期刊文献+
共找到132篇文章
< 1 2 7 >
每页显示 20 50 100
Method of Multi-Mode Sensor Data Fusion with an Adaptive Deep Coupling Convolutional Auto-Encoder
1
作者 Xiaoxiong Feng Jianhua Liu 《Journal of Sensor Technology》 2023年第4期69-85,共17页
To address the difficulties in fusing multi-mode sensor data for complex industrial machinery, an adaptive deep coupling convolutional auto-encoder (ADCCAE) fusion method was proposed. First, the multi-mode features e... To address the difficulties in fusing multi-mode sensor data for complex industrial machinery, an adaptive deep coupling convolutional auto-encoder (ADCCAE) fusion method was proposed. First, the multi-mode features extracted synchronously by the CCAE were stacked and fed to the multi-channel convolution layers for fusion. Then, the fused data was passed to all connection layers for compression and fed to the Softmax module for classification. Finally, the coupling loss function coefficients and the network parameters were optimized through an adaptive approach using the gray wolf optimization (GWO) algorithm. Experimental comparisons showed that the proposed ADCCAE fusion model was superior to existing models for multi-mode data fusion. 展开更多
关键词 multi-mode Data Fusion Coupling Convolutional Auto-Encoder adaptive Optimization Deep Learning
下载PDF
Adaptive Sliding Mode Control for MIMO Nonlinear Systems Based on Fuzzy Logic Scheme 被引量:2
2
作者 Alan FT Winfield Chris Melhuish 《International Journal of Automation and computing》 EI 2004年第1期51-62,共12页
In this study an indirect adaptive sliding mode control (SMC) based on a fuzzy logic scheme is proposed to strengthen the tracking control performance of a general class of multi-input multi-output (MIMO) nonlinear un... In this study an indirect adaptive sliding mode control (SMC) based on a fuzzy logic scheme is proposed to strengthen the tracking control performance of a general class of multi-input multi-output (MIMO) nonlinear uncertain systems. Combining reaching law approach and fuzzy universal approximation theorem, the proposed design procedure combines the advantages of fuzzy logic control, adaptive control and sliding mode control. The stability of the control systems is proved in the sense of the Lyapunov second stability theorem. Two simulation studies are presented to demonstrate the effectiveness of our new hybrid control algorithm. 展开更多
