检索结果-内蒙古大学图书馆

现代雷达 2024年第10期46卷 86-94页

作者：李春帅张朝霞史碧俊王倩太原理工大学物理与光电工程学院山西太原030024 太原理工大学电气与动力工程学院山西太原030024

超宽带雷达是一种重要的生命探测遥感工具,文中利用超宽带雷达穿透能力强、分辨率高等优点,可以得到人体的生命体征信息,处理雷达回波信号可以得到呼吸心跳信息,实现对生命信号的非接触式监测。文中针对回波信号易受环境噪声影响、心跳... 详细信息

超宽带雷达是一种重要的生命探测遥感工具,文中利用超宽带雷达穿透能力强、分辨率高等优点,可以得到人体的生命体征信息,处理雷达回波信号可以得到呼吸心跳信息,实现对生命信号的非接触式监测。文中针对回波信号易受环境噪声影响、心跳信号微弱且易受呼吸谐波影响的问题,构造了生命体征模型模拟人体呼吸与心跳频率,提出了一种基于变分模态分解(VMD)与多重分类算法(MUSIC)相结合的方法。使用PulsON440超宽带雷达在1 m距离处进行了实验,与传统的快速傅里叶变换、奇异值分解相比,该方法提取的呼吸和心跳信号更加准确。在不同距离和遮蔽条件下验证了该方法的适用性。结果表明提出的基于MUSIC和VMD相结合的方法能够有效地从大呼吸信号中分离出小心跳信号,准确地检测出呼吸和心跳频率。

关键词：超宽带雷达目标生命探测傅里叶变换多重分类算法变分模态分解算法

来源：评论

学校读者我要写书评

暂无评论

基于MPA-VMD的去噪方法在管道泄漏检测中的应用

引用

压力容器 2022年第7期39卷 64-72页

作者：侯轶轩路敬祎张昆张勇东北石油大学电气信息工程学院黑龙江大庆163318 东北石油大学黑龙江省网络化与智能控制重点实验室黑龙江大庆163318 大庆油田设计院有限公司黑龙江大庆163114 东北石油大学物理与电子工程学院黑龙江大庆163318

采用变分模态分解(VMD)算法对管道信号进行分析之前,针对VMD在自适应分解过程中人为预设参数会对测试结果造成不同影响的问题,利用海洋捕食者算法(MPA)对VMD算法中的关键参数进行自适应选取,从而提高了VMD的分解效果。计算VMD分解后的... 详细信息

采用变分模态分解(VMD)算法对管道信号进行分析之前,针对VMD在自适应分解过程中人为预设参数会对测试结果造成不同影响的问题,利用海洋捕食者算法(MPA)对VMD算法中的关键参数进行自适应选取,从而提高了VMD的分解效果。计算VMD分解后的各模态分量与原始信号的概率密度之间的豪斯多夫距离(HD)选取有效分量,最后将有效分量进行重构得到去噪信号。试验结果表明,基于MPA优化VMD参数的信号去噪方法与灰狼优化算法(GWO)、鲸鱼优化算法(WOA)和遗传算法(GA)分别优化VMD参数的去噪方法相比,去噪后的信噪比得到了提高,均方误差和平均绝对误差均有所下降,表明本算法具有更好的去噪效果。

关键词：管道泄漏去噪变分模态分解算法海洋捕食者算法豪斯多夫距离

来源：评论

学校读者我要写书评

暂无评论

基于黏菌算法优化VMD-CNN-GRU模型的年径流预测

引用

南水北调与水利科技（中英文） 2022年第3期20卷 429-439页

作者：徐冬梅夏王萍王文川华北水利水电大学水资源学院郑州450046

为提高年径流预测精度,引入黏菌算法(slime mould algorithm,SMA)和变分模态分解算法(variational mode decomposition,VMD),提出一种基于卷积神经网络(convolutional neural network,CNN)和门控循环单元(gated recurrent unit,GRU)神经网络的组合预测模型(VMD-SMA-CNN-GRU)。利用VMD对径流数据进行分解;采用SMA优化CNN-GRU模型参数,构建模型对每个分量进行预测;各分量结果相加得到最终结果。以兰西水文站为例,将所建模型与CEEMDAN(complete ensemble empirical mode decomposition with adaptive noise)-CNN-GRU、VMD-CNN-LSTM(long short-term memory)、VMD-LSTM、VMD-GRU、VMD-PSO(particle swarm optimization)-CNN-GRU、SMA-CNN-GRU和CNN-GRU预测模型进行对比分析。结果表明:SMA优化的VMD-CNN-GRU模型预测精度不仅高于上述7种模型,而且避免了人工试算确定CNN-GRU模型参数效率低的不足,为年径流预测提供了一种新方法。

