检索结果-内蒙古大学图书馆

锅炉技术 2015年第4期46卷 1-6页

作者：安连锁冯强沈国清姜根山张世平李庚生华北电力大学电站设备状态监测与控制教育部重点实验室北京102206 天津能源投资集团有限公司天津300100

研究了一种新的信号分析方法,可变模态分解(VMD)方法。该方法通过预设尺度的方式将信号进行频率分段然后求中心频率获得模态函数。通过对引起模态混叠的间歇现象(噪声、间断信号等)对VMD方法的影响进行研究,并将VMD结果与总体平均经验... 详细信息

研究了一种新的信号分析方法,可变模态分解(VMD)方法。该方法通过预设尺度的方式将信号进行频率分段然后求中心频率获得模态函数。通过对引起模态混叠的间歇现象(噪声、间断信号等)对VMD方法的影响进行研究,并将VMD结果与总体平均经验模式分解(EEMD)、小波分解结果进行对比。针对电站锅炉炉膛压力管道泄漏信号的特点,提出了基于VMD的炉膛压力管道泄漏检测方法。对炉膛本底噪声与空压机合成信号进行了分析,并将结果与EEMD、小波分解结果进行对比。结果表明:VMD方法能有效的应用于炉膛压力管道泄漏信号检测。

关键词：可变模式分解泄漏电站锅炉模态混叠

来源：评论

学校读者我要写书评

暂无评论

基于可变模式分解和NWCSO优化极限学习机的短期风速预测

引用

电力建设 2017年第6期38卷 36-43页

作者：殷豪董朕马留洋广东工业大学自动化学院广州市510006

针对风速时间序列的非线性特征导致其难以准确预测的问题,提出一种基于可变模式分解(variational mode decomposition,VM D)和动态NW小世界纵横交叉算法(dynamic NW small w orld crisscross optimization,NWCSO)优化极限学习机的短期... 详细信息

针对风速时间序列的非线性特征导致其难以准确预测的问题,提出一种基于可变模式分解(variational mode decomposition,VM D)和动态NW小世界纵横交叉算法(dynamic NW small w orld crisscross optimization,NWCSO)优化极限学习机的短期风速组合预测模型。采用一种新型的可变模式分解技术,将原始风速时间序列分解为一系列不同带宽的模式分量以降低其非线性,然后对全部分量分别建立极限学习机模型进行预测,并采用小世界纵横交叉算法对极限学习机的输入权值和隐含层偏置进行优化,以获得最佳的预测效果。实验结果表明,基于VMD的组合预测模型较采用其他常规分解方式时预测精度明显提高。

关键词：短期风速预测可变模式分解 NW小世界纵横交叉算法极限学习机

来源：评论

学校读者我要写书评

暂无评论

基于VMD-SE和机器学习算法的短期风电功率多层级综合预测模型

引用

电网技术 2016年第5期40卷 1334-1340页

作者：张亚超刘开培秦亮武汉大学电气工程学院湖北省武汉市430072

针对风电功率受自然环境变化影响,难以建立精确数学模型对其进行预测的问题,采用一种新型的可变模式分解(variational mode decomposition,VMD)技术,将原始风电功率序列分解为一系列有限带宽子模式以降低其不稳定性,根据子模式的样本熵(... 详细信息

针对风电功率受自然环境变化影响,难以建立精确数学模型对其进行预测的问题,采用一种新型的可变模式分解(variational mode decomposition,VMD)技术,将原始风电功率序列分解为一系列有限带宽子模式以降低其不稳定性,根据子模式的样本熵(sample entropy,SE)分析其复杂度并重组得到子序列。在此基础上,结合3种不同的机器学习基模型,提出一种基于VMD-SE和基模型的自适应多层级综合预测模型,并采用一种基于混沌萤火虫结合仿真鸡群优化的智能算法,对其权重矩阵进行实时调整。仿真结果表明,基于VMD的组合模型较采用聚类经验模式分解时预测精度明显提高,且所提综合模型的预测精度较组合模型有了进一步的改善。因此,所提综合模型能有效提高短期风电功率多步预测的准确性。

