检索结果-内蒙古大学图书馆

电力系统及其自动化学报 2021年第5期33卷 134-144页

作者：王桥梅吴浩胡潇涛顾小平陈佳豪四川轻化工大学自动化与信息工程学院自贡643000 人工智能四川省重点实验室自贡643000 企业信息化与物联网测控技术四川省高校重点实验室自贡643000

针对HVDC输电线路故障识别率低、远端高阻故障识别困难等问题,提出一种基于变分模态分解VMD(variational mode decomposition)多尺度模糊熵的HVDC输电线路智能故障识别方法。首先对暂态电流信号进行VMD分解,利用中心频率法则提取合适的... 详细信息

针对HVDC输电线路故障识别率低、远端高阻故障识别困难等问题,提出一种基于变分模态分解VMD(variational mode decomposition)多尺度模糊熵的HVDC输电线路智能故障识别方法。首先对暂态电流信号进行VMD分解,利用中心频率法则提取合适的IMF分量计算多尺度模糊熵、VMD能量和比值。分别利用VMD多尺度模糊熵和VMD能量和比值表征区内外故障特征和故障极特征,将它们组合成特征向量。将特征向量集分成训练集和测试集,将训练集进行训练得到Softmax分类器模型,利用测试集进行测试。仿真结果表明:基于VMD多尺度模糊熵和Softmax分类器的HVDC输电线路故障识别方法能在不同故障距离和不同过渡电阻情况下有效实现区内外故障识别和故障极选择,且耐受过渡电阻能力强,具有一定的抗干扰能力。

关键词：高压直流输电线路变分模态分解多尺度模糊熵 Softmax分类器故障识别

来源：评论

学校读者我要写书评

暂无评论

基于多尺度模糊熵的脑电信号特征提取方法

引用

航天医学与医学工程 2018年第3期31卷 365-370页

作者：傅炜东罗志增任通杭州电子科技大学智能控制与机器人研究所浙江杭州310018

目的利用多尺度模糊熵特征提高脑电信号的识别率。方法采用滑动均值滤波使粗粒化后脑电信号各尺度上的序列尽量保留原始信息,然后用多尺度模糊熵进行特征提取,通过Fisher得分对不同尺度模糊熵的特征分类能力排序,选定排序靠前的多尺度... 详细信息

目的利用多尺度模糊熵特征提高脑电信号的识别率。方法采用滑动均值滤波使粗粒化后脑电信号各尺度上的序列尽量保留原始信息,然后用多尺度模糊熵进行特征提取,通过Fisher得分对不同尺度模糊熵的特征分类能力排序,选定排序靠前的多尺度模糊熵组成最优特征向量,实现特征降维。结果在BCI Competition实验数据上进行验证,结果表明该方法用支持向量机做分类器,准确率平均达88.94%。结论本文提出的多尺度模糊熵对脑电信号的特征提取方法具有针对性,既提升了识别率又保持了算法效率。

关键词：脑电信号多尺度模糊熵 Fisher得分支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别

引用

工矿自动化 2023年第4期49卷 92-98页

作者：李一鸣北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192

垮落煤岩智能识别是智能放煤的前提,通过垮落煤岩实时精准识别可避免人工放煤造成的顶煤“欠放”或“过放”问题。现有煤岩识别方法大多通过数据降维处理获得垮落煤岩特征向量,通过构建识别模型进行煤岩识别,但数据降维、模型建立和训... 详细信息

