检索结果-内蒙古大学图书馆

采矿与安全工程学报 2022年第5期39卷 1061-1070页

作者：孙继平余星辰中国矿业大学(北京) 机电与信息工程学院北京100083

为及时自动发现煤矿瓦斯和煤尘爆炸并报警,为事故应急救援赢得宝贵时间,提出了一种基于互补集合经验模态分解(CEEMD)分量样本熵与支持向量机(SVM)分类的煤矿瓦斯和煤尘爆炸声音识别方法:1)在重点监测区域设置矿用拾音器,实时采集环境与... 详细信息

为及时自动发现煤矿瓦斯和煤尘爆炸并报警,为事故应急救援赢得宝贵时间,提出了一种基于互补集合经验模态分解(CEEMD)分量样本熵与支持向量机(SVM)分类的煤矿瓦斯和煤尘爆炸声音识别方法:1)在重点监测区域设置矿用拾音器,实时采集环境与设备工作声音;2)使用CEEMD对采集到的声音进行分解,对每个分量求样本熵,构成该声音的特征量,输入到SVM中建立煤矿瓦斯和煤尘爆炸识别模型;3)通过CEEMD对待测声音分解提取特征量,输入训练好的模型中进行识别分类;4)实验验证。首先,通过信号分解实验得到:与自适应噪声完全集合经验模态分解(CEEMDAN)及集合经验模态分解(EEMD)相比,CEEMD算法更适合本方法要求。其次,通过相似性和相关系数实验得到:CEEMD算法分解模态分量与原信号的相似性和相关性,确定选择前9阶模态分量(IMF)作为声音信号提取特征量的对象;通过分析IMF和残余分量IMF的频谱图,取前9阶模态分量,可去除低频本征干扰。最后,将声音信号特征量输入SVM、BP神经网络和相似性测度中做比对研究,实验结果表明:SVM识别分类器的准确率为85%,比BP神经网络和相似性测度分别高13%和22%,整体识别性能高于BP神经网络和相似性测度。

关键词：瓦斯和煤尘爆炸声音识别互补集合经验模态分解样本熵支持向量机

来源：评论

学校读者我要写书评

暂无评论

考虑螺栓预紧力差异的箭体连接结构动力学响应分析

引用

国防科技大学学报 2024年第3期46卷 59-69页

作者：孙伟程关振群潘嘉诚曾岩大连理工大学力学与航空航天学院辽宁大连116024

针对广泛地应用在航空航天箭体结构中的螺栓法兰连接结构的动力学响应特征会显著受到螺栓预紧力大小影响的问题,在螺栓法兰连接结构不同工况下螺栓预紧力出现差异时,研究箭体连接结构的静动力学响应特征。通过对特定的筒壳螺栓法兰连接... 详细信息

针对广泛地应用在航空航天箭体结构中的螺栓法兰连接结构的动力学响应特征会显著受到螺栓预紧力大小影响的问题,在螺栓法兰连接结构不同工况下螺栓预紧力出现差异时,研究箭体连接结构的静动力学响应特征。通过对特定的筒壳螺栓法兰连接结构,基于有限元分析和敲击试验来提出一套考虑螺栓预紧力差异的箭体连接结构动力学响应分析方法。并由此研究螺栓松动时的响应特征,基于互补集合经验模态分解算法设计一种新的螺栓松动探测流程,可以量化螺栓发生松动时连接结构的中高频段频响幅值升高的特征,能无损快速地识别松动工况的发生。

关键词：螺栓法兰非线性刚度耦合振动螺栓松动识别螺栓预紧力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

空间负荷预测中确定元胞负荷合理最大值方法

引用

电力系统自动化 2020年第6期44卷 194-199页

作者：肖白梁雪峰姜卓牛湘智牛强李介夫东北电力大学电气工程学院吉林省吉林市132012 北华大学计算机科学技术学院吉林省吉林市132021 国网吉林省电力有限公司吉林供电公司吉林省吉林市132001

针对实测的元胞负荷数据中存在随机波动现象而使空间负荷预测精度降低的问题,提出一种利用互补集合经验模态分解(CEEMD)和游程检验技术确定元胞负荷合理最大值的方法。该方法通过互补集合经验模态分解技术将各Ⅰ类元胞负荷序列分别进行... 详细信息