关键词 Fuzzy logic control (FLC) sliding mode control (SMC) multi input multi output (MIMO) nonlinear uncertain systems adaptive control variable structure system (VSS)
下载PDF
Tracking consensus for nonlinear heterogeneous multi-agent systems subject to unknown disturbances via sliding mode control 被引量:1
3
作者 张翔 王金环 +1 位作者 杨德东 徐勇 《Chinese Physics B》 SCIE EI CAS CSCD 2017年第7期39-48,共10页
We investigate the tracking control for a class of nonlinear heterogeneous leader-follower multi-agent systems(MAS)with unknown external disturbances. Firstly, the neighbor-based distributed finite-time observers ar... We investigate the tracking control for a class of nonlinear heterogeneous leader-follower multi-agent systems(MAS)with unknown external disturbances. Firstly, the neighbor-based distributed finite-time observers are proposed for the followers to estimate the position and velocity of the leader. Then, two novel distributed adaptive control laws are designed by means of linear sliding mode(LSM) as well as nonsingular terminal sliding mode(NTSM), respectively. One can prove that the tracking consensus can be achieved asymptotically under LSM and the tracking error can converge to a quite small neighborhood of the origin in finite time by NTSM in spite of uncertainties and disturbances. Finally, a simulation example is given to verify the effectiveness of the obtained theoretical results. 展开更多
关键词 multi-agent systems tracking consensus distributed adaptive control sliding mode
下载PDF
Energy-Efficient Multi-Mode Clusters Maintenance(M^2CM) for Hierarchical Wireless Sensor Networks
4
作者 Xiangdong Hu Zhulin Liu 《China Communications》 SCIE CSCD 2017年第6期1-12,共12页
How to energy-efficiently maintain the topology of wireless sensor networks(WSNs) is still a difficult problem because of their numerous nodes,highly dynamic nature,varied application scenarios and limited resources.A... How to energy-efficiently maintain the topology of wireless sensor networks(WSNs) is still a difficult problem because of their numerous nodes,highly dynamic nature,varied application scenarios and limited resources.An energy-efficient multi-mode clusters maintenance(M2CM) method is proposed based on localized and event-driven mechanism in this work,which is different from the conventional clusters maintenance model with always periodically re-clustered among the whole