垮落煤岩智能识别是智能放煤的前提,通过垮落煤岩实时精准识别可避免人工放煤造成的顶煤“欠放”或“过放”问题。现有煤岩识别方法大多通过数据降维处理获得垮落煤岩特征向量,通过构建识别模型进行煤岩识别,但数据降维、模型建立和训练均需较长时间,一定程度上影响了连续综放开采效率。针对该问题,提出了一种基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别方法。对不同工况(顶煤垮落、岩石垮落、大块顶煤垮落)下垮落煤岩冲击液压支架后尾梁的振动信号进行小波包分解,得到一系列频带;对各频带的序列进行粗粒化,计算各频带多个尺度粗粒化向量的模糊熵,即小波包多尺度模糊熵,将其作为特征向量;以小波包分解后各频带能量与振动信号总能量的比值作为加权KL散度的权重,比较待测未知样本与不同工况下样本特征向量的加权KL散度,实现垮落煤岩的实时精准识别。实验结果表明:基于小波包多尺度模糊熵和加权KL散度的方法可有效识别垮落煤岩类别,而基于多尺度模糊熵和KL散度的方法、基于小波包模糊熵和KL散度的方法识别效果不佳;将小波包多尺度模糊熵作为特征向量时,BP神经网络识别准确率达95%,进一步验证了小波包多尺度模糊熵可作为表征垮落煤岩的特征向量;整个煤岩识别过程耗时为1.063 9 s,基本满足垮落煤岩智能识别实时性需求,大大降低了对连续综放开采效率的影响,综合性能优于同类煤岩识别方法。

关键词：智能放煤煤岩智能识别小波包分解多尺度模糊熵加权KL散度

来源：评论

学校读者我要写书评

暂无评论

基于VMD去噪及多尺度模糊熵的管道小泄漏研究

引用

电子测量技术 2021年第22期44卷 37-43页

作者：张勇刘洁路敬祎杨文武韦焱文周兴达东北石油大学物理与电子工程学院大庆163318 东北石油大学人工智能能源研究院大庆163318

针对天然气管道微小泄漏信号的特征在单一尺度上难以全面提取的问题,提出一种基于变分模态分解(VMD)与多尺度模糊熵(MFE)结合的管道小泄漏信号识别方法。首先使用VMD算法对管道负压波信号进行降噪处理,通过欧氏距离(ED)法评估确定VMD分... 详细信息

针对天然气管道微小泄漏信号的特征在单一尺度上难以全面提取的问题,提出一种基于变分模态分解(VMD)与多尺度模糊熵(MFE)结合的管道小泄漏信号识别方法。首先使用VMD算法对管道负压波信号进行降噪处理,通过欧氏距离(ED)法评估确定VMD分解的有效模态并对其进行重构,以重构信号信噪比最高原则确定VMD分解的模态个数;将多尺度模糊熵作为故障特征值向量,最后用支持向量机对特征值向量进行分类识别。实验结果表明:该方法对管道信号状态整体识别率达99.33%,证明了该方法总体识别效果较好,可实现对管道小泄漏信号的准确识别。

关键词：变分模态分解欧氏距离多尺度模糊熵支持向量机小泄漏信号识别

来源：评论

学校读者我要写书评

暂无评论

基于CEEMDAN-多尺度模糊熵和ISRNN的球磨机负荷识别

引用

矿业研究与开发 2020年第4期40卷 141-146页

作者：高纯生周小云黄祥海中铝矿业有限公司河南郑州450041 江西理工大学机电工程学院江西赣州市341000

针对球磨机振动信号具有非线性、非平稳性特点导致的负荷状态难以识别问题,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN),多尺度模糊熵(MFE)和改进堆叠式循环神经网络(ISRNN)的磨机负荷预测方法。首先,采用CEEMDAN算法分解球磨... 详细信息

针对球磨机振动信号具有非线性、非平稳性特点导致的负荷状态难以识别问题,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN),多尺度模糊熵(MFE)和改进堆叠式循环神经网络(ISRNN)的磨机负荷预测方法。首先,采用CEEMDAN算法分解球磨机振动信号以获得本征模态分量;其次,利用MFE提取负荷状态特征;最后,将特征向量作为ISRNN的输入,球磨机负荷状态作为输出,建立球磨机负荷识别模型。试验结果表明,该方法在负荷识别时有较高的精准性,整体识别率高达98.67%,证明了CEEMDAN-MFE特征提取结合ISRNN的方法可实现对球磨机负荷状态的准确识别。

