基于极点对称模态分解的中长期径流预报组合模型

为提高径流预报精度,解决径流序列分解后高频分量波动范围大、预报精度差的问题,基于极点对称模态分解法(ESMD)平稳化处理技术将径流序列分解,通过分析不同频率分量特征,择优选取预报方法,结合粒子群优化最小二乘支持向量机(PSO-LSSVM)全局优化和非线性建模能力及适应性强的特点,对高频分量进行预测,利用BP神经网络非线性映射能力和逼近任意非线性函数的优势对中低频分量和趋势分量进行预报,构建了ESMD-PSO-LSSVM-BP组合预报模型,对西江干流上中下游三座水文站的年、月尺度径流开展中长期径流预报。结果表明,对不同频率分量采用不同预报方法的组合模型可以有效提高径流预报精度。

基于极点对称模态分解的石羊河流域出山径流特征分析

随着全球气候变化加剧,石羊河流域水资源紧缺日益严重,利用合理方法研究径流的变化规律对水资源规划管理尤为重要。基于石羊河流域1956—2018年出山径流量时间序列,利用极点对称模态分解(ESMD)方法,分析石羊河出山径流序列的周期变化、突变特征和变化趋势,并利用Morlet小波分析、Mann-Kendall检验法及R/S分析法进行对比验证分析。结果表明:ESMD方法能够高效地分析处理径流数据;石羊河出山径流序列存在3.0、7.3、12.6 a的周期变化,不同时间尺度发生突变的时间不同;预测短期内石羊河出山径流量仍将持续增加,但是长期必然呈现减少趋势。

极点对称模态分解在大坝变形趋势提取中的应用研究

大坝变形趋势是评估大坝稳定性和安全性的一项重要指标。在大坝变形监测数据采集过程中,不可避免地会受到仪器、环境等因素的影响,从而导致测量数据中含有噪声,若测量噪声过大则可能导致大坝变形趋势被掩盖。本文将极点对称模态分解方法引入到大坝变形趋势提取中,并结合传统的大坝变形趋势提取方法,以嘉陵江流域苍溪航电大坝的实测数据为例,验证其可行性和有效性,并建立相应的评价指标。实验结果表明:极点对称模态分解方法能够有效地分离大坝变形监测数据中的高频和低频分量,并提取其变形趋势,相较于小波分析方法,具有一定优势。

基于极点对称模态分解的GNSS测站速度估计方法

全球导航卫星系统(GNSS)测站速度是描述地壳运动的重要指标。本研究旨在通过高精度分析方法提升地壳运动监测的精度,基于日本地区两个GNSS测站(G178和J753)2016年至2023年东(East,E)、北(North,N)和高程(Up,U)方向的坐标时间序列数据,创新性地融合了极点模态分解(ESMD)与最小二乘拟合技术,以优化E、N和U方向上的速度估计。结果显示:基于本文提出方法估计的G178测站N、E、U三个方向站速度分别为-1.69、-1.58、4.60 mm/a,估计残差分别为0.03、0.02、0.04 mm/a。J753测站N、E、U三个方向站速度分别为-5.13、15.62、7.17 mm/a,估计残差分别为0.14、0.04、0.08 mm/a。本文提出的站速度估计方法较传统最小二乘法方法估计精度提高了19.81%~67.24%,站速度的拟合度提高了0.7%~2.1%。此研究证实,所提方法有效提高了GNSS测站速度估计的精度,对于地壳运动监测具有重要的科学价值和实际应用意义。

基于极点对称模态分解和概率神经网络的轴承故障诊断

针对复杂非线性的滚动轴承系统,提出了极点对称模态分解(ESMD)和概率神经网络(PNN)相结合的滚动轴承故障诊断方法。ESMD将固有模态函数的定义进行扩充,采用内部极点对称直接插值的方法替代外部包络线插值,引入最优的自适应全局曲线(AGM)的概念优化分解的趋势线,并由此确定最佳的模态分解次数。PNN是一种基于核函数逼近的神经网络分类器,将指数函数引入神经网络用来替代S型激活函数并进行重新构造,突出体现了梯度最速下降法的概念,减少实际和预测的输出函数之间的误差。通过对经验模态分解(EMD)、屏蔽经验模态分解(MEMD)和ESMD方法进行信号仿真分解对比,以及采用ESMD和PNN对故障数据进行处理,结果表明,该方法能够更加有效地对故障信号进行识别。

