期刊文献+
共找到491篇文章
< 1 2 25 >
每页显示 20 50 100
A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter 被引量:8
1
作者 Yu-xing Li Long Wang 《Defence Technology(防务技术)》 SCIE EI CAS CSCD 2020年第3期543-554,共12页
Underwater acoustic signal processing is one of the research hotspots in underwater acoustics.Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing.Owing to the complexity ... Underwater acoustic signal processing is one of the research hotspots in underwater acoustics.Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing.Owing to the complexity of marine environment and the particularity of underwater acoustic channel,noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing.In order to solve the dilemma,we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise(CEEMDAN),minimum mean square variance criterion(MMSVC) and least mean square adaptive filter(LMSAF).This noise reduction technique,named CEEMDAN-MMSVC-LMSAF,has three main advantages:(i) as an improved algorithm of empirical mode decomposition(EMD) and ensemble EMD(EEMD),CEEMDAN can better suppress mode mixing,and can avoid selecting the number of decomposition in variational mode decomposition(VMD);(ii) MMSVC can identify noisy intrinsic mode function(IMF),and can avoid selecting thresholds of different permutation entropies;(iii) for noise reduction of noisy IMFs,LMSAF overcomes the selection of deco mposition number and basis function for wavelet noise reduction.Firstly,CEEMDAN decomposes the original signal into IMFs,which can be divided into noisy IMFs and real IMFs.Then,MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs.Finally,both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained.Compared with other noise reduction techniques,the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals,which has the better noise reduction effect and has practical application value.CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection,feature extraction,classification and recognition of underwater acoustic signals. 展开更多
关键词 Underwater acoustic signal noise reduction empirical mode decomposition(EMD) ensemble EMD(EEMD) Complete EEMD with adaptive noise(CEEMDAN) Minimum mean square variance criterion(MMSVC) Least mean square adaptive filter(LMSAF) Ship-radiated noise
下载PDF
Study on the Improvement of the Application of Complete Ensemble Empirical Mode Decomposition with Adaptive Noise in Hydrology Based on RBFNN Data Extension Technology 被引量:3
2
作者 Jinping Zhang Youlai Jin +2 位作者 Bin Sun Yuping Han Yang Hong 《Computer Modeling in Engineering & Sciences》 SCIE EI 2021年第2期755-770,共16页
