期刊文献+
共找到47,150篇文章
< 1 2 250 >
每页显示 20 50 100
基于参数优化VMD和改进LSSVM的道岔故障诊断方法 被引量:1
1
作者 王彦快 孟佳东 +1 位作者 张玉 杨建刚 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第5期2072-2085,共14页
为了解决道岔设备智能故障诊断中特征指标难以提取以及模型训练时间较长的问题,以ZDJ9型转辙机带动的道岔设备为研究对象,以转辙机功率曲线为数据基础,提出一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和改进最... 为了解决道岔设备智能故障诊断中特征指标难以提取以及模型训练时间较长的问题,以ZDJ9型转辙机带动的道岔设备为研究对象,以转辙机功率曲线为数据基础,提出一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和改进最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)的道岔故障诊断方法。首先,采用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化VMD参数,得到模态(Intrinsic Mode Functions,IMF)分量个数和惩罚因子的最优参数组合。其次,计算IMF分量与功率曲线的相关系数,优选相关性较大的前3阶IMF分量,并计算功率谱熵、模糊熵及包络熵值,建立多特征融合样本数据库。最后,针对麻雀搜索算法(Sparrow Search Algorithm,SSA)易陷入局部最优的问题,通过改进Tent混沌映射初始化策略随机生成种群,正余弦算法(Sine Cosine Algorithm,SCA)更新追随者的位置,并采用改进SSA优化LSSVM算法的惩罚因子和核函数方差,构建基于TSSSA-LSSVM的道岔故障诊断模型。实验结果表明:所提道岔故障诊断方法是可行的,采用多特征融合能够更加全面地提取道岔典型故障特征,反映道岔的真实运行状态,提高了故障诊断准确率,而且较TSSSA-SVM,PSO-LSSVM,GWO-LSSVM以及SSA-LSSVM等方法具有较高的故障诊断准确率、召回率以及较低的漏报率,减少了模型训练时间,完全满足现场道岔故障导向安全的原则,具有更好的故障诊断性能,对现场道岔设备的故障维修具有一定的指导意义。 展开更多
关键词 道岔 故障诊断 改进LSSVM 参数优化vmd 多特征融合
下载PDF
基于VMD-GA-BiLSTM的月降水量预测方法 被引量:1
2
作者 于霞 宋杰 +2 位作者 段勇 彭曦霆 李冰洁 《沈阳大学学报(自然科学版)》 CAS 2024年第4期297-305,共9页
利用辽宁省气象局提供的地面观测降水资料,构建了具有多元时间特征的降水数据,采用变分模态分解方法(variational mode decomposition,VMD)组合遗传算法(genetic algorithm,GA)对双向长短时记忆神经网络(bidirectional long short-term ... 利用辽宁省气象局提供的地面观测降水资料,构建了具有多元时间特征的降水数据,采用变分模态分解方法(variational mode decomposition,VMD)组合遗传算法(genetic algorithm,GA)对双向长短时记忆神经网络(bidirectional long short-term memory,BiLSTM)进行优化,建立基于VMD-GA-BiLSTM的月降水量预测模型,并与BiLSTM、VMD-BiLSTM和GA-BiLSTM进行实验对比,应用均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)和R 2决定系数作为模型评价指标。实验结果表明:VMD-GA-BiLSTM模型的R 2决定系数达到0.98,RMSE和MAE表现更低,验证了VMD-GA-BiLSTM模型在时间序列预测方面的优势。 展开更多