径流预报的极点对称模态分解-Elman网络模型

针对径流序列非线性、非平稳的特点,将极点对称模态分解(ESMD)方法与Elman神经网络模型相结合,建立了ESMD-Elman神经网络组合模型,并应用于长江上游干支流8站的年、月径流预报。首先利用ESMD方法将径流序列分解为各模态分量和趋势余项;然后利用Elman神经网络模型分别预测各平稳序列;最后加和重构得到最终预测结果。结果表明:组合模型预报精度大于单一模型,与ESMD-BP神经网络组合模型比,ESMDElman神经网络组合模型的8站年径流预报结果的平均相对误差(MAPE)平均降低3.6%,均方根误差(RMSE)平均降低7.8%,确定性系数平均提高5.0%;8站月径流预报结果的MAPE平均降低3.0%,RMSE平均降低2.8%,具有"分解→预测→重构"特点的组合模型提高了预报精度。

基于极点对称模态分解-分散熵和改进乌鸦搜索算法-核极限学习机的短期负荷区间预测

针对确定性负荷点预测存在不同程度误差及难以反映电力需求不确定性的问题,提出一种基于极点对称模态分解(extreme-point symmetric mode decomposition,ESMD)-分散熵(dispersion entropy,DE)和改进乌鸦搜索算法(improved crow search algorithm,ICSA)优化核极限学习机的短期负荷区间预测模型。首先用ESMD将原始负荷时间序列分解为多个特征互异的子序列,降低了原始非平稳负荷序列对预测结果的影响,并计算各子序列的分散熵,将熵值相近的子序列重组为新序列以降低计算规模;其次,基于上下限估计法,利用ICSA算法对核极限学习机(kernel extreme learning machine,KELM)输出权值进行优化,得到最优预测区间上下限,并以此分别对各新序列进行区间预测;最后将预测结果叠加得到最终的预测区间。仿真结果表明,所提模型有效提高了负荷预测区间的质量,为电力系统决策工作提供有力支持。

融合极点对称模态分解与时频分析的单通道振动信号盲分离方法

针对单通道振动信号盲源分离的观察信号少于源信号,且传统的盲源分离方法往往忽视信号非平稳性的问题,提出一种基于极点对称模态分解和时频分析的盲分离算法(ESMD-TFA-BSS)。首先,采用极点对称模态分解方法将观察信号分解成不同的模态,采用贝叶斯信息准则(BIC)估计源信号个数并利用相关系数法选取最优观察信号,由原观察信号与最优观察信号组成新的观察信号;其次,根据新的观察信号计算白化矩阵并将其白化,利用平滑伪Wigner-Ville分布将白化后的信号拓展到时频域,采用矩阵联合对角化方法计算酉矩阵;最后,根据白化矩阵和酉矩阵估计源信号。在盲源分离仿真实验中,ESMD-TFA-BSS的估计源信号与仿真信号的相关系数分别为0.977 1、0.978 4、0.966 0,基于经验模态分解和时频分析的盲分离算法(EMD-TFA-BSS)的相关系数分别为0.869 7、0.970 6、0.854 8,ESMD-TFA-BSS比EMD-TFA-BSS的相关系数分别提高了12.35%、0.80%、13.00%。实验结果表明,ESMDTFA-BSS在实际工程中能够有效地提高源信号分离精度。

基于MATLAB仿真的增加零极点对系统性能的影响

以传递函数作为描述系统的数学模型,以时域分析法和根轨迹法作为主要的分析方法,主要分析增加一个负实数零极点以及改变所增加的零极点的位置对系统性能的影响。对于系统的时域分析主要从灵敏度、平稳性、快速性、稳定性四个方面来进行分析。对于根轨迹曲线主要讨论增加零极点后系统稳定时,根轨迹增益调整范围会发生怎样的变化。