The complex nonlinear and non-stationary features exhibited in hydrologic sequences make hydrological analysis and forecasting difficult.Currently,some hydrologists employ the complete ensemble empirical mode decompos... The complex nonlinear and non-stationary features exhibited in hydrologic sequences make hydrological analysis and forecasting difficult.Currently,some hydrologists employ the complete ensemble empirical mode decomposition with adaptive noise(CEEMDAN)method,a new time-frequency analysis method based on the empirical mode decomposition(EMD)algorithm,to decompose non-stationary raw data in order to obtain relatively stationary components for further study.However,the endpoint effect in CEEMDAN is often neglected,which can lead to decomposition errors that reduce the accuracy of the research results.In this study,we processed an original runoff sequence using the radial basis function neural network(RBFNN)technique to obtain the extension sequence before utilizing CEEMDAN decomposition.Then,we compared the decomposition results of the original sequence,RBFNN extension sequence,and standard sequence to investigate the influence of the endpoint effect and RBFNN extension on the CEEMDAN method.The results indicated that the RBFNN extension technique effectively reduced the error of medium and low frequency components caused by the endpoint effect.At both ends of the components,the extension sequence more accurately reflected the true fluctuation characteristics and variation trends.These advances are of great significance to the subsequent study of hydrology.Therefore,the CEEMDAN method,combined with an appropriate extension of the original runoff series,can more precisely determine multi-time scale characteristics,and provide a credible basis for the analysis of hydrologic time series and hydrological forecasting. 展开更多
关键词 Complete ensemble empirical mode decomposition with adaptive noise data extension radial basis function neural network multi-time scales runoff
下载PDF
A hybrid approach based on complete ensemble empirical mode decomposition with adaptive noise for multi-step-ahead solar radiation forecasting 被引量:1
3
作者 Khaled Ferkous Tayeb Boulmaiz +1 位作者 Fahd Abdelmouiz Ziari Belgacem Bekkar 《Clean Energy》 EI 2022年第5期705-715,共11页
Accurate measurements of solar radiation are required to ensure that power and energy systems continue to function effectively and securely.On the other hand,estimating it is extremely challenging due to the non-stati... Accurate measurements of solar radiation are required to ensure that power and energy systems continue to function effectively and securely.On the other hand,estimating it is extremely challenging due to the non-stationary behaviour and randomness of