基于EMDs阵列和BP网络的视觉运动感知过程

以Ｒｅｉｃｈａｒｄｔ的相关型初级运动检测器阵列和Ｒｕｍｅｌｈａｒｔ的误差反传学习（ｌｅａｒｎｉｎｇｂｙｂａｃｋ－ｐｒｏｐａｇａｔｉｎｇｅｒｒｏｒｓ，ＢＰ）网络相结合构成了一个视觉运动感知神经网络，探讨了视觉运动信息的感知过程。试图从计算神经科学的观点来阐明从一推运动分量的检测到二维模式运动感知的神经原理，从而回答运动矢量在脑内如何表征。计算机仿真表明，在有监督学习的条件下，网络可以学会解决局城运动检测所带来的多义性问题，给出模式的真实朝向、运动方向和运动速度。

新一代EMDS-42型电磁探伤测井仪的特征及应用实例

俄罗斯地球物理测井权威Teplukhin教授研制的EMDS-TM-42型电磁探伤测井仪在中国一些油田和其他国家的一些油田得到应用。新一代的EMDS—TM－42型电磁探伤测井仪根据用户在使用过程中提出的具体要求更加精化了解释能力，增设消除盲点横向探头，升级了数据采集分析软件、解释软件等。能够直观描述井筒状况，辨别管柱内外腐蚀（包括油管及套管）以及金属缺失等。本文以充分的理论分析及测井资料展示其优越性。

SiO_(2)对甲烷水合物生成初期热导率的影响

针对目前多孔介质在甲烷水合物生成过程中微观导热机理研究的不足,基于SiO_(2)组成的多孔介质缝隙模型,提出采用分子动力学方法进行模拟研究。根据模拟体系的微观结构,采用平衡态分子动力学(equlibrium molecular dynamics,EMD)方法和非平衡态分子动力学(nonequilibrium molecular gynamics,NEMD)方法研究均相溶液在SiO_(2)缝隙内的热导率变化过程,分析SiO_(2)完整缝隙和缺陷缝隙分子构象图和密度分布云图,获得SiO_(2)对甲烷水合物生成初期热导率的影响规律,并进行微观机理分析。结果表明,采用EMD方法得到含SiO_(2)缝隙的均相溶液热导率均值为0.53 W/(m·K),均相溶液的热导率为0.74 W/(m·K);采用NEMD方法得到均相溶液、完整SiO_(2)缝隙、缺陷SiO_(2)缝隙的热导率分别为0.986、0.581和0.439 W/(m·K)。采用EMD方法和NEMD方法均验证了SiO_(2)缝隙的存在有利于甲烷水合物的生成和储存,热导率模拟值均接近实验测量值,含有缝隙的SiO_(2)可明显降低模拟体系的热导率,有利于甲烷水合物的生成和储存。

基于差分处理的EMD-LSTM短时空中交通流量预测

随着中国民航的飞速发展,终端区空中交通流量与日俱增,短时空中交通流量预测对于精准实施空中交通流量管理具有重要意义。为提高短时空中交通流量预测的准确性,提出了基于数据差分处理(data differential processing)的经验模态分解(empirical mode decomposition,EMD)和长短期记忆(long short-term memory,LSTM)相结合的短时空中交通流量预测模型。首先,该模型对短时空中交通流量序列进行经验模态分解;其次,为了提高预测精度,运用数据差分对时间序列进行平稳化处理;最后,将平稳处理后的序列分别输入LSTM网络模型进行预测,经过数据重构,得到最终的短时流量预测值。利用郑州新郑国际机场数据进行了实验验证,结果表明,该模型预测精度和拟合程度的典型指标RSME、MAE、R^(2)分别为0.29%,0.08%、96.40%,相较于其他方法,预测精度大幅度提高,可以为短时空中交通流量预测提供有益参考。

EMD局部积分均值增密插值在化工温度仪表故障诊断中的应用与效果研究

本文旨在探讨EMD局部积分均值增密插值在化工温度仪表故障诊断中的应用与效果。方法 上,首先采用EMD方法对化工温度仪表故障数据进行分解,得到IMF分量;随后,对IMF分量进行局部积分均值增密插值处理,得到增密后的数据序列;最后,基于增密后的数据序列提取故障特征并进行故障诊断。结果 显示,方法 能有效提取故障特征,提高故障诊断的准确性和效率。通过实验验证,证明了EMD局部积分均值增密插值在化工温度仪表故障诊断中的可靠性和适用性。结论 认为,方法 为化工行业的仪表维护提供了新的技术手段,具有广阔的应用前景。

