期刊文献+
共找到50篇文章
< 1 2 3 >
每页显示 20 50 100
Variational Mode Decomposition-Informed Empirical Wavelet Transform for Electric Vibrator Noise Analysis
1
作者 Zhenyu Xu Zhangwei Chen 《Journal of Applied Mathematics and Physics》 2024年第6期2320-2332,共13页
Electric vibrators find wide applications in reliability testing, waveform generation, and vibration simulation, making their noise characteristics a topic of significant interest. While Variational Mode Decomposition... Electric vibrators find wide applications in reliability testing, waveform generation, and vibration simulation, making their noise characteristics a topic of significant interest. While Variational Mode Decomposition (VMD) and Empirical Wavelet Transform (EWT) offer valuable support for studying signal components, they also present certain limitations. This article integrates the strengths of both methods and proposes an enhanced approach that integrates VMD into the frequency band division principle of EWT. Initially, the method decomposes the signal using VMD, determining the mode count based on residuals, and subsequently employs EWT decomposition based on this information. This addresses mode aliasing issues in the original method while capitalizing on VMD’s adaptability. Feasibility was confirmed through simulation signals and ultimately applied to noise signals from vibrators. Experimental results demonstrate that the improved method not only resolves EWT frequency band division challenges but also effectively decomposes signal components compared to the VMD method. 展开更多
关键词 Electric Vibrator Noise Analysis Signal Decomposing variational mode Decomposition Empirical wavelet transform
下载PDF
Empirical Wavelet Transform Based Method for Identification and Analysis of Sub-synchronous Oscillation Modes Using PMU Data
2
