期刊文献+
共找到270篇文章
< 1 2 14 >
每页显示 20 50 100
GAT-EGRU:A Deep Learning Prediction Model for PM2.5 Coupled with Empirical Modal Decomposition Algorithm
1
作者 Guangfei Yang Qiang Zhang +1 位作者 Erbiao Yuan Liankui Zhang 《Journal of Systems Science and Systems Engineering》 SCIE EI CSCD 2023年第2期246-263,共18页
With the rapid development of the economy and industry and the improvement of pollution monitoring,how to accurately predict PM2.5 has become an issue of concern to the government and society.In the field of PM2.5 pol... With the rapid development of the economy and industry and the improvement of pollution monitoring,how to accurately predict PM2.5 has become an issue of concern to the government and society.In the field of PM2.5 pollution forecasting,a series of results have emerged so far.However,in the existing research field of PM2.5 prediction,most studies tend to predict short-term temporal series.Existing studies tend to ignore the temporal and spatial characteristics of PM2.5 transport,which leads to its poor performance in long-term prediction.In this paper,by optimizing previous PM2.5 deep learning prediction models,we propose a model GAT-EGRU.First,we add a spatial modular Graph Attention Network(GAT)and couple an Empirical Modal Decomposition algorithm(EMD),considering the temporal and spatial properties of PM2.5.Then,we use Gated Recurrent Unit(GRU)to filter spatio-temporal features for iterative rolling PM2.5 prediction.The experimental results show that the GAT-EGRU model has more advantages in predicting PM2.5 concentrations,especially for long time steps.This proves that the GAT-EGRU model outperforms other models for PM2.5 forecasting.After that,we verify the effectiveness of each module by distillation experiments.The experimental results show that each model module has an essential role in the final PM2.5 prediction results.The new model improves the ability to predict PM2.5 after a long time accurately and can be used as a practical tool for predicting PM2.5 concentrations. 展开更多
关键词 Air pollution forecasting deep learning spatial-temporal prediction empirical modal decomposition
原文传递