基于零极点对消的简单整系数数字滤波器的设计与实现

本文介绍了一种建立在零极点对消基础上的简单整系数数字滤波器的设计方法,以及利用滤波器网络结构图写出流程图,从而实现该滤波器功能。

开环零极点对消情况下利用根轨迹判定系统稳定性

线性控制系统的稳定性,只与系统闭环极点在[s]平面的分布有关.根轨迹法可以根据开环零、极点分布,描述当某一参数变化时,系统闭环极点在[s]平面上的变化轨迹.因此利用根轨迹可以简便直观地判断控制系统的稳定性.本文从线性定常系统稳定的充分必要条件出发,分析了在系统开环传递函数自身存在开环零、极点对消情况时,直接应用根轨迹判定系统稳定性可能会遇到的问题,并提出了在此种情况下应用根轨迹判稳的几个结论.

基于极点对称模态分解和支持向量机的船用齿轮箱故障诊断

针对船用齿轮箱故障难以识别的问题,提出了将极点对称模态分解(Extreme-point Symmetric Mode Decomposition, ESMD)和支持向量机(Support Vector Machine, SVM)相结合的故障诊断方法。先将船用齿轮箱振动信号进行ESMD分解,可得到一系列模态和一条最佳自适应全局均线。以分解模态与原始信号的能量比值为相关度衡量标准,将相关度较高的前三个模态分别作奇异值分解并得到奇异值矩阵。经过归一化处理后,输入支持向量机训练获得多分类诊断模型,并进行测试。测试结果表明,相比经验模态分解(Empirical Mode Decomposition, EMD)与SVM结合的方法,本文的方法能更好地对船用齿轮箱故障作出诊断和预测。

基于极点对称模态分解的配电网单相接地故障区段定位技术

配电网发生单相接地故障后,系统中将产生丰富的暂态电气量。利用故障点上游暂态零序电流幅值远大于故障点下游及正常线路的特征,提出一种基于暂态零序电流极点对称模态分解(ESMD)的配电网故障区段定位方法。基于实际配电网线路参数搭建典型缆-线混联仿真模型,对故障后暂态零序电流进行极点对称模态分解并构造相应的暂态能量函数,将构造所得的暂态能量函数作为评价各测点暂态零序电流幅值强弱的指标进行故障区段定位。仿真结果表明所提方法可有效提取故障特征,对各种故障工况适应性强,且各测点仅需上传1个暂态能量值,可有效降低通信要求、节约硬件投资成本。

基于极点对称分解的多分支线路故障定位方法

针对多分支行波定位结果受行波波头标定精度和线路参数变化的影响,该文提出一种基于极点对称分解的多分支故障定位方法。为解决现有时频分析的行波波头标定方法存在分解尺度或模态混叠等问题,通过分析故障行波信号中的频率特性,利用极点对称分解算法(extreme-point symmetric mode decomposition,ESMD)对故障行波信号进行分解,滤除故障信号中的低频分量,然后利用Teager能量算子对分解后的信号进行差分运算,增强行波波头的突变特征,实现故障行波波头的精确标定。考虑到行波波速受线路参数的影响,基于故障行波传输路径,建立故障点反射行波辨识规则,提出一种减少线路参数影响的故障定位算法。进一步分析多分支线路各端到故障点的距离与线路支路长度的数值关系,定义系统端点元素值Q,提出相应的故障位置判定依据,实现故障点的准确定位。仿真结果表明,所提方法能够有效标定故障行波波头和准确辨识故障点反射行波。与现有方法相比,具有更好的检测效果和更小的定位误差,且受装置间时钟同步误差的影响较小,有效提高了多分支线路定位精度。

基于极点对称模态分解的三江源径流时空演变规律

气候变化和人类活动加剧改变了地球的水循环系统,因此,重新认识和掌握流域水循环演变规律具有重要意义。利用极点对称模态分解(ESMD)方法同时从趋势、突变、周期3个方面对三江源径流变化进行分析,并与现有的检测方法进行对比。结果表明:①黄河源地区由于降水增加趋势不明显,随着气温升高,蒸散量增大,导致年径流呈现不显著的下降趋势;长江源、澜沧江源径流由于降水和冰川融雪的增加,导致年径流呈现显著增强的趋势。②黄河源近61 a的径流过程在1990~1994年、2008年左右发生明显突变,长江源径流过程在2006年左右发生显著突变,澜沧江源径流过程在20世纪90年代和2008年左右发生突变。③黄河源近61 a径流过程存在12~15 a和30 a的周期性变化;长江源近60 a径流过程存在13~15 a的周期性变化;澜沧江源近49 a径流过程存在15~16 a和28 a的周期性变化,这些周期性变化主导着三江源年径流变化特性。