针对实测的元胞负荷数据中存在随机波动现象而使空间负荷预测精度降低的问题,提出一种利用互补集合经验模态分解(CEEMD)和游程检验技术确定元胞负荷合理最大值的方法。该方法通过互补集合经验模态分解技术将各Ⅰ类元胞负荷序列分别进行分解,每个Ⅰ类元胞得到一组本征模态函数,采用游程检验技术对每个本征模态函数进行随机性检验,建立识别其中高频分量的判据,剔除刻画元胞负荷随机波动性的高频本征模态函数,对余下表征元胞负荷规律性与趋势性的本征模态函数进行重构得到主体分量,将其中最大值作为Ⅰ类元胞负荷合理最大值,最后利用该合理最大值进行基于Ⅰ类元胞和Ⅱ类元胞的空间负荷预测。工程实例表明了该方法正确有效。

关键词：空间负荷预测互补集合经验模态分解游程检验随机波动本征模态函数

来源：评论

学校读者我要写书评

暂无评论

基于信号分解和深度学习的农产品价格预测

引用

农业工程学报 2022年第24期38卷 256-267页

作者：王润周张新生王明虎西安建筑科技大学管理学院西安710055

农产品价格的稳定对社会经济与农业发展有重要意义,但农产品价格的波动具有非平稳、非线性、波动性大的特性,较难精确预测。该研究基于信号分解和深度学习,提出一种分解-重构-提取-关联-输出的农产品价格预测模型(CT-BiSeq2seq),并且加... 详细信息

农产品价格的稳定对社会经济与农业发展有重要意义,但农产品价格的波动具有非平稳、非线性、波动性大的特性,较难精确预测。该研究基于信号分解和深度学习,提出一种分解-重构-提取-关联-输出的农产品价格预测模型(CT-BiSeq2seq),并且加入平均气温、养殖成本(大猪配合饲料与尿素价格)、群众关注度等多维度数据来提高模型的预测精度。首先,采用互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)方法把复杂的原始价格序列分解为简单序列。其次,分析皮尔逊相关系数及分解后的子序列,把原始价格序列重构为高频项、低频项、残差项。再经过时间卷积网络(Temporal Convolutional Network,TCN)提取重构序列的数据特征。随后,构建Biseq2seq模型,解码器引入双向长短期记忆网络(Bi-directional Long Short-Term Memory,Bi-LSTM)加强序列数据间的全局关联。最后,通过解码器的LSTM网络输出预测值。以北京丰台区批发市场的白条猪肉价格进行实证分析,该研究提出的CT-BiSeq2seq模型的预测性能显著优于其他价格预测基准模型,在滞后天数为11 d达到最优效果。在其他数据集也有精确和稳定的预测效果,菠菜、苹果,鸡蛋的均方误差分别为0.6277、0.4632、0.5526元^(2)/kg^(2),平均绝对误差分别为0.5431、0.4425、0.5339元/kg,平均绝对百分比误差分别为3.2047%、2.2361%、2.2314%。同时根据不同数据集的结果发现,价格波动大的农产品适合采用较大的滞后天数,价格波动小的农产品适合采用较小的滞后天数。该模型可以为预测农产品的价格波动提供参考。

关键词：农产品价格预测互补集合经验模态分解时间卷积网络双向序列到序列模型长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于时延补偿的高速列车无线网络多幂次滑模控制策略

引用

中国铁道科学 2023年第6期44卷 162-171页

作者：刘洋窦顺坤张丽艳大连交通大学自动化与电气工程学院辽宁大连116028 大连交通大学计算机与通信工程学院辽宁大连116028

无线网络时延的存在是制约高速列车无线通信网络发展的关键问题。通过搭建无线网络控制半实物试验平台获取时延样本,针对无线时延序列复杂度高的特点,提出互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CE... 详细信息

