高轴承数据故障识别率,准确率高达99.2%。 展开更多
关键词 故障诊断 变分模态分解 能量熵 鲸鱼优化算法 支持向量机
下载PDF
基于VMD-HMM的滚动轴承磨损状态识别 被引量:28
16
作者 李奕江 张金萍 李允公 《振动与冲击》 EI CSCD 北大核心 2018年第21期61-67,共7页
根据变分模态分解(VMD)在信号处理上的良好特性与隐马尔可夫模型(HMM)在时间序列上的分类能力,提出了一种基于VMD分解与HMM模型相结合的滚动轴承磨损状态识别方法。该方法利用VMD对轴承各个磨损时期信号进行分解,进而计算VMD分解后各IM... 根据变分模态分解(VMD)在信号处理上的良好特性与隐马尔可夫模型(HMM)在时间序列上的分类能力,提出了一种基于VMD分解与HMM模型相结合的滚动轴承磨损状态识别方法。该方法利用VMD对轴承各个磨损时期信号进行分解,进而计算VMD分解后各IMF的能量熵,依次提取轴承振动信号的各层IMF能量熵构成特征向量序列,每种状态随机选取20组(共80组)输入HMM模型训练,剩余的特征向量序列进行测试,通过对比对数似然概率值来判别磨损状态。实验结果表明该方法能够准确分辨出轴承的磨损状态,与EMD-HMM、谐波小波样本熵HMM模型进行了对比,验证了该方法具有识别性高准确性强的优点。 展开更多
关键词 滚动轴承 故障诊断 隐马尔可夫模型(HMM) 变分模态分解(vmd)
下载PDF
基于VMD-WVD分布与堆栈稀疏自编码网络的局放类型识别 被引量:24
17
作者 高佳程 朱永利 +1 位作者 郑艳艳 贾亚飞 《中国电机工程学报》 EI CSCD 北大核心 2019年第14期4118-4128,共11页
针对目前常用的浅层模式识别方法对高维大容量样本处理困难的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)的Wigner Ville分布(Wigner-Ville distribution,WVD)和堆叠稀疏自编码网络(stockedsparse auto-encoder... 针对目前常用的浅层模式识别方法对高维大容量样本处理困难的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)的Wigner Ville分布(Wigner-Ville distribution,WVD)和堆叠稀疏自编码网络(stockedsparse auto-encoder,SSAE)的局部放电(partial discharge,PD)信号的模式识别方法。首先,以VMD算法对PD信号进行分解,对所得各分量进行时频分析得到相应的WVD;然后,以PD信号的VMD-WVD分布为输入量,利用SSAE对样本集合进行训练,自主提取内在特征。此外,将SSAE与稀疏自编码器(stackedsparseauto-encoder,SAE)的输出特征进行比较,验证了SSAE网络特征提取能力的优越性;最后,用训练好的SSAE网络完成测试样本的局部放电类型的识别。同时,以基于反向传播(backpropagation,BP)神经网络和支持向量机(support vector machine,SVM)的识别结果与该结果进行比较。结果表明,所采用的识别方法具有更高的正确识别率。 展开更多
关键词 局部放电 模式识别 变分模态分解 WIGNER-VILLE分布 堆栈稀疏自编码网络
下载PDF
基于优化VMD与噪声估计的间隔阈值局部放电去噪方法 被引量:24
18
作者 余昌佳 梅飞 +3 位作者 叶昱媛 潘益 沙浩源 郑建勇 《高压电器》 CAS CSCD 北大核心 2020年第3期141-149,共9页
为了抑制局部放电(PD)信号中含有的窄带周期干扰和白噪声,提出一种基于优化的变分模态分解(VMD)阈值去噪方法。首先针对VMD算法可能造成染噪信号欠分解或过分解的问题,提出一种基于频谱分析和四分位数的模态分解数K值优化方法,并结合模... 为了抑制局部放电(PD)信号中含有的窄带周期干扰和白噪声,提出一种基于优化的变分模态分解(VMD)阈值去噪方法。首先针对VMD算法可能造成染噪信号欠分解或过分解的问题,提出一种基于频谱分析和四分位数的模态分解数K值优化方法,并结合模态的峭度特征去除窄带周期干扰和高频白噪声;针对PD信号主导模态中残留的白噪声,利用文中研究中发现的VMD分解白噪声所得模态的两个统计特性,提出一种噪声标准差估计方法来确定阈值,最后引入间隔阈值函数对PD信号主导模态进一步去噪。采用该方法对仿真和实测信号进行去噪处理,并将其与传统方法进行对比,结果表明,所提方法不仅可以更有效地抑制噪声,同时也能更好地保留PD信号的特征。 展开更多
关键词 局部放电 变分模态分解 四分位数 峭度 噪声估计 间隔阈值
下载PDF
基于参数优化变分模态分解的交流变频电机转子断条故障识别方法 被引量:24
19
作者 李睿彧 刘飞 +2 位作者 梁霖 罗爱玲 徐光华 《电工技术学报》 EI CSCD 北大核心 2021年第18期3922-3933,共12页
该文提出一种基于变分模态分解(VMD)和Park变换的交流变频电机早期转子断条故障识别方法。重点对低速状态下电机早期断条故障特征频率识别展开研究,基于电流信号特点结合萤火虫优化算法(FA)设定变分模态分解参数,进一步强化其自适应分... 该文提出一种基于变分模态分解(VMD)和Park变换的交流变频电机早期转子断条故障识别方法。重点对低速状态下电机早期断条故障特征频率识别展开研究,基于电流信号特点结合萤火虫优化算法(FA)设定变分模态分解参数,进一步强化其自适应分解能力,并在此基础上获取三相电流的基频分量信息,通过Park变换检测早期故障特征。仿真与实验结果表明,该方法检测电机早期转子断条故障特征优于经验模态分解(EMD)方法,并可实现故障特征频率的早期定位,这对电机的故障辨识和预警具有重要支撑意义。 展开更多
关键词 交流变频电机 转子断条故障 变分模态分解 萤火虫优化算法 PARK变换
下载PDF
基于改进变分模态分解和SVM的断路器机械故障振动分析 被引量:23
20
作者 田书 康智慧 《振动与冲击》 EI CSCD 北大核心 2019年第23期90-95,共6页
针对传统信号分解导致断路器机械故障振动分析特征提取不准确,故障诊断精度低的缺点,提出将改进变分模态分解能量熵与支持向量机相结合的断路器故障诊断新方法。利用量子粒子群优化变分模态分解(VMD)参数设置问题,获取最佳模态个数及惩... 针对传统信号分解导致断路器机械故障振动分析特征提取不准确,故障诊断精度低的缺点,提出将改进变分模态分解能量熵与支持向量机相结合的断路器故障诊断新方法。利用量子粒子群优化变分模态分解(VMD)参数设置问题,获取最佳模态个数及惩罚因子。为验证该算法在模态混叠及噪声干扰方面的优势,将其应用在10 kV高压断路器ZN63A-12上,对断路器采集到的正常、传动机构卡涩及基座螺丝松动三种振动信号进行分析。用改进VMD能量熵提取断路器振动特征,并输入支持向量机确定故障状态。实验结果表明,所提方法在少量样本情况下仍能有效提取断路器的运行状态并对故障进行分类,具有较高的应用价值。 展开更多
关键词 变分模态分解 断路器 振动信号 支持向量机
下载PDF
上一页 1 2 18 下一页 到第
使用帮助 返回顶部