Separation of closely spaced modes by combining complex envelope displacement analysis with method of generating intrinsic mode functions through filtering algorithm based on wavelet packet decomposition 被引量:3
2
作者 Y.S.KIM 陈立群 《Applied Mathematics and Mechanics(English Edition)》 SCIE EI 2013年第7期801-810,共10页
One of the important issues in the system identification and the spectrum analysis is the frequency resolution, i.e., the capability of distinguishing between two or more closely spaced frequency components. In the mo... One of the important issues in the system identification and the spectrum analysis is the frequency resolution, i.e., the capability of distinguishing between two or more closely spaced frequency components. In the modal identification by the empirical mode decomposition (EMD) method, because of the separating capability of the method, it is still a challenge to consistently and reliably identify the parameters of structures of which modes are not well separated. A new method is introduced to generate the intrin- sic mode functions (IMFs) through the filtering algorithm based on the wavelet packet decomposition (GIFWPD). In this paper, it is demonstrated that the CIFWPD method alone has a good capability of separating close modes, even under the severe condition beyond the critical frequency ratio limit which makes it impossible to separate two closely spaced harmonics by the EMD method. However, the GIFWPD-only based method is impelled to use a very fine sampling frequency with consequent prohibitive computational costs. Therefore, in order to decrease the computational load by reducing the amount of samples and improve the effectiveness of separation by increasing the frequency ratio, the present paper uses a combination of the complex envelope displacement analysis (CEDA) and the GIFWPD method. For the validation, two examples from the previous works are taken to show the results obtained by the GIFWPD-only based method and by combining the CEDA with the GIFWPD method. 展开更多
关键词 empirical mode decomposition (EMD) wavelet packet decomposition com- plex envelope displacement analysis (CEDA) closely spaced modes modal identification
下载PDF