无线网络时延的存在是制约高速列车无线通信网络发展的关键问题。通过搭建无线网络控制半实物试验平台获取时延样本,针对无线时延序列复杂度高的特点,提出互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)与奇异值分解(Singular Value Decomposition,SVD)相结合的处理方法,并引入样本熵降低运算量,最终通过混沌粒子群算法优化最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)模型,完成时延预测;以高速列车牵引制动模块为被控对象,设计基于多幂次趋近律的滑模控制器进行时延补偿,采用混沌粒子群算法对控制器参数进行智能寻优,将ITAE指标(Integrated Time and Absolute Error)改进为ITAE*作为适应度函数,以减小跟踪误差,提高响应速度。结果表明:经CEEMD分解后最大分量样本熵由原来的2.7以上降至2.0以下,采用SVD对最大样本熵的本征模函数(Intrinsic Mode Function1,IMF1)分量进行二次处理后,其样本熵降至1.5以下,有效降低了预测难度;改进后的时延预测均方误差(Mean Square Error,MSE)、平均绝对误差(Mean Absolute Error,MAE)和平均绝对百分误差(Mean Absolute Percentage Error,MAPE)分别降至0.139 6,0.296 4和0.008 3,预测精度有所提高;对于较长时延,进行时延补偿控制后其ITAE*指标仅为补偿前的0.136%,速度跟踪累计绝对误差为补偿前的0.696%,高速列车运行状态改变时速度跟踪曲线无明显抖振现象,同时当高速列车遇到扰动时速度跟踪曲线可快速回归平稳状态。研究成果可为高速列车引入无线网络控制提供一种新的方法。

关键词：高速列车无线通信网络互补集合经验模态分解粒子群算法滑模控制时延补偿

来源：评论

学校读者我要写书评

暂无评论

基于样本熵的高水头混流式水轮机稳定性分析

引用

农业机械学报 2021年第7期52卷 134-140,101页

作者：朱国俊陈旻甲冯建军刘可然罗兴锜西安理工大学水利水电学院西安710048 浙江富安水力机械研究所杭州311121

机组的压力脉动是表征水轮机稳定性的主要参数之一,但仅基于压力脉动幅值判定水轮机的稳定性存在一定的局限性。采用多通道压力脉动同步采集系统同步采集某高水头混流式水轮机部分负荷下多部位压力脉动数据,然后综合互相关分析和互补集... 详细信息

机组的压力脉动是表征水轮机稳定性的主要参数之一,但仅基于压力脉动幅值判定水轮机的稳定性存在一定的局限性。采用多通道压力脉动同步采集系统同步采集某高水头混流式水轮机部分负荷下多部位压力脉动数据,然后综合互相关分析和互补集合经验模态分解(CEEMD)方法提取各压力脉动信号的主分量,对各压力脉动信号的主分量数据进行样本熵计算,获得不同测点在运行范围内的样本熵分布规律。结果表明:在部分负荷下,尾水管内部的空腔涡带仍然是影响高水头混流式水轮机稳定性的主要因素;可根据水轮机各部位压力脉动信号主分量的频率信息推断水轮机内部水力不稳定源的类型;关键测点处压力脉动幅值分布规律与样本熵分布规律的对比表明,压力脉动信号主分量的样本熵变化趋势能够反映水轮机内部流动状态的变化趋势。

关键词：高水头混流式水轮机压力脉动互补集合经验模态分解样本熵内部流态观测

来源：评论

学校读者我要写书评

暂无评论

基于改进CEEMD-CS-ELM的短期风速预测

引用

太阳能学报 2021年第7期42卷 284-289页

作者：高桂革原阔曾宪文郑炳杰上海电机学院电气学院上海201306 上海电机学院电子信息学院上海201306 华润新能源(大同)风能有限公司大同038200

针对风速序列非线性对预测结果的影响,提出一种基于改进互补集合经验模态分解和极限学习机的风速预测模型。首先对风速序列进行改进互补集合经验模态分解,并利用相空间重构得到若干新的时间序列,以降低风速序列的不平稳性。通过改进布... 详细信息

针对风速序列非线性对预测结果的影响,提出一种基于改进互补集合经验模态分解和极限学习机的风速预测模型。首先对风速序列进行改进互补集合经验模态分解,并利用相空间重构得到若干新的时间序列,以降低风速序列的不平稳性。通过改进布谷鸟算法矫正极限学习机模型的输入参数,预测处理后的风速序列。通过实例仿真,比较改进前后不同模型的相对误差,说明该文预测模型的合理性。

关键词：风速预测分析互补集合经验模态分解布谷鸟算法相空间重构极限学习机

来源：评论

学校读者我要写书评

暂无评论

改进CEEMD-SVM的轴承故障识别方法及其应用

引用

铁道科学与工程学报 2023年第8期20卷 3192-3202页

作者：谢素超李雅鑫谭鸿创中南大学轨道交通安全教育部重点实验室湖南长沙410075 中南大学轨道交通安全关键技术国际合作联合实验室湖南长沙410075 中南大学轨道交通列车安全保障技术国家地方联合工程研究中心湖南长沙410075

