检索结果-内蒙古大学图书馆

振动．测试与诊断 2024年第1期44卷 107-112,200页

作者：利雅洁吕中荣汪利中山大学航空航天学院深圳518107

为了研究欠采样情况下的结构模态辨识问题,首先,在频域分解法识别结构模态参数的基础上,引入重采样策略,对不同采样频率下的参数进行辨识;其次,使用模态确认准则进行模态匹配,结合扇形折叠曲线对欠采样下发生混叠的模态参数进行还原,还... 详细信息

为了研究欠采样情况下的结构模态辨识问题,首先,在频域分解法识别结构模态参数的基础上,引入重采样策略,对不同采样频率下的参数进行辨识;其次,使用模态确认准则进行模态匹配,结合扇形折叠曲线对欠采样下发生混叠的模态参数进行还原,还原出结构的真实频率以及阻尼比;最后,通过一个8自由度仿真模型和一个4层框架实验案例,证明所提方法能够准确识别欠采样结构的频率、阻尼比和振型,重采样策略能够切实解决欠采样模态辨识问题,从而验证了该方法的正确性和可行性。

关键词：模态辨识欠采样模态混叠频域分解法重采样

来源：评论

学校读者我要写书评

暂无评论

基于集成经验模态分解和量子细菌觅食优化的风速预测模型

引用

太阳能学报 2015年第12期36卷 2930-2936页

作者：章国勇伍永刚张洋华中科技大学水电与数字化工程学院武汉430074 西澳大利亚大学电气电子及计算机学院

基于风速时间序列内在规律特性,为改善经验模态分解(EMD)模态混叠现象,提出基于集成经验模态分解(EEMD)的风速组合预测模型。同时,针对预测模型参数选择问题,将量子力学的思想引入细菌觅食优化的繁殖算子中,结合量子空间下概率分布模型... 详细信息

基于风速时间序列内在规律特性,为改善经验模态分解(EMD)模态混叠现象,提出基于集成经验模态分解(EEMD)的风速组合预测模型。同时,针对预测模型参数选择问题,将量子力学的思想引入细菌觅食优化的繁殖算子中,结合量子空间下概率分布模型完成参数寻优。4种算法的参数优化结果表明,改进算法具有更好的全局寻优性能并能提高模型泛化能力。将其应用于组合预测模型中,仿真表明,基于EEMD预测模型能较好地消除EMD的模态混叠现象,具有更高的预测精度。

关键词：风速预测模型模态混叠总体经验模态分解细菌觅食优化

来源：评论

学校读者我要写书评

暂无评论

基于经验模态分解与RBF神经网络的混合预测

引用

振动．测试与诊断 2012年第5期32卷 817-822,866页

作者：李方溪陈桂明朱露刘希亮李胜朝第二炮兵工程大学五系西安710025

为提高时间序列预测模型精度,根据各本征模态函数(intrinsic mode function,简称IMF)序列的变化特点,针对EMD-RBF神经网络隐含神经元数目及其中心数据选取问题,利用经验模态分解(empirical mode decomposition,简称EMD)的信号自适应处... 详细信息

为提高时间序列预测模型精度,根据各本征模态函数(intrinsic mode function,简称IMF)序列的变化特点,针对EMD-RBF神经网络隐含神经元数目及其中心数据选取问题,利用经验模态分解(empirical mode decomposition,简称EMD)的信号自适应处理能力和径向基函数(radical basis function,简称RBF)神经网络的非线性逼近能力,提出了一种基于EMD与RBF神经网络的混合预测方法。该方法将具有类似时频特性的本征模态函数分别建立RBF神经网络预测模型,采用基于统计分析的k-均值聚类方法自适应确定RBF模型参数,最后将各IMF-RBF神经网络预测结果进行重构得到最终预测结果。仿真结果表明,该方法充分考虑到各IMF本身的特性,增强了时序的可预测性,预测性能比传统反向传播(back propagation,简称BP)神经网络和小波BP神经网络更优越。将该方法应用在某装备温控系统性能监测中,其温度参数最大预测误差远小于传感器误差,说明将该方法在该装备故障预测中是可行的。

关键词：经验模态分解径向基函数神经网络预测模态混叠

来源：评论

学校读者我要写书评

暂无评论

基于改进HHT的高拱坝模态参数识别方法研究

引用

水力发电学报 2012年第1期31卷 48-55页

作者：李成业刘昉马斌宋明富天津大学水利工程仿真与安全国家重点实验室天津300072 二滩水力发电厂四川攀枝花617000

水工结构出现损伤会使结构特定部分的质量或刚度发生损失,进而改变结构动力特性,这些都将在结构的模态信息中有所反映,因此如何精确地获取结构的模态信息是水工结构运行状态监测的重要前提。本文针对原型动力试验激励难的问题,结合水工... 详细信息