关键词 BiLSTM vmd 遗传算法 月降水量 时序特征
下载PDF
基于POA-VMD-WT的MEMS去噪方法 被引量:1
3
作者 马星河 师雪琳 赵军营 《电子测量与仪器学报》 CSCD 北大核心 2024年第1期53-63,共11页
针对MEMS传感器所测得的加速度和角速度输出信号噪声较大问题,提出一种基于鹈鹕优化算法(pelican optimization algorithm,POA)的变分模态分解(variational mode decomposition,VMD)结合小波阈值(wavelet threshold,WT)的去噪方法。首... 针对MEMS传感器所测得的加速度和角速度输出信号噪声较大问题,提出一种基于鹈鹕优化算法(pelican optimization algorithm,POA)的变分模态分解(variational mode decomposition,VMD)结合小波阈值(wavelet threshold,WT)的去噪方法。首先利用POA对VMD的参数组合进行优化选择,然后应用POA-VMD将含噪信号自适应、非递归地分解为一系列本征模态函数(intrinsic mode function,IMF)。再通过计算每个IMF的余弦相似度对IMFs进行分类,根据计算结果将IMFs分为噪声主导分量与信号主导分量,对分类后的噪声主导分量进行改进小波阈值去噪处理,最后对处理后的噪声分量与信号主导分量进行重构,获得降噪后的MEMS传感器信号。静态和动态实验结果表明,该方法去噪处理后信号的信噪比分别提高12和10 dB,均方误差分别降低75.5%和46.6%,去噪效果显著,能够提高MEMS传感器的精度。 展开更多
关键词 MEMS传感器 鹈鹕优化算法 变分模态分解 小波阈值 余弦相似度
下载PDF
基于VMD-SE的电力负荷分量的多特征短期预测 被引量:1
4
作者 邵必林 纪丹阳 《中国电力》 CSCD 北大核心 2024年第4期162-170,共9页
为提高电力负荷的预测精度,提出一种基于VMD-SE的电力负荷分量的多特征短期预测方法。首先采用变分模态分解(VMD)将原始负荷分解为一系列模态分量与残差,VMD的分解层数由样本熵值(sample entropy,SE)确定;然后对比原始负荷与模态分量的S... 为提高电力负荷的预测精度,提出一种基于VMD-SE的电力负荷分量的多特征短期预测方法。首先采用变分模态分解(VMD)将原始负荷分解为一系列模态分量与残差,VMD的分解层数由样本熵值(sample entropy,SE)确定;然后对比原始负荷与模态分量的SE值,重构为平稳分量和波动分量,来降低运算规模;同时利用皮尔逊相关系数来筛选特征变量,删除特征冗余,建立灰狼算法优化后的支持向量回归模型(GWO-SVR)和长短期记忆神经网络(LSTM)分别对平稳分量和波动分量预测;最后以某地区2018—2020年用电负荷为例进行实验。实验证明:此模型精准度高达94.7%,平均绝对百分误差降低到2.98%,具有更好的精准性和适用性。 展开更多
关键词 短期预测 vmd 样本熵 波动分量 平稳分量 GWO-SVR 长短期记忆神经网络
下载PDF
VMD可视化及深度学习的滚动轴承故障诊断
5
作者 魏航信 程欢 +1 位作者 吴伟 王晓荣 《机械设计与制造》 北大核心 2024年第7期210-214,220,共6页
