改进CEEMDAN算法的电机轴承振动信号降噪分析

为提高传统自适应噪声完备经验模态分解算法(CEEMDAN)对电机轴承故障特征信号的精确提取率,降低重构信号失真,提出了一种改进自适应噪声完备经验模态分解算法。首先利用传统CEEMDAN对原始信号初步分解,获得若干特征分量(IMFs)和固有模态分量,将若干IMFs运用熵权法进行初步故障特征信号消噪和提取,对筛选后的IMF分量进行二次分解和二次筛选,获得典型故障敏感信号,再运用SG(Savitzky-Golay)平滑滤波进行信号重构,最终实现电机轴承信号降噪。最后利用凯斯西储大学轴承数据进行改进算法性能分析,结果表明该方法对电机轴承信号能够有效的进行信号降噪,其信噪比相比于原始信号提高2.2 dB。

基于改进CEEMDAN-DCNN的声发射源识别分类方法

声发射源的准确分类识别是声发射地压监测预报预警研究的重要基础。针对矿山井下围岩体声发射事件信号和采掘作业噪声信号分类识别问题,提出了一种基于改进完备总体经验模态分解和深度卷积神经网络(DCNN)的智能识别分类方法。首先,对信号进行改进CEEMDAN降噪处理,即利用相关性系数阈值和排列熵(PE)阈值剔除伪分量和噪声分量;然后,利用DCNN对降噪后的信号自动提取高维特征;最后,将特征用于softmax分类器分类识别,实现智能化井下信号源多分类。研究表明:改进CEEMDAN能够有效剔除伪分量及噪声分量;相比其他机器学习方法,改进CEEMDAN-DCNN方法具有准确率高和稳定性较好等优点。信号源识别分类方法研究为地压监测预警预报提供了重要的基础数据,准确的灾害预警预报可为矿山井下作业人员和设备提供安全保障。

基于改进CEEMDAN分解的GNSS-RTK监测信号处理方法

GNSS-RTK监测精度受多路径效应和仪器内部白噪声的影响,为此,提出基于有效系数筛分本征模式函数(IMF)分量的改进CEEMDAN算法分离信号和噪声,以提升GNSS-RTK监测精度.首先,通过仿真信号验证该算法的白噪声分离效果.然后,进行GNSS-RTK连续多天定点观测试验,验证采用改进CEEMDAN算法提取多路径误差的可行性.接着,在开阔的平坦地面和水面分别进行GNSS-RTK稳定性试验,分析不同环境下的多路径效应.最后,以天津海河大桥为对象,对GNSS-RTK监测信号进行滤波降噪,进而提取桥梁在环境激励下的动力响应.结果表明:改进CEEMDAN算法能够实现更精确的IMF分量分解与重构,从而有效分离高频白噪声分量和低频多路径误差;在开阔的平坦地面和水面环境下多路径效应影响均较小,多路径误差序列频域分布为地面(0.05 Hz)<水面(0.10 Hz).结合结构自振频率及现场环境确定带通滤波频带,对GNSS-RTK实测信号进行滤波降噪处理,成功提取了海河大桥的动态位移,结果与拾振器监测结果基本一致.

改进CEEMDAN算法与分形融合的深度学习轴承故障分析

针对CEEMDAN算法处理非线性振动信号存在虚假、冗余分量问题,基于分形理论,提出了一种改进自适应白噪声总体平均经验模态分解(ICEEMDAN)融合卷积神经网络(CNN)方法。以轴承损伤实验数据与仿真信号为分析对象,采用CEEMDAN算法将其分解以实现降噪,并采用主成分分析(PCA)降维提取有效的故障特征,利用分形盒维数筛选最佳重构分量并剔除无关分量,最终由CNN对其进一步挖掘实现故障诊断识别与分类。最后,将本文方法与现有多种融合深度学习方法进行对比并采用t-SNE进行可视化分析,以验证本文方法的可靠性和实用性。结果表明:各信噪比方法对实验数据均具有较强的鲁棒性和泛化性,且分类准确率较原始方法提高了0.54%~10.33%。