its components.In this research,a novel hybrid forecasting model,namely complete ensemble empirical mode decomposition with adaptive noise-Gaussian process regression(CEEMDAN-GPR),has been developed for daily global solar radiation prediction.The non-stationary global solar radiation series is transformed by CEEMDAN into regular subsets.After that,the GPR model uses these subsets as inputs to perform its prediction.According to the results of this research,the performance of the developed hybrid model is superior to two widely used hybrid models for solar radiation forecasting,namely wavelet-GPR and wavelet packet-GPR,in terms of mean square error,root mean square error,coefficient of determination and relative root mean square error values,which reached 3.23 MJ/m^(2)/day,1.80 MJ/m^(2)/day,95.56%,and 8.80%,respectively(for one-step forward forecasting).The proposed hybrid model can be used to ensure the safe and reliable operation of the electricity system. 展开更多
关键词 hybrid models complete ensemble empirical mode decomposition with adaptive noise Gaussian process regression prediction solar measurements Ghardaia site
原文传递
Missing interpolation model for wind power data based on the improved CEEMDAN method and generative adversarial interpolation network 被引量:3
4
作者 Lingyun Zhao Zhuoyu Wang +4 位作者 Tingxi Chen Shuang Lv Chuan Yuan Xiaodong Shen Youbo Liu 《Global Energy Interconnection》 EI CSCD 2023年第5期517-529,共13页
Randomness and fluctuations in wind power output may cause changes in important parameters(e.g.,grid frequency and voltage),which in turn affect the stable operation of a power system.However,owing to external factors... Randomness and fluctuations in wind power output may cause changes in important parameters(e.g.,grid frequency and voltage),which in turn affect the stable operation of a power system.However,owing to external factors(such as weather),there are often various anomalies in wind power data,such as missing numerical values and unreasonable data.This significantly affects the accuracy of wind power generation predictions and operational decisions.Therefore,developing and applying reliable wind power interpolation methods is important for promoting the sustainable development of the wind power industry.In this study,the causes of abnormal data in wind power generation were first analyzed from a practical perspective.Second,an improved complete ensemble empirical mode decomposition with adaptive noise(ICEEMDAN)method with a generative adversarial interpolation network(GAIN)network was proposed to preprocess wind power generation and interpolate missing wind power generation sub-components.Finally,a complete wind power generation time series was reconstructed.Compared to traditional methods,the proposed ICEEMDAN-GAIN combination interpolation model has a higher interpolation accuracy and can effectively reduce the error impact caused by wind power generation sequence fluctuations. 展开更多
