检索结果-内蒙古大学图书馆

城市轨道交通研究 2025年第1期28卷 50-55页

作者：贾清天林海剑金忠上海地铁维护保障有限公司上海200235

[目的]为了加强城市轨道交通区间线路质量的状态管理,需要对轨距在空间上的整体劣化趋势进行预测。[方法]引入CEEMD(互补集合经验模态)理论,提取轨道区间几何形位的IMF(本征模态函数),利用PSO(改进粒子群)算法优化SVR(支持向量回归机),... 详细信息

[目的]为了加强城市轨道交通区间线路质量的状态管理,需要对轨距在空间上的整体劣化趋势进行预测。[方法]引入CEEMD(互补集合经验模态)理论,提取轨道区间几何形位的IMF(本征模态函数),利用PSO(改进粒子群)算法优化SVR(支持向量回归机),对提取数据进行训练,标定预测模型最优参数后进行测试集验证,构建CEEMD-PSO-SVR预测模型。通过上海轨道交通16号线上行轨道区间K12+134—K15+743内的1128组轨检样本数据对预测模型进行了试验。[结果及结论]CEEMD-PSO-SVR预测模型同PSO-SVR模型、ARIMA(自回归移动平均模型)相比,在均方根误差、平均绝对误差、平均相对误差绝对值等3项性能评价指标上具有优势。

关键词：城市轨道交通线路轨距劣化互补集合经验模态分解支持向量回归机

来源：评论

学校读者我要写书评

暂无评论

基于互补集合经验模态分解和改进麻雀搜索算法优化双向门控循环单元的交通流组合预测模型

引用

电子与信息学报 2023年第12期45卷 4499-4508页

作者：殷礼胜刘攀孙双晨吴洋洋施成何怡刚合肥工业大学电气与自动化工程学院合肥230009 武汉大学电气与自动化学院武汉430072

该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞... 详细信息

该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞翼问题,通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量,有效提取了其中的先验特征;随后,利用BiGRU网络挖掘交通流量序列中的时序相关性特征,为避免局部最优,并提高麻雀搜索算法(SSA)全局搜索及局部开发能力,采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明,该组合预测模型中各组件对提高预测精度均起到正向作用,同时在不同交通流量数据集下的预测性能较对比算法均更优,展现了精准、快速的预测表现以及良好的泛化能力。

关键词：短时交通流预测互补集合经验模态分解麻雀搜索算法双向门控循环单元边界局部特征延拓

来源：评论

学校读者我要写书评

暂无评论

基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测

引用

中国电力 2020年第6期53卷 48-55页

作者：赵会茹赵一航郭森华北电力大学经济与管理学院北京102206

随着电力行业的不断发展,负荷预测的重要性也不断彰显,作为负荷预测的重要组成部分,短期负荷预测对于电力系统的调度运行、市场交易都有着重要的意义,精确的负荷预测有助于提高发电设备的利用率和经济调度的有效性。由于影响负荷数据的... 详细信息

随着电力行业的不断发展,负荷预测的重要性也不断彰显,作为负荷预测的重要组成部分,短期负荷预测对于电力系统的调度运行、市场交易都有着重要的意义,精确的负荷预测有助于提高发电设备的利用率和经济调度的有效性。由于影响负荷数据的随机因素太多且具有较强非线性的特点,提出一种基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测方法。通过对某市负荷数据进行仿真,将仿真结果与其他传统预测方法结果相对比,最终证明长短期记忆神经网络模型的误差更低,具有较高的预测精度。同时将互补集合经验模态分解下的长短期记忆神经网络方法与其他分解方法下的长短期记忆神经网络模型预测结果进行对比,验证互补集合经验模态分解方法对提升预测精度的有效性。

关键词：短期电力负荷预测长短期记忆网络互补集合经验模态分解深度学习

来源：评论

学校读者我要写书评

暂无评论

基于改进互补集合经验模态分解的自适应小波熵阈值地震随机噪声压制算法

引用

科学技术与工程 2019年第30期19卷 52-61页

作者：孟娟韩智明李亚南防灾科技学院电子科学与控制工程学院

针对互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)后不易有效区分有用信号和噪声的问题,以及传统小波去噪阈值选取的不足,提出基于改进CEEMD的自适应小波熵阈值地震随机噪声压制算法。将地震信号... 详细信息

针对互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)后不易有效区分有用信号和噪声的问题,以及传统小波去噪阈值选取的不足,提出基于改进CEEMD的自适应小波熵阈值地震随机噪声压制算法。将地震信号进行CEEMD后,基于互信息熵和互相关系数获取高频含噪本征模态函数(intrinsic mode function,IMF);对含噪IMF进行多尺度小波分解,将高频小波系数等分为若干区间计算各区间小波熵,在此基础上得到不同尺度的自适应阈值,同时设计了改进阈值函数进行小波阈值去噪。仿真实验中,去噪残差和频谱分析表明,算法能在保留有用信号的同时有效去除随机噪声,实现保幅去噪。实际地震资料处理表明,相比其他去噪算法,算法能有效提高信噪比(signal-to-noise ratio,SNR)1 dB以上,降低均方误差(root mean square error,RMSE),具有良好的去噪能力。