大跨度单层柔性光伏支架结构气动阻尼的试验研究
3
作者 徐海巍 李俊龙 +3 位作者 何旭辉 杜航 丁焜炀 楼文娟 《振动与冲击》 EI CSCD 北大核心 2024年第10期21-29,共9页
大跨光伏支架结构轻柔,在风荷载作用下易产生显著气动效应。为研究该类结构的气动阻尼特征,对不同风速和张力工况下两种典型倾角(0°和10°)的大跨度柔性光伏支架结构开展气弹风洞试验。基于气弹模型风洞试验结果,分别利用经验... 大跨光伏支架结构轻柔,在风荷载作用下易产生显著气动效应。为研究该类结构的气动阻尼特征,对不同风速和张力工况下两种典型倾角(0°和10°)的大跨度柔性光伏支架结构开展气弹风洞试验。基于气弹模型风洞试验结果,分别利用经验小波变换(empirical wavelet transform,EWT)和变分模态分解(variational modal decomposition,VMD)结合改进的随机减量方法(random decrement technique,RDT)识别得到了柔性光伏支架结构在不同风速风向、组件倾角和拉索预张力下的气动阻尼比。研究结果表明,气动阻尼对风向角的变化较为敏感。当组件倾斜铺设时(10°倾角),大跨光伏结构气动阻尼在180°迎风向时会出现负值。张力增加可能导致高风速下平铺组件的气动阻尼比显著降低。气动阻尼比随风速的增加整体呈减小趋势,低风速下基本为正值,而高风速下可能出现负气动阻尼。不同方法识别出的气动阻尼比结果存在一定的差异,但反映出的气动阻尼的变化特征具有一致性。 展开更多
关键词 变分模态分解(VMD) 经验小波变换(EWT) 气弹试验 气动阻尼 柔性光伏支架结构
下载PDF
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
4
作者 赵东 马荣宇 +2 位作者 于立川 赵健 刘嘉辉 《北京林业大学学报》 CAS CSCD 北大核心 2024年第3期123-131,共9页
【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... 【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。 展开更多
关键词 木材细观损伤识别 声发射 小波包变换 能量熵 经验模态分解(EMD)
下载PDF
GPR信号去噪的变分模态分解
5
作者 刘财 商耀达 +1 位作者 鹿琪 徐杨杨 《吉林大学学报(地球科学版)》 CAS CSCD 北大核心 2024年第3期1042-1053,共12页
为了进一步提高探地雷达(ground penetrating radar,GPR)数据的信噪比,压制由随机扰动引起的随机绕射能量,将二维变分模态分解(two-dimensional variational mode decomposition,2D-VMD)引入二维GPR数据的噪声压制处理中。首先,对GPR数... 为了进一步提高探地雷达(ground penetrating radar,GPR)数据的信噪比,压制由随机扰动引起的随机绕射能量,将二维变分模态分解(two-dimensional variational mode decomposition,2D-VMD)引入二维GPR数据的噪声压制处理中。首先,对GPR数据进行2D-VMD处理,并分析各阶本征模态函数(intrinsic mode function,IMF)分量及其对应的频率-波数域谱来确定雷达剖面中的各回波类型。然后,计算IMF分量与原始数据的互相关系数来确定信号模态和噪声模态,并对信号模态进行重构得到降噪后的数据。理论数据和实测数据测试表明,相比于传统的1D-VMD法,2D-VMD滤波后的含噪正演记录峰值信噪比由6.44 dB增加到7.72 dB;经2D-VMD降噪处理后的雷达剖面在保留有效信号的基础上,可以有效压制随机扰动带来的噪声,并且得到的雷达剖面同相轴连续性更好。 展开更多
关键词 探地雷达 二维变分模态分解 频率-波数谱 互相关系数 去噪
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
6
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
基于改进Croston方法的多需求模式零备件预测
7
作者 杨华强 熊坚 +4 位作者 张鹏 范宜静 韩冬阳 曹蕾 夏唐斌 《科学技术与工程》 北大核心 2024年第21期8987-8995,共9页