关键词 Wind power data repair Complete ensemble empirical mode decomposition with adaptive noise(CEEMDAN) Generative adversarial interpolation network(GAIN)
下载PDF
白条猪价格预测模型构建 被引量:2
5
作者 刘合兵 华梦迪 +1 位作者 席磊 尚俊平 《河南农业大学学报》 CAS CSCD 北大核心 2024年第1期123-131,共9页
【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应... 【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。 展开更多
关键词 价格预测 自适应白噪声完全集合模态分解 主成分分析 神经网络 组合模型
下载PDF
基于注意力时间卷积网络的农产品期货分解集成预测 被引量:1
6
作者 张大斌 黄均杰 +1 位作者 凌立文 林锐斌 《南京信息工程大学学报》 CAS 北大核心 2024年第3期311-320,共10页
针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,基于“分解-集成”的预测思想,本文提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与Transformer-Encoder-TCN的农产品期货... 针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,基于“分解-集成”的预测思想,本文提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与Transformer-Encoder-TCN的农产品期货预测方法.首先,使用CEEMDAN将时间序列分解为多尺度多频率的本征模态分量(IMF)与残差,降低了序列建模复杂度;其次,使用融合多阶段自注意力单元Transformer-Encoder的时间卷积网络(TCN)对各个分量子序列进行特征提取与预测,优化了序列显著特征建模权重;最后,将各个子序列预测值线性相加集成得到最终预测结果.以南华期货公司农产品指数中的大豆期货指数为研究对象,采用时序交叉验证与参数迁移的方式进行模型重训练,消融和对比实验结果表明,提出的新模型在RMSE、MAE和DS三个评价指标上具有良好的效果,验证了该模型对农产品期货预测的有效性. 展开更多
关键词 农产品期货 自适应噪声完备经验模态分解 自注意力机制 Transformer-Encoder 时间卷积网络
下载PDF
一种灰色关联分析优化ICEEMDAN的VP倾斜仪信号降噪模型
7
作者 庞聪 孙海洋 +3 位作者 刘天龙 姚瑶 李忠亚 马武刚 《大地测量与地球动力学》 CSCD 北大核心 2024年第6期654-660,共7页
VP倾斜仪固体潮信号受仪器监测复杂环境限制,多含有大量环境噪声。为获得真实固体潮曲线,提出一种基于灰色关联分析优化改进的自适应噪声完备集合经验模态分解(ICEEMDAN)VP倾斜仪信号降噪模型(GRA-ICEEMDAN)。该方法首先将含噪信号进行I... VP倾斜仪固体潮信号受仪器监测复杂环境限制,多含有大量环境噪声。为获得真实固体潮曲线,提出一种基于灰色关联分析优化改进的自适应噪声完备集合经验模态分解(ICEEMDAN)VP倾斜仪信号降噪模型(GRA-ICEEMDAN)。该方法首先将含噪信号进行ICCEMDAN处理,得到若干个固有模态函数(IMF),并依次排列与标记;然后基于这些IMF分别计算相关系数、互信息、R^(2)、Adj-R^(2)、MSE、SSE、RMSE、MAE、MAPE、样本熵等10个评价指标值,构建IMF可信度评价指标矩阵;最后借助灰色关联分析(GRA)计算各评价指标与不同IMF之间的关联系数和关联度,依据关联度大小对各个IMF进行排序,将排名靠前的IMF进行线性重构,即可完成信号降噪。仿真去噪实验和实测去噪实验均表明,GRA-ICEEMDAN模型优于卡尔曼滤波、70阶低通FIR滤波、Savitzky-Golay等经典降噪模型,能显著区分噪声成分和有效成分,原始信号分解后的重构误差与信号损失极小,可推广至其他仪器的复杂信号降噪中。 展开更多
关键词 VP倾斜仪 信号降噪 改进的自适应噪声完备集合经验模态分解 灰色关联分析 固有模态函数 样本熵 互信息
下载PDF
基于CEEMD和统计参数的斜拉桥损伤识别方法研究
8
作者 刘杰 丁雪 +2 位作者 刘庆宽 王海龙 卜建清 《振动与冲击》 EI CSCD 北大核心 2024年第19期326-336,共11页
为解决仅使用互补集成经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)方法的斜拉桥信号分解存在含噪固有模态函数(intrinsic mode function,IMF)分量且不能进行损伤定量的问题,提出了一种基于CEEMD与统计参... 为解决仅使用互补集成经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)方法的斜拉桥信号分解存在含噪固有模态函数(intrinsic mode function,IMF)分量且不能进行损伤定量的问题,提出了一种基于CEEMD与统计参数方法相结合的斜拉桥损伤识别方法。该方法基于CEEMD方法对斜拉桥动力响应信号进行自适应性分解,确定适用的白噪声幅值标准差并推导CEEMD方法的集成次数,得到各阶IMF分量;采用欧氏距离对分解的IMF分量进行谱系聚类分析以避免模态混叠现象;采用峰度统计参数的有效权重峰度指标方法滤除含噪IMF分量,提取有效IMF分量并重构为有效IMF分量和;利用变异系数统计参数、二阶中心差分法和泰勒展开式推导损伤定位指标,根据四阶统计矩峰度统计参数推导损伤定量指标。用所提方法对某斜拉桥进行损伤识别研究,结果表明:仿真分析的损伤定位识别精度为100%,损伤定量最大误差为1.80%;在高斯白噪声干扰下,损伤定位不受影响,损伤定量最大误差为1.88%;进行实桥的损伤识别,结果表明实桥主梁无损伤。 展开更多