关键词：去噪随机噪声经验模态分解互补集合经验模态分解小波熵保幅残差分析

来源：评论

学校读者我要写书评

暂无评论

基于小波包分析与互补集合经验模态分解的轴承故障诊断应用

引用

济南大学学报（自然科学版） 2019年第6期33卷 544-549页

作者：余忠潇郝如江石家庄铁道大学机械工程学院

针对滚动轴承早期故障信号特征微弱且难以提取的问题,提出结合小波包分析与互补集合经验模态分解的故障诊断方法;凭借小波包在分解时能处理噪声的功能,通过预处理振动信号初步消除噪声,然后利用互补集合经验模态分解得到各本征模态函数... 详细信息

针对滚动轴承早期故障信号特征微弱且难以提取的问题,提出结合小波包分析与互补集合经验模态分解的故障诊断方法;凭借小波包在分解时能处理噪声的功能,通过预处理振动信号初步消除噪声,然后利用互补集合经验模态分解得到各本征模态函数分量,并结合快速谱峭度的频带范围和相关系数计算,从而筛选出真实分量用以重构获得有效的故障特征信号。结果表明,该方法能较好地识别并提取目标轴承的故障特征信息,具有一定的可行性和有效性。

关键词：小波包互补集合经验模态分解轴承故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于互补集合经验模态分解的电泵滑动轴承故障诊断研究

基于互补集合经验模态分解的电泵滑动轴承故障诊断研究

引用

作者：许瀚锋东北石油大学

学位级别：硕士

大型旋转机电设备中的重要部件滑动轴承具有支撑转轴、传递力矩的功能,其运转状况将对工业生产稳定有序进行产生至关重要的影响。所以,为了能使各项产业活动顺利进行而对设备滑动轴承展开的故障诊断研究具有重大现实意义。目前,国内外... 详细信息

大型旋转机电设备中的重要部件滑动轴承具有支撑转轴、传递力矩的功能,其运转状况将对工业生产稳定有序进行产生至关重要的影响。所以,为了能使各项产业活动顺利进行而对设备滑动轴承展开的故障诊断研究具有重大现实意义。目前,国内外学者在设备滚动轴承的故障诊断领域方面已投入了大量精力,从传统方法下的基于设备振动信号的诊断应用研究,到运用深度学习智能算法的故障分类诊断研究都取得了丰硕的成绩,然而以工程实际应用为背景而开展的大型旋转设备滑动轴承的故障诊断应用研究并不多见。本文以大功率电泵滑动轴承作为研究对象,采集现场设备运行过程中产生的振动信号,对电泵滑动轴承故障开展诊断研究。首先,由于现场实测振动信号中所含有的噪声成分会对设备状态特征提取工作产生较大影响,所以本文通过对采集到含有噪声的电泵滑动轴承加速度振动信号运用互补集合经验模态分解(CEEMD)算法进行分解,对分解产生的多个本征模函数(IMF)求解出各自的相关度系数并依据分量优选的原则对所得的一系列IMF分量进行筛选,将经过筛选的分量用于原始振动信号的重构,达到抑制噪声的效果,后续的应用中也证明了该方法的有效性。其次,由于现场采集数据仅为单一类型的加速度振动信号,为了能够实现多类型振动信号对于设备运行状态的综合诊断,更好的确保诊断准确性,将降噪处理后的加速度振动信号经快速傅里叶变换后进行频域积分,通过对积分结果执行反变换得到其所对应的速度时域信号以及位移时域信号,使用相关数据对该信号转换方法的有效性进行验证。最后,在前述基础上,采用相关分析软件对处理后的数据信号进行计算分析,求得该设备的振动烈度、频谱图以及轴心轨迹图,通过特征比对,实现对现场电泵滑动轴承的故障诊断。

关键词：滑动轴承互补集合经验模态分解信号转换故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于互补集合经验模态分解与样本熵算法的接地系统故障选线研究

引用

广东工业大学学报 2023年第5期40卷 94-101页

作者：马超林希刘振祥广东电网有限责任公司江门供电局广东江门529000 广州思泰信息技术有限公司广东广州510006

针对中性点经消弧线圈接地的配电网接地系统在发生单相接地故障时存在故障电流特征不明显、阈值整定困难和故障选线准确性不高等问题,本文提出一种无阈值的基于互补集合经验模态分解(Complementary Ensemble Empirical Mode Decompositi... 详细信息