水工结构出现损伤会使结构特定部分的质量或刚度发生损失,进而改变结构动力特性,这些都将在结构的模态信息中有所反映,因此如何精确地获取结构的模态信息是水工结构运行状态监测的重要前提。本文针对原型动力试验激励难的问题,结合水工结构环境激励荷载的特点,研究基于改进HHT(Hilbert-Huang Transform)的高拱坝模态参数方法。针对密频结构响应信号EMD分解过程中出现的模态混叠现象,提出了带通滤波和伪信号处理技术相结合的方法,对泄洪振动信号的EMD过程进行控制,得到结构的各阶模态分量,然后应用随机减量法提取出各阶模态分量的自由衰减信息,最后对自由衰减信息进行Hilbert变换和最小二乘拟合,得到拱坝的模态参数。

关键词：水工结构模态参数模态混叠高拱坝带通滤波伪信号

来源：评论

学校读者我要写书评

暂无评论

基于总体经验模态分解的水文序列多尺度分析

引用

华中科技大学学报（自然科学版） 2011年第11期39卷 105-108,121页

作者：邵骏吕孙云钱晓燕袁鹏长江水利委员会水文局湖北武汉430010 四川大学水利水电学院四川成都610065 武汉大学水利水电学院湖北武汉430072

为解决模态混叠问题,将总体经验模态分解方法应用于水文时间序列的多尺度研究中.将白噪声加入原始序列,经过总体经验模态分解后得到固有模态函数,通过对结果进行显著性检验并最终得到水文时间序列主要振荡周期、中心频率、平均振幅等信... 详细信息

为解决模态混叠问题,将总体经验模态分解方法应用于水文时间序列的多尺度研究中.将白噪声加入原始序列,经过总体经验模态分解后得到固有模态函数,通过对结果进行显著性检验并最终得到水文时间序列主要振荡周期、中心频率、平均振幅等信息.通过对黄河三门峡水文站实测天然年径流序列进行分析,发现总体经验模态分解能够较好地解决模态混叠现象;同时与小波分析方法对比,该方法较之传统的经验模态分解具有更高的精度,能够应用于水文时间序列多尺度分析研究.

关键词：水文序列总体经验模态分解模态混叠希尔波特-黄变换多尺度分析

来源：评论

学校读者我要写书评

暂无评论

基于平移不变小波阈值算法的经验模态分解方法

引用

仪器仪表学报 2008年第12期29卷 2637-2641页

作者：秦品乐林焰陈明大连理工大学电信学院大连116023 大连理工大学船舶CAD中心大连116023

针对经验模态分解(EMD)处理存在间断事件的数据会引起模态混叠的问题,提出了一种经验模态分解与小波去噪相结合的新方法。由于传统的小波变换去噪会使信号在间断事件处产生人为的振荡现象,故先用平移不变小波去噪算法对信号进行预处理,... 详细信息

针对经验模态分解(EMD)处理存在间断事件的数据会引起模态混叠的问题,提出了一种经验模态分解与小波去噪相结合的新方法。由于传统的小波变换去噪会使信号在间断事件处产生人为的振荡现象,故先用平移不变小波去噪算法对信号进行预处理,消除间断信号对EMD方法的影响,再对信号进行EMD分解。理论计算及实验研究表明:只有在有效消除异常干扰的情况下才能获得可靠的IMF分量,采用本文的方法消除间断信号对EMD分解的影响是有效可行的。

关键词：小波去噪平移不变经验模态分解模态混叠

来源：评论

学校读者我要写书评

暂无评论

一种基于支持向量回归机的经验模态分解方法

引用

哈尔滨工程大学学报 2007年第7期28卷 779-784页

作者：李雪耀黄永平张汝波哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨15001

经典经验模态分解中采用基于曲线参数插值拟合局部均值曲线,该类方法对参加拟合的极值点很敏感,若出现干扰的异常极值点或得不到真实的极值点,将导致分解结果失真或产生模态混叠.提出一种基于支持向量回归机拟合局部均值曲线的经验模态... 详细信息

经典经验模态分解中采用基于曲线参数插值拟合局部均值曲线,该类方法对参加拟合的极值点很敏感,若出现干扰的异常极值点或得不到真实的极值点,将导致分解结果失真或产生模态混叠.提出一种基于支持向量回归机拟合局部均值曲线的经验模态分解方法,即利用序列的极值点训练支持向量回归机拟合局部均值曲线代替传统的曲线参数插值.实验表明,与经典算法相比,该方法具有更好的频率分辨率,对采样频率不敏感且能克服微弱高频间断信号的干扰,有效解决Hilbert-Huang变换中存在的模态混叠问题.

