检索结果-内蒙古大学图书馆

中国机械工程 2014年第13期25卷 1760-1765页

作者：林近山陈前南京航空航天大学机械结构力学及控制国家重点实验室南京210016 潍坊学院潍坊261061

为了评估多重分形去趋势波动分析(MFDFA)在滚动轴承损伤程度识别中的性能,采用MFDFA计算了轴承故障信号的多重分形谱,多重分形谱的左右端点和极值点可以近似描述多重分形谱的形状和位置,提取这三个特征点的坐标作为刻画轴承动力学行为... 详细信息

为了评估多重分形去趋势波动分析(MFDFA)在滚动轴承损伤程度识别中的性能,采用MFDFA计算了轴承故障信号的多重分形谱,多重分形谱的左右端点和极值点可以近似描述多重分形谱的形状和位置,提取这三个特征点的坐标作为刻画轴承动力学行为的特征参数。将MFDFA、4个常用的时域统计参数、小波变换(WT)方法和经验模态分解(EMD)方法分别用于识别轴承滚动体和外圈损伤的严重程度,然后分别采用马氏距离判别法、BP神经网络和支持向量机对WT、EMD和MFDFA所提取的特征参数进行分类,并比较了这些方法在故障分类中的效果。结果表明,马氏距离判别法与MFDFA的组合以及支持向量机与WT或EMD的组合可以获得较好的轴承损伤程度识别结果。研究结果进一步验证了早期工作的结论。

关键词：多重分形去趋势波动分析滚动轴承损伤程度识别

来源：评论

学校读者我要写书评

暂无评论

多重分形去趋势波动分析及改进决策树在电能质量分析中的应用

引用

计量学报 2021年第4期42卷 424-431页

作者：张淑清张赟刘海涛胡皓李华姚玉永刘勇王涛燕山大学电气工程学院河北秦皇岛066004 东北大学信息科学与工程学院辽宁沈阳110004 国网冀北电力有限公司唐山供电公司河北唐山063000

通过多重分形去趋势波动分析方法分析了6种常见的电能质量信号,证明了电能质量信号具有多重分形特征。据此提出基于多重分形去趋势波动分析的电能质量特征提取方法,选取多重分形谱参数(hq max、αmin、α0)和信号能量E作为特征向量矩阵... 详细信息

通过多重分形去趋势波动分析方法分析了6种常见的电能质量信号,证明了电能质量信号具有多重分形特征。据此提出基于多重分形去趋势波动分析的电能质量特征提取方法,选取多重分形谱参数(hq max、αmin、α0)和信号能量E作为特征向量矩阵,结合改进决策树分类,进行电能质量分析和识别。该方法与DTCWT、HHT和EEMD方法进行对比实验,结果表明,该方法表现出更好的识别结果,为电能质量信号的特征提取提供了一种新的思路。

关键词：计量学多重分形去趋势波动分析特征提取改进决策树电能质量分析

来源：评论

学校读者我要写书评

暂无评论

摩擦振动信号的EEMD和多重分形去趋势波动分析

引用

哈尔滨工程大学学报 2016年第9期37卷 1204-1208,1214页

作者：李精明魏海军魏立队孙迪杨智远梅立强上海海事大学商船学院上海201306 大连海事大学轮机工程学院辽宁大连116026

为了研究摩擦副磨合磨损过程中摩擦振动变化规律,实现通过摩擦振动识别摩擦副的磨合磨损状态,在摩擦磨损试验机上进行了船用柴油机缸套—活塞环摩擦副摩擦磨损试验。应用总体经验模式分解对摩擦振动信号进行分解,获得若干个无模式混叠... 详细信息

为了研究摩擦副磨合磨损过程中摩擦振动变化规律,实现通过摩擦振动识别摩擦副的磨合磨损状态,在摩擦磨损试验机上进行了船用柴油机缸套—活塞环摩擦副摩擦磨损试验。应用总体经验模式分解对摩擦振动信号进行分解,获得若干个无模式混叠的本征模式分量。利用多重分形去趋势波动分析(Multifractal detrended fluctuation analysis,MFDFA)对重构获得的摩擦振动特征信号进行分析,得到摩擦振动信号的MFDFA谱图,并根据谱图求取摩擦振动信号的多重分形谱参数。研究结果表明,总体经验模式分解能够实现微弱摩擦振动特征信号的提取,MFDFA谱图及其参数可以表征摩擦振动信号的特征。

关键词：总体经验模式分解多重分形去趋势波动分析谱参数摩擦振动 Hurst指数特征提取

来源：评论

学校读者我要写书评

暂无评论

基于多重分形去趋势波动分析的电力负荷风险预警阈值

引用

电网技术 2016年第5期40卷 1437-1441页

作者：李存斌李庆良王庆林宋易阳华北电力大学经济与管理学院北京市昌平区102206 忻州供电公司山西省忻州市034000

针对传统电力风险预警研究带有主观性、缺乏动态性以及设定风险阈值缺乏理论依据等问题,基于历史负荷数据,提出了一种基于替代数据法与多重分形去趋势波动分析(multifractal detrended fluctuation analysis,MF-DFA)确定电力负荷风险预... 详细信息