关键词 斜拉桥 损伤识别方法 互补集成经验模态分解(CEEMD) 统计参数 损伤定量 噪声干扰
下载PDF
基于特征判定系数的电力变压器振动信号故障诊断
9
作者 谢丽蓉 严侣 +1 位作者 吐松江·卡日 张馨月 《电力工程技术》 北大核心 2024年第3期217-225,共9页
变压器带电故障诊断对于保证电力变压器安全平稳运行具有重要的意义。针对变压器工作环境复杂且单一参数表征变压器故障类型不全面的问题,文中提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposit... 变压器带电故障诊断对于保证电力变压器安全平稳运行具有重要的意义。针对变压器工作环境复杂且单一参数表征变压器故障类型不全面的问题,文中提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和特征熵权法(entropy weight method,EWM)进行故障诊断的方法。通过相关系数与峭度加权(correlation coefficient and weighted kurtosis,CCWK)原则筛选CEEMDAN分量并重构信号,在实现剔除冗余分量的同时,提升变压器振动信号特征的表征能力;利用EWM构建特征判定系数实现单一数据诊断变压器故障类型;通过主成分分析法减小混合域特征尺度,采用鸡群优化算法优化支持向量机(support vector machine,SVM)模型进行故障诊断。对某变电站110 kV三相油浸式变压器进行分析,结果表明与概率神经网络和SVM等变压器故障诊断方法相比,文中方法能在提前定性故障类型的同时,进一步提高变压器故障诊断的准确率与效率。 展开更多
关键词 故障诊断 变压器振动信号 自适应噪声完备集合经验模态分解(CEEMDAN) 信噪比 熵权法(EWM) 支持向量机(SVM) 鸡群优化算法
下载PDF
基于密度聚类模态分解的卷积神经网络和长短期记忆网络短期风电功率预测
10
作者 崔明勇 董文韬 卢志刚 《现代电力》 北大核心 2024年第4期631-641,共11页
近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition wi... 近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和卷积神经网络与长短期记忆网络结合的短期风电功率预测方法。首先,利用密度聚类将风电功率与天气特征分成不同类别的数据集,通过自适应噪声完备集成经验模态分解算法将不同类别的数据进行频域分解得到子序列分量。以此为基础,将不同的子序列分量与天气特征进行特征选择,输入到卷积神经网络与长短期记忆网络的预测模型。最后,将不同的预测结果进行叠加得到最终的预测结果。整个预测过程通过聚类、分解和特征选择,有效提高了短期风电功率预测的准确度。 展开更多
关键词 风电功率预测 密度聚类 自适应噪声完备集成经验模态分解 卷积神经网络 长短期记忆网络
下载PDF
基于状态划分和集成学习的轴承剩余使用寿命预测模型
11
作者 胡志辉 王绪光 +2 位作者 王贡献 张腾 李帅琦 《机电工程》 CAS 北大核心 2024年第8期1423-1430,共8页
针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警... 针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警范围,结合连续触发机制自适应确定DST;然后,采用具有自适应噪声的完全集成经验模态分解(CEEMDAN)对退化阶段信号序列进行了自适应分解;最后,构建了集成学习模型,考虑分量的不同特性进行了多步滚动预测,融合预测结果得到了轴承RUL,采用滚动轴承XJTU-SY公开数据集进行了试验验证。研究结果表明:与基于长短时记忆神经网络(LSTM)、反向传播神经网络(BPNN)的预测方法相比,该方法预测结果的平均绝对误差分别降低了11.7%以及5.6%,相对均方根误差分别降低了12.2%以及10.7%,验证了该方法在轴承RUL预测中的有效性和优越性。 展开更多
关键词 滚动轴承剩余使用寿命 退化起始时间 自适应DST状态划分 集成学习模型 退化特征提取 具有自适应噪声的完全集成经验模态分解 长短时记忆神经网络
下载PDF
CEEMD-FastICA-CWT联合瞬态响应阶次的电驱总成噪声源识别
12
作者 张威 景国玺 +2 位作者 武一民 杨征睿 高辉 《中国测试》 CAS 北大核心 2024年第4期144-152,共9页
以某增程式电驱动总成为研究对象,提出基于联合算法的噪声分离识别模型。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)联合快速独立分量分析(fast independent component analysis,FastI... 以某增程式电驱动总成为研究对象,提出基于联合算法的噪声分离识别模型。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)联合快速独立分量分析(fast independent component analysis,FastICA)方法提取纯电模式稳态工况下单一通道噪声信号特征,利用复Morlet小波变换及FFT对各分量信号时频特性进行识别。其次,采用阶次分析法和声能叠加法对稳态分量信号对应的各瞬态响应阶次能量进行对比分析,并结合皮尔逊积矩相关系数(Pearson product moment correlation coefficient,PPMCC)相似性识别确定不同噪声激励源贡献度。结果表明:减速齿副啮合噪声对该增程式电驱总成纯电模式运行噪声整体贡献度最大。 展开更多