改进EMD结合4th⁃HEO的客滚船柴油机复杂信号振动特征提取方法

针对客滚船柴油机机械系统的复杂机构与运转特性,提出一种多分量非线性振动信号分解及振动特征参数提取策略。为提高动力学参数提取鲁棒性,提出采用延拓经验模态分解(extension‐EMD)方法分解信号以规避端点效应,利用自相关函数提取包含最大特征的敏感分量,利用四阶能量算子(4th‐HEO)幅值解调提取敏感分量的特征频率及其幅值,得到柴油机动力学特征与运行规律的关系;通过仿真信号验证方法的准确性,通过实船测试零负荷和满负荷运行工况下的三向振动信号验证方法的有效性。研究结果表明,垂向信号的表现特征较其他方向信号表现力更佳。对于9缸4冲程柴油机而言,其0.5倍频和4.5倍频的幅值非常突出,且对负载变化影响更加敏感。

基于改进EMD的爆破振动信号降噪方法研究

针对经验模态分解(EMD)算法存在端点效应和降噪效果不佳的问题,依据延拓—分解—聚类—降噪—重构思想,提出了改进EMD的爆破振动信号降噪方法。该方法联合了综合相似指数同时兼顾延拓信号的形状和幅值相似性的特点、K-means算法的聚类特性以及小波包的降噪优势,不仅可以有效抑制端点效应,也具有良好的降噪效果。研究结果表明:在仿真信号端点效应抑制试验中,与多项式拟合和边界局部特征延拓方法相比,改进EMD方法的能量误差和均方误差最小。在实测爆破振动信号降噪中,与EMD和变分模态分解(VMD)方法相比,改进EMD方法的信噪比(20.94 dB)最大,均方根误差(0.0031)最小。改进EMD方法不仅可以较好保存中低频(0~200 Hz)信号能量,对200 Hz以上高频噪声也具有良好滤除效果。

HHT算法在船舶轴系扭振监测系统中的应用

在分析实际测量信号的具体特征时,经常采用EMD分解法获取信号的各特征分量,但用此方法得到的各IMF分量包含了混叠模态信号,导致后续分解过程困难。为解决模态混叠现象对信号特征分析结果的影响,文章对中船重工某研究所采集到的某5缸机船舶轴系振动监测数据信息分别利用EMD分解方法和改进EMD分解方法即集合经验模态分解法(EEMD)对其进行处理分析,从而验证了EEMD分解方法具有抗模态混叠的优越性能。最后,文章对分解的各IMF分量进行HHT变换,得到各信号的边际谱特征。

关于煤矿机械振动信号预测研究

本研究旨在提高煤矿机械振动信号的预测准确性。通过组合预测方法的研究包括欧氏距离矩阵(EMD)原理、预测信号预处理等方面的探索,利用EMD原理,通过测量信号间的欧氏距离来构建预测模型,提高振动信号预测的精度。在预测信号预处理阶段进行了噪声去除和特征提取等步骤,以优化输入数据。在组合预测方法的实现中,将EMD与其他预测模型有机结合形成综合模型,以整合各模型的优势提升预测性能。通过真实的煤矿机械振动数据进行实验验证,对比不同模型的预测结果进行深入的结果分析。实验结果表明,组合预测方法在准确性和稳定性上均胜过单一模型,展现出更为优越的预测效果。

基于CEEMDAN-QPSO-BLS模型的径流预测研究

准确的径流预测是水资源优化配置和高效利用的前提,是制定防洪减灾决策的基础,然而受到人类活动、环境、气候等因素的影响,径流序列呈现出非线性、非稳态、多尺度变化的特点,这为径流的精准预测增加了难度。为提高径流预测的精准度和可信度,结合自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)方法,量子粒子群优化算法(Quantum Particle Swarm Optimization,QPSO)、宽度学习系统(Broad Learning System,BLS)模型,提出了一种基于CEEMDAN-QPSO-BLS组合式的径流预测模型。该组合模型首先使用CEEMDAN方法对原始径流信号进行分解,得到若干相对平稳的本征模态分量。其次利用QPSO算法对BLS模型的特征层节点组数、增强层节点组数和组内节点数进行寻优,得到最优的宽度学习网络拓扑结构,进而使用最优的QPSOBLS对多个稳态分量进行预测,并对预测分量进行重构,从而获得更高的预测精度。以黄河流域小浪底水库的日径流值为实验数据,将EMD-QPSO-BLS、QPSO-BLS作为CEEMDAN-QPSO-BLS的对比模型,并采用纳什效率系数(NSE)、均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)作为模型预测可信度和精准度的评价指标。实验表明,在预见期4天内,与QPSO-BLS、EMD-QPSO-BLS模型相比,CEEMDAN-QPSO-BLS的预测精准度分别提高了79.87%、19.80%,可信度分别提高了131.2%、10.98%,径流预测精度的提高,可为防洪抗旱保护人民生命财产和可持续发展提供决策支持。