滚动轴承故障检测信号具有非线性、不平稳的特点,且特征量难以提取,因此提出变分模态分解(VMD)信号的可视化与深度学习神经网络相结合的方法以诊断轴承故障。首先对轴承原始振动信号进行VMD分解,滤除信号噪声;其次采用希尔伯特黄变换消... 滚动轴承故障检测信号具有非线性、不平稳的特点,且特征量难以提取,因此提出变分模态分解(VMD)信号的可视化与深度学习神经网络相结合的方法以诊断轴承故障。首先对轴承原始振动信号进行VMD分解,滤除信号噪声;其次采用希尔伯特黄变换消除VMD存在的“欠包络”问题;接着对一维时间序列信号进行可视化变换,提取信号的格莱姆角视场(GAF)二维特征图,以充分反映不同故障的特征。最后采用卷积神经网络(CNN)对可视化图形进行诊断,CNN网络包括两个卷积层和两个池化层,卷积层的内核均为(5×5),池化层内核均为(2×2),卷积层深度分别为20和32。对采集的10类轴承振动信号进行诊断,训练集样本数量为3791,训练精度为96.5%,测试集样本数量为209,测试精度为95.2%,证明了本方法的有效性。 展开更多
关键词 深度学习 vmd 格莱姆角视场 故障诊断 滚动轴承
下载PDF
基于NGO-VMD和改进GoogLeNet的齿轮箱故障诊断方法
6
作者 李俊卿 刘若尧 何玉灵 《机床与液压》 北大核心 2024年第12期193-201,共9页
目前的齿轮箱故障诊断方法,在多转速工况及噪声干扰下,存在过拟合及诊断效果不佳的问题。针对此问题,提出一种北方苍鹰(NGO)算法优化变分模态分解(VMD)结合改进GoogLeNet的齿轮箱故障诊断方法。使用NGO对VMD进行参数寻优,利用优化后的VM... 目前的齿轮箱故障诊断方法,在多转速工况及噪声干扰下,存在过拟合及诊断效果不佳的问题。针对此问题,提出一种北方苍鹰(NGO)算法优化变分模态分解(VMD)结合改进GoogLeNet的齿轮箱故障诊断方法。使用NGO对VMD进行参数寻优,利用优化后的VMD去除故障信号中的噪声;对原始GoogLeNet的结构进行合理删减,并利用延迟丢弃法、可训练的ReLU函数(TReLU)对其改进;最后,将去噪后的故障信号转换为二维图作为改进GoogLeNet的输入数据进行网络的训练及分类,得到故障诊断结果。实验结果表明:与其他降噪方法相比,NGO-VMD方法的降噪效果明显,能显著提高故障诊断的准确率;与常见的卷积神经网络相比,提出的改进GoogLeNet能进一步提高故障诊断的准确率,达到了97.2%。 展开更多
关键词 变分模态分解(vmd) 北方苍鹰优化(NGO)算法 改进GoogLeNet 齿轮箱故障诊断
下载PDF
基于Spearman相关性阈值寻优和VMD-LSTM的用户级综合能源系统超短期负荷预测
7
作者 李鹏 罗湘淳 +2 位作者 孟庆伟 朱明晓 陈继明 《全球能源互联网》 CSCD 北大核心 2024年第4期406-420,共15页
由于用户级综合能源系统(integrated energy system,IES)的多元负荷序列之间复杂的耦合关系及易受外部因素影响等原因,综合能源系统多元负荷的精准预测面临很大困难。为此,提出一种基于Spearman相关性分析阈值寻优(threshold optimizati... 由于用户级综合能源系统(integrated energy system,IES)的多元负荷序列之间复杂的耦合关系及易受外部因素影响等原因,综合能源系统多元负荷的精准预测面临很大困难。为此,提出一种基于Spearman相关性分析阈值寻优(threshold optimization,TO)和变分模态分解结合长短期记忆网络(variational mode decomposition based long short-term memory network,VMD-LSTM)的多元负荷预测方法。首先,使用斯皮尔曼等级(Spearman rank,SR)相关系数定量计算多元负荷间以及负荷与其他气候因素间的相关关系并通过循环寻优确定最优相关阈值,然后采用VMD算法将以最优阈值筛选出的负荷特征序列分解成更简单、平稳、有规律性的本征模态函数(intrinsic mode function,IMF)后与最优气象特征一起输入LSTM模型进行负荷预测。通过某用户级IES的实际数据对所提方法的有效性进行了验证,结果表明,所提方法能有效提高IES的多元负荷预测精度。 展开更多