维修备件管理是提高产线可靠性、实现降本增效的关键。针对具备间歇性与随机性特征的维修备件需求预测问题,提出了基于改进Croston方法的备件需求预测模型。依据Syntetos准则基于间断性与波动性特征将备件需求划分为4类。针对含有波动... 维修备件管理是提高产线可靠性、实现降本增效的关键。针对具备间歇性与随机性特征的维修备件需求预测问题,提出了基于改进Croston方法的备件需求预测模型。依据Syntetos准则基于间断性与波动性特征将备件需求划分为4类。针对含有波动性特征的需求,基于Croston方法主要思想将备件需求预测分解为需求发生状态预测和需求量预测两类问题,设计了集合经验模态分解(ensemble empirical mode decomposition,EEMD)-长短期记忆网络集成(long short-term memory,LSTM)预测模型。EEMD方法将剧烈波动序列分解为若干相对平稳的分量,进而采用LSTM方法对各分量进行预测。针对含有间断性特征的需求,引入信号处理技术中的信号调制技术,将需求发生状态0-1二值序列进行连续化处理。所提方法解决了备件需求波动性强、间断性大的难题,已应用于湖北中烟武汉卷烟厂,证明了方法的优越性与可行性。 展开更多
关键词 备件需求预测 多需求模式 Croston方法 集合经验模态分解 长短期记忆网络
下载PDF
基于经验模态分解停止准则的振动筛轴承故障诊断
8
作者 刘港 熊继芬 《机械管理开发》 2024年第6期116-118,共3页
在数控振动筛运行速度大幅增加对轴承的运行稳定性提出了更高的要求,分析其故障信号并及时诊断是关键。为了弥补经验模态分解EMD方法依然有着模态混叠、包络过度以及包络不足等问题,筛分引入分解停止准则对其迭代计算进行加强,设计了一... 在数控振动筛运行速度大幅增加对轴承的运行稳定性提出了更高的要求,分析其故障信号并及时诊断是关键。为了弥补经验模态分解EMD方法依然有着模态混叠、包络过度以及包络不足等问题,筛分引入分解停止准则对其迭代计算进行加强,设计了一种基于经验模态分解停止准则的轴承故障诊断方法。通过仿真信号分析得到,该方法得到较少的本征模态函数(IMF)和均方根差(RMSE)数值,在算法时间层面具有优势性。所提方式在噪声较大的环境下对于分解信号有着较强的鲁棒性。 展开更多
关键词 轴承 经验模态分解 筛分停止准则 故障诊断 鲁棒性
下载PDF
基于PE-CEEMD-SVD的Φ-OTDR信号降噪方法
9
作者 姚国珍 李炳峰 谷元宇 《半导体光电》 CAS 北大核心 2024年第4期662-668,共7页
为实现相位敏感光时域反射仪中相位信号的精确测量,提出了一种基于排列熵算法的互补集合经验模态分解联合奇异值分解的新型降噪方法(PE-CEEMD-SVD)。首先,对含有噪声的相位信号进行CEEMD分解,得到一系列频率不同的IMF分量;然后,将PE算... 为实现相位敏感光时域反射仪中相位信号的精确测量,提出了一种基于排列熵算法的互补集合经验模态分解联合奇异值分解的新型降噪方法(PE-CEEMD-SVD)。首先,对含有噪声的相位信号进行CEEMD分解,得到一系列频率不同的IMF分量;然后,将PE算法和相关系数机制相结合,保留较大相关的有用分量,对较小相关的噪声分量使用SVD算法进行二次降噪;最后将两次降噪后保留下来的有用分量进行重构。仿真和实验结果表明,相较于EMD、EEMD和CEEMD降噪方法,该方法可获得更高信噪比的信号,有利于相位信号的精确测量。 展开更多
关键词 相位敏感光时域反射仪 排列熵 互补集合经验模态分解 奇异值分解 信噪比
下载PDF
基于改进经验小波变换的海洋平台结构模态参数自动识别方法
10
作者 冷建成 刁凯欣 +1 位作者 庞哲 冯慧玉 《振动与冲击》 EI CSCD 北大核心 2024年第7期196-204,共9页
针对经验小波变换(empirical wavelet transform,EWT)方法在处理低信噪比信号中频谱分割边界容易产生误判的问题,提出了一种改进经验小波变换(improved empirical wavelet transform,IEWT)的结构模态参数自动识别方法。首先计算信号的... 针对经验小波变换(empirical wavelet transform,EWT)方法在处理低信噪比信号中频谱分割边界容易产生误判的问题,提出了一种改进经验小波变换(improved empirical wavelet transform,IEWT)的结构模态参数自动识别方法。首先计算信号的互功率谱矩阵,采用奇异值分解(SVD)及尺度空间(SSPP)方法确定频谱的分割边界,将信号分解为若干固有模态函数(IMF)分量,再结合随机减量技术(RDT)和希尔伯特变换(HT)实现模态参数的自动识别。使用IEWT方法对自由振动响应信号及ASCE Benchmark模型信号进行模态参数识别,并分别与EWT方法、基于自回归功率谱的经验小波变换(AR-EWT)方法及小波变换(WT)方法进行对比,结果表明IEWT方法能够自适应确定频谱分割边界,对结构的频率及阻尼比等模态参数具有较高的识别精度;进一步将该方法应用到实验室海洋平台模型的模态参数识别中,证明该方法可用于复杂噪声环境下的低频结构的模态参数识别。 展开更多
关键词 经验小波变换(EWT) 奇异值分解(SVD) 尺度空间 模态参数自动识别 海洋平台
下载PDF
彬长大佛寺矿井涌水量时序预测
11
作者 侯恩科 徐林啸 荣统瑞 《西安科技大学学报》 CAS 北大核心 2024年第3期490-500,共11页