作者 Joice G.Philip Jaesung Jung Ahmet Onen 《Journal of Modern Power Systems and Clean Energy》 SCIE EI CSCD 2024年第1期34-40,共7页
This paper proposes an empirical wavelet transform(EWT)based method for identification and analysis of sub-synchronous oscillation(SSO)modes in the power system using phasor measurement unit(PMU)data.The phasors from ... This paper proposes an empirical wavelet transform(EWT)based method for identification and analysis of sub-synchronous oscillation(SSO)modes in the power system using phasor measurement unit(PMU)data.The phasors from PMUs are preprocessed to check for the presence of oscillations.If the presence is established,the signal is decomposed using EWT and the parameters of the mono-components are estimated through Yoshida algorithm.The superiority of the proposed method is tested using test signals with known parameters and simulated using actual SSO signals from the Hami Power Grid in Northwest China.Results show the effectiveness of the proposed EWT-Yoshida method in detecting the SSO and estimating its parameters. 展开更多
关键词 Empirical wavelet transform(EWT) sub-synchronous oscillation Prony-based method Yoshida algorithm variational mode decomposition phasor measurement unit(PMU)
原文传递
基于时频域特征挖掘与自注意力机制融合的雷达PRI变化类型识别
3
作者 王军 薛磊 +2 位作者 屠俑霖 遇浩宁 姜建华 《信息对抗技术》 2024年第5期74-83,共10页
针对存在异常值时雷达辐射源脉冲重复间隔(pulse repetition interval,PRI)变化类型识别困难的问题,提出一种基于时频域特征挖掘与自注意力机制融合的雷达PRI变化类型识别方法。首先对PRI序列进行时序变化特征和小波特征分析,从时域和频... 针对存在异常值时雷达辐射源脉冲重复间隔(pulse repetition interval,PRI)变化类型识别困难的问题,提出一种基于时频域特征挖掘与自注意力机制融合的雷达PRI变化类型识别方法。首先对PRI序列进行时序变化特征和小波特征分析,从时域和频域2个角度构建特征集;然后基于自注意力机制以数据驱动的方式学习时频特征之间的互补性,有效把握不同维度特征对识别效果的贡献,实现对不同维度特征的深度融合;最后基于全连接神经网络对融合后的特征进行模式分类,从而实现对PRI变化类型的识别。仿真结果表明,在不同异常值水平下,所提方法能够显著提高对6种典型PRI变化类型的识别准确率,而且识别效果要显著优于仅使用单一维度特征的方法。 展开更多
关键词 时频域特征挖掘 小波变换 自注意力机制 神经网络 PRI变化类型识别
下载PDF
基于SVMD-EWT的超声组织谐波成像算法研究
4