关键词 负荷预测 综合能源系统 相关性分析 阈值寻优 变分模态分解
下载PDF
融合BiLSTM和VMD的GNSS坐标时间序列重构
8
作者 何玉红 姚笛 +2 位作者 刘净利 孙志丽 娄艳华 《濮阳职业技术学院学报》 2024年第3期22-25,51,共5页
GNSS观测时间序列包含复杂的非线性构造运动,如地面质量荷载、模型残差、周围环境因素等。由于环境因素的复杂性,季节性信号可能具备准周期时变的特征,传统的时间序列分析模型很难模型化。因此,可以采用一种双向长短期记忆(Bidirectiona... GNSS观测时间序列包含复杂的非线性构造运动,如地面质量荷载、模型残差、周围环境因素等。由于环境因素的复杂性,季节性信号可能具备准周期时变的特征,传统的时间序列分析模型很难模型化。因此,可以采用一种双向长短期记忆(Bidirectional Long Short-Term Memory,BiLSTM)循环神经网络与变分模态分解(Variational Mode Decomposition,VMD)联合的信号重构方法。首先利用VMD强大的分解能力将GNSS信号进行频域剖分并将其分为多项子信号和噪声项,再基于BiLSTM强大的学习能力对GNSS信号进行训练建模。结果表明,BiLSTM+VMD模型能充分挖掘信号的时频域特征,提高信号重构的精度和稳定性,GNSS N、E、U三分量重构结果均方根误差(Root Mean Squared Error,RMSE)都表现出不同程度的降低,尤其水平方向效果更为显著,相比EMD与VMD方法,E方向离散度分别降低了61%和19%,N方向离散度分别降低了20%和14%。这为GNSS观测时间序列中信号提取与模型参数估计提供了一个有价值的模型。 展开更多
关键词 GNSS BiLSTM vmd分解 模型重构 信号提取
下载PDF
基于ICEEMDAN-VMD与结合注意力机制的简单循环单元的水轮机故障诊断
9
作者 王淑青 盛世龙 +2 位作者 王云鹤 翟宇胜 陈开元 《中国农村水利水电》 北大核心 2024年第11期166-173,178,共9页
基于水电机组振动信号存在的非平稳和非线性,提出一种结合二次分解和简单循环单元(SRU)与注意力结合(Attention)的方法。首先采用ICEEMDAN和VMD方法对振动信号进行二次分解,将信号分解成本征模态函数(IMF);随后,引入基于SRU的深度学习模... 基于水电机组振动信号存在的非平稳和非线性,提出一种结合二次分解和简单循环单元(SRU)与注意力结合(Attention)的方法。首先采用ICEEMDAN和VMD方法对振动信号进行二次分解,将信号分解成本征模态函数(IMF);随后,引入基于SRU的深度学习模型,将提取得到的IMF信号输入到SRU中进行学习得到水电机组故障识别器。为了进一步提升模型的性能,在SRU中加入了注意力机制,使模型能够动态地关注不同IMF的重要信息。结合故障识别器和实时振动信号特征,即可识别水电机组运行状态为:正常、预警或故障类型;最后,为验证该方法的有效性,通过对比试验,结合实际电站机组样本数据,验证了所提方法在挖掘信号特征方面的可行性和优越性。 展开更多
关键词 水电机组 vmd SRU 注意力机制 ICEEMDAN 故障诊断
下载PDF
基于GA-VMD分解与支持向量机的刀具故障诊断研究
10
作者 赵德宏 李永利 《沈阳建筑大学学报(自然科学版)》 CAS 北大核心 2024年第2期361-371,共11页