network style based on time-trigger for hierarchical WSNs.M2 CM can meet such demands of clusters maintenance as adaptive local maintenance for the damaged clusters according to its changes in time and space field.,the triggers of M2 CM include such events as nodes' residual energy being under the threshold,the load imbalance of cluster head,joining in or exiting from any cluster for new node or disable one,etc.Based on neighboring relationship of the damaged clusters,one can start a single cluster(inner-cluster) maintenance or clusters(inter-cluster) maintenance program to meet diverse demands in the topology management of hierarchical WSNs.The experiment results based on NS2 simulation show that the proposed method can significantly save energy used in maintaining a damaged network,effectively narrow down the influenced area of clusters maintenance,and increase transmitted data and prolong lifetime of network compared to the traditional schemes. 展开更多
关键词 无线传感器网络 维护模型 高效节能 多模式 集群 拓扑结构 时间触发 能量阈值
下载PDF
基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法
5
作者 许浩飞 潘存治 《国防交通工程与技术》 2024年第1期33-37,96,共6页
针对滚动轴承故障状态难以准确且快速的识别,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)-多尺度排列熵(Multi-Scale Permutation... 针对滚动轴承故障状态难以准确且快速的识别,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)-多尺度排列熵(Multi-Scale Permutation Entropy,MPE)和灰狼算法优化支持向量机(Grey Wolf Optimization Algorithm-Support Vector Machine,GWO-SVM)结合的故障诊断方法。首先将轴承信号进行ICEEMDAN分解,然后选取其中相关性较大的IMF(Intrinsic Mode Function)分量计算多尺度排列熵构成特征集合,最后通过GWO-SVM算法进行故障状态识别。通过滚动轴承数据集和不同算法的对比实验,验证了ICEEMDAN-MPE-GWO-SVM方法的有效性,表明该方法可以准确且快速的诊断滚动轴承的故障情况。 展开更多
关键词 滚动轴承 改进自适应噪声完备集成经验模态分解(ICEEMDAN) 多尺度排列熵(MPE) 支持向量机(SVM) 灰狼算法(GWO) 故障诊断
下载PDF
基于CEEMDAN多尺度排列熵和SO-RELM的高压隔膜泵单向阀故障诊断 被引量:9
6
作者 李瑞 范玉刚 《振动与冲击》 EI CSCD 北大核心 2023年第5期127-135,共9页
高压隔膜泵单向阀受负载、摩擦和冲击等因素的影响,运行产生的振动信号具有非平稳、非线性的特点,为了从振动信号中提取设备的非线性动力学特征,将多尺度排列熵(multi-scale permutation entropy, MPE)引入高压隔膜泵单向阀故障诊断研... 高压隔膜泵单向阀受负载、摩擦和冲击等因素的影响,运行产生的振动信号具有非平稳、非线性的特点,为了从振动信号中提取设备的非线性动力学特征,将多尺度排列熵(multi-scale permutation entropy, MPE)引入高压隔膜泵单向阀故障诊断研究。提取振动信号多尺度排列熵特征,用于建立结构优化正则化极限学习机(structure optimization regularized extreme learning machine, SO-RELM)故障诊断模型,模型利用K-means优化RELM结构,提高模型识别精确度及稳定性。首先采用自适应噪声完备经验模态分解(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)将高压隔膜泵单向阀振动信号自适应分解为多个固有模态分量(intrinsic mode function, IMF),以相关系数为指标,优选包含故障特征信息丰富的分量;然后,计算IMFs的多尺度排列熵值,提取信号的非线性动力学特征;最后,基于多尺度排列熵,建立基于SO-RELM的故障诊断模型。试验结果表明,CEEMDAN多尺度排列熵能够准确表征高压隔膜泵单向阀运行状态的非线性动力学特征,基于CEEMDAN多尺度排列熵建立的SO-RELM故障模型,能够有效识别高压隔膜泵单向阀工况类型,准确率达98.89%。 展开更多