关键词：变分模态分解算法黏菌算法卷积神经网络门控循环单元神经网络径流预测

来源：评论

学校读者我要写书评

暂无评论

基于变分模态分解的简支梁结构裂缝损伤识别方法研究

基于变分模态分解的简支梁结构裂缝损伤识别方法研究

引用

作者：杨启航天津大学

学位级别：硕士

随着经济建设速度的不断加快,城乡交通需求逐步增长,各式各样的桥梁也相继建成。与此同时,桥梁受到材料老化、过载、侵蚀和地震等因素不同程度的影响,导致桥梁的承载能力、安全性和耐久性都在不断削弱。因此,发展便捷有效的桥梁损伤识... 详细信息

随着经济建设速度的不断加快,城乡交通需求逐步增长,各式各样的桥梁也相继建成。与此同时,桥梁受到材料老化、过载、侵蚀和地震等因素不同程度的影响,导致桥梁的承载能力、安全性和耐久性都在不断削弱。因此,发展便捷有效的桥梁损伤识别方法,从而及时发现桥梁出现的缺陷,具有重要实用意义。本文针对桥梁常见的裂缝损伤,考虑了移动荷载和激励荷载两种激励方式,基于变分模态分解(VMD)算法构造了对损伤敏感的指标,实现了简支梁裂缝损伤的有效识别。本文主要包括以下内容:首先,根据变分模态分解算法的基本原理,提出了变分模态分解算法相关参数的合理赋值方法:1.采用信号在频域下的频带个数确定模态分解个数K;2.根据算法最佳的迭代次数确定惩罚因子α。通过对测试信号的分解,突出了变分模态分解算法相对于经验模态分解(EMD)算法的优势。其次,以动载作用下带开口裂缝简支梁模型为研究对象,提出了一种不依赖于完整有限元模型的裂缝识别方法。该方法仅需对简支梁跨中加速度响应进行分析处理,减少了实际工程中传感器的装卸及维护工作。同时,基于该模型推导出了简支裂缝梁跨中加速度解析式。在理论推导的支撑下,利用变分模态分解算法和希尔伯特变换构造出了新型损伤指标,该指标能够有效地识别出裂缝深度占比为5%的小裂缝。之后,进一步分析了不同轮载大小、损伤程度以及噪声干扰等因素对裂缝损伤识别的影响。同时,以简谐激励作用下带呼吸裂缝简支梁模型为研究对象,在三维实体模型中利用ANSYS接触对单元模拟了实体呼吸裂缝。利用裂缝位置的接触压应力验证了所建立模型的正确性。在理论分析的基础上,结合变分模态分解算法,建立了相应的非线性度量指标,包括非线性系数D1、谐波能量比值(?)/A、总能量比值A/a1以及速度-位移二维相平面,并利用非线性损伤指标成功地识别出了呼吸裂缝损伤的所在。最后,分析了不同因素作用下对带呼吸裂缝简支梁损伤识别的影响。利用速度-位移二维相平面研究了激励频率和阻尼对结构振动非线性效应的影响。结果表明,当激励频率为1/2基频时,使得结构振动的非线性效应表现得最为明显。随阻尼比的增大,结构振动的非线性效应逐渐减小。此外,对实体模型横截面宽度方向的半贯穿呼吸裂缝进行了损伤识别,研究了不同半贯穿形式结构振动的非线性效应强弱以及能够实现的最小裂缝识别程度。

关键词：裂缝识别变分模态分解算法开口裂缝呼吸裂缝桥梁结构

来源：评论

学校读者我要写书评

暂无评论

基于SVMD-SE联合LSTM-ESMA-DELM的超短期风电功率预测研究

基于SVMD-SE联合LSTM-ESMA-DELM的超短期风电功率预测研究

引用

作者：陈力波河北科技大学

学位级别：硕士

近年来,随着全球化石能源的储量不断减少以及全球生态环境问题日益严峻,越来越多的国家加大了对新能源发电的研究力度。在各种新能源发电技术中,风能因其绿色环保、储量大等特点成为当前最具有发展潜力的新能源发电方式之一。然而,风能... 详细信息