关键词：经验模态分解支持向量回归机模态混叠局部均值曲线 Hilbert-Huang变换

来源：评论

学校读者我要写书评

暂无评论

具有间断事件检测和分离的经验模态分解方法

引用

哈尔滨工程大学学报 2007年第2期28卷 178-182页

作者：宋立新王祁王玉静梁堃哈尔滨工业大学自动化测试与控制系黑龙江哈尔滨150001 哈尔滨理工大学电子信息工程系黑龙江哈尔滨150040

针对在经验模态分解(EMD)筛选过程中间断信号引起的模态混叠问题,提出了一种新的解决方法.该方法为根据间断过程信号与正常背景信号时间尺度的不同,利用固有模态函数(IMF)的瞬时频率特性实现间断信号的精确定位,依据定位的间断信号段经... 详细信息

针对在经验模态分解(EMD)筛选过程中间断信号引起的模态混叠问题,提出了一种新的解决方法.该方法为根据间断过程信号与正常背景信号时间尺度的不同,利用固有模态函数(IMF)的瞬时频率特性实现间断信号的精确定位,依据定位的间断信号段经端点延拓重新做EMD分离出间断信号,从而在后续的EMD中消除该间断信号的影响.将该方法与小波法消除间断信号的结果进行了比较,显示其滤除结果的信号失真较小,并可将间断信号分解为一固有模态函数.

关键词：经验模态分解 Hilbert-Huang变换间断信号测试模态混叠

来源：评论

学校读者我要写书评

暂无评论

集成经验模态分解中加入白噪声的自适应准则

引用

振动．测试与诊断 2011年第6期31卷 709-714,811页

作者：蔡艳平李艾华徐斌许平何艳萍第二炮兵工程学院五系西安710025 西安交通大学机械制造系统工程国家重点实验室西安710049 第二炮兵工程学院六系西安710025

现有集成经验模态分解(ensemble empirical mode decomposition,简称EEMD)算法中加入白噪声的大小与集成的次数都需要人为按照经验设定,缺乏可靠性。针对此问题,提出了自适应集成经验模态分解(adaptive ensemble empirical mode decompo... 详细信息

现有集成经验模态分解(ensemble empirical mode decomposition,简称EEMD)算法中加入白噪声的大小与集成的次数都需要人为按照经验设定,缺乏可靠性。针对此问题,提出了自适应集成经验模态分解(adaptive ensemble empirical mode decomposition,简称AEEMD)算法,并给出了一种在EEMD方法中有效加入白噪声的可依据准则。首先,计算出输入信号的幅值标准差;然后,采用高通滤波方法对输入信号进行分解,通过计算高通滤波分解后的高频分量幅值标准差和输入信号幅值标准差来确定加入白噪声的幅值标准差,在此基础之上,EEMD集成次数根据期望的信号分解相对误差和加入白噪声的幅值标准差惟一确定;最后,为了进一步提高相邻模态函数的正交性,对AEEMD分解结果进行二次处理。仿真试验验证了AEEMD方法的抗混分解能力,将AEEMD方法应用于转子油膜涡动的故障监测诊断中,提取出转子油膜涡动的故障特征,并与基本EMD算法进行了对比,结果表明,AEEMD更加精确地提取了油膜涡动信号的故障特征。

关键词：旋转机械故障诊断集成经验模态分解模态混叠

来源：评论

学校读者我要写书评

暂无评论

基于聚类经验模态分解(EEMD)的汶川M_S8.0强震动记录时频特性分析

引用

地震学报 2012年第3期34卷 350-362,425页

作者：李大虎赖敏何强马新欣顾勤平四川省地震局中国成都610041 中国地震局地球物理研究所中国北京100081 江苏省地震局中国南京210014

在2008年5月12日汶川MS8.0地震中,四川数字强震台网共获取了133组三分向加速度记录.本文选取了一些不同断层距的台站所获取的强震动记录进行了处理和分析.在数据处理中,采用基于聚类经验模态分解(EEMD)提取信号时频特性的方法,有效获得... 详细信息

在2008年5月12日汶川MS8.0地震中,四川数字强震台网共获取了133组三分向加速度记录.本文选取了一些不同断层距的台站所获取的强震动记录进行了处理和分析.在数据处理中,采用基于聚类经验模态分解(EEMD)提取信号时频特性的方法,有效获得了信号能量的时频分布,提取了中心频率、Hilbert能量、最大振幅对应的时频等特性,并与傅里叶变换、小波变换进行了对比研究.研究结果表明,对非线性的强震记录采用聚类经验模态分解(EEMD)能抑制经验模态分解(EMD)中存在的模态混叠问题;与傅里叶变换和小波变换相比发现,HHT边际谱在低频处幅值高于傅里叶谱;与小波变换受到所选取的母波强烈影响不同,HHT直接从强震记录中分离出固有模态函数(IMF),更能反映出原始数据的固有特性,Hilbert谱反映出大部分能量都集中在一定的时间和频率范围内,而小波谱的能量却在频率范围内分布较为广泛.因此,基于EEMD的HHT在客观性和分辨率方面都具有明显的优越性,能提取到更多强震加速度记录的时频特性.

关键词：聚类经验模态分解希尔伯特-黄变换强震动加速度记录模态混叠时频特性Hilbert谱

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：