关键词 自适应噪声完备经验模态分解 排列熵 结构优化正则化极限学习机 故障诊断
下载PDF
基于ICEEMDAN和IMWPE-LDA-BOA-SVM的齿轮箱损伤识别模型 被引量:2
7
作者 王洪 张锐丽 吴凯 《机电工程》 CAS 北大核心 2023年第11期1709-1717,共9页
针对齿轮箱振动信号中的背景噪声过大影响故障特征质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(ICEEMDAN)、改进多尺度加权排列熵(IMWPE)、利用线性判别分析(LDA)、蝴蝶优化算法(BOA)优化支... 针对齿轮箱振动信号中的背景噪声过大影响故障特征质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(ICEEMDAN)、改进多尺度加权排列熵(IMWPE)、利用线性判别分析(LDA)、蝴蝶优化算法(BOA)优化支持向量机(SVM)的齿轮箱故障诊断方法(ICEEMDAN-IMWPE-LDA-BOA-SVM)。首先,采用ICEEMDAN对齿轮箱振动信号进行了分解,生成了一系列从低频到高频分布的本征模态函数分量;接着,基于相关系数筛选出包含主要故障信息的本征模态函数分量,进行了信号重构,降低了信号的噪声;随后,提出了改进多尺度加权排列熵的非线性动力学指标,并利用其提取了重构信号的故障特征,以构建反映齿轮箱故障特性的故障特征;然后,利用线性判别分析(LDA)对原始故障特征进行了压缩,以构建低维的故障特征向量;最后,采用蝴蝶优化算法(BOA)对支持向量机(SVM)的惩罚系数和核函数参数进行了优化,以构建参数最优的故障分类器,对齿轮箱的故障进行了识别;基于齿轮箱复合故障数据集对ICEEMDAN-IMWPE-BOA-SVM方法进行了实验和对比分析。研究结果表明:该方法能够较为准确地识别齿轮箱的不同故障类型,准确率达到了99.33%,诊断时间只需5.31 s,在多个方面都优于其他对比方法,在齿轮箱的故障诊断中更具有应用潜力。 展开更多
关键词 故障特征提取 信号分解及信号重构 特征降维 改进自适应噪声完备集成经验模态分解 改进多尺度加权排列熵 线性判别分析 蝴蝶优化算法 支持向量机
下载PDF
基于CEEMDAN-PE-WPD和多目标优化的超短期风电功率预测方法
8
作者 常雨芳 杨子潇 +2 位作者 潘风 唐杨 黄文聪 《电网技术》 EI CSCD 北大核心 2023年第12期5015-5025,共11页
为了提高风电功率预测的精度,提出了一种基于总体平均经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、排列熵(permutation entropy,PE)、小波包分解(wavelet packet decomposition,WPD)... 为了提高风电功率预测的精度,提出了一种基于总体平均经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、排列熵(permutation entropy,PE)、小波包分解(wavelet packet decomposition,WPD)和多目标优化的超短期风电功率预测方法。首先,利用CEEMDAN、PE和WPD构成的信号处理方法降低原始风电信号的随机性和波动性;然后,将分解后的子分量输入到长短期记忆(long short-term memory,LSTM)神经网络,并且利用精英T分布麻雀优化算法(elite t-distribution sparrow optimization algorithm,ETSSA)优化LSTM的隐藏层单元数,提升LSTM网络的预测性能;最后,建立多目标优化损失函数,将准确率、稳定度和合格率3个优化目标同时加入到损失函数中,综合提升模型的预测性能。对内蒙古某地区风力发电场的实测数据进行实验分析结果表明,与其他经典预测方法相比,所提方法提升风电功率预测性能有显著效果,并且在不同季节风况下预测效果良好。 展开更多
关键词 超短期风电功率预测 总体平均经验模态分解 排列熵 小波包分解 长短期记忆神经 精英T分布麻雀优化算法 多目标优化
下载PDF
基于ICEEMDAN-SE-MSGJO-LSTM-EC的短期风电功率预测
9
作者 刘志坚 孙瑞星 +2 位作者 黄建 张江云 何超 《电机与控制应用》 2023年第12期42-53,共12页
为了提高风电功率短期预测精度,本文提出了一种基于ICEEMDAN-SE-MSGJO-LSTM-EC模型的短期风电功率预测模型。首先,通过ICEEMDAN对原始风功率信号进行分解并通过样本熵计算熵值相近的分量相加重构。其次,建立MSGJO-LSTM预测模型,通过改... 为了提高风电功率短期预测精度,本文提出了一种基于ICEEMDAN-SE-MSGJO-LSTM-EC模型的短期风电功率预测模型。首先,通过ICEEMDAN对原始风功率信号进行分解并通过样本熵计算熵值相近的分量相加重构。其次,建立MSGJO-LSTM预测模型,通过改进金豺优化算法(MSGJO)优化LSTM网络参数,对各模态分量进行预测。最后,通过对各模态分量预测结果进行误差修正(EC)并将所有模态预测结果相加得到最终预测结果。以新疆某风电场为例,采用本文所提预测模型进行仿真分析,试验结果表明本文基于ICEEMDAN-SE-MSGJO-LSTM-EC的预测模型预测精度更高。 展开更多