针对中性点经消弧线圈接地的配电网接地系统在发生单相接地故障时存在故障电流特征不明显、阈值整定困难和故障选线准确性不高等问题,本文提出一种无阈值的基于互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)与样本熵的故障选线方法。通过研究故障线路零序电流暂态特性,选定震荡和衰减特征的高频分量作为观测对象,提出基于CEEMD算法的高频分量快速提取方法及故障表征策略,探究基于高频分量的样本熵作为无阈值选线判据的可靠性。模拟建立多场景扰动下中性点经消弧线圈接地系统模型,验证了所提算法在不同线路位置、故障合闸角、接地电阻和消弧线圈补偿度等工程场景下应用的可行性。其中,所提的算法能够实现仅采集半个周期电流的快速故障选线,并且该方法无需设置阈值,不受系统不同运行方式影响,易于多场景故障选线的工程应用。

关键词：配电网中性点经消弧线圈接地系统单相接地故障选线互补集合经验模态分解样本熵

来源：评论

学校读者我要写书评

暂无评论

基于互补集合经验模态分解法的变压器局部放电信号去噪方法

引用

广东电力 2017年第10期30卷 93-98页

作者：潘云张晓星张英张倩贵州电网有限责任公司凯里供电局贵州凯里556000 武汉大学电气工程学院湖北武汉430072 贵州电网有限责任公司电力科学研究院贵州贵阳550002

提出一种针对特高频(ultra-high frequency,UHF)局部放电(partial discharge,PD)信号的去噪方法。首先利用互补集合经验模态分解法(complete ensemble empirical mode decomposition,CEEMD)将PD信号分解为一系列本征模态函数(intrinsic mode function,IMF),然后通过峭度值判定规则找出含有效PD成分的多组IMF,最终采用小波阈值法对重构信号进一步去噪。仿真和实测算例的处理结果表明,该方法能够有效去除UHF PD信号中的多种噪声,且去噪性能优于单纯的小波自适应阈值法和基于集合经验模态分解法。

关键词：变压器局部放电超高频监测系统互补集合经验模态分解去噪

来源：评论

学校读者我要写书评

暂无评论

基于互补集合经验模态分解的线路故障测距

引用

电气自动化 2022年第5期44卷 63-65页

作者：穆永凯王玲桃山西大学山西太原030013

为了使高压输电线路在产生故障后,能够快速、精确地找到线路上的故障点,恢复电力系统的稳定性,设计了基于互补集合经验模态分解的线路故障测距方法。当输电线路产生故障后,故障线路会产生暂态行波,暂态行波是一种非线性非平稳的信号,而... 详细信息

为了使高压输电线路在产生故障后,能够快速、精确地找到线路上的故障点,恢复电力系统的稳定性,设计了基于互补集合经验模态分解的线路故障测距方法。当输电线路产生故障后,故障线路会产生暂态行波,暂态行波是一种非线性非平稳的信号,而希尔伯特-黄用于非线性非平稳的信号分析。由于在经验模态分解故障信号时,可能会出现模态混叠的问题,故提出在基于希尔伯特-黄的基础上,将经验模态分解替换成互补集合经验模态分解的方法来分析故障信号,实现故障定位。利用MATLAB软件搭建仿真模型,仿真结果验证了方法的可行性。

关键词：行波故障测距模态混叠经验模态分解互补集合经验模态分解

来源：评论

学校读者我要写书评

暂无评论

基于特征优化和混合改进灰狼算法优化BiLSTM网络的短期光伏功率预测

引用

电网技术 2025年第1期49卷 209-222,I0080-I0084页

作者：赵如意王晓辉郑碧煌李道兴高毅郭鹏天中国电力科学研究院有限公司北京市海淀区100192 国网天津市电力公司经济技术研究院天津市河东区300171

为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首... 详细信息

为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首先,运用互信息算法进行输入数据的变量选择,以消除冗余变量。其次,通过互补集合经验模态分解和改进的小波阈值算法对筛选后的数据进行特征重构,旨在降低数据中的噪声干扰并完成输入变量的特征优化。随后,结合改进的Tent混沌映射、非线性递减因子、动态权重策略和差分进化算法对标准灰狼优化算法进行混合优化,以确定双向长短期记忆神经网络的最优超参数组合,并引入注意力机制以挖掘数据中的关键时序信息,最终构建出一种新型的短期光伏功率预测模型。仿真实验表明,相较于最小二乘支持向量机、长短期记忆网络和双向长短期记忆网络,所提模型在晴天、多云、阴天和降雨等不同工况下的均方根误差平均分别降低了12.45%、7.95%和5.37%,显示出优秀的预测性能、良好的泛化能力和潜在的工程应用价值。

关键词：变量选择互补集合经验模态分解特征重构混合改进优化灰狼算法双向长短期记忆网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：