为提高矿井涌水量预测精度,解决矿井涌水量预测无法及时响应动态变化的问题,构建一种基于模态分解和深度学习的矿井涌水量多因素时间序列组合预测模型。使用变分模态分解和灰色关联分析筛选主控因素,通过双向长短期记忆网络和卷积长短... 为提高矿井涌水量预测精度,解决矿井涌水量预测无法及时响应动态变化的问题,构建一种基于模态分解和深度学习的矿井涌水量多因素时间序列组合预测模型。使用变分模态分解和灰色关联分析筛选主控因素,通过双向长短期记忆网络和卷积长短期记忆网络对高、低频模态分量进行预测。结果表明:对比不同时序预测模型,变分模态分解可以有效捕捉时序数据中的长期依赖关系,提供了更加准确的长期时序数据预测能力;经过鲸鱼优化、贝叶斯优化算法对不同频率模态分量的处理,有效降低了高频部分的无序性、复杂性并优化了较为线性、缓慢的低频部分;验证了矿井涌水量时序预测中的变分模态深度学习组合模型的有效性和适用性,预测精度满足生产需求。该理论丰富了矿井涌水量时序预测方法,对煤矿水害预防具有一定的理论意义。 展开更多
关键词 模态分解 深度学习 时间序列 多因素序列降维 矿井涌水量预测
下载PDF
Reservoir detection based on EMD and correlation dimension 被引量:3
12
作者 文晓涛 贺振华 黄德济 《Applied Geophysics》 SCIE CSCD 2009年第1期70-76,103,104,共9页
In hydrocarbon reservoirs, seismic waveforms become complex and the correlation dimension becomes smaller. Seismic waves are signals with a definite frequency bandwidth and the waveform is affected by all the frequenc... In hydrocarbon reservoirs, seismic waveforms become complex and the correlation dimension becomes smaller. Seismic waves are signals with a definite frequency bandwidth and the waveform is affected by all the frequency components in the band. The results will not define the reservoir well if we calculate correlation dimension directly. In this paper, we present a method that integrates empirical mode decomposition (EMD) and correlation dimension. EMD is used to decompose the seismic waves and calculate the correlation dimension of every intrinsic mode function (IMF) component of the decomposed wave. Comparing the results with reservoirs identified by known wells, the most effective IMF is chosen and used to predict the reservoir. The method is applied in the Triassic Zhongyou group in the XX area of the Tahe oil field with quite good results. 展开更多
关键词 empirical mode decomposition correlation dimension intrinsic mode function RESERVOIR
下载PDF
一种单样本风电机组传动链故障诊断方法
13
作者 阮爱国 沈忠明 +4 位作者 刘发炳 赵海 何杨张 钱俊兵 张威 《机械传动》 北大核心 2024年第8期161-168,共8页
针对风电机组传动链上故障相似度高的问题,提出了一种基于经验模态分解和信号均衡处理的单样本风电机组轴承故障诊断方法。该方法通过对实际监测故障信号进行经验模态分解,得到不同模态的信号分量;计算各模态分量的能量值和峰值,选择能... 针对风电机组传动链上故障相似度高的问题,提出了一种基于经验模态分解和信号均衡处理的单样本风电机组轴承故障诊断方法。该方法通过对实际监测故障信号进行经验模态分解,得到不同模态的信号分量;计算各模态分量的能量值和峰值,选择能量大且峰值高的部分模态分量进行信号重构,得到新的故障信号;对新的故障信号进行小波包分解,并将小波包分解第三层分量进行信号重构。将重构信号的方差作为故障诊断的特征值,对特征值进行非线性均衡处理,解决了信号互相淹没的问题。引入区分度的概念,用来量化不同故障信号之间的区别。试验结果表明,所提故障诊断方法有效,处理前后风电机组传动链上的4种故障间的区分度明显增大,说明试验方法具有强鲁棒性。通过与改进的模糊聚类方法和基于改进AlxeNet网络深度学习的方法对比,本文所提方法表现更优。该方法仅用单样本实现风电机组传动链故障诊断,符合风电机组低故障率的特点,对实际工程中风电机组排故效率的提高有重要意义。 展开更多