近年来,随着全球化石能源的储量不断减少以及全球生态环境问题日益严峻,越来越多的国家加大了对新能源发电的研究力度。在各种新能源发电技术中,风能因其绿色环保、储量大等特点成为当前最具有发展潜力的新能源发电方式之一。然而,风能固有的波动性与随机性会给电力系统的稳定运行带来严峻的挑战,为了有效解决这一问题,同时提高风能的综合利用率,对风电功率进行准确的超短期预测便有了重要的实际意义。为提高超短期风电功率预测精度,主要做了以下研究工作:针对深度极限学习机（DELM）的输入权重ce和隐含层阈值cb参数不确定影响预测效果的问题,提出将精英反向学习策略改进的黏菌算法（ESMA）应用于对DELM的参数寻优中,构成ESMA-DELM预测模型。结果证明相对标准的黏菌算法（SMA）,ESMA算法具有更快的收敛速度和更小的收敛误差,从而证明了ESMA优化DELM参数的有效性。并将ESMA-DELM模型和SMA-DELM模型在相同的实验数据下进行功率预测对比,结果表明ESMA-DELM模型具有更好的预测性能。针对原始风电功率数据序列波动性较大这一问题,利用变分模态分解法（VMD）对该序列进行预处理。VMD中的模态个数K和惩罚因子α选取会受到人为因素的影响,不同参数取值会使得分解效果差异过大。因此,采用SMA对VMD中的这两个核心参数进行择优,构成SVMD分解算法。并将风电数据经SVMD分解后所得到的各个子序列全部代入ESMA-DELM模型中进行预测,构建了SVMD-ESMA-DELM组合预测模型。将SVMD-ESAM-DELM模型与其他多种预测模型的误差指标进行对比,证明了SMA对VMD参数寻优的可行性和SVMD-ESMA-DELM组合模型在风电功率预测当中的优越性。为利用组合模型产生的有规律误差,同时为减少预测实验的工作量,以及为解决ESMA-DELM模型处理非平稳分量能力有限的问题。本文首先利用SVMD将原始风电数据分解为不同频率的时间序列,并采用样本熵（SE）算法计算各个子序列的SE值,将SE值相近的子序列进行重构,从而减少了后续预测实验的工作量。接着利用ESMA-DELM模型对重构后的低频信号进行建模预测,使用长短期记忆神经网络（LSTM）对重构后的高频信号进行学习预测,再将这些预测结果相加,并对该结果进行误差校正,使其预测精度可以进一步提高。基于此,提出了结合误差校正的SVMD-SE-LSTM-ESMA-DELM组合预测模型,将该模型的预测结果与其他主流模型的结果进行对比,证明了本文所提模型具有更高的预测精度从而可以为电网的实时调度提供更有力的支撑。

关键词：风电功率预测深度极限学习机改进的黏菌算法变分模态分解算法长短期记忆神经网络误差校正

来源：评论

学校读者我要写书评

暂无评论

智能优化算法在管道泄漏检测中的应用

智能优化算法在管道泄漏检测中的应用

引用

作者：侯轶轩东北石油大学

学位级别：硕士

管道作为一种重要的运输工具,在现代社会的发展中扮演着至关重要的角色,随着应用范围和数量的增加,管道会不可避免地受到各种因素的损坏。因此,如何在含有噪声情况下准确判断管道是否发生泄漏显得尤其重要。本文采用变分模态分解(Variat... 详细信息