作者 范淼淼 赖宁磊 +2 位作者 晏张平 林伟军 刘晓宙 《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第6期231-239,共9页
针对超声组织谐波成像中宽带射频回波信号的谐波分离问题,提出了一种基于逐次变分模态分解(SVMD)和经验小波变换(EWT)的信号滤波算法,简称SVMD-EWT。其对信号进行逐次变分模态分解,收集窄带模态的中心频率。结合经验小波变换中自适应频... 针对超声组织谐波成像中宽带射频回波信号的谐波分离问题,提出了一种基于逐次变分模态分解(SVMD)和经验小波变换(EWT)的信号滤波算法,简称SVMD-EWT。其对信号进行逐次变分模态分解,收集窄带模态的中心频率。结合经验小波变换中自适应频谱曲线局部极小值寻找方法对模态进行分类。将判定为基波成分与谐波成分相互混叠的模态的能量作为优化经验小波变换模态边界的参数,设计经验小波滤波器对超声射频回波信号做滤波处理。仿真和实验表明相比传统的人为给定截止频率的带通滤波器和将发射反相位信号得到的回波信号相加滤波的脉冲反转法,本文提出的方法具有更好的滤波性能和稳定性。带通滤波器和本文方法滤波后生成的乳腺肿瘤谐波B超图对比度分别为15.77 dB和20.78 dB。 展开更多
关键词 组织谐波成像 谐波分离 变分模态分解 经验小波变换
下载PDF
基于DWT-VMD混合信号分解技术的人体活动识别
5
作者 陈金瑶 李瑞祥 +1 位作者 王星 施伟斌 《数据采集与处理》 CSCD 北大核心 2024年第3期736-749,共14页
在人类活动识别的应用环境中,从原始传感器数据中提取更加有效的特征仍具有挑战性。针对该问题,利用离散小波变换(Discrete wavelet transform,DWT)和变分模式分解(Variational mode decomposition,VMD)的混合信号分解技术提取原始信号... 在人类活动识别的应用环境中,从原始传感器数据中提取更加有效的特征仍具有挑战性。针对该问题,利用离散小波变换(Discrete wavelet transform,DWT)和变分模式分解(Variational mode decomposition,VMD)的混合信号分解技术提取原始信号中的显著特征向量。在UCI-HAR数据集与SCUT-NAA数据集上,利用多种机器学习分类算法,例如K近邻、随机森林、LightGBM和XGBoost,对DWT-VMD混合信号分解算法的有效性进行了实验。实验结果表明,与未使用混合信号分解技术相比,使用该技术后识别准确率均有所提高,其中UCI-HAR数据集分类准确率达到98.91%,与未加入分解算法相比提高了1.79%;SCUT-NAA数据集分类准确率达到95.52%,提高了3.2%。在人体活动识别中,利用DWT-VMD混合信号分解技术,能够提取原始信号中更有效的特征,提高识别准确率,具有一定的实用性。 展开更多
关键词 人体活动识别 离散小波变换 变分模式分解 信号分解 机器学习
下载PDF
低功耗可穿戴式心电监测系统
6
作者 张鹏 蒋明峰 李杨 《电子科技》 2024年第10期88-94,共7页
日常心电监测对预防心血管病具有重要意义,但医用心电监测系统成本高、操作复杂且不适用于居家心电监测,可穿戴设备忽视了噪声干扰问题,难以利用采集信号来分析诊断病情。文中设计了一种低功耗可穿戴式心电监测系统,该系统由电源管理模... 日常心电监测对预防心血管病具有重要意义,但医用心电监测系统成本高、操作复杂且不适用于居家心电监测,可穿戴设备忽视了噪声干扰问题,难以利用采集信号来分析诊断病情。文中设计了一种低功耗可穿戴式心电监测系统,该系统由电源管理模块、心电采集模块、数据处理模块和延时开关模块4部分组成,通过BMD101芯片采集人体心电信号,使用低功耗蓝牙芯片nrf52832将心电数据发送到移动端。针对信号中易引入的肌电干扰噪声问题,文中提出了基于变分模态分解(Variational Mode Decomposition,VMD)的去噪算法,利用非局部均值(Non-Local Mean,NLM)滤除心电信号中低频模态的噪声,离散小波(Discrete Wavelet Transform,DWT)阈值去噪算法消除心电信号的高频模态噪声,重构后的信号质量明显提高。实验结果证明,所提算法具有成本低、易便携和使用方便等特点,能够获取高质量的心电信号,满足用户的长程监测需求,解决了日常不方便监测心电和心电信号获取质量低的问题。 展开更多