针对传统电力风险预警研究带有主观性、缺乏动态性以及设定风险阈值缺乏理论依据等问题,基于历史负荷数据,提出了一种基于替代数据法与多重分形去趋势波动分析(multifractal detrended fluctuation analysis,MF-DFA)确定电力负荷风险预警阈值的方法,简称SMF-DFA。该方法首先利用替代数据法对原始数据进行替换和重新排列,消除非线性自相关性,然后根据长程相关性指数的收敛情况,甄别对原始序列整体波动没有影响的异常数值,判定当前序列达到极端事件的临界点,为实时风险预警提供参考阈值。最后,以Lorenz方程与电网历史负荷为样本进行算例分析,结果证明了该算法的有效性。

关键词：电力负荷风险预警阈值多重分形去趋势波动分析替代数据法

来源：评论

学校读者我要写书评

暂无评论

面向心理压力评估的脑电信号多重分形去趋势波动分析方法研究

引用

生物医学工程学杂志 2017年第2期34卷 180-187页

作者：李昕孙小棋齐晓英侯永捷田彦秀燕山大学电气工程学院生物医学工程研究所河北秦皇岛066004 燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004 北京工业大学生命科学与生物工程学院北京100124 前景光电技术有限公司河北秦皇岛066004

本文基于多重分形去趋势波动分析方法(MFDFA)实现了对受试者心理压力状态的评估。研究针对不同心理压力状态下,脑电信号多重分形去趋势波动分析中最优分形阶数确定问题,重点分析了多重分形去趋势波动分析方法中的奇异指数、Hurst指数等... 详细信息

本文基于多重分形去趋势波动分析方法(MFDFA)实现了对受试者心理压力状态的评估。研究针对不同心理压力状态下,脑电信号多重分形去趋势波动分析中最优分形阶数确定问题,重点分析了多重分形去趋势波动分析方法中的奇异指数、Hurst指数等参数与阶数的关系,进而确定最优分形阶数,实现了基于脑电信号多重分形去趋势波动分析的心理压力状态评估。试验采集了14名在校学生有/无心理压力状态下的脑电信号,分别比较了奇异指数、奇异维数、Hurst指数、质量指数与阶数关系,确定了最优分形阶数范围为[—5,5],实现了基于脑电信号β波多重分形去趋势波动分析方法的心理压力状态评估。研究结果表明,心理压力状态下,脑电信号的Hurst指数和质量指数大于无压力状态下,脑电信号的相应参数,随着阶数的变大,Hurst指数减小,趋近于定值,而质量指数增大,奇异值随阶数的变化幅度较明显。本文还比较了有/无心理压力状态下,脑电信号的峰值和奇异谱宽度,结果表明,不同心理压力状态下脑电信号多重分形谱特性不同,心理压力状态下,脑电信号的奇异谱宽度明显大于无压力状态下脑电信号的奇异谱宽度。本文研究结果说明,该方法可以有效地评估心理压力状态,为实现心理压力状态干预,提高心理健康等提供支持与帮助。

关键词：脑电信号多重分形去趋势波动分析奇异谱宽度奇异指数

来源：评论

学校读者我要写书评

暂无评论

基于LCD和多重分形去趋势波动分析的故障诊断方法

引用

机械强度 2018年第3期40卷 559-564页

作者：杨乐重庆工业职业技术学院自动化学院重庆401120

针对滚动轴承振动信号非线性、非平稳性以及故障特征难以提取的问题,提出了基于局部特征尺度分解(local characteristic-scale decomposition,LCD)和多重分形去趋势波动分析(multifractal detrended fluctuation analysis,MFDFA)的故障诊断方法。该方法首先利用LCD将振动信号分解成不同尺度下的内禀尺度分量(intrinsic scale component,ISC)。其次,对包含主要信息的前几个ISC分量进行MF-DFA分析,并选取每个ISC分量的Hurst指数作为故障特征。然后,采用线性局部切空间排列(liner local tangent space alignment,LLTSA)对故障特征进行降维以获得对故障敏感的低维特征。最后,利用支持向量机(support vector machine,SVM)对提取特征进行分类识别。滚动轴承的故障诊断实验表明,所提方法能够有效地识别滚动轴承的典型故障,具有一定的优势。

关键词：局部特征尺度分解多重分形去趋势波动分析特征提取滚动轴承故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于多重分形去趋势波动分析的高速列车运行状态识别方法

引用

计算机应用研究 2015年第10期32卷 2978-2980页

作者：张美兰金炜东孙永奎王江丽西南交通大学电气工程学院成都610031

针对高速列车运行中的状态识别问题,提出基于多重分形去趋势波动分析的高速列车状态识别新方法。通过分析发现,高速列车在不同运行状态下的多重分形奇异谱和广义Hurst指数谱均有明显的区别,因此提取多重分形奇异谱参数和广义Hurst指数... 详细信息