关键词 风电功率预测 误差修正 改进自适应噪声完全集合经验模态分解 改进金豺优化算法 长短期记忆网络
下载PDF
AVMD-IMOMEDA在滚动轴承声学复合故障诊断的应用
10
作者 周文杰 周俊 +1 位作者 柳小勤 刘韬 《振动与冲击》 EI CSCD 北大核心 2023年第24期152-159,共8页
针对滚动轴承声信号存在较强的背景噪声干扰,微弱故障特征信息难以有效提取等问题,并考虑到声信号非接触式测量的优势。提出一种参数自适应变分模式分解结合改进多点最优最小熵反褶积(improve multipoint optimal minimum entropy decon... 针对滚动轴承声信号存在较强的背景噪声干扰,微弱故障特征信息难以有效提取等问题,并考虑到声信号非接触式测量的优势。提出一种参数自适应变分模式分解结合改进多点最优最小熵反褶积(improve multipoint optimal minimum entropy deconvolution adjusted, MOMEDA)的复合故障声学诊断方法;采用综合指标解决变分模态分解(variational mode decomposition, VMD)参数自适应选择问题,利用最大加权峭度识别最优分量并重构信号,增强与故障特征相关的脉冲特征信息;结合IMOMEDA方法从重构信号中分离提取周期性的脉冲信号,通过包络解调获取故障特征频率。仿真信号和试验信号验证了该方法的有效性,与传统VMD、MOMEDA、VMD-MCKD(maximum correlation kurtosis deconvolution)方法进行比较,凸显了方法的优越性。 展开更多
关键词 自适应变分模式分解 改进多点最优最小熵反褶积(IMOMEDA) 加权峭度 复合故障 声学诊断
下载PDF
Error Robust H.264 Video Transmission Schemes Based on Multi-frame
11
作者 余红斌 余松煜 王慈 《Journal of Shanghai Jiaotong university(Science)》 EI 2004年第3期41-44,54,共5页
Multi-frame coding is supported by the emerging H.264. It is important for the enhancement of both coding efficiency and error robustness. In this paper, error resilient schemes for H.264 based on multi-frame were inv... Multi-frame coding is supported by the emerging H.264. It is important for the enhancement of both coding efficiency and error robustness. In this paper, error resilient schemes for H.264 based on multi-frame were investigated. Error robust H.264 video transmission schemes were introduced for the applications with and without a feedback channel. The experimental results demonstrate the effectiveness of the proposed schemes. 展开更多
关键词 H.264 视频传输 多帧 图像编码
下载PDF
基于CEEMDAN-ISSA-LSSVM模型的短期风电功率预测
12
作者 苏忠德 陆华才 魏利胜 《安徽工程大学学报》 CAS 2023年第2期27-34,共8页
为提高风电功率预测的准确性,采用基于自适应噪声完备集成经验模态分解、改进樽海鞘群算法及最小二乘支持向量机的短期风电功率组合预测方法。首先采用自适应噪声完备集成经验模态分解将功率数据分解为若干个本征模态分量和一个残差,通... 为提高风电功率预测的准确性,采用基于自适应噪声完备集成经验模态分解、改进樽海鞘群算法及最小二乘支持向量机的短期风电功率组合预测方法。首先采用自适应噪声完备集成经验模态分解将功率数据分解为若干个本征模态分量和一个残差,通过偏自相关函数确定输入维数;然后建立改进樽海鞘群算法优化最小二乘支持向量机预测模型对各个分量进行预测;最后将各分量预测结果叠加得到风电功率预测结果。仿真结果表明,所提出的模型在短期风电多步预测中精度更高。 展开更多
关键词 自适应噪声完备集成经验模态分解 樽海鞘群算法 最小二乘支持向量机 偏自相关函数 多步预测
下载PDF
基于ICEEMDAN-MPE-RF和SVM的齿轮箱特征提取与故障诊断 被引量:2
13
作者 丁晓锋 张宇华 《机车电传动》 北大核心 2023年第1期42-50,共9页