管道作为一种重要的运输工具,在现代社会的发展中扮演着至关重要的角色,随着应用范围和数量的增加,管道会不可避免地受到各种因素的损坏。因此,如何在含有噪声情况下准确判断管道是否发生泄漏显得尤其重要。本文采用变分模态分解(Variational Mode Decomposition,VMD)算法对管道信号进行降噪,使用支持向量机(Support Vector Machine,SVM)对降噪后的不同管道工况信号进行分类识别,使用改进的海洋捕食者算法自适应选取了VMD算法和SVM的重要参数,增强了VMD算法降噪性能和SVM的识别准确率。主要工作内容如下:首先,经过认真学习智能优化算法的相关知识,通过19个基准测试函数对海洋捕食者算法(Marine Predator Algorithm,MPA)、遗传算法(Genetic Algorithms,GA)、引力搜索算法(Gravitational Search Algorithm,GSA)和粒子群算法(Particle Swarm Optimization,PSO)进行比较,使用平均值和标准差作为测试函数的评价指标。从评价结果来看,MPA具有更快的收敛速度和更强的全局搜索能力。其次,针对MPA本身出现的智能优化算法普遍存在的容易陷入局部最优、收敛速度慢的问题,使用佳点集策略增加种群初始化的随机性,提高MPA搜索的遍历性;采用动态螺旋气泡法增强了MPA中捕食者的捕猎能力,增强了MPA的收敛速度和搜索局部最优值的能力;通过对MPA中的步长CF进行了改进,增强了MPA跳出局部最优值的能力。使用相同的基准测试函数对改进后的MPA性能进行测试,从评价结果来看,IMPA相比于MPA,具有更快的收敛速度和全局搜索能力。然后,针对VMD算法中的分解层数K和惩罚因子α选取不当而导致VMD算法分解精度受到严重影响的问题,采用IMPA来优化这两个参数,实现参数的自适应选取,对信号进行IMPA-VMD分解后,采用符号动态熵(Symbolic Dynamic Entropy,SDE)分离出有效的本征模态函数(Intrinsic Mode Function,IMF)进行重构。接着,使用信噪比、均方误差和平均绝对误差等评价指标进行分析,结果表明IMPA-VMD方法可以显著提高VMD的分解精度。最后,针对SVM分类识别准确率不高的问题,使用IMPA-VMD方法对采集到的正常、泄漏和敲击三类管道信号进行去噪,降低管道信号的复杂度,并对降噪之后的信号提取峭度特征。对于SVM中径向基核函数的两个重要参数即惩罚因子C和核函数参数g存在人为选取困难的问题,采用了IMPA-SVM的方法对两个参数的最优值进行寻找,通过对比最低识别准确率、平均识别准确率和最高识别准确率,证明了IMPA方法在SVM参数寻优方面的有效性。

关键词：海洋捕食者算法变分模态分解算法降噪支持向量机泄漏检测

来源：评论

学校读者我要写书评

暂无评论

基于VMD-SSA-LSTM的流量预测模型研究 ——以沙里寨水文站为例

基于VMD-SSA-LSTM的流量预测模型研究 ——以沙里寨水文站为例

引用

作者：黄琦沈阳农业大学

学位级别：硕士

受极端的气候变化以及人类社会活动等因素的影响,径流及其他水文序列都表现出了“非平稳、非线性”等特性,给径流预测带来了极大的挑战。效率高且精度准的径流预报不仅为水资源的科学管理和合理开发利用提供了一定的基础,也对防洪抗旱... 详细信息

受极端的气候变化以及人类社会活动等因素的影响,径流及其他水文序列都表现出了“非平稳、非线性”等特性,给径流预测带来了极大的挑战。效率高且精度准的径流预报不仅为水资源的科学管理和合理开发利用提供了一定的基础,也对防洪抗旱工作给予了指导作用。本文以沙里寨水文站的水文数据为研究实例,选取2010年至2019年的流量时间序列为研究对象,提出了一种结合数据分解算法和模型优化算法的流量预测模型,通过对比不同模型的误差精度,验证模型的高效性以及准确性。本文的研究内容和成果如下:（1）对沙里寨水文站的测站断面情况以及气候状况等水文要素进行分析。分析得出沙里寨水文站受经常性冲淤及洪水涨落影响,水位流量间是多值对应关系,水位流量关系线呈逆时针的绳套曲线。对历年的水位、降雨量、流量、蒸发量进行简单分析,发现降雨量、蒸发量与流量呈正相关。（2）针对该站水位和流量复杂的绳套曲线关系,和流量序列非线性、非平稳的问题,采用模态分解算法处理。通过对比经验模态分解算法（EMD）和变分模态分解算法（VMD）,发现EMD算法存在端点效应和模态混叠的问题,而VMD算法能有效解决此问题。因此选取VMD算法对数据进行分解,采用观察法选取模态数K为12,惩罚因子α为2500。参数确定后在仿真实验中将流量的原始序列分解成12个不同频率的IMF分量。为后续建立模型提供基础。（3）基于互信息法,选取前期的流量、水位、降水量、蒸发量为模型的输入变量,建立长短期记忆神经网络（LSTM）、核极限学习机（KELM）、VMD-LSTM以及VMD-KELM流量预测模型。选择均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分误差（MAPE）和决定系数（R-squared）作为模型预测精度的评价指标。模拟结果:单一的模型中LSTM模型要优于KELM模型,但四种模型对比,其预测效果VMD-LSTM模型>VMD-KELM模型>LSTM模型>KELM模型,其中VMD-LSTM模型的RMSE值为27.59m3/s、MAE值为11.34m3/s、MAPE值为17%、R2值为94.14%,远优于其他三种模型,说明结合数据分解算法的流量预测模型精度更高。（4）通过麻雀搜寻算法（SSA）对两模型中的超参数进行优化,从而提高模型的预测性能。结果表明:与LSTM模型和VMD-LSTM模型相比,VMD-SSA-LSTM模型的RMSE分别减少了28.96m3/s、18.39m3/s;MAE分别减少了9.56m3/s、4.87m3/s;MAPE分别增加了16%、7%;R2分别增加了7.38%、3.16%,VMD-SSA-KELM模型的各项指标也明显提升,进一步对比VMD-SSA-LSTM模型和VMD-SSA-KELM模型,发现两模型的预测精度都比较高,但在流量峰值处以及汛期期间,VMD-SSA-LSTM模型更能贴合原始数据,综合预测能力更好。