关键词 可穿戴 心电监测 低功耗 心电去噪 蓝牙 变分模态分解 非局部均值 离散小波变换
下载PDF
基于AVMD-ASWT-PCNN的滚动轴承故障识别方法
7
作者 刘志卫 邱明 +2 位作者 李军星 刘静涛 高锐 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第9期244-252,共9页
针对传统方法直接舍弃高频分量导致信号降噪不充分和信号在时、频域表征效果不好的问题,提出一种基于自适应变分模态分解融合自适应同步压缩小波变换(AVMD-ASWT)的少噪声时频图像生成方法,在此基础上结合动态惯性权重粒子群优化卷积神... 针对传统方法直接舍弃高频分量导致信号降噪不充分和信号在时、频域表征效果不好的问题,提出一种基于自适应变分模态分解融合自适应同步压缩小波变换(AVMD-ASWT)的少噪声时频图像生成方法,在此基础上结合动态惯性权重粒子群优化卷积神经网络(PCNN)实现滚动轴承故障的识别。采用AVMD-ASWT算法对轴承振动信号进行二次处理,同时引入互信息熵-相关系数准则,获得高分辨率的少噪声时频图像。将少噪声时频图像作为网络模型的输入进行故障识别,同时采用动态惯性权重粒子群优化算法(PSO)对卷积神经网络模型(CNN)参数进行优化,可解决模型结构难以确定的问题,模型识别正确率和识别速度均有明显提升。工程实例表明:运用AVMD-ASWT方法得到的时频图像具有更高的分辨率,显著降低了信号中噪声的影响,且提出的PCNN模型的故障识别正确率达99%以上。 展开更多
关键词 自适应变分模态分解 自适应同步压缩小波变换 卷积神经网络 故障识别
下载PDF
一种基于优化VMD-CWT-CNN的柱塞泵配流盘磨损状态识别方法
8
作者 吕尚杰 谷立臣 耿宝龙 《Journal of Measurement Science and Instrumentation》 CAS CSCD 2024年第1期43-53,共11页
为解决一维振动信号难以充分挖掘表达状态特征信息以及柱塞泵配流盘磨损早期识别问题,基于卷积神经网络(Convolutional neural networks,CNN)优秀的图像处理能力,提出了一个优化VMD-CWT-CNN模型。首先,采用连续小波变换(Continuous wave... 为解决一维振动信号难以充分挖掘表达状态特征信息以及柱塞泵配流盘磨损早期识别问题,基于卷积神经网络(Convolutional neural networks,CNN)优秀的图像处理能力,提出了一个优化VMD-CWT-CNN模型。首先,采用连续小波变换(Continuous wavelet transform,CWT)对信号进行预处理,得到信号的二维时频图,作为CNN模型的一路输入,将状态识别问题转化为CNN图像识别问题。其次,基于相关系数对变分模态分解(Variational mode decomposition,VMD)参数优化后,利用优化VMD对振动信号进行预处理,再以相关系数和峭度值最大为优选原则,甄选出三组蕴含故障特征的本征模态函数(Intrinsic mode function,IMF),将其重组为三通道一维信号,作为CNN模型的另一路输入。最后,在CNN模型中将两路信息汇聚并得到柱塞泵配流盘磨损状态识别分类结果。实验中,此方法分别采用优化VMD和CWT对振动信号预处理,再结合CNN对磨损状态进行分类。实验结果表明,该方法对于配流盘磨损的三种状态的识别效果显著优于单路输入的CNN模型以及典型的深度学习方法和机器学习分类器。因此,优化的VMD-CWT-CNN方法可以更准确地实现柱塞泵配流盘磨损状态识别。 展开更多
关键词 柱塞泵配流盘磨损 振动信号 卷积神经网络 变分模态分解 连续小波变换
下载PDF
移动车辆加载下梁桥挠度影响线识别与损伤诊断方法
9
作者 周宇 刘润州 +1 位作者 狄生奎 卢恋 《科学技术与工程》 北大核心 2024年第9期3834-3843,共10页