目的 研究非平稳性振动信号的分解方法,提出一种基于遗传算法优化后的变分模态分解方法(GA-VMD),提高刀具故障识别准确率。方法 以样本熵为目标函数值,利用遗传算法对样本熵进行迭代计算,得到变分模态分解的最佳分解层数k和惩罚系数α;... 目的 研究非平稳性振动信号的分解方法,提出一种基于遗传算法优化后的变分模态分解方法(GA-VMD),提高刀具故障识别准确率。方法 以样本熵为目标函数值,利用遗传算法对样本熵进行迭代计算,得到变分模态分解的最佳分解层数k和惩罚系数α;在此基础上,对刀具振动信号进行分解,并提取刀具故障特征,再利用近邻成分分析(NCA)对故障特征进行筛选,得到与刀具故障状态相关性较强的特征;最后将筛选后的故障特征输入到PSO-SVM分类模型中进行刀具故障诊断。结果 相较于PSO-VMD分解方法,在相同迭代次数下,GA-VMD分解方法对于刀具故障分类的准确率由92%提升至97%。结论 优化后的VMD分解方法降噪效果明显,能提取较好的刀具故障特征,刀具故障识别准确率有了明显提高,为信号分解层数以及刀具故障诊断提供了理论基础。 展开更多
关键词 vmd 特征提取 支持向量机 故障诊断
下载PDF
基于优化VMD-SSA-LSTM算法的锂离子电池RUL预测
11
作者 朱宗玖 顾发慧 《安徽理工大学学报(自然科学版)》 CAS 2024年第2期11-19,共9页
目的为了避免锂电池在使用的过程中可能会出现容量虚假回升现象,从而导致电池在超出退化标准后继续使用造成风险。方法提出基于鲸鱼优化算法(WOA)、分模态分解(VMD)、麻雀搜索算法(SSA)和长短时记忆神经网络(LSTM)的组合预测算法对锂离... 目的为了避免锂电池在使用的过程中可能会出现容量虚假回升现象,从而导致电池在超出退化标准后继续使用造成风险。方法提出基于鲸鱼优化算法(WOA)、分模态分解(VMD)、麻雀搜索算法(SSA)和长短时记忆神经网络(LSTM)的组合预测算法对锂离子电池剩余寿命(RUL)进行预测。首先对于变分模态分解模态数K和惩罚因子a以往需要凭经验确定的问题,提出使用WOA对VMD的两个参数进行寻优。其次将原始容量退化数据根据上一步确定的参数进行模态分解,得到有限个模态分量。由于经过分解过后得到的残差分量的起伏性较大,因此将其作为其中的一个分量。最后,使用SSA优化LSTM的超参数,并对得到的模态分量和残差分量进行预测,并将预测的各个分量重构得到预测结果。结果采用NASA PCoE实验室公开的锂电池失效数据集进行实验,验证了所提出的WOA-VMD-SSA-LSTM优化算法相较于其他2种优化算法,在平均绝对误差(MAE)、均方根误差(RMSE)和平均相对百分误差(MAPE)3项评价标准中都是最低,且MAPE小于1%。结论该优化算法对于锂电池RUL预测具有不错的精度和稳定性,为锂电池RUL预测提供了一种新的预测模型的同时,也为VMD超参数的选择和确定提供了一种新方法。 展开更多
关键词 RUL预测 vmd 锂离子电池 LSTM SSA
下载PDF
基于VMD的广义三次互相关管道泄漏定位检测
12
作者 王冬梅 童影力 +1 位作者 何壮 路敬祎 《压力容器》 北大核心 2024年第2期72-80,共9页
针对天然气管道泄漏检测声波定位技术中,二次互相关时延估计算法存在较大误差的问题,提出了一种基于变分模态分解(VMD)结合广义三次互相关的时延估计算法。该方法首先利用VMD算法对两路信号进行分解并重构信号;其次,在二次互相关的基础... 针对天然气管道泄漏检测声波定位技术中,二次互相关时延估计算法存在较大误差的问题,提出了一种基于变分模态分解(VMD)结合广义三次互相关的时延估计算法。该方法首先利用VMD算法对两路信号进行分解并重构信号;其次,在二次互相关的基础上再进行一次相关,并在互相关算法的峰值检测阶段引入希尔伯特变换(HT),对峰值进行尖锐化处理,成为一种新型的广义三次互相关时延估计算法。通过对平台搭建的油气管道泄漏检测系统采集数据进行模拟试验,分析了各算法的精度。试验表明,相较于二次互相关,改进广义三次互相关时延估计算法定位平均精度有明显的提升,有着更高的精度和更好的抗噪性能,在天然气管道泄漏定位方面有着更广泛的应用前景。 展开更多
关键词 管道泄漏检测 变分模态分解 广义三次互相关 希尔伯特变换(HT)
下载PDF
基于ACO-USK优化VMD参数的滚动轴承故障诊断研究
13