关键词：短期风电功率多步预测可变模式分解机器学习仿生鸡群优化多层级综合模型

来源：评论

学校读者我要写书评

暂无评论

基于VMD和排列熵的水轮机压力脉动信号去噪算法

引用

水力发电学报 2017年第8期36卷 78-85页

作者：于晓东潘罗平安学利中国水利水电科学研究院北京100038

水轮机尾水管压力脉动信号十分复杂,在水电机组故障诊断中表现出强烈的不平稳性。基于此本文提出结合可变模态分解(Variational Mode Decomposition,VMD)和排列熵(Permutation Entropy,PE)的水轮机压力脉动信号去噪新方法。该方法首先... 详细信息

水轮机尾水管压力脉动信号十分复杂,在水电机组故障诊断中表现出强烈的不平稳性。基于此本文提出结合可变模态分解(Variational Mode Decomposition,VMD)和排列熵(Permutation Entropy,PE)的水轮机压力脉动信号去噪新方法。该方法首先将压力脉动信号进行VMD分解,获取若干BIMF分量,求取各模态分量的排列熵,利用排列熵对信号随机性的敏感特性,对压力脉动信号筛选并重构,完成对信号的去噪。对比仿真和实例结果分析,该方法优于目前的EEMD滤波算法,能有效去除噪声,具有良好的去噪效果,为水电机组故障特征提取提供了新思路。

关键词：水电机组压力脉动信号可变模式分解排列熵去噪

来源：评论

学校读者我要写书评

暂无评论

旋转机械故障信号分析及诊断技术研究

旋转机械故障信号分析及诊断技术研究

引用

作者：褚东亮华北电力大学(北京)

学位级别：博士

作为旋转机械中广泛应用的关键部件,汽轮机发电机组转子系统和轴承的运行状态直接影响机械设备的性能甚至整个生产线的安全,深入开展汽轮机发电机组转子系统和轴承等旋转机械故障诊断技术的研究,对于保障设备安全运行、减少重大的经济... 详细信息