为了解决桥梁实测时程响应中存在结构动力成分与车辆多轴效应干扰的问题,提出一种基于挠度影响线识别结果的简支梁桥损伤诊断方法。首先,通过变分模态分解与小波变换法对桥梁时程响应进行预处理,以实现桥梁实测响应动力成分剥离;其次,... 为了解决桥梁实测时程响应中存在结构动力成分与车辆多轴效应干扰的问题,提出一种基于挠度影响线识别结果的简支梁桥损伤诊断方法。首先,通过变分模态分解与小波变换法对桥梁时程响应进行预处理,以实现桥梁实测响应动力成分剥离;其次,建立多轴车辆信息矩阵和影响线识别模型,从而剔除桥梁实测响应中车辆多轴效应;再次,采用Tikhonov正则化方法识别出桥梁准静态挠度影响线;最后,利用影响线差值曲率指标对桥梁损伤进行定位。研究通过两轴和三轴车辆移动加载下的车桥耦合模型验证所提方法的可行性与有效性。研究表明:所提两种影响线识别方法有效、可靠,影响线识别效果受车速和车型的影响较小,其中变分模态分解方法在车辆高速行驶下识别桥梁影响线用于损伤诊断效果更佳。 展开更多
关键词 桥梁工程 影响线识别 变分模态分解 小波变换 车桥耦合 损伤诊断
下载PDF
基于优化VMD参数与VGG模型的轴承故障诊断
10
作者 刘迪洋 张清华 朱冠华 《机床与液压》 北大核心 2024年第18期195-202,共8页
轴承振动信号的采集过程中难免会受到噪声的影响,使得轴承部分故障特征难以提取。针对此问题,提出一种基于蜣螂算法(DBO)优化变分模态分解(VMD)并与VGG神经网络相结合的轴承故障诊断方法。使用DBO对VMD进行参数寻优,经过优化后的VMD将... 轴承振动信号的采集过程中难免会受到噪声的影响,使得轴承部分故障特征难以提取。针对此问题,提出一种基于蜣螂算法(DBO)优化变分模态分解(VMD)并与VGG神经网络相结合的轴承故障诊断方法。使用DBO对VMD进行参数寻优,经过优化后的VMD将原始振动信号分解为多个本征模态函数(IMF),通过皮尔逊相关系数选择合适的IMF对信号进行重构;对重构的信号进行连续小波变换(CWT)生成时频图;最后,通过VGG网络进行训练以完成对轴承的故障诊断分类识别。结果表明:与其他诊断方法相比,所提方法降噪效果明显,同时对轴承的故障识别准确率达到了100%。 展开更多
关键词 故障诊断 变分模态分解 蜣螂算法 卷积神经网络 连续小波变换
下载PDF
基于BO-WT-VMD组合模型的钢丝绳的损伤信号降噪方法
11
作者 朱宇坤 黎恒 +1 位作者 吴文俊 柯圆圆 《江汉大学学报(自然科学版)》 2024年第1期43-54,共12页
为了准确识别钢丝绳缺陷的故障数据,消除被测信号中的噪音,可使用基于贝叶斯优化-小波变换-变分模态分解(BO-WT-VMD)的组合降噪模型进行降噪。首先利用小波变换(WT)对原始信号进行处理;其次对处理后的信号再利用变分模态分解算法(VMD)... 为了准确识别钢丝绳缺陷的故障数据,消除被测信号中的噪音,可使用基于贝叶斯优化-小波变换-变分模态分解(BO-WT-VMD)的组合降噪模型进行降噪。首先利用小波变换(WT)对原始信号进行处理;其次对处理后的信号再利用变分模态分解算法(VMD)进行模态分解,计算分解的各个模态与原信号之间的相关系数,以完成信号的模态选择和重构;再次利用贝叶斯优化算法(BO)对VMD算法的模态数目K以及α值进行寻参,避免其受序列分解和预测精度的影响,从而找到最优超参数组合。最后,在仿真实验和真实数据中,计算BO-WT-VMD、WT和VMD算法的SNR值和RMSE值,分别为(17.3403,0.1010),(15.6170,0.1232)和(15.6492,0.1227),说明提出的算法能够有效地去除信号噪音。 展开更多
关键词 磁漏检测 小波变换 变分模态分解算法 贝叶斯优化 钢丝绳 降噪
下载PDF
基于VMD-WT-CNN的结构损伤识别研究 被引量:2
12
作者 王秋潇 李行健 +3 位作者 任义建 刁延松 王涵 王小岚 《青岛理工大学学报》 CAS 2023年第4期101-109,共9页