针对齿轮箱非平稳振动信号特征提取难、特征向量冗余度高和故障识别率低的问题,提出基于改进的自适应噪声完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、多尺度排列熵... 针对齿轮箱非平稳振动信号特征提取难、特征向量冗余度高和故障识别率低的问题,提出基于改进的自适应噪声完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、多尺度排列熵(Multi-scale permutation entropy,MPE)、随机森林(Random forest,RF)特征重要性排序和支持向量机(Support vector machine,SVM)的齿轮箱特征提取与故障诊断方法。首先,通过ICEEMDAN将各种故障状态的齿轮振动信号分解为一系列不同频率分布的本征模态分量(Intrinsic mode functions,IMF);然后,计算各阶IMF的MPE值获得非平稳信号时频分布下的非线性动力学特征;最后,通过RF算法评估特征重要性,选择高重要性敏感特征组成最优特征子集输入SVM进行故障模式识别。试验结果表明,该方法特征提取和表征能力强,在不同工况下的平均识别率可达99.79%,在多工况和小样本数据集上比其他方法更具稳健性。 展开更多
关键词 齿轮箱 改进的自适应噪声完备集成经验模态分解 多尺度排列熵 随机森林 支持向量机 特征提取 故障诊断
下载PDF
多模式室内地图自适应转换系统设计与实现 被引量:2
14
作者 李华蓉 辛伟 +1 位作者 李海明 叶贵丹 《测绘与空间地理信息》 2024年第1期5-8,12,16,共6页
室内地图作为室内导航定位及信息服务的载体,受到了学者们的广泛关注。针对目前室内地图表现形式单一和场景转换不够智能等问题,从用户行为需求出发,分析了用户行为与空间需求之间的映射关系,提出了室内地图的3种表达模式;制定了3种模... 室内地图作为室内导航定位及信息服务的载体,受到了学者们的广泛关注。针对目前室内地图表现形式单一和场景转换不够智能等问题,从用户行为需求出发,分析了用户行为与空间需求之间的映射关系,提出了室内地图的3种表达模式;制定了3种模式间的转换策略和响应机制;采用Android Studio平台设计开发了室内地图自适应转换的原型系统,验证了转换策略的可行性,对推动室内地图的发展具有一定的意义。 展开更多
关键词 室内地图 用户行为 多模式 自适应转换
下载PDF
基于CEEMDAN-MFDE-HHO-SVM的机载燃油泵故障辨识
15
作者 刘军龙 俞凯耀 张相春 《机电工程》 CAS 北大核心 2023年第10期1616-1623,共8页
针对机载燃油泵振动信号的有效分量相互耦合、故障特征提取困难,进而导致故障识别准确率低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)、多尺度波动散布熵(MFDE)和哈里斯鹰算法(HHO)优化支持向量机(SVM)的机载燃油泵故... 针对机载燃油泵振动信号的有效分量相互耦合、故障特征提取困难,进而导致故障识别准确率低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)、多尺度波动散布熵(MFDE)和哈里斯鹰算法(HHO)优化支持向量机(SVM)的机载燃油泵故障辨识方法(CEEMDAN-MFDE-HHO-SVM)。首先,采用CEEMDAN方法对机载燃油泵振动信号进行了自适应分解,生成了一组从低频到高频分布的本征模态函数(IMF),并选择包含冲击信息较多的IMF分量进行了信号重构,得到了噪声含量较低的信号;然后,采用MFDE方法计算了低噪信号的熵值,构造了表征样本故障属性的特征矩阵;最后,采用HHO算法对SVM的关键参数进行了优化,以构造基于HHO-SVM模型的多故障分类器,对机载燃油泵的故障进行了辨识;基于实测机载燃油泵故障数据集,将CEEMDAN-MFDE-HHO-SVM方法与其他组合方法进行了对比分析。研究结果表明:该故障辨识模型的故障分类准确率达到了100%,在信号处理、熵值特征提取和分类器方面都优于其他对比方法;该模型不仅具有更高的分类准确率,而且具有更优异的效率,后续可以将其推广到其他机械设备的故障辨识中。 展开更多
关键词 故障识别准确率 自适应噪声完备经验模态分解 多尺度波动散布熵 哈里斯鹰优化 支持向量机
下载PDF
基于多分量LFM信号时频分析的水声多普勒和时延估计研究
16
作者 宁更新 肖若君 谢靓 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第2期688-696,共9页
在水声多普勒因子和时延估计研究实用化的进程中,利用多分量线性调频(LFM)信号实现估计的算法研究越来越普遍。针对多分量LFM信号时频域存有交叉项时各分量参数估计不准确的问题,提出基于非完全残差与脊线段匹配的自适应模态分解方法。... 在水声多普勒因子和时延估计研究实用化的进程中,利用多分量线性调频(LFM)信号实现估计的算法研究越来越普遍。针对多分量LFM信号时频域存有交叉项时各分量参数估计不准确的问题,提出基于非完全残差与脊线段匹配的自适应模态分解方法。该方法采用非完全残差函数保留了交叉点处的部分时频信息,利用脊线段匹配方法提供更精确的预设时频脊线,改进了各分量LFM信号调频斜率和起始频率的估计精度。联合两个估计量进一步给出了多普勒因子和时延估计的算法。仿真结果表示,较现有模态分解算法,所提改进方法有效解决了估计分量过程中交叉区间断裂带来的估计误差;水声多径的条件下,该方法的多普勒因子和时延估计精度优于对比的现有方法。 展开更多
关键词 时频分析 多普勒因子 时延估计 多分量LFM信号 自适应模态分解