作为旋转机械中广泛应用的关键部件,汽轮机发电机组转子系统和轴承的运行状态直接影响机械设备的性能甚至整个生产线的安全,深入开展汽轮机发电机组转子系统和轴承等旋转机械故障诊断技术的研究,对于保障设备安全运行、减少重大的经济损失和避免灾难性事故的发生具有十分重要的意义。然而,由于大多数旋转机械的故障信号是非线性、非平稳、时变信号,导致机械设备的状态特征信息无法直接体现出来。因此,选用正确的信号分析方法来提取故障信号中的特征信息一直是一个研究热点。于是,研究学者提出了许多时频分析方法,如短时傅里叶变换(Short Time Fourier Transform,STFT)、小波变换(Wavelet Transform,WT)、维格纳-威尔分布(Wigner-Ville Distribution,WVD)等,但是这些时频分析方法都存在各自的缺陷,因此迫切需要研究新的旋转机械故障诊断技术。本文对经验模态分解(Empirical Mode Decomposition,EMD)、局部均值分解(Local Mean Decomposition,LMD)、固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)、可变模式分解(Variational Mode Decomposition,VMD)方法的理论及其在旋转机械故障诊断中的应用进行了深入的研究。主要研究工作和成果如下:(1)研究了改进果蝇算法(Modified Fruit Fly Optimization Algorithm,MFFOA)的支持向量机(Support Vector Machine,SVM)的参数优化方法,并建立了模式识别功能的MFFOA-SVM分类器新模型。首先详细阐述了支持向量机和果蝇优化算法的理论研究,并对智能的果蝇优化算法进行了改进,使得该算法的局部搜索能力逐渐的增强,能够提高觅食早期全局最优解的概率,避免陷入局部最优,觅食末期能够达到最大的搜索精度,从而实现全局搜索能力和局部寻优能力的平衡。然后采用改进的果蝇优化算法优化支持向量机参数,建立了MFFOA-SVM模型,解决了传统选择参数方法的缺陷,提高了参数寻优的算法对机器学习的性能。(2)针对EMD分解产生的模态混叠问题,引入了EEMD分解算法来消除模态混叠的影响,仿真结果表明,EEMD分解算法可以有效的抑制模态混叠现象的发生,提高了EMD算法的分解精度。提出了基于EEMD、改进果蝇算法优化和支持向量机参数的轴承故障诊断方法。该方法利用EEMD分解故障信号,选择基本模态函数(Intrinsic Mode Functions,IMF)的均方根值和重心频率作为特征向量。为了提高诊断精度,采用改进果蝇优化算法优化SVM参数,通过建立的MFFOA-SVM模型,对所提取的实测信号的特征向量进行训练和测试,并将其与EMD、MFFOA-SVM诊断预测结果进行对比,实验结果表明了该方法提高了轴承故障诊断的正确率。(3)研究了LMD、切片双谱和SVM轴承故障诊断方法。该方法利用LMD分解故障信号,选择其峭度值较大的乘积函数分量重构故障信号,做其切片双谱进一步降低高斯噪声对故障特征频率的影响,提取切片双谱中轴承故障特征频率1X、2X和3X数值做归一化处理,得到一组特征向量。利用支持向量机对所提取的实测信号的特征向量进行训练和测试,并将它们应用到轴承外圈点蚀、内圈点蚀和滚动体点蚀的故障诊断中,结果表明该方法能够有效地提取出故障特征频率,并且对其故障类型做出准确判别。(4)研究了基于改进固有时间尺度分解(Modified Intrinsic Time-scale Decomposition,MITD)、改进果蝇算法优化支持向量机参数的转子故障诊断方法,该方法信号处理具有自适应性。该方法利用MITD分解故障信号,进行Teager能量算子解调后,选取各个内禀尺度分量(Intrinsic Scale Component,ISC)的特征向量。采用改进果蝇优化算法优化SVM参数,通过建立的MFFOA-SVM模型,对所提取的实测信号的特征向量进行训练和测试,并将它们应用到转子不同故障诊断中,实验结果表明,该方法有效的提取转子故障特征,实现转子的故障诊断。(5)研究了VMD、改进果蝇算法优化支持向量机参数的转子故障诊断方法。该方法利用VMD分解故障信号,选择其能量、偏斜度和峭度作为特征向量,通过建立的MFFOA-SVM模型,对所提取的实测信号的特征向量进行训练和测试,并将它们应用到同一故障不同程度的转子诊断中,结果表明该方法能够实现转子故障的有效辨识,并且与EMD、ITD诊断方法相比更具有优势。

关键词：支持向量机果蝇优化算法集合经验模态分解局部均值分解固有时间尺度分解可变模式分解故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于VMD-SE-IPSO-BNN的超短期风电功率预测

引用

电测与仪表 2018年第2期55卷 45-51页

作者：殷豪董朕孟安波广东工业大学自动化学院广州510006

准确预测风电功率对风电规模化并网至关重要。为了更精确的对风电功率进行预测,提出一种基于可变模式分解(Variational Mode Decomposition,VMD)-样本熵(Sample Entropy,SE)和改进粒子群算法(Improved Particle Swarm Optimization,IPSO)优化贝叶斯神经网络(Bayesian Neural Network,BNN)的超短期风电功率组合预测模型。首先采用VMD-SE将原始风电功率时间序列分解为一系列不同带宽的模式分量以降低其非线性,然后对全部分量分别建立贝叶斯神经网络模型进行预测,并采用IPSO对神经网络的权值和阈值进行寻优,以求获得最佳的预测效果。实验结果表明,基于VMD-SE的预测模型较采用其他常规分解方式时预测精度明显提高,所提组合预测模型具有较高的预测精度。