现有的结构损伤识别研究多是以振动响应信号作为深度学习网络模型的输入进行损伤识别,而振动响应信号中不可避免地含有噪声和与结构损伤无关的成分,并且含有的可提取特征较少。为提高深度学习网络模型的损伤识别精度,提出了一种基于变... 现有的结构损伤识别研究多是以振动响应信号作为深度学习网络模型的输入进行损伤识别,而振动响应信号中不可避免地含有噪声和与结构损伤无关的成分,并且含有的可提取特征较少。为提高深度学习网络模型的损伤识别精度,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)-小波变换(Wavelet transform,WT)-卷积神经网络(Convolutional Neural Network,CNN)的损伤识别方法,先利用VMD对加速度信号进行分解重构,剔除信号中的噪声和与结构损伤无关的成分,然后利用WT对重构信号进行时频变换,得到WT时频图,并按8∶1∶1的比例分为训练集、验证集和测试集输入到CNN模型中进行结构损伤识别研究。IASC-ASCE SHM Benchmark第二阶段结构试验数据证明了所提方法的有效性。 展开更多
关键词 损伤识别 深度学习 变分模态分解 小波变换 卷积神经网络
下载PDF
基于交叉小波变换与改进变分模态分解的联合去噪方法 被引量:5
13
作者 王鹏博 刘自然 +1 位作者 刘玉明 吕振礼 《机电工程》 CAS 北大核心 2023年第2期292-298,共7页
轴承早期的故障信号容易被噪声所淹没,导致其故障特征难以被提取,为此,提出了一种基于交叉小波变换(XWT)与改进变分模态分解(IVMD)联合去噪的信号处理方法。首先,对双通道的原始信号进行了XWT处理,得到了小波相干谱,通过包络谱曲线确定... 轴承早期的故障信号容易被噪声所淹没,导致其故障特征难以被提取,为此,提出了一种基于交叉小波变换(XWT)与改进变分模态分解(IVMD)联合去噪的信号处理方法。首先,对双通道的原始信号进行了XWT处理,得到了小波相干谱,通过包络谱曲线确定了最佳模态数K;将传统VMD优化为IVMD,利用IVMD将两个通道中峭度值较大的信号分解成为多个固有模态分量(IMFs),再对每个IMF与峭度值较大的信号进行XWT处理;然后,将得到的小波相干谱图与双通道原始信号的小波相干谱图进行了比较,从原始信号中去除了识别出的噪声分量,实现了降噪和故障特征增强的目的;最后,利用K邻近(KNN)算法进行了滚动轴承故障分类,其故障识别率达到了97.51%,与IVMD、VMD-XWT方法相比,该方法故障识别率分别提高了10.83%、4.62%。研究结果表明:该方法可以明显降低噪声干扰,能更好地提取轴承早期的故障信息。 展开更多
关键词 滚动轴承故障诊断 故障特征提取 降噪 故障特征增强 交叉小波变换 改进变分模态分解 K邻近算法 固有模态分量
下载PDF
基于VMD-SWT联合算法的FMCW雷达生命体征检测 被引量:1
14
作者 何鹏宇 卓智海 《北京信息科技大学学报(自然科学版)》 2023年第6期41-47,共7页
针对雷达生命体征检测中心跳信号易受到呼吸谐波干扰的现象,提出了一种基于变分模态分解(variational mode decomposition,VMD)与同步压缩小波变换(synchrosqueezed wavelet transform,SWT)的联合算法。该方法利用VMD从胸部位移信号中... 针对雷达生命体征检测中心跳信号易受到呼吸谐波干扰的现象,提出了一种基于变分模态分解(variational mode decomposition,VMD)与同步压缩小波变换(synchrosqueezed wavelet transform,SWT)的联合算法。该方法利用VMD从胸部位移信号中分离出呼吸信号和心跳信号,并对心跳信号使用SWT进一步处理,以获得心跳信号的时频信息。实验结果表明,该方法能够有效分离呼吸信号和心跳信号,并准确提取心跳信号的时频信息,降低呼吸谐波对检测结果的干扰,心率检测结果的均方根误差为2.12次/min。 展开更多
关键词 调频连续波雷达 生命体征检测 变分模态分解 同步压缩小波变换
下载PDF
基于改进VMD去噪和优化ELM方法的变压器早期故障诊断 被引量:5
15
作者 刘建锋 刘梦琪 +2 位作者 董倩雯 梅智聪 周海 《电力科学与技术学报》 CAS CSCD 北大核心 2023年第6期55-66,共12页