关键词：磨机负荷 CEEMDAN 多尺度模糊熵神经网络

来源：评论

学校读者我要写书评

暂无评论

基于改进SSA-VMD和多尺度模糊熵的接地故障选线方法

引用

国外电子测量技术 2023年第1期42卷 28-34页

作者：陈博帆孙岩洲王彬河南理工大学电气工程与自动化系焦作454003

针对高压配电网发生单相接地故障时暂态工频电流分量利用不充分,提出一种基于改进麻雀搜索算法优化变分模态分解(SSA-VMD)和多尺度模糊熵的接地故障选线方法。首先,利用精英反向学习策略提高麻雀搜索算法的种群多样性,利用改进后的SSA对... 详细信息

针对高压配电网发生单相接地故障时暂态工频电流分量利用不充分,提出一种基于改进麻雀搜索算法优化变分模态分解(SSA-VMD)和多尺度模糊熵的接地故障选线方法。首先,利用精英反向学习策略提高麻雀搜索算法的种群多样性,利用改进后的SSA对VMD进行迭代寻优,由实验数据可得,优化后的变分模态分解可准确区分各馈线暂态零序电流的工频分量。其次,计算各馈线零序电流工频分量的多尺度模糊熵值,并采用多尺度模糊熵偏均值作为选线判据,选出故障线路。经MATLAB/Simulink仿真结果表明,该方法在大多数故障条件下均可正确选线,可靠性高,具有较强的鲁棒性。

关键词：故障选线精英方向学习策略麻雀搜索算法变分模特分解多尺度模糊熵

来源：评论

学校读者我要写书评

暂无评论

基于EWT多尺度模糊熵和PSO-ELM列车轮损伤检测

引用

组合机床与自动化加工技术 2020年第6期 127-131,141页

作者：田英陈彦佐王文健刘启跃西南交通大学牵引动力国家重点实验室摩擦学研究所成都610031 四川建筑职业技术学院四川德阳618000

针对车轮损伤信号难以检测的问题,提出基于经验小波变换(EWT)的多尺度模糊熵和粒子群优化极限学习机(PSO-ELM)的车轮损伤检测方法。采用EWT分解信号获得若干模态分量,根据相关系数和欧式距离指标,选择最优模态分量,求取其多尺度模糊熵... 详细信息

针对车轮损伤信号难以检测的问题,提出基于经验小波变换(EWT)的多尺度模糊熵和粒子群优化极限学习机(PSO-ELM)的车轮损伤检测方法。采用EWT分解信号获得若干模态分量,根据相关系数和欧式距离指标,选择最优模态分量,求取其多尺度模糊熵作为特征向量,输入到PSO-ELM分类器中进行分类识别,并与PSO-LSSVM进行对比。研究结果表明,该方法能够有效检测车轮损伤状态,其识别准确率高,效率高,具有较强的工程实用价值。

关键词：车轮损伤 EWT 多尺度模糊熵 PSO-ELM

来源：评论

学校读者我要写书评

暂无评论

基于MCKD和改进HHT多尺度模糊熵的齿轮故障诊断方法

引用

制造技术与机床 2020年第3期 114-118,154页

作者：朱立达吉林工业职业技术学院机电与智能技术学院吉林吉林132013

针对齿轮故障信号常伴有大量噪声,故障特征难以提取的问题,提出一种基于最大相关峭度解卷积(MCKD)和改进希尔伯特-黄变换(HHT)多尺度模糊熵的故障诊断方法。首先采用MCKD算法对采集到的齿轮振动信号进行降噪处理,以提高信号的信噪比;然... 详细信息

针对齿轮故障信号常伴有大量噪声,故障特征难以提取的问题,提出一种基于最大相关峭度解卷积(MCKD)和改进希尔伯特-黄变换(HHT)多尺度模糊熵的故障诊断方法。首先采用MCKD算法对采集到的齿轮振动信号进行降噪处理,以提高信号的信噪比;然后利用自适应白噪声完备经验模态分解(CEEMDAN)对降噪后信号进行分解,获得一系列不同尺度的固有模态函数(IMF),并通过相关系数-能量的虚假IMF评价方法选取对故障敏感的模态分量;最后计算敏感IMF分量的模糊熵,将获得的原信号多尺度的模糊熵作为状态特征参数输入最小二乘支持向量机(LS-SVM)中,对齿轮的故障类型进行诊断。实测信号的诊断结果表明,该方法可实现齿轮故障的有效诊断。