关键词：超短期风电功率预测可变模式分解样本熵改进粒子群算法贝叶斯神经网络预测精度

来源：评论

学校读者我要写书评

暂无评论

转子故障非平稳信号时频分析及诊断方法研究

转子故障非平稳信号时频分析及诊断方法研究

引用

作者：魏言华北电力大学

学位级别：硕士

随着现代机组向着高参数、大容量方向发展以及高低位双轴布置等新技术的应用,机组在运行中容易出现一些无法预知的故障,转子系统能否高效稳定运行关乎着电厂的安全生产和经济效益,因此有必要对机组的工作状态进行监测以及开展故障诊断... 详细信息

随着现代机组向着高参数、大容量方向发展以及高低位双轴布置等新技术的应用,机组在运行中容易出现一些无法预知的故障,转子系统能否高效稳定运行关乎着电厂的安全生产和经济效益,因此有必要对机组的工作状态进行监测以及开展故障诊断工作。本文从转子振动故障非平稳信号时频分析和故障诊断的角度出发,对转子系统运行中出现的几种典型故障的诊断和模式识别开展了深入研究,主要内容如下:首先,研究了集合经验模态分解(EEMD)信号时频分析方法,通过观察分析仿真信号IMF分量以及HHT分析,验证了添加了高斯白噪声的EEMD算法分解性能要优于EMD,同时也体现了EMD、EEMD存在的难以根除的模态混叠与端点效应缺陷。其次,研究了改进的固有时间尺度分解(ITD)、相关系数、奇异值分解(SVD)联合LSSVM的转子故障诊断方法。首先对于ITD波形失真问题,引入改进的ITD算法,仿真结果表明改进的ITD算法能够有效解决波形失真问题。然后采用相关系数法去除改进ITD算法分解PRC分量中的虚假分量,提取相关系数较大的有效分量的SVD特征向量值,输入最小二乘支持向量机(LSSVM)进行故障诊断,提高了故障诊断效率。最后在模化转子试验台上采集了转子不平衡、转子不对中、动静碰磨、油膜涡动四种故障的实验信号,应用上述方法对实测信号进行分析诊断,结果表明该方法能够有效地提取故障特征并进行有效识别。最后,研究了基于可变模式分解(VMD)、相对熵(Re)、云模型和优化LSSVM的转子故障诊断方法。首先使用改进果蝇优化算法对LSSVM超参数进行优化,提高了LSSVM的机器学习性能。利用相对熵来衡量各个分量与原信号的相似度,有效避免了过分解。选取相对熵值最小的分量采用逆向云发生器进行故障特征提取,然后输入优化LSSVM进行分类识别,对于汽轮机组状态在线监测与故障诊断来说,可以有效减少实时数据处理量。最后采用动静碰磨、油膜涡动实验信号对该方法进行验证,并与EMD-Re云模型、EEMD-Re云模型识别结果进行对比,结果表明VMD-Re云模型能够实现转子故障的准确诊断,且相比于EMD、EEMD诊断方法更具有优势。

关键词：集合经验模态分解固有时间尺度分解最小二乘支持向量机可变模式分解果蝇优化算法故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于二层分解技术的短期负荷预测研究

引用

宁夏电力 2019年第5期 8-16页

作者：刘诗韵殷豪吴非许锐埼邵慧栋李皓广东工业大学

钢铁用户的增多会使地区含有大量的冲击负荷,传统的预测方法难以捕捉该地区的负荷变化规律,预测精度不足。为提高含大量负荷地区的负荷预测的精度和泛化性,提出一种基于可变模式分解与奇异谱分析相结合的二层分解技术(VMD-SSA)和改进鲸... 详细信息

钢铁用户的增多会使地区含有大量的冲击负荷,传统的预测方法难以捕捉该地区的负荷变化规律,预测精度不足。为提高含大量负荷地区的负荷预测的精度和泛化性,提出一种基于可变模式分解与奇异谱分析相结合的二层分解技术(VMD-SSA)和改进鲸鱼算法(IWOA)优化极限学习机(ELM)的短期负荷预测模型。通过实例证明,相比于其它模型,所提混合模型能充分掌握负荷的变化规律,有效提高了含大量负荷地区的负荷预测的精度和泛化能力。

关键词：可变模式分解奇异谱分析改进鲸鱼优化算法极限学习机负荷预测

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：