变压器内部漏磁场是判断变压器绕组早期故障的重要依据。实际运行中噪声会对漏磁场检测产生干扰从而影响对故障状态的判断。为此,首先使用遗传算法以样本熵作为适应度函数来优化变分模态分解(VMD)参数,然后将VMD分解后的相关模态使用小... 变压器内部漏磁场是判断变压器绕组早期故障的重要依据。实际运行中噪声会对漏磁场检测产生干扰从而影响对故障状态的判断。为此,首先使用遗传算法以样本熵作为适应度函数来优化变分模态分解(VMD)参数,然后将VMD分解后的相关模态使用小波阈值法去除残余噪声;其次,选择并提取降噪漏磁场信号的特征向量,将特征向量输入到改进极限学习机(ELM)中进行训练和分类,实现变压器绕组的早期故障诊断。仿真及动模实验表明:该方法去噪效果良好,能有效地还原原漏磁场信号,最终能实现变压器绕组早期故障的准确识别。 展开更多
关键词 变压器早期故障 变分模态分解 遗传算法 小波阈值法 极限学习机
下载PDF
基于WPT-VMD-BP的孤岛检测法
16
作者 王增雯 黄文聪 常雨芳 《中南民族大学学报(自然科学版)》 CAS 北大核心 2023年第6期759-767,共9页
针对现有被动孤岛检测法检测盲区大、准确率不高的问题,提出了一种小波包(Wavelet Packet Transform,WPT)、变分模态分解(Variational Mode Decomposition,VMD)和BP神经网络相结合的孤岛检测法.采集光伏电站公共耦合点(PCC)处工况数据,... 针对现有被动孤岛检测法检测盲区大、准确率不高的问题,提出了一种小波包(Wavelet Packet Transform,WPT)、变分模态分解(Variational Mode Decomposition,VMD)和BP神经网络相结合的孤岛检测法.采集光伏电站公共耦合点(PCC)处工况数据,并利用WPT对电压波形中的特定频率成分进行滤波;采用VMD将滤波信号分解为具有不同中心频率的模态分量,并将其合成所需的电压特征向量;利用BP神经网络对工况数据进行学习分类,判断是否发出并网断路器跳闸信号.通过PSCAD/MATLAB联合仿真,验证了所提孤岛检测法的有效性,并探究了不同干扰工况下该检测法的抗干扰性能. 展开更多
关键词 被动孤岛检测法 小波包变换 变分模态分解 BP神经网络 分布式电站
下载PDF
基于改进VMD-EWT联合降噪的滚动轴承早期故障检测 被引量:3
17
作者 霍天枢 潘鸣宇 《组合机床与自动化加工技术》 北大核心 2023年第4期82-86,90,共6页
针对采集到的滚动轴承早期故障振动信号因故障特征微弱而导致难以检测的问题,提出一种基于改进的变分模态分解(VMD)和经验小波变换(EWT)联合降噪的滚动轴承早期故障检测方法。首先,利用改进包络谱有效边界划分方法(IEPEFP)确定VMD和EWT... 针对采集到的滚动轴承早期故障振动信号因故障特征微弱而导致难以检测的问题,提出一种基于改进的变分模态分解(VMD)和经验小波变换(EWT)联合降噪的滚动轴承早期故障检测方法。首先,利用改进包络谱有效边界划分方法(IEPEFP)确定VMD和EWT的分解分量个数,利用改进分解模态数目选择方法(IDMNS)对VMD的主要分量进行叠加从而完成初次降噪;其次,对初次降噪后的信号进行EWT分解,利用IDMNS对主要分量进行叠加进而完成二次降噪;最后,对降噪后的信号进行包络谱分析,从而实现滚动轴承早期故障检测。通过轴承加速寿命试验数据集进行试验验证,结果表明提出方法可有效提取滚动轴承早期微弱故障特征,准确检测轴承早期故障,具有一定的工程参考价值。 展开更多
关键词 滚动轴承 故障检测 变分模态分解 经验小波变换
下载PDF
基于VMD-EWT-IASSP-EBILSTM的短期电力负荷预测 被引量:4
18
作者 杨健 孙涛 +3 位作者 陈小龙 苏坚 姚健 周倩 《科学技术与工程》 北大核心 2023年第27期11646-11654,共9页
电力系统在国家工业基础设施中起着举足轻重的作用,维持系统负荷高精度预测是保障电力系统高效供应的关键。针对负荷数据的非平稳性、随机性与非线性,负荷预测误差较大的问题,结合变分模态分解(variational mode decomposition, VMD)、... 电力系统在国家工业基础设施中起着举足轻重的作用,维持系统负荷高精度预测是保障电力系统高效供应的关键。针对负荷数据的非平稳性、随机性与非线性,负荷预测误差较大的问题,结合变分模态分解(variational mode decomposition, VMD)、经验小波变换(empirical wavelet transform, EWT)、改进的空洞卷积金字塔模块(improved atros spatial pyramid pooling, IASSP)、集成双向长短时记忆模块(ensemble BiLSTM,EBiLSTM),提出了一种短期电力负荷预测模型。