关键词：流量预测变分模态分解算法长短期记忆神经网络核极限学习机麻雀搜寻算法

来源：评论

学校读者我要写书评

暂无评论

基于VMD分解和改进LSTM模型的短期风速预测研究

基于VMD分解和改进LSTM模型的短期风速预测研究

引用

作者：翟晨晨武汉科技大学

学位级别：硕士

由于经济高速发展导致不可再生能源的消耗量增大，发展可再生能源成为社会关注的热点话题。在清洁能源中，风能资源充足，可有效缓解环境污染等问题,对于节约资源，保护环境具有重要意义。风速具有不稳定性、随机性和不可控性等特征，... 详细信息

由于经济高速发展导致不可再生能源的消耗量增大，发展可再生能源成为社会关注的热点话题。在清洁能源中，风能资源充足，可有效缓解环境污染等问题,对于节约资源，保护环境具有重要意义。风速具有不稳定性、随机性和不可控性等特征，对风速进行预测可降低风电系统的运行成本，有效提高风能转换率。为此，本文提出一种用于风速短期预测的组合模型，以提高预测精度，主要内容如下:　　首先，针对风速的非平稳性，采用变分模态分解算法对数据进行预处理，将原始风速序列分解为若干个子序列。同时，选取麻雀搜索算法对该分解算法的分解层数及惩罚因子进行自动寻优，以包络熵为适应度函数。仿真实验的结果表明,该算法分解的各分量较为清晰，对原始风速序列的频率分解更为准确，降低其非平稳性。然后，为降低组合模型预测的复杂度，采用样本熵对分量进行重构，得到新的子序列。　　其次，针对长短时记忆网络参数人为确定的问题，选取鲸鱼优化算法对其初始参数进行寻优，同时，通过偏自相关函数计算各分量的滞后期数确定该模型的输入神经元的个数。仿真实验的结果表明，经优化后的长短时记忆网络模型降低了人为因素的影响，提高了预测结果的准确性。　　最后，针对单一预测模型效果不佳的问题，本文基于分解、重构和预测的思想，提出一种改进的变分模态分解算法和长短时记忆网络相结合的组合模型。采用美国科罗拉多州博尔德地区风速观测站的实时风速数据进行实证分析，结果表明相较于其他基准模型，该模型在各评价指标中具有较高的预测精度以及鲁棒性,证明了其在短期风速预测中具有实用价值。

关键词：风速预测变分模态分解算法样本熵长短时记忆网络优化算法

来源：评论

学校读者我要写书评

暂无评论

心电信号基线漂移噪声去除算法研究

心电信号基线漂移噪声去除算法研究

引用

作者：王菲辽宁师范大学

学位级别：硕士

心电信号可以用来检测和诊断心脏疾病,心电信号在采集时经常受到呼吸活动、身体运动和皮肤与电极接触不良等影响,因此会产生基线漂移,基线漂移的存在会降低心电信号的质量。所以,在大多数心电信号处理中,包括心律失常的识别、心率变化... 详细信息