下载PDF
基于多域信息融合与深度分离卷积的轴承故障诊断网络模型 被引量:2
17
作者 王同 许昕 潘宏侠 《机电工程》 北大核心 2024年第1期22-32,共11页
针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了... 针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了分解;然后,利用分解出的本征模态函数(IMF)的各个分量构建了多空间状态矩阵,并将该多空间状态矩阵输入该深度分离卷积模型中,进行了卷积训练;同时,在该深度分离卷积模型中添加了残差结构,对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,提出了一种空间特征提取方法,对模型参数进行了修剪,采用一种自适应学习率退火方法进行了梯度优化,以避免模型陷入局部最优。研究结果表明:通过对多个轴承故障数据集进行对比分析可知,MDIDSC在轴承故障诊断方面的准确率和稳定性明显优于其他方法,MDIDSC的最高测试准确率为100%,平均测试准确率为99.07%;同时,在测试集中的最大损失和平均损失分别为0.1345和0.0841;该结果表明MDIDSC在轴承故障诊断方面具有一定的优越性。 展开更多
关键词 深度分离卷积 信息融合 参数修剪 残差网络 卷积神经网络 自适应噪声的完全集合经验模态分解 本征模态函数 多域信息融合结合深度分离卷积
下载PDF
基于聚类经验模态分解-样本熵和优化极限学习机的风电功率多步区间预测 被引量:21
18
作者 张亚超 刘开培 +1 位作者 秦亮 方仍存 《电网技术》 EI CSCD 北大核心 2016年第7期2045-2051,共7页
针对风电功率序列的不确定性和随机性特征,提出一种基于聚类经验模态分解-样本熵和优化极限学习机的多步区间预测模型。首先,利用聚类经验模态分解-样本熵方法将原始风电功率序列分解为一系列复杂度差异明显的子序列。然后,分别对各子... 针对风电功率序列的不确定性和随机性特征,提出一种基于聚类经验模态分解-样本熵和优化极限学习机的多步区间预测模型。首先,利用聚类经验模态分解-样本熵方法将原始风电功率序列分解为一系列复杂度差异明显的子序列。然后,分别对各子序列建立基于上下界直接估量的区间预测模型。为分析不同区间构造的差异,提出一种体现训练目标值偏离区间范围影响的新型区间预测评估指标作为目标函数,并采用基于混沌萤火虫结合多策略融合自适应差分进化的优化算法寻求其最优解,以提高模型预测性能。最后,以某一风电场实际功率数据为算例,验证了所提模型能获得可靠优良的多步区间预测结果,可为风电功率多步不确定性预测提供一种新的有效途径。 展开更多
关键词 多步区间预测 聚类经验模态分解-样本熵 极限学习机 多策略自适应差分进化
下载PDF
一种多运动模式的软体爬行机器人
19
作者 张林贝子 苏韩飞 +2 位作者 梁小流 农卫航 丁江 《广西大学学报(自然科学版)》 CAS 北大核心 2024年第1期88-96,共9页
为了提高软体机器人对复杂地形的适应能力,提出了一种具有多运动模式的软体爬行机器人。首先,分别利用聚乙烯材质与聚丙烯材质的波纹管设计了软体爬行机器人的转向伸缩执行器与弯曲执行器,并通过浇注成型与3D打印技术制造了软体爬行机... 为了提高软体机器人对复杂地形的适应能力,提出了一种具有多运动模式的软体爬行机器人。首先,分别利用聚乙烯材质与聚丙烯材质的波纹管设计了软体爬行机器人的转向伸缩执行器与弯曲执行器,并通过浇注成型与3D打印技术制造了软体爬行机器人样机;其次,分析软体爬行机器人的平面直行、平面转向和平面杆过渡等运动模式,研究了软体爬行机器人的运动步态规律;再次,基于常曲率假设,分析压强与执行器弹性变形的关系,建立了执行器的运动学模型;最后,通过运动学试验,验证了执行器运动学模型的正确性,检验了软体爬行机器人在多模式下的运动能力。 展开更多
关键词 软体机器人 运动性模型 多运动模式 地形适应性
下载PDF
桥梁GNSS-RTK变形监测数据的多滤波联合去噪处理 被引量:11
20
作者 熊春宝 王猛 于丽娜 《测绘通报》 CSCD 北大核心 2020年第7期93-96,142,共5页
针对桥梁GNSS-RTK变形监测中多路径效应和随机噪声的影响,提出了一种基于Chebyshev滤波和自适应噪声的完备集合经验模态分解(CEEMDAN),以及小波阈值(WT)降噪技术的多滤波联合降噪方法。该方法首先对监测信号实施Chebyshev滤波抑制多路... 针对桥梁GNSS-RTK变形监测中多路径效应和随机噪声的影响,提出了一种基于Chebyshev滤波和自适应噪声的完备集合经验模态分解(CEEMDAN),以及小波阈值(WT)降噪技术的多滤波联合降噪方法。该方法首先对监测信号实施Chebyshev滤波抑制多路径效应;然后进行CEEMDAN分解,基于自相关性分析,对噪声IMF分量进行WT降噪去除随机噪声。本文以天津海河大桥GNSS-RTK变形监测作为试验,对监测数据进行多滤波降噪处理。结果表明:本文所提的多滤波降噪方法能有效抑制多路径效应和随机噪声,GNSS-RTK与多滤波降噪相结合的方法能够准确识别桥梁真实动态位移,为桥梁GNSS-RTK监测数据降噪处理提供了一种良好的途径。 展开更多
关键词 桥梁GNSS-RTK监测 降噪分析 自适应噪声 完备集合经验模态分解 多滤波联合
下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部