为解决负荷数据的非平稳性引起的模型预测波动问题,通过变分模态分解方法与经验小波变换的结合分解为若干子序列,显著降低了原始负荷序列的复杂性;为提高模型预测精度,将分解的负荷子序列利用过零率指标划分高低频序列,在低频序列中构建一种时序依赖捕获模块EBiLSTM提取长期负荷特征,高频序列中构建特征提取模块IASSP提取局部负荷特征,最后累加各子序列的预测结果,实现电力系统负荷的短期预测。选取行业通用客观评价指标:平均绝对误差、均方根误差,在宁夏某地电站的实测数据上对比前沿算法进行仿真实验验证。结果表明,该算法平均绝对误差(mean absolute error, MAE)降低了37%~75%,具有较高的准确性与可靠性。 展开更多
关键词 电力负荷 变分模态分解 经验小波变换 特征提取 高低频序列
下载PDF
大型水轮发电机组机械振动信号随机噪声控制 被引量:1
19
作者 潘峰 陈建梅 +1 位作者 张伟 龚思宇 《自动化与仪表》 2023年第11期120-124,共5页
由于传统大型水轮机发电机组机械振动信号受到环境干扰,其稳定性较差,难以准确判断机组机械运行状态。因此,提出了一种基于变分模态分解-小波变换的振动信号随机噪声控制方法。采用交替方向乘子法和拉格朗日函数建立了振动信号模态分解... 由于传统大型水轮机发电机组机械振动信号受到环境干扰,其稳定性较差,难以准确判断机组机械运行状态。因此,提出了一种基于变分模态分解-小波变换的振动信号随机噪声控制方法。采用交替方向乘子法和拉格朗日函数建立了振动信号模态分解寻优函数模型,并通过傅里叶变换和变分约束条件完成了振动信号的模态分解。使用能量差方式确定分层数,通过Stein无偏似然估计确定小波系数的阈值,得出随机噪声,并将剩余模态层信息重构,得出实际振动信号,实现了随机噪声控制。实验结果表明,该方法在振动信号随机噪声控制方面效果好且用时短。 展开更多
关键词 大型水轮发电机组 机械振动信号 随机噪声 变分模态分解 小波变换
下载PDF
基于时频图与双通道卷积神经网络的轴承故障识别模型 被引量:1
20
作者 张政君 井陆阳 +2 位作者 徐卫晓 战卫侠 王晓昆 《机电工程》 CAS 北大核心 2023年第12期1889-1897,共9页
采用传统的信号处理方法难以从轴承振动信号中提取能全面准确反映轴承运行状态的故障特征,并且实际工程中采集的数据量难以满足深度学习方法的要求(需要较大数据量),针对这些问题,提出了一种基于时频图与双通道卷积神经网络(CNN)的轴承... 采用传统的信号处理方法难以从轴承振动信号中提取能全面准确反映轴承运行状态的故障特征,并且实际工程中采集的数据量难以满足深度学习方法的要求(需要较大数据量),针对这些问题,提出了一种基于时频图与双通道卷积神经网络(CNN)的轴承故障识别模型(方法)。首先,基于样本熵和峭度,构造了新的目标函数,利用灰狼优化算法(GWO)对变分模态分解(VMD)方法进行了参数优化,当目标函数达到最小值时,得到了其最优参数组合;然后,使用经过参数优化后的变分模态分解(VMD)方法对轴承信号进行了处理,将处理后得到的模态分量进行了平滑伪Wigner Ville分布(SPWVD)计算,累加其计算结果后,最终得到了轴承的时频图;其次,利用连续小波变换(CWT)直接对原始信号处理得到了时频图;最后,将采用两种方式得到的时频图分别作为双通道CNN的输入,对网络进行了训练,由CNN提取了其时频图特征,并对轴承故障进行了识别分类和诊断。实验结果表明:采用该方法在轴承故障实验中得到的准确率为99.69%,在10次实验中的平均准确率达到了99.61%,相比于单通道CNN和支持向量机(SVM)等方法,该方法有着更高的准确率和更出色的稳定性。研究结果表明:将该方法应用在轴承故障诊断领域,具有准确率高、稳定性强的特点,能够有效地诊断轴承故障。 展开更多
关键词 时频分析方法 变分模态分解 平滑伪Wigner-Ville分布 连续小波变换 双通道卷积神经网络 灰狼优化算法
下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部