作者 张卫国 王紫阳 +1 位作者 夏立成 陈永和 《中国工程机械学报》 北大核心 2024年第5期695-700,共6页
传统变分模态分解(VMD)技术需要人为主观预设模态分解个数K和二次惩罚因子α,由此可能导致信号的欠分解、过分解、模态混叠或信息丢失等问题,从而影响对滚动轴承早期故障信号的分解效果。本文根据峭度指标对滚动轴承早期故障异常敏感的... 传统变分模态分解(VMD)技术需要人为主观预设模态分解个数K和二次惩罚因子α,由此可能导致信号的欠分解、过分解、模态混叠或信息丢失等问题,从而影响对滚动轴承早期故障信号的分解效果。本文根据峭度指标对滚动轴承早期故障异常敏感的特点,提出了一种以联合平方峭度(USK)指标为目标函数,结合蚁群优化(ACO)算法的ACO-USK优化方法,对VMD模态分解个数K和二次惩罚因子α进行自适应寻优。研究结果表明:对于滚动轴承早期故障信号,与以包络熵(EE)为目标函数的VMD优化方法对比,本文提出的方法既具有较好的包络谱信噪比(SNRES),又有在计算用时上的优越性,具有一定的工程应用价值。 展开更多
关键词 变分模态分解(vmd) 滚动轴承 故障诊断 联合平方峭度(USK) 蚁群优化(ACO)算法
下载PDF
基于VMD-改进最优加权法的短期负荷变权组合预测策略 被引量:1
14
作者 李志军 徐博 +1 位作者 杨金荣 宁阮浩 《国外电子测量技术》 2024年第2期1-8,共8页
为提升短期电力负荷预测精度,提出了一种变权组合预测策略。首先,为了降低负荷数据的不平稳度,使用变分模态分解(variational mode decomposition,VMD)将负荷数据分解成了高频、低频、残差3种特征模态分量。其次,充分计及负荷数据的时... 为提升短期电力负荷预测精度,提出了一种变权组合预测策略。首先,为了降低负荷数据的不平稳度,使用变分模态分解(variational mode decomposition,VMD)将负荷数据分解成了高频、低频、残差3种特征模态分量。其次,充分计及负荷数据的时序特点,参考指数加权法原理设计自适应误差重要性量化函数,并结合组合模型在时间窗口内的历史负荷数据的均方预测误差设计改进最优加权法的目标函数和约束条件,以完成子模型的准确变权。最后,针对波动较强的高频分量选定极端梯度提升(XGBoost)和卷积神经网络-长短期记忆(CNN-LSTM)模型并使用改进最优加权法进行组合预测、低频分量使用多元线性回归(MLR)模型预测、残差分量使用LSTM模型预测,叠加各模态分量的预测结果,实现了短期负荷数据的准确预测。实验结果表明,使用策略组合模型的平均绝对百分比误差为4.18%。与使用传统组合策略的组合模型相比,平均绝对百分比预测误差平均降低了0.87%。 展开更多
关键词 短期负荷预测 变分模态分解 改进最优加权法 组合模型
下载PDF
基于VMD-Stacking集成学习的新能源发电功率预测模型
15
作者 慈铁军 廖子恒 +2 位作者 任梦晨 梁音 吴自高 《电力科学与工程》 2024年第9期14-23,共10页
在“双碳”背景下,新能源发电功率的准确预测对于电力系统的平稳运行至关重要。提出了一种自适应性的VMD-Stacking集成模型,以解决数据集变化时传统学习模型预测精度不高的问题。利用皮尔逊相关系数选择与发电功率强相关的气象特征,通... 在“双碳”背景下,新能源发电功率的准确预测对于电力系统的平稳运行至关重要。提出了一种自适应性的VMD-Stacking集成模型,以解决数据集变化时传统学习模型预测精度不高的问题。利用皮尔逊相关系数选择与发电功率强相关的气象特征,通过变分模态分解(Variational mode decomposition,VMD)将功率数据分解为多个模态分量,由此构成新的数据集。运用贝叶斯优化算法调整超参数,综合评判随机森林等8种学习模型的评价指标,自适应选出预测性能最优的3种模型作为基学习器,并选用稳定性和泛化能力相对较强的线性回归(Linear Regression)作为元学习器,建立Stacking融合模型。对各分量的预测值叠加,得到最终预测结果。以某新能源场站为例,对风、光电站的发电功率进行预测。算例验证结果表明,该模型在面对不同数据集时,体现出较强的适应性,预测性能也得到显著的提升。 展开更多