关键词 电驱动总成 噪声源识别 互补集合经验模态分解 快速独立分量分析 连续小波变换 阶次分析
下载PDF
CEEMDAN-WPE-CLSA超短期风电功率预测方法研究
13
作者 李杰 孟凡熙 +1 位作者 牛明博 张懿璞 《大连交通大学学报》 CAS 2024年第2期101-108,共8页
提出了一种结合自适应噪声完全集合经验模态分解、加权排列熵、卷积神经网络、长短期记忆网络和自注意力机制的超短期风电功率预测方法。首先,利用自适应噪声完全集合经验模态分解将原始风电功率时间序列自适应分解为一系列的模态分量,... 提出了一种结合自适应噪声完全集合经验模态分解、加权排列熵、卷积神经网络、长短期记忆网络和自注意力机制的超短期风电功率预测方法。首先,利用自适应噪声完全集合经验模态分解将原始风电功率时间序列自适应分解为一系列的模态分量,降低原始序列的非线性和波动性;其次,根据加权排列熵计算各模态分量间的相似性并对相似的分量进行重组,以修正自适应噪声完全集合经验模态分解的过度分解问题,使得修正后的模态分量更具规律性;最后,将重组后的分量输入卷积长短期记忆网络进行时序建模,并利用自注意力机制对卷积长短期记忆网络的神经元权重进行重新分配,提高了卷积长短期记忆网络对输入特征不确定性的适应能力。在此基础上,明确了自注意力机制和自适应噪声完全集合经验模态分解、加权排列熵在风电功率预测中的作用机制,以及风电功率信号包含的重要物理信息,证明了自适应噪声完全集合经验模态分解、加权排列熵以及自注意力机制在风电功率信号模态分解和长短期记忆网络隐层输出权重分配中的有效性。 展开更多
关键词 超短期风电功率预测 自适应噪声完全集合经验模态分解 加权排列熵 卷积长短期记忆网络 自注意力机制
下载PDF
基于CEEMDAN-SBiGRU-OMHA的短期电力负荷预测
14
作者 包广斌 刘晨 +2 位作者 张波 沈治名 罗曈 《计算机系统应用》 2024年第10期124-132,共9页
为了提高短期电力负荷预测的精准度,充分挖掘电力负荷数据的复杂相关性,提出了一种优化多头注意力机制的CEEMDAN-SBiGRU组合预测模型,改进了特征提取和特征融合两个模块.首先,采用自适应噪声完全集成经验模态分解(complete ensemble emp... 为了提高短期电力负荷预测的精准度,充分挖掘电力负荷数据的复杂相关性,提出了一种优化多头注意力机制的CEEMDAN-SBiGRU组合预测模型,改进了特征提取和特征融合两个模块.首先,采用自适应噪声完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将电力负荷数据分解成多个内在模态函数(IMF)和一个残差信号(RES);同时引入降噪自编码器DAE挖掘数据中受气象因素、工作日类型和温度变化的潜在特征.其次,将提取到的复杂特征输入至堆叠双向门控循环单元(stacked bidirectional gated recurrent unit,SBiGRU)模块中继续学习,以获取隐藏状态.最后,将获取的隐藏状态输入至加入残差机制和层归一化优化的多头注意力(optimized multi-head attention,OMHA)机制模块,可以准确地给重要特征分配更高的权重,解决噪声干扰问题.实验结果表明,CEEMDAN-SBiGRU-OMHA组合模型具有更高的精确性. 展开更多
关键词 短期电力负荷预测 自适应噪声完全集成经验模态分解(CEEMDAN) 堆叠双向门控循环单元(SBiGRU) 降噪自编码器 优化的多头注意力(OMHA)
下载PDF
基于强跟踪滤波器的水中高频振荡放电参数分析
15
作者 康忠健 高崇 +1 位作者 邵在康 傅雪原 《电工技术学报》 EI CSCD 北大核心 2024年第13期4090-4099,共10页
为探明水中放电高频振荡阶段参数及其变化特性,提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)和强跟踪滤波器的时变参数辨识方法。通过该方法分解水中放电实验平台采集的电压、电流信号得到不同频率特征的信号分量,对最适应原... 为探明水中放电高频振荡阶段参数及其变化特性,提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)和强跟踪滤波器的时变参数辨识方法。通过该方法分解水中放电实验平台采集的电压、电流信号得到不同频率特征的信号分量,对最适应原始波形的信号分量开展Hilbert变换并求得相应的瞬时幅值、频率,进而得到所需的电阻和电感。实验数据离散度分析结果表明,放电进程中参数变化具有随机性,故利用强跟踪滤波器进一步对实验数据进行辨识处理,可有效地降低随机放电造成的离散性,并获得具备普适性的电阻值和电感值。偏离度分析结果表明,辨识电阻与测量数据除在气泡崩塌阶段随机性过大外,前期偏离度集中在23.26%以下,降低了偏离度处于80%~110%内数据点的干扰,电感偏离度集中在2.35%以下。该方法能够有效地应用于水中高频振荡放电过程的时变参数处理研究中。 展开更多
关键词 水中脉冲放电 高频振荡 参数辨识 自适应噪声完备集合经验模态分解(CEEMDAN) 强跟踪滤波器
下载PDF
声波法在输油管道上的可检测泄漏率分析
16
作者 郎宪明 朱永强 +2 位作者 袁文强 孟强 蔡泽枫 《振动.测试与诊断》 EI CSCD 北大核心 2024年第1期74-80,198,共8页
为了确保输油管道出现泄漏时能够及时检测到泄漏,对声波法在输油管道上的可检测泄漏率进行了分析。首先,建立了声波产生和传播衰减模型,根据模型分析了声波在管道内的衰减性,得到管道两端声波衰减幅值的计算方法;其次,采用基于互信息优... 为了确保输油管道出现泄漏时能够及时检测到泄漏,对声波法在输油管道上的可检测泄漏率进行了分析。首先,建立了声波产生和传播衰减模型,根据模型分析了声波在管道内的衰减性,得到管道两端声波衰减幅值的计算方法;其次,采用基于互信息优化的自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,简称CEEMDAN)和互谱分析相结合的去噪算法对采集的信号进行去噪,并实验验证了衰减模型可准确估计声波的衰减幅值,去噪算法可以有效消除信号中的噪声;最后,分析了管道特性与声波法在输油管道上的可检测泄漏率之间的关系。研究表明,管道特性在一定程度上决定了声波法的可检测泄漏率,声波法在输油管道上的最小可检测泄漏率可达0.45%。 展开更多