基于经验模态分解和小波包能量熵的杉木加载过程中细观损伤监测与识别

【目的】细观损伤是承载木材断裂的主要原因之一。木材的多孔层状结构使其损伤过程变得复杂,针对单一信号处理方法较难充分挖掘木材断裂声发射信号中的细观损伤信息,造成识别信息不充分、不完备的问题。本研究提出通过经验模态分解(EMD)和小波包能量熵结合的信号处理方法,通过声发射无损检测手段,识别杉木加载过程中的细观损伤类型。【方法】以杉木为研究对象,进行单轴压缩、双悬臂梁和顺纹拉伸3种单一损伤试验,并对其进行加载过程中声发射信号的采集、监测与分析。通过小波包阈值法消除损伤试验中采集的声发射信号噪声,经由EMD和相关系数计算,分离出最能体现杉木细观损伤特征的本征模态(IMF)分量,并对IMF分量进行基于傅里叶变换的峰值频率分析和小波包能量熵分析,提取杉木细观损伤的特征。【结果】(1)EMD和小波包能量熵结合的信号处理方法能够判断杉木加载过程中声发射信号对应的细观损伤类型与构成。(2)杉木不同细观损伤类型的声发射信号对应不同的小波包能量熵区间:胞壁屈曲与塌溃(0.69~0.99)、层间开裂(1.57~1.78)、纤维束断裂(1.92~2.27)。(3)宏观断口观察和电镜显微分析验证了该方法的准确性。【结论】经验模态分解–小波包能量熵法避免了声发射信号模态堆叠的影响,并解决了木材细观损伤复杂且难以识别的问题,为杉木木材断裂的早期诊断方法提供了理论支撑。

利用振动幅值进行滚动轴承外滚道故障定位

滚动轴承在机械传动中占有十分重要的地位,其运行状况直接影响着机械的运行效率。因此,对滚动轴承故障的研究具有十分重要的理论意义和现实意义。该文章在故障诊断的基础上提出一种故障定位的新方法。该方法利用三个振动传感器采集滚动轴承运行过程中的振动信号,然后利用相关分析法与EMD算法对其进行去干扰处理,提取振动信号的幅值,并计算其衰减量。利用三个传感器采集到的三处振动信号衰减量来分析计算故障的准确位置。该方法简单,提取特征值少,定位精度高。且该方法不仅能准确定位滚动轴承外滚道单点故障,而且可同时定位出多个故障点。这在以往的定位方法中是很难实现的。

基于最优小波基选取的遥测振动信号降噪方法

针对飞行器试验遥测振动信号频率内容丰富,小波降噪最优小波基函数难以选取问题,提出了一种结合EMD的最优小波基选取方法。利用EMD将振动信号分解为一系列IMF分量,利用互相关系数和自相关函数判断含噪分量,并以含噪分量离散小波变换系数的香农熵为依据选择最优小波基,以最优小波基分别对含噪IMF分量进行降噪处理,将降噪后IMF分量与其余IMF分量累加获得降噪后信号。仿真和试验数据处理结果证明,基于最优小波基选取的降噪方法与小波降噪、EMD降噪相比,信噪比得到了有效提升,在遥测振动信号预处理中具有实际应用价值。

基于改进经验模态分解的无人机机电系统战伤状态评估方法研究

针对无人机机电系统结构内部战伤状态评估问题,提出了基于改进经验模态分解(Empirical Mode Decomposition,EMD)的战伤状态评估参数设计方案。首先分析了无人机机电系统典型战伤模式及损伤机理,提出了基于状态参数深层分析的状态评估方案;其次考虑到EMD端点效应对机电系统战伤状态评估带来不利影响,提出了基于多项式拟合延拓的EMD改进方案,基于改进EMD综合奇异值熵理论,构建了机电系统战伤状态评估参数设计方法。最后开展了仿真数值算例研究,结果表明本文所提能够有效的无人机机电系统战伤状态评估结论。