改进CEEMDAN算法与CNN融合的深度学习系泊故障研究

针对海上漂浮式风力机在长期的海洋环境作用下,受到风、浪、流等复杂载荷的影响,发生腐蚀、蠕变和失效等故障问题,基于深度学习理论,提出了一种改进的完全集合经验模态分解(Improved Complete Ensemble EMD,ICEEMDAN)结合卷积神经网络(Convolutional Neural Network,CNN)的故障诊断方法,用于对海上漂浮式风力机的系泊系统进行故障识别。该方法基于平台艏摇响应信号状态,计算系泊蠕变与失效阶段,并分析不同位置系泊对漂浮式风力机稳定性的影响,诊断出系泊是否产生蠕变以及系泊蠕变位置。研究结果表明:改进后的方法能够较好地识别系泊蠕变到失效过程,挖掘了纵荡、横荡、横摇及艏摇等因素对风力机稳定性的影响,其在不同信噪比下均可有效地诊断出系泊状况与不同位置的蠕变,且准确率最高可达99.83%。

基于改进的CEEMDAN排列熵和GWO-SVM的滚动轴承故障诊断

针对滚动轴承的故障识别率低的问题,提出了一种改进的自适应噪声完备集合经验模态分解(ICEEMDAN)和排列熵结合的故障诊断方法。首先将振动信号通过ICEEMDAN分解成一系列的IMF并计算他们的排列熵值,再提取前8阶IMF排列熵值,最后结合GWO-SVM模型来进行故障分类诊断。该诊断方法在某轴承故障数据集上准确率为100%。为了进一步说明ICEEMDAN-GWO-SVM模型的优越性,另外设置了泛化实验,该实验采用了某大学的轴承故障数据,在三个工况下的故障诊断准确率也明显优于其他故障诊断方法。

基于CEEMDAN-EBA我国碳排放交易价格影响因素分析

本章以上海市碳排放交易所公布的碳价数据为样本,使用改进的CEEMDAN方法及小波变换将碳价序列分解并降噪,运用极值边界模型对各因素的影响程度进行分析。分析结果发现:市场内在和外在机制均对碳排放权价格产生显著影响。从市场内在机制来看,能源价格对碳价存在较大的影响,而市场外部环境中,经济发展水平、欧盟碳交易市场CER期货价格以及人民币对欧元汇率均显现出稳健性的影响。

GNSS PPP海洋平台动态变形监测分析

实时监测海洋平台在环境激励下的动态变形对于保障其安全运营有着重要意义。GNSS PPP技术无需设置基站,仅依靠单点监测站便可实现精密单点定位,因而在海洋平台变形监测领域具有潜在的应用价值。针对GNSS PPP信号受背景噪声干扰而精度较低的问题,本文提出改进CEEMDAN算法对GNSS PPP信号降噪,并应用于某海洋平台动态变形监测。结果表明:①GNSS PPP技术结合改进CEEMDAN算法可有效监测海洋平台在环境激励下的动态变形;②改进CEEMDAN可有效去除GNSS PPP背景噪声干扰;③基于降噪后信号可获取监测点清晰的三维位移轨迹,从而为结构安全评估提供参考。

强降雨条件下土石坝安全评价

针对强降雨条件下土石坝安全评价的问题,通过改进传统的指标体系,建立了基于FAHP-CEEMDAN和云模型的土石坝安全评价模型。研究选取了8个准则和18个指标构建评价指标体系。在此基础上,采用基于三角模糊数的模糊层次分析法(FAHP)确定指标初始权重,利用改进集合经验模态分解法(CEEMDAN)计算指标最终权重;根据安全等级划分和评价数据建立标准云模型和评价云模型,再结合指标最终权重确立综合云模型,并进行隶属度计算,判定评价等级。将该模型应用于强降雨条件下河南省民胜水库土石坝的安全评价,得到最大隶属度计算结果为0.719,判定该土石坝安全等级为“基本正常”,与实际情况相符。评价结果验证了该评价模型的可行性和有效性。