关键词 声波法 输油管道 自适应噪声完备集合经验模态分解 互信息 互谱分析 可检测泄漏率
下载PDF
CEEMDAN和盲源分离在轴承复合故障诊断中的应用
17
作者 古莹奎 林忠海 刘平 《机械设计与制造》 北大核心 2024年第3期148-152,共5页
滚动轴承的复合故障信号中往往含有多个特征信息及背景噪声,为更高效实现故障信息的提取,提出一种基于具有自适应白噪声的完备集成经验模态分解(CEEMDAN)和盲源分离的滚动轴承复合故障特征提取方法。对实验所获取的故障数据进行CEEMDAN... 滚动轴承的复合故障信号中往往含有多个特征信息及背景噪声,为更高效实现故障信息的提取,提出一种基于具有自适应白噪声的完备集成经验模态分解(CEEMDAN)和盲源分离的滚动轴承复合故障特征提取方法。对实验所获取的故障数据进行CEEMDAN分解,得出一组固有模态函数(IMF),利用加权峭度因子选取其中有效IMF重构信号,再将重构的信号进行BSS分离。对分离出的信号做解调包络分析,从其解调谱中提取故障信号的特征频率。结果证明了此方法可以有效地分离轴承的内外圈故障,使故障特征更易被提取。 展开更多
关键词 滚动轴承 自适应白噪声的完备集成经验模态分解 盲源分离 加权峭度因子 特征提取
下载PDF
基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取
18
作者 王淑青 罗平章 +2 位作者 胡文庆 柯洋洋 张家豪 《水电能源科学》 北大核心 2024年第6期198-202,216,共6页
针对水电机组振动信号非平稳、非线性及噪声问题,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与能量熵结合的特征提取方法,首先对采集的振动信号进行小波包降噪处理,然后对降噪后信号进行CEEMDAN分解,运用相关系数法筛选有效固有... 针对水电机组振动信号非平稳、非线性及噪声问题,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与能量熵结合的特征提取方法,首先对采集的振动信号进行小波包降噪处理,然后对降噪后信号进行CEEMDAN分解,运用相关系数法筛选有效固有模态函数(IMF)并计算其能量熵,由此构建特征向量集,最后将其输入到海洋捕食者优化支持向量机算法(MPA-SVM)进行模式识别。基于模拟信号、实测信号验证所提特征提取方法的有效性,并与其他方法作对比。结果表明,基于小波包分解与CEEMDAN能量熵的特征提取方法能准确提取特征,有效区分机组不同状态,为工程领域提供了应用价值。 展开更多
关键词 水电机组 振动信号 小波包分解 自适应噪声完备经验模态分解 能量熵 特征提取
下载PDF
基于ICEEMDAN和分布熵的SS-Y伸缩仪信号随机噪声压制方法
19
作者 吴林斌 《大地测量与地球动力学》 CSCD 北大核心 2024年第4期429-435,共7页
结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)与分布熵(DistEn),提出一种无需自定义算法参数、去噪效果较好的伸缩仪信号随机噪声压制方法。首先将伸缩仪信号进行ICEEMDAN处理,得到若干个本征模态函数(IMF);然后计算各IMF分量... 结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)与分布熵(DistEn),提出一种无需自定义算法参数、去噪效果较好的伸缩仪信号随机噪声压制方法。首先将伸缩仪信号进行ICEEMDAN处理,得到若干个本征模态函数(IMF);然后计算各IMF分量的分布熵值,根据不同分布熵值的大小和表征的分量信号混乱程度,有针对性地对各IMF进行取舍;最后进行线性重构。设计仿真信号去噪实验和SS-Y伸缩仪信号去噪实验,结果表明,基于ICEEMDAN-DistEn去噪模型的伸缩仪信号重构还原度较好,去噪效果显著,明显优于CEEMDAN-DistEn、小波去噪和卡尔曼滤波等去噪模型。 展开更多
关键词 SS-Y伸缩仪 随机噪声压制 改进的自适应噪声完备集合经验模态分解 分布熵 信噪比
下载PDF
CEEMDAN-SE-WT降噪方法在航空发动机燃油流量信号中的应用
20
作者 曲春刚 朱胜翔 冯正兴 《科学技术与工程》 北大核心 2024年第15期6525-6533,共9页
燃油流量信号是反映发动机状态和计算飞机排放物排放量的重要信号,但飞机飞行过程中传感器采集信号时不可避免地会受到外界环境以及内部因素干扰。提出一种结合样本熵(sample entropy,SE)的完全自适应噪声集合经验模态分解(complete ens... 燃油流量信号是反映发动机状态和计算飞机排放物排放量的重要信号,但飞机飞行过程中传感器采集信号时不可避免地会受到外界环境以及内部因素干扰。提出一种结合样本熵(sample entropy,SE)的完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与小波变换(wavelet transform,WT)的联合降噪方法。首先使用CEEMDAN对燃油流量信号进行分解得到本征模态分量,利用样本熵筛选含噪分量,并用相关系数与方差贡献率进行复核。对于含噪分量使用小波阈值降噪进行处理。最后将未处理的模态分量和完成降噪的模态分量重构得到最终燃油流量信号。通过与其他方法比较,CEEMDAN-SE-WT方法拥有最高信噪比为85.287,降噪后燃油消耗总量与飞机总重变化最为接近,可以认为该方法较大程度保留了燃油流量信号中的有效特征,为后续计算民机排放物排放总量提供了良好的数据支持。 展开更多
关键词 降噪 燃油流量信号 完全自适应噪声集合经验模态分解 小波阈值降噪 样本熵
下载PDF
上一页 1 2 25 下一页 到第
使用帮助 返回顶部