基于极点对称模态分解的北京市降水特征分析

随着全球气候变化加剧,我国区域水资源紧缺日益严重,利用合理方法研究降水的变化规律对水资源规划管理尤为重要。基于北京市1951-2015年降水量时间序列,利用极点对称模态分解(ESMD)方法,分析北京市降水变化的多尺度特征和不同时间尺度下的突变,并对未来趋势变化做出判断。结果表明:北京市降水序列存在2.6、4.3、14和21.7 a的周期变化,不同时间尺度下发生突变的时间亦不同;各模态分量方差贡献率显示年际变化在北京市降水变化中占据主导地位;预测短期内北京市降水量将持续减少。

基于极点对称模态分解方法的聚焦波群演化特性研究

应用相位聚焦技术在船模拖曳水池生成了基于等波陡谱的聚焦波群,采用极点对称模态分解(Extreme-point Symmetric Mode Decomposition,ESMD)方法研究了不同组成波带宽、不同聚焦波幅的聚焦波群的演化特性,重点分析了破碎与非破碎工况聚焦波群波面升高时间历程模态函数的瞬时频率、瞬时振幅和总能量的演化特性,研究发现基于总能量演化的聚焦位置分析可以较为准确地识别非破碎聚焦波群的实际聚焦位置,可以有效地描述聚焦波群发生破碎后继续传播和聚焦的演化过程,这些发现有助于深入理解非线性瞬态聚焦波群的演化特性。

基于改进极值波延拓的极点对称模态分解端点效应抑制方法

针对极点对称模态分解(ESMD)在电力谐波检测中出现端点效应问题,在分析总结目前抑制方法的基础上,该文提出了一种基于改进极值波延拓与对称中点插值相结合的ESMD端点效应抑制方法。首先利用改进极值波延拓将信号在两端延拓,然后采用对称中点插值进行ESMD分解,截去两端延拓部分,最大限度遏制端点效应污染内部信号。同时,提出一种自适应确定有效数据长度的端点效应评价指标,可有效避免人为确定数据长度导致的问题,更为客观地量化各固有模态分量(IMF)端点“漂移”程度。通过仿真和试验结果分析,并与极值波延拓作对比,证明了该方法抑制ESMD电力谐波端点效应的有效性。

极点对称模态分解下陕西气候变化特征及影响因素

全球变暖背景下,受人类活动和气候系统波动共同影响,气候要素响应具有非线性、非平稳特征,如何识别气候变化多时间尺度信息,是当前研究的热点话题。基于1970-2017年气温和降水逐日数据,辅以滑动平均、趋势分析和极点对称模态分解(ESMD)等方法,对陕西3大地理单元气候时空特征进行分析,进而探讨不同海区厄尔尼诺指数与气温、降水变化的响应关系。结果表明:1970-2017年,陕北气候变化经历“暖干-冷湿-暖湿”的变化过程;关中和陕南气候在20世纪80-90年代末呈现暖干化,随后增温停滞,降水增多,近期再次呈现暖干化;利用ESMD对陕西气温和降水变化信号进行分解,发现区域气温响应变暖停滞,是受年代波动影响,周期为9.2~11.5 a左右;从趋势项分析,除陕北气温平稳波动之外,关中和陕南气温增速并未减缓;在影响因素上,不同海区海温异常与陕西气温、降水变化相关性存在差异。其中,气温影响主要在中国东部海区,且与NINO A区、黑潮区海温显著正相关;影响降水变化的关键海区在赤道太平洋,即赤道太平洋中部海温异常偏高时,关中和陕南降水呈现下降,而赤道太平洋东部海温异常偏高,陕北降水减少更为明显。

开环零极点对消情况下的闭环系统稳定性判别

针对开环传递函数出现零极点对消情况时如何进行闭环系统的稳定性判别作出了全面的分析阐述 。