关键词：最大相关峭度解卷积自适应白噪声完备经验模态分解多尺度模糊熵齿轮故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于多尺度模糊熵和支持向量机的采煤机截割模式识别

引用

煤炭工程 2021年第5期53卷 131-135页

作者：梁斌刘泽牛延博中国矿业大学徐海学院江苏徐州221008 中国矿业大学机电工程学院江苏徐州221116

为解决当前采煤机智能化水平低的问题,提出了一种基于多尺度模糊熵、拉普拉斯分值和支持向量机相融合的采煤机截割模式识别方法。通过提取不同截割模式下摇臂的振动信号的多尺度模糊熵,掌握表征采煤机截割模式的特征向量。同时,利用拉... 详细信息

为解决当前采煤机智能化水平低的问题,提出了一种基于多尺度模糊熵、拉普拉斯分值和支持向量机相融合的采煤机截割模式识别方法。通过提取不同截割模式下摇臂的振动信号的多尺度模糊熵,掌握表征采煤机截割模式的特征向量。同时,利用拉普拉斯分值筛选含有丰富截割模式信息的特征向量,并作为支持向量机的学习样本。搭建了采煤机煤岩截割实验系统,提取了不同截割模式下的摇臂振动信号,并进行实验分析。结果表明:文章所提出的截割模式识别方法具有较高的识别精度。研究成果可为推动综采工作面的智能化快速发展提供技术支撑。

关键词：采煤机截割模式振动信号多尺度模糊熵

来源：评论

学校读者我要写书评

暂无评论

基于CEEMDAN多尺度模糊熵和SSA-BP神经网络的VP型垂直摆倾斜仪故障辨识

引用

科学技术与工程 2022年第35期22卷 15612-15616页

作者：庞聪马武刚李查玮江勇王磊廖成旺中国地震局地震研究所武汉430071 地震预警湖北省重点实验室武汉430071 湖北省地震局武汉430071 河北省地震动力学重点实验室三河065201 航天工程大学电子与光学工程系北京101416

针对现有倾斜仪故障记录的甄别与分类主要依靠人工经验,诊断过程烦琐及诊断精度不高的问题,充分利用信号分解技术的特征升维与机器学习模型的快速自动分类等优势,提出一种结合自适应噪声完备集成经验模态分解多尺度模糊熵和麻雀搜索算法... 详细信息

针对现有倾斜仪故障记录的甄别与分类主要依靠人工经验,诊断过程烦琐及诊断精度不高的问题,充分利用信号分解技术的特征升维与机器学习模型的快速自动分类等优势,提出一种结合自适应噪声完备集成经验模态分解多尺度模糊熵和麻雀搜索算法(sparrow search algorithm,SSA)优化反向传播神经网络(back propagation neural network,BPNN)的VP型宽频带垂直摆倾斜仪故障自动诊断方法。该方法首先将故障数据归一化,利用自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)信号得到本征模态函数(intrinsic mode function,IMF)的多尺度模糊熵,然后基于SSA优化BPNN的权值与阈值,得到最佳权值和阈值,最后应用SSA-BPNN模型对倾斜仪故障特征数据进行辨识。实验表明:CEEMDAN多尺度模糊熵判据具有良好的倾斜仪故障特征区分效果;SSA-BP神经网络模型在准确率和召回率上,相比BP模型分别提高4.7581、6.3216个百分点,辨识过程更稳健,弥补了VP型倾斜仪在故障智能识别领域的空白。

关键词：倾斜仪故障识别自适应噪声完备集成经验模态分解麻雀搜索算法反向传播神经网络多尺度模糊熵

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：