心电信号可以用来检测和诊断心脏疾病,心电信号在采集时经常受到呼吸活动、身体运动和皮肤与电极接触不良等影响,因此会产生基线漂移,基线漂移的存在会降低心电信号的质量。所以,在大多数心电信号处理中,包括心律失常的识别、心率变化分析和连续血压测量等,去除基线漂移成为了至关重要的一步。心电信号具有非平稳、非线性的特性,传统的去除心电信号中基线漂移的方法在对心电信号进行去噪时常因去噪过度或者不完全,容易造成大量非线性特征信息的丢失,从而破坏了心电信号本身的动力学特性,这给后续的心电信号信息分析带来了不利影响。针对心电信号非平稳、非线性的特点,本文探讨了两种信号分解算法在心电信号基线漂移去除中的应用,分别是变分模态分解算法和奇异谱分析算法。变分模态分解由Konstantin Dragomiretskiy于2014年提出,是一种新兴的完全非递归的信号分解方法,能将给定的信号分解成为围绕中心频率的一组模态。可以利用变分模态分解将心电信号分解成若干个模态分量,去除基线漂移对应的模态分量,将剩余模态重构即可得到去除基线漂移后的心电信号;奇异谱分析方法最早由Colebrook于1978年提出,奇异谱分析是近年来兴起的一种研究非线性时间序列数据的强大的方法,它能将原时间序列中的不同成分提取出来。使用奇异谱分析方法,可以将心电信号分解为趋势,振荡或噪声分量,选择可判断为基本趋势的第一特征值分量来重构基线信号,从心电信号中去除它。本文使用MATLAB作为仿真工具,采用麻省理工学院研究心律失常数据库提供的心电信号作为仿真信号,利用变分模态分解和奇异谱分析方法在处理非平稳信号方面的优势,对如何有效去除心电信号中的基线漂移做了研究。实验结果表明,与已有的心电信号基线漂移去除算法相比,本文提出的两种去噪算法不仅自适应性更强,而且在相关系数和信噪比方面表现更好。

关键词：心电信号基线漂移去除变分模态分解算法奇异谱分析算法

来源：评论

学校读者我要写书评

暂无评论

永磁直流电动机绕组脱焊故障诊断研究

永磁直流电动机绕组脱焊故障诊断研究

引用

作者：王腾华北电力大学

学位级别：硕士

随着永磁直流电动机在生产生活领域中的大量应用,对其故障诊断的研究也变得愈发重要,尤其对于永磁直流电动机绕组脱焊这类高发故障更是亟待解决,并且绕组脱焊故障因涉及永磁直流电动机的换向过程,使得这类故障的仿真模型不易搭建,导致... 详细信息

随着永磁直流电动机在生产生活领域中的大量应用,对其故障诊断的研究也变得愈发重要,尤其对于永磁直流电动机绕组脱焊这类高发故障更是亟待解决,并且绕组脱焊故障因涉及永磁直流电动机的换向过程,使得这类故障的仿真模型不易搭建,导致目前对这类故障的研究相对较少且研究深度不足。基于上述两个问题,本课题选取永磁直流电动机绕组脱焊故障作为故障诊断对象,并对其进行研究,具体研究内容和成果如下: 首先,本文对永磁直流电动机的电枢电流波动频率进行了详细的分析,对永磁直流电动机的绕组脱焊故障的成因进行了阐述,对绕组脱焊故障的机理进行了细致的分析,通过比较正常运行时电机的电枢电流波动频率与故障后电机的电枢电流波动频率,得出了绕组脱焊故障的故障特征。其次,本文提出了一种基于“换向棒”(Commutator Bar)元件的永磁直流电动机绕组脱焊故障仿真模型,并对该故障仿真模型的搭建思路以及工作原理做了详细的说明,完成了绕组脱焊故障仿真模型的搭建并验证了故障仿真模型的可行性。该故障仿真模型的搭建思路不仅适用于绕组脱焊故障,同样也适用于直流电动机其他的常见故障,尤其是涉及电机换向的故障,该故障仿真模型搭建思路的提出大大降低了直流电动机故障诊断的研究难度。最后,本文提出了一种基于参数优化变分模态分解算法的绕组脱焊故障诊断方法,结合绕组脱焊故障的故障特征,将包络熵作为寻优过程中的适应度函数,利用粒子群算法对变分模态分解算法进行参数优化,然后利用参数优化的变分模态分解算法在含有噪声信号的故障电枢电流中提取出了故障特征信号,完成了对绕组脱焊故障的诊断,说明该诊断方法适用于永磁直流电动机绕组脱焊故障诊断且故障诊断方法具有一定的现实意义。

关键词：永磁直流电动机故障诊断绕组脱焊故障故障仿真模型变分模态分解算法

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：