由于现场条件限制,用于列车轴承故障诊断的故障数据样本量较少且多为不平衡数据集,为了及时准确地识别轴承故障,提出一种基于互补经验模态分解-支持向量机(Complementary ensemble empirical modal decomposition-support vector machin... 详细信息

由于现场条件限制,用于列车轴承故障诊断的故障数据样本量较少且多为不平衡数据集,为了及时准确地识别轴承故障,提出一种基于互补经验模态分解-支持向量机(Complementary ensemble empirical modal decomposition-support vector machine,CEEMD-SVM)的故障识别方法并将其用于轴承不平衡数据集识别。采用CCEMD分解信号,得到不同频率的本征模态函数(Intrinsic mode function,IMF),对IMF分量进行相关性筛选处理后再重构,实现降噪处理。计算降噪后信号的时频域特征值以及能量,选取贡献度较大的特征值作为特征向量构成训练集和测试集,输入改进后的支持向量机分类器及AFSA-SVM分类器中进行学习和测试,分别在2个数据集中构造了小样本平衡和不平衡数据组进行了3组实验,用于测试该方法的鲁棒性和泛化性能。研究结果表明:在只含有单种类型故障时,CEEMD-AFSA-SVM的识别准确率能够达到100%。当有复合故障时,识别准确率达到99.8%,且在训练样本仅占10%时也能达到99%以上的识别精度,识别精度超过了深度学习网络。对不平衡样本集的平均识别精度达到99.3%,优于其他模型。研究成果为列车轴承故障识别提供一种简单有效的方法,可应用于列车故障智能诊断。

关键词：滚动轴承故障诊断互补集合经验模态分解不平衡数据集支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于CEEMD和排列熵的故障数据小波阈值降噪方法

引用

振动与冲击 2015年第23期34卷 207-211页

作者：周涛涛朱显明彭伟才刘彦中国舰船研究设计中心武汉430064 船舶振动噪声重点实验室武汉430064

针对旋转机械故障数据的非平稳性及总体平均经验模态分解方法(CEEMD)舍弃高频分量降噪方法和小波阈值降噪方法存在的不足,提出了基于CEEMD和排列熵的小波阈值降噪方法。运用CEEMD将信号分解为一系列的固有模态函数(IMF)分量,利用排列熵... 详细信息

针对旋转机械故障数据的非平稳性及总体平均经验模态分解方法(CEEMD)舍弃高频分量降噪方法和小波阈值降噪方法存在的不足,提出了基于CEEMD和排列熵的小波阈值降噪方法。运用CEEMD将信号分解为一系列的固有模态函数(IMF)分量,利用排列熵来确定含有噪声成分较多的IMF分量,采用小波阈值降噪方法对含有较多噪声成分的IMF分量进行降噪处理,保留这些分量中的有效信息。仿真分析和实例分析表明,基于CEEMD和排列熵的小波阈值降噪方法效果优于单纯的CEEMD降噪方法和小波阈值降噪方法。

关键词：降噪经验模态分解互补集合经验模态分解小波阈值方法排列熵

来源：评论

学校读者我要写书评

暂无评论

基于CEEMD和混沌理论的超短期风电功率预测模型

引用

系统仿真学报 2018年第4期30卷 1560-1565页

作者：王丽婕张利张岩北京信息科技大学自动化学院北京100192 国网北京电力科学研究院北京100045

提出一种基于互补集合经验模态分解和混沌理论的风电功率超短期预测的方法。首先对风电功率时间序列进行互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD),以降低序列的非平稳性,CEEMD可以很好地克服... 详细信息

提出一种基于互补集合经验模态分解和混沌理论的风电功率超短期预测的方法。首先对风电功率时间序列进行互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD),以降低序列的非平稳性,CEEMD可以很好地克服经验模态分解的模态混叠问题;利用混沌相空间重构方法对各子序列的特征进行提取,为建模时输入维数的选取提供依据;利用最小二乘支持向量机方法对各子序列分别建模及预测;将预测结果叠加起来。通过对内蒙古某风电场的发电功率进行预测,证实了该模型的有效性,与传统的经验模态分解和神经网络结合的模型相比较,平均绝对误差减小了3.8%。

关键词：风功率预测互补集合经验模态分解最小二乘支持向量机相空间重构

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：