基于经验模态分解重构方法的北江飞来峡洪水频率分析

在历史洪水考证(1764—)和实测洪水(1953—2024年)的基础上,应用时序图、滑动均值、M-K方法、Hurst指数等对北江飞来峡站洪水的一致性进行了检验;根据P-Ⅲ频率分析方法,采用历史考证洪水对洪水系列重新排序进行洪水频率分析,基于经验模态(Empirical Mode Decomposition,EMD)分解与合成的频率计算方法对洪水频率进行了分析计算。结果表明:北江极端洪水自1990年代中期表现出趋多趋频趋强的特点,经检验发生了显著变异;采用传统的水文频率计算方法得到的各频率洪水设计值比原设计值增大500~600 m^(3)/s;采用基于EMD分解与合成的频率计算方法得到2020水平年的各频率设计值增大3500 m^(3)/s以上,2030水平年的各频率设计值增大3800 m^(3)/s以上。基于EMD分解重构的洪水频率计算方法能够及时对变化环境做出响应,具有一定的推广应用价值。北江飞来峡站的水文频率计算结果发生了较大的改变,宜尽快重新核定。

基于EMD和小波包变换的天气雷达回波去噪方法

C波段多普勒天气雷达回波数据由雷达回波信号和噪声构成,噪声严重影响雷达基本反射率的准确性。利用EMD方法对雷达回波信号进行分解后,将含有噪声的高频IMF分量去除,可实现去噪,但是容易损失有用信号。针对有降水特征的雷达基本反射率数据,提出基于EMD和小波包变换的多普勒天气雷达回波去噪方法,并与EMD方法去噪结果进行比较。研究结果表明,该方法能更加有效地去除雷达回波信号中的噪声,并降低了信号特征损失。

基于数据挖掘的大学生就业指导资源挖掘方法

采用目前方法对大学生就业指导资源进行数据挖掘时,由于去噪性能差导致方法存在数据冗余、挖掘效率低和精准度较差的问题,因此提出了基于数据挖掘的大学生就业指导资源挖掘方法。利用H-BIRCH算法对就业指导数据进行聚类处理,结合EMD分解方法和小波去噪方法对不同类别的就业信息数据进行去噪,对去噪后的资源数据进行白化处理,采用图模型提取就业指导资源数据特征,完成就业指导资源挖掘。实验结果表明,该方法可以有效简化数据结构,数据冗余纠错率、数据挖掘效率和数据挖掘准确度较高。

长期地心非线性运动反演与时间序列分析

地心运动会对以国际地球参考框架(ITRF)为基准进行的大地测量工作产生影响,是推进毫米级参考框架建立和维持的关键。基于国际全球导航卫星系统服务组织(IGS)第三次重处理(Repro3)精化结果,通过网平移法反演了2012—2022年长期的地心运动,为解决地心运动时间序列中高频噪声混淆的问题,采用自适应噪声完备集合经验模态分解(CEEMDAN)方法进行降噪重构。研究结果表明:Repro3数据可取得更优的反演结果,与美国德克萨斯大学空间研究中心(CSR)发布的结果相比,X、Y、Z方向的误差分别为1.50、1.45和3.97 mm;CEEMDAN方法在保留原始时间序列内在特性的前提下,能更有效地削弱时间序列中的噪声,相比于经验模态分解(EMD)方法,3个方向序列经过该方法处理后信噪比分别提升了23.92%、4.36%和4.74%。另外,对长达十年的反演结果进行分析,发现了一些非季节性周期项与不同程度的长期周期项;同时X、Y、Z 3个方向的时间序列均具有明显的年周期项与半年周期项,其中年周期项振幅最大,分别为1.31、3.39和2.55 mm。

EMD算法的改进及在信号去噪中的应用

噪声的干扰在生活中无处不在,本文针对传统EMD算法在信号的非线性和非平稳特性条件下,分解而得的本征模态函数(MF)随时间尺度变化的振荡而造成的模态混叠和噪声干扰等问题进行改进。在此基础上,引入人为添加的高斯白噪声,并根据其均值为0的特点,深入探索基于改进后的EMD算法在信号降噪中的应用。仿真实验对比分析表明,改进后的EMD算法能清晰地判断有用信号和无用信号,有效降低噪声对信号的干扰。

基于经验模态分解和随机森林的阀门泄漏模式识别方法

作为核电站的一类关键设备,阀门泄漏会给系统安全、稳定运行造成影响。利用声发射技术识别阀门泄漏,区分出内、外两种不同泄漏模式有助于后续针对性维修,对维修经济性提升具有重要意义。针对上述问题,本文提出了一种基于经验模态分解(EMD)和随机森林的阀门泄漏模式识别方法。首先,对泄漏声发射信号进行EMD处理以获得处于不同频段的分量信号;其次,对各分量信号进行傅里叶变换获取其频谱,并从频谱中提取谱能量比作为特征;最后,基于随机森林算法建立智能识别模型以实现内漏和外漏的自动识别。利用试验数据对方法进行了验证,结果表明,该方法提取的谱能量比特征能够量化内漏、外漏两种模式下声发射信号频谱差异,建立的基于随机森林的模型能够有效实现两种泄漏模式的识别。