关键词 风机 转动轴承 故障诊断 经验模态分解 信号均衡
下载PDF
基于改进EMD-LSTM的混凝土坝变形预测模型
14
作者 欧斌 张才溢 +4 位作者 陈德辉 王子轩 杨石勇 杨霖 傅蜀燕 《水利水电科技进展》 CSCD 北大核心 2024年第6期93-99,共7页
针对混凝土坝变形监测数据的非线性和复杂性等特征,为提高混凝土坝变形预测的精度,提出了一种基于改进经验模态分解(EMD)法和长短期记忆(LSTM)神经网络的混凝土坝变形预测模型。该模型采用小波阈值方法对EMD法分解的高频分量进行优化处... 针对混凝土坝变形监测数据的非线性和复杂性等特征,为提高混凝土坝变形预测的精度,提出了一种基于改进经验模态分解(EMD)法和长短期记忆(LSTM)神经网络的混凝土坝变形预测模型。该模型采用小波阈值方法对EMD法分解的高频分量进行优化处理,在去除数据噪声的同时,尽可能保留原始数据的特征信息,并运用LSTM神经网络对处理后的数据进行时序预测。实例验证结果表明,该模型能够准确模拟坝体变形过程,具有较高的预测精度。 展开更多
关键词 大坝变形 经验模态分解法 长短期记忆神经网络 小波阈值 预测模型
下载PDF
基于模态分解和时间卷积网络的瓦斯涌出量组合预测
15
作者 毛智强 徐耀松 +2 位作者 王丹丹 田楚汉 黄明宇 《传感技术学报》 CAS CSCD 北大核心 2024年第10期1795-1802,共8页
为有效地分析和处理煤矿中产生的瓦斯涌出数据,实现精准、可靠的回采工作面绝对瓦斯涌出量预测,以提前规避瓦斯灾害,提出自适应噪声完整集成经验模态分解对瓦斯涌出量序列进行分解,对分解得到的各分量分别构建时间卷积网络模型。利用IGJ... 为有效地分析和处理煤矿中产生的瓦斯涌出数据,实现精准、可靠的回采工作面绝对瓦斯涌出量预测,以提前规避瓦斯灾害,提出自适应噪声完整集成经验模态分解对瓦斯涌出量序列进行分解,对分解得到的各分量分别构建时间卷积网络模型。利用IGJO算法对TCN模型的相关超参数进行寻优,建立各分量的预测模型。使用Logistic混沌映射生成金豺种群,引入柯西-高斯变异算子,更新金豺位置并选择最优位置,增强算法搜索能力,避免种群陷入局部最优。将各分量的预测输出值叠加,得到最终的瓦斯涌出量预测值。测试结果表明,CEEMDAN-IGJO-TCN组合预测方法,降低了预测的复杂度同时提高了预测精度。 展开更多
关键词 瓦斯涌出量预测 经验模态分解 时间卷积网络 金豺优化算法 柯西-高斯变异
下载PDF
基于EMD-LSTM模型的水轮机组实测摆度信号预测方法研究
16
作者 吴康平 周建旭 +1 位作者 潘伟峰 丁钶铖祺 《水电能源科学》 北大核心 2024年第5期179-182,共4页
水电机组的运行状态直接影响电站及电网的安全稳定,预测机组监测的振动信号有助于改善故障诊断的缺陷。为此,将经验模态分解(EMD)和神经网络模型相结合,提出一种基于EMD-LSTM的水轮机组摆度信号预测模型,将该模型应用于国内某水电站的... 水电机组的运行状态直接影响电站及电网的安全稳定,预测机组监测的振动信号有助于改善故障诊断的缺陷。为此,将经验模态分解(EMD)和神经网络模型相结合,提出一种基于EMD-LSTM的水轮机组摆度信号预测模型,将该模型应用于国内某水电站的机组摆度信号预测中,并与LSTM、GA-BP和EMD-GABP模型预测结果进行比较。结果表明,该模型在机组摆度信号的预测方面表现出较高的精度,且优于其他模型。 展开更多
关键词 水轮机组 摆度信号 经验模态分解 长短时记忆神经网络 预测精度
下载PDF
基于盲源分离的纱线张力信号去噪研究
17
作者 董晓洁 贾江鸣 +1 位作者 贺磊盈 万昌江 《轻工机械》 CAS 2024年第4期69-74,81,共7页
针对采集到的纱线张力信号精确度低、对张力的大小读取困难的问题,课题组提出一种经验模态分解(empirical modal decomposition, EMD)、奇异值分解(singular value decomposition, SVD)、快速独立成分分析(fast independent component a... 针对采集到的纱线张力信号精确度低、对张力的大小读取困难的问题,课题组提出一种经验模态分解(empirical modal decomposition, EMD)、奇异值分解(singular value decomposition, SVD)、快速独立成分分析(fast independent component analysis, FastICA)相结合的纱线张力信号盲源分离方法。