关键词 新能源功率预测 Stacking集成学习 vmd 皮尔逊相关系数 贝叶斯超参数优化
下载PDF
基于VMD-SSA-LSTM的架空输电导线覆冰预测模型
16
作者 陈彬 徐志明 +4 位作者 贾燕峰 丁锐鑫 张少峰 李飚 王佳琳 《三峡大学学报(自然科学版)》 CAS 北大核心 2024年第4期105-112,共8页
针对输电导线覆冰过程间断性强且波动性大而导致的现有模型预测精度不高的问题,从覆冰厚度数据的时序信息和气象信息出发,提出一种基于变分模态分解(variational mode decomposition,VMD)的麻雀搜索算法(sparrow search algorithm,SSA)... 针对输电导线覆冰过程间断性强且波动性大而导致的现有模型预测精度不高的问题,从覆冰厚度数据的时序信息和气象信息出发,提出一种基于变分模态分解(variational mode decomposition,VMD)的麻雀搜索算法(sparrow search algorithm,SSA)优化长短期记忆网络(long short-term memory network,LSTM)的覆冰组合预测模型.该方法首先使用VMD分解覆冰厚度数据,降低了原始序列的不稳定性,得到具有不同中心频率的本征模态分量;其次,采用SSA算法对LSTM中的3个参数进行寻优;最后,对模态分量分别建立LSTM预测模型,将各个模态分量的预测值叠加为覆冰厚度的总预测值.通过实例仿真,对所提预测模型进行验证.结果表明:VMD-SSA-LSTM组合模型与其他模型相比,其预测精度有进一步提高,验证了所提方法的有效性. 展开更多
关键词 输电导线 覆冰预测 变分模态分解 麻雀搜索算法 长短期记忆网络
下载PDF
基于VMD的MAG焊输入端电信号频域分析
17
作者 吕小青 苏浩洋 《天津大学学报(自然科学与工程技术版)》 EI CAS CSCD 北大核心 2024年第4期394-402,共9页
通过电信号采集平台,对焊机输入输出端电信号进行同步采集.分析弧焊电源整流电路,对输入电信号进行整流处理得到输入电压与电流,最终计算得到弧焊电源的输入功率.经过对比发现输出电流与瞬时输入功率峰值变化趋势基本一致.论述了变分模... 通过电信号采集平台,对焊机输入输出端电信号进行同步采集.分析弧焊电源整流电路,对输入电信号进行整流处理得到输入电压与电流,最终计算得到弧焊电源的输入功率.经过对比发现输出电流与瞬时输入功率峰值变化趋势基本一致.论述了变分模态分解(VMD)原理及方法,并对瞬时输入功率进行分解,得到一系列特征BLIMFs信号.通过对不同过渡模式(大滴过渡、短路过渡和混合过渡)下瞬时输入功率信号、特征IMF信号和焊接输出电流信号在频域上的对比分析,发现VMD能够有效得到低频(IMF1)、中频(IMF2)和高频信号(IMF3),且中频和高频信号表现出了焊机不控整流的脉动信息(300 Hz)以及电网的干扰.而低频IMF1信号与焊接输出电流信号频域一致性良好,并在时域上也有良好的一致性.结果表明了通过对输入瞬时功率的VMD,其低频分量能够有效表征焊接过程,从而为从输入端评定过渡过程稳定性提供了一种新思路. 展开更多
关键词 MAG焊 瞬时输入功率 变分模态分解 频谱分析
下载PDF
基于优化VMD-GRU的滚动轴承剩余使用寿命预测
18
作者 郗涛 王锴 王莉静 《中国工程机械学报》 北大核心 2024年第1期101-106,共6页