针对高速列车运行中的状态识别问题,提出基于多重分形去趋势波动分析的高速列车状态识别新方法。通过分析发现,高速列车在不同运行状态下的多重分形奇异谱和广义Hurst指数谱均有明显的区别,因此提取多重分形奇异谱参数和广义Hurst指数谱参数作为高速列车运行状态的特征,并使用支持向量机对其状态进行识别。实验结果表明,高速列车在运行速度200 km/h及以上时,状态识别率达到100%。多重分形奇异谱参数和广义Hurst指数谱参数能够有效地描述高速列车的运行状态,为高速列车运行状态的识别提供了一种有效的方法。

关键词：高速列车状态识别多重分形去趋势波动分析多重分形奇异谱广义Hurst指数谱支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于多重分形去趋势波动分析的电价特征差异研究

引用

电气工程与自动化（中英文版） 2015年第4期4卷 59-65页

作者：刘文妮王访高蓉湖南农业大学理学院湖南长沙410128

为了研究不同电价的动力学特征,本文利用多重分形去趋势波动分析（MF-DFA）对全球典型的区域电力市场：加拿大阿尔伯塔省安大略省和哥伦比亚中部电力市场的高峰时段、非高峰时段的多重分形特性进行分析.首先检验了三个市场的电价序列的... 详细信息

为了研究不同电价的动力学特征,本文利用多重分形去趋势波动分析（MF-DFA）对全球典型的区域电力市场：加拿大阿尔伯塔省安大略省和哥伦比亚中部电力市场的高峰时段、非高峰时段的多重分形特性进行分析.首先检验了三个市场的电价序列的非随机性和非平稳性,然后计算了上述时段的MF一DFA指数,实证了这些时段电价的多重分形特征.进一步,利用多重分形奇异谱揭示了不同市场不同时段的电价的差异.这些差异真实地反应了它们不同的电价特点,能够为不同时段的电价预测工作提供新的理论依据.

关键词：多重分形去趋势波动分析多重分形奇异谱高峰电价非高峰电价

来源：评论

学校读者我要写书评

暂无评论

基于多重分形去趋势波动分析和变分模态分解的探地雷达信号处理方法

基于多重分形去趋势波动分析和变分模态分解的探地雷达信号处理方...

引用

2023年中国地球科学联合学术年会

作者：刘郅静肖建平邓宇刘志航林皓中南大学地球科学与信息物理学院

一、引言探地雷达(ground penetrating radar,GPR)作为一种高分辨率、高效率的无损检测方法,已广泛应用于隧道、铁路路基等城市工程的检测。然而我们面临的问题是:大多数GPR数据是非平稳的时间序列信号[1],并且通常包含有多种种类造成... 详细信息

一、引言探地雷达(ground penetrating radar,GPR)作为一种高分辨率、高效率的无损检测方法,已广泛应用于隧道、铁路路基等城市工程的检测。然而我们面临的问题是:大多数GPR数据是非平稳的时间序列信号[1],并且通常包含有多种种类造成的噪声干扰,例如:仪器误差、环境干扰或通信设施[2]。尤其是对GPR数据进行深度增益处理后,各种来自深部的噪声也随之增强往往会覆盖有效的微弱信号,所以GPR信号处理对于提升GPR探测能力尤为重要。

关键词：信号处理方法多重分形去趋势波动分析变分模态分解探地雷达

来源：评论

学校读者我要写书评

暂无评论

EMD-LS多重分形去趋势波动分析在GIS机械缺陷诊断中的应用

引用

电力安全技术 2024年第11期26卷 31-35页

作者：何波朱榜超广西电网有限责任公司百色供电局广西百色533000

气体绝缘组合电器GIS作为110 kV以上电网核心电力设备,检测和诊断机械缺陷对于保障其可靠运行具有重要意义。基于经验模态分解EMD方法与最小二乘法LS提取GIS振动信号中的趋势项,把每个子序列的局部趋势项代入协方差函数而后求取波动函数... 详细信息

气体绝缘组合电器GIS作为110 kV以上电网核心电力设备,检测和诊断机械缺陷对于保障其可靠运行具有重要意义。基于经验模态分解EMD方法与最小二乘法LS提取GIS振动信号中的趋势项,把每个子序列的局部趋势项代入协方差函数而后求取波动函数,采用多重分形去趋势波动分析方法对GIS不同工作状态下的振动信号进行多重分形谱分析,根据多重分形指标来分析GIS的故障状态。该算法通过ZF27-252型弹簧机构的GIS的3种典型机械故障试验数据得到验证,数据表明该方法能有效识别诊断GIS机械故障。

关键词：气体绝缘组合电器经验模态分解最小二乘法多重分形去趋势波动分析

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：