应用经验模态分解方法对张力信号进行自适应分解,得到多个平稳、有线性特点的本征模态函数(intrinsic mode function, IMF)分量;将本征模态函数与张力信号组成多维观测信号,对其协方差矩阵进行奇异值分解,计算邻近奇异值差值并确定源信号的数目;计算IMF分量与张力信号间的相关系数,选择IMF分量与张力信号重构,得到虚拟的多通道信号;对得到新的多通道观测信号进行快速独立成分分析运算,实现纱线张力信号的噪声分离;搭建实验平台去噪实验对该算法进行分析验证。结果表明:该方法实现了纱线张力信号的有效分离,信噪比得到了提高,与15层小波去噪相比,信噪比提高了2.678 1 dB,完成了纱线张力自由振动信号的噪声去除。 展开更多
关键词 纺织机械 纱线张力 经验模态分解 快速独立成分分析 盲源分离
下载PDF
基于悬挂式FBG的螺栓连接微小扭矩检测
18
作者 饶春芳 陈鹏 +4 位作者 胡友德 詹学峰 姜子薇 王跃翔 余文鑫 《光子学报》 EI CAS CSCD 北大核心 2024年第4期130-138,共9页
将光纤布拉格光栅通过尾纤悬挂在带螺栓连接的结构件表面,使用结构动态检测法测试螺栓连接结构的扭矩。测试中,在待测结构件上产生周期性的振动,在振动的作用下尾纤中产生周期性应变,它作为波源在刻有布拉格光纤光栅的光纤中形成应力波... 将光纤布拉格光栅通过尾纤悬挂在带螺栓连接的结构件表面,使用结构动态检测法测试螺栓连接结构的扭矩。测试中,在待测结构件上产生周期性的振动,在振动的作用下尾纤中产生周期性应变,它作为波源在刻有布拉格光纤光栅的光纤中形成应力波,布拉格光纤光栅感知应力波形成测试信号。在识别过程中,首先使用经验模态分解方法对测试信号进行分解以去除不平稳分量及噪声,然后提取信号的有量纲和无量纲特征值,最后将这些特征值输入基于支持向量机的识别系统。结果表明,该方法识别正确率达97.2%,扭矩识别能力在N·cm量级。本研究开拓了一种新的螺栓连接状态的检测方法,尤其适用于小质量结构中微小扭矩的检测。 展开更多
关键词 螺栓扭矩识别 结构动态检测 悬挂式光纤布拉格光栅 经验模态分解 支持向量机
下载PDF
基于EMD和FastICA的轴承故障诊断
19
作者 高云峰 张金萍 《机械设计与制造》 北大核心 2024年第6期48-52,共5页
针对滚动轴承振动信号之间的影响并且易受到噪声干扰的问题,提出了一种基于快速独立分类分析(FastICA)与经验模态分解(EMD)相结合的故障提取特征方法。通过经验模态分解将振动信号分解成若干个模态分量。继而,根据计算相关性系数选取有... 针对滚动轴承振动信号之间的影响并且易受到噪声干扰的问题,提出了一种基于快速独立分类分析(FastICA)与经验模态分解(EMD)相结合的故障提取特征方法。通过经验模态分解将振动信号分解成若干个模态分量。继而,根据计算相关性系数选取有效的模态分量构建噪声通道,最后通过快速独立分类分析将源信号与噪声信号分离,进而得到独立的源信号。通过对西储大学轴承数据的仿真与实验结果表明,该方法可以有效的抑制噪声干扰,清晰的看出轴承的故障频率,实现了对轴承的故障诊断。 展开更多
关键词 振动信号 特征提取 经验模态分解 快速独立分类分析
下载PDF
基于HP-EMD数据分解与CNN-LSTM深度学习的蔬菜价格预测模型 被引量:1
20
作者 何志亚 刘闯 +2 位作者 武官府 刘云贵 马建强 《上海农业学报》 2024年第2期109-117,共9页
现有蔬菜价格预测模型多针对单一品种且稳定性与适用性不足,鉴于此提出一种基于HP滤波法(Hodrick-Prescott filter)与经验模态分解法(Empirical mode decomposition,EMD)分解数据,并耦合卷积神经网络(Convolutional neural network,CNN... 现有蔬菜价格预测模型多针对单一品种且稳定性与适用性不足,鉴于此提出一种基于HP滤波法(Hodrick-Prescott filter)与经验模态分解法(Empirical mode decomposition,EMD)分解数据,并耦合卷积神经网络(Convolutional neural network,CNN)与长短期记忆模型(Long short-term memory,LSTM)的蔬菜价格预测模型。HP-EMD方法将价格序列分解为意义明确的分量以分析价格的波动规律,CNN-LSTM方法提取分量特征以提高模型的稳定性。以云南省2019—2021年西红柿、芹菜、菠菜、大白菜和大蒜的价格数据进行模型验证。结果表明:该模型预测的西红柿价格平均相对误差为5.03%、决定系数为0.85、均方根误差为0.30元(人民币,下同)∕kg,DM检验(Diebold mariano test)表明该模型显著优于其他模型。其他蔬菜预测结果的决定系数也均在0.8以上,表明该模型具有良好的适用性。 展开更多
关键词 蔬菜价格 CNN LSTM 经验模态分解 HP滤波
下载PDF
上一页 1 2 14 下一页 到第
使用帮助 返回顶部