为了提高滚动轴承剩余使用寿命(RUL)的预测精度,提出了一种变分模态分解(VMD)和门控循环神经网络(GRU)融合算法的滚动轴承RUL预测模型VMD-GRU。首先,该模型通过阿基米德优化算法(AOA)优化的VMD算法对原始振动信号进行分解;然后,利用最... 为了提高滚动轴承剩余使用寿命(RUL)的预测精度,提出了一种变分模态分解(VMD)和门控循环神经网络(GRU)融合算法的滚动轴承RUL预测模型VMD-GRU。首先,该模型通过阿基米德优化算法(AOA)优化的VMD算法对原始振动信号进行分解;然后,利用最小包络熵准则选择最佳模态分量进行退化特征提取;再通过核主成分分析进行特征降维;最后,为保证模型准确率,通过鹈鹕优化算法(POA)优化GRU中的超参数,并根据不同故障类型建立GRU剩余寿命预测模型。使用XJTU-SY标准数据集进行剩余寿命预测验证,实验结果表明:与传统未结合故障类型提取退化特征和建立预测模型方法相比,VMD-GRU模型均方根误差和平均绝对误差分别降低了26.28%和27.17%。 展开更多
关键词 滚动轴承 剩余寿命预测 变分模态分解(vmd) 门控循环神经网络(GRU) 阿基米德优化算法(AOA) 鹈鹕优化算法(POA)
下载PDF
基于VMD-SSA-LSTM考虑刀具磨损的数控铣床切削功率预测模型研究
19
作者 王秋莲 欧桂雄 +3 位作者 徐雪娇 刘锦荣 马国红 邓红标 《中国机械工程》 EI CAS CSCD 北大核心 2024年第6期1052-1063,共12页
传统的切削过程功率获取需要基于复杂的切削功率模型且很少考虑刀具磨损的影响,针对此设计了一种基于变分模态分解(VMD)、麻雀搜索算法(SSA)、长短时记忆(LSTM)神经网络的考虑刀具磨损的数控铣床切削功率预测模型,该模型无需解构数控铣... 传统的切削过程功率获取需要基于复杂的切削功率模型且很少考虑刀具磨损的影响,针对此设计了一种基于变分模态分解(VMD)、麻雀搜索算法(SSA)、长短时记忆(LSTM)神经网络的考虑刀具磨损的数控铣床切削功率预测模型,该模型无需解构数控铣床运行过程的能耗机理,基于一次性的历史实验数据即可实现数控铣床切削过程功率的高精度预测。首先,采用人工智能机器视觉技术对刀具磨损图片进行分析处理,获取刀具磨损图像的数字化特征,从而得到刀具最大磨损量;然后,建立基于VMD-SSA-LSTM考虑刀具磨损的数控铣床切削功率预测模型,利用VMD对数控铣床运行数据进行分解,采用SSA算法对LSTM神经网络超参数进行寻优,并将分解出的铣床运行数据分量输入到LSTM神经网络中,接着将每个分量的预测值相加,得到切削功率预测值;最后以面铣加工为例,将所提出的预测模型与BP神经网络、LSTM神经网络和传统模型进行对比分析,验证了所提模型的有效性和优越性。 展开更多
关键词 切削过程功率 刀具磨损 麻雀搜索算法 长短时记忆神经网络 变分模态分解 计算机视觉技术
下载PDF
基于VMD-TCN的水电机组健康状态监测系统设计 被引量:2
20
作者 钟旭 张宝源 +2 位作者 孟威 常峰德 高志国 《水利水电快报》 2024年第2期44-47,共4页
针对常规的水电机组运行监测系统以高频振动信号监测为主,低频振动信号监测失误问题较多,影响水电机组正常运行的问题,设计了基于VMD-TCN的水电机组健康状态监测系统。硬件方面,设计了AC102加速度传感器;软件方面,采集水电机组健康状态... 针对常规的水电机组运行监测系统以高频振动信号监测为主,低频振动信号监测失误问题较多,影响水电机组正常运行的问题,设计了基于VMD-TCN的水电机组健康状态监测系统。硬件方面,设计了AC102加速度传感器;软件方面,采集水电机组健康状态数据,对水电机组状态信号进行处理,判断机组健康状态。基于VMD-TCN分解水电机组健康状态监测信号,根据采集到的状态信号进行信号频段子模态分解,确保监测精准度。系统测试结果表明:该设计提升了系统的监测效果,系统性能良好。 展开更多
关键词 vmd-TCN 水电机组 健康状态 监测系统
下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部