检索结果-内蒙古大学图书馆

控制工程 2018年第1期25卷 37-43页

作者：齐咏生赵鹏高胜利王林刘月文内蒙古工业大学电力学院呼和浩特010080 内蒙古北方龙源风力发电有限责任公司呼和浩特010050 教育部风能太阳能重点实验室内蒙古自治区可再生能源重点实验室呼和浩特010080

大型风力发电机组的轴承振动信号往往呈现非线性、非平稳特性，目前常用故障诊断方法在实际应用中误诊率较高。为此提出基于聚合经验模态分解（EEMD）和Teager能量算子提取信号的故障特征，并采用核熵成分分析（KECA）实现轴承故障的监... 详细信息

大型风力发电机组的轴承振动信号往往呈现非线性、非平稳特性，目前常用故障诊断方法在实际应用中误诊率较高。为此提出基于聚合经验模态分解（EEMD）和Teager能量算子提取信号的故障特征，并采用核熵成分分析（KECA）实现轴承故障的监测与诊断策略。该方法首先基于EEMD分解对信号提取单分量本征模态函数，以满足Teager能量算子对信号的单分量要求；之后基于Teager能量算子解调算法提取特征向量：最后，将特征向量作为输入构建KECA诊断模型，实现故障的监测与诊断。将该方法应用于模拟风机滚动轴承故障试验台采集数据，结果表明该方法可有效提取非平稳信号中的故障特征，实现对风机轴承的故障识别。

关键词：故障诊断聚合经验模态分解核熵成分分析 Teager能量算子滚动轴承

来源：评论

学校读者我要写书评

暂无评论

基于改进的HHT边际谱齿轮箱故障诊断

引用

煤矿机械 2013年第10期34卷 251-254页

作者：马百雪潘宏侠杨素梅中北大学机械工程与自动化学院太原030051

针对信号经验模态分解(EMD)过程中存在波形混叠现象,提出一种基于聚合经验模态分解(EEMD)和Hilbert边际谱相结合的方法对齿轮箱故障进行故障诊断。首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理,提高EEMD分解的精确度... 详细信息

针对信号经验模态分解(EMD)过程中存在波形混叠现象,提出一种基于聚合经验模态分解(EEMD)和Hilbert边际谱相结合的方法对齿轮箱故障进行故障诊断。首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理,提高EEMD分解的精确度;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对2种工况信号进行Hilbert变换并计算得到边际谱,确定故障信号的故障频率。研究表明该方法在避免EMD分解带来的模态混叠现象方面具有可行性,能提高齿轮箱故障诊断的准确率。

关键词：聚合经验模态分解 Hilbert边际谱小波降噪故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于白噪声统计特性与EEMD的高速列车横向减振器故障诊断

引用

计算机应用研究 2016年第9期33卷 2648-2651页

作者：李辉金炜东西南交通大学电气工程学院成都610031

针对高速列车横向减振器故障信号非线性非平稳的特点,提出了基于白噪声统计特性与聚合经验模态分解(EEMD)相结合的故障诊断算法。利用经验模态分解(EMD)对故障信号进行去噪,然后对去噪后的信号进行EEMD分解,最后对用相关系数求得的最能... 详细信息

针对高速列车横向减振器故障信号非线性非平稳的特点,提出了基于白噪声统计特性与聚合经验模态分解(EEMD)相结合的故障诊断算法。利用经验模态分解(EMD)对故障信号进行去噪,然后对去噪后的信号进行EEMD分解,最后对用相关系数求得的最能反映振动信号的本征模态函数(IMF)计算排列组合熵。在240 km/h速度下,对高速列车横向减振器七种工况进行诊断,识别率达到91.8%。实验结果表明,与基于小波熵特征分析的算法相比,该算法具有更高的识别率和更强的抗噪性能。

关键词：高速列车横向减振器故障诊断白噪声统计特性支持向量机聚合经验模态分解

来源：评论

学校读者我要写书评

暂无评论

PMI对我国经济增长预测的实证研究

PMI对我国经济增长预测的实证研究

引用

作者：罗欣雨首都经济贸易大学

学位级别：硕士

提前把握宏观经济动向,科学地预测经济走势,必须利用好经济中的先导指标,特别是在经济波动较大的时期。PMI指数是每月月初发布的时效性很高的指标,如何充分提取PMI提供的信息,实现对经济增长的预测,特别是长期预测,具有重要意义。本文选... 详细信息

提前把握宏观经济动向,科学地预测经济走势,必须利用好经济中的先导指标,特别是在经济波动较大的时期。PMI指数是每月月初发布的时效性很高的指标,如何充分提取PMI提供的信息,实现对经济增长的预测,特别是长期预测,具有重要意义。本文选取2005年1季度至2017年4季度的制造业PMI和三大产业GDP累计同比增长率作为拟合数据,2018年1季度至2019年1季度数据作为预测数据,进行了相关研究。首先,采用聚合经验模态分解(EEMD)方法,将PMI分解为短期、中期、中长期,长期波动和长期趋势共5条分量,利用傅里叶变换研究了前4个分量的波动变化和周期,通过比较经济增长的规律发现PMI走势稳中有进的主要原因是受长期波动和长期趋势的影响。其次,使用偏最小二乘回归(PLS)研究了PMI分量和两个辅助因子(CPI和PPI)对三大产业的影响。研究结果表明,前4个分量的波动存在对冲关系,因此对经济增长影响不显著。经济增长主要受PMI长期波动分量和长期趋势项的影响,这意味利用先导指标PMI的信息有可能实现对经济增长的预测。为此,本文将偏回归方法和ARMA方法结合,利用PMI分量和辅助因子的1-3期延迟分别对2018年三大产业GDP的增长率建立了预测方程,预测结果表明,1季度预测误差1%以内,2季度3%左右,3季度10%以上。比较2018年与2019年的预测效果,相较2018年,2019年的预测效果非常不理想,说明该方法受意外冲击(贸易摩擦等)的影响较大。本文的主要结论如下:(1)PMI特别是其长期趋势对经济增长的变化影响较大;(2)PMI前4个分量间有较好的对冲关系,这对经济平稳运行有利;(3)本文的EEMD、PLS和ARMA相结合的预测方法,1-2季度的短期效果好,3季度及以上的预测模型失效,经济受意外冲击时效果不理想。如何有效利用好PMI信息实现较为准确的长期预测,还需进一步研究。

关键词： PMI 聚合经验模态分解偏最小二乘回归经济增长预测

来源：评论

学校读者我要写书评

暂无评论

基于EEMD的高速列车安全性态数据的特征研究

基于EEMD的高速列车安全性态数据的特征研究

引用

作者：井波西南交通大学

学位级别：硕士

在列车长期服役过程中,其转向架上关键部件的磨耗会导致性能产生不同程度的蜕化,这会影响列车运行的安全性和乘坐的舒适度,因此列车安全预警与健康维护显得尤为重要。高速列车运行中,分布在列车各个位置的传感器会监测到海量的数据,而... 详细信息

在列车长期服役过程中,其转向架上关键部件的磨耗会导致性能产生不同程度的蜕化,这会影响列车运行的安全性和乘坐的舒适度,因此列车安全预警与健康维护显得尤为重要。高速列车运行中,分布在列车各个位置的传感器会监测到海量的数据,而对这些数据所包含的故障信息进行特征提取,并反演高速列车的健康运行状况是目前研究的热点和难点。针对监测数据的非线性和非平稳性,本文引入了具有自适应特点的聚合经验模态分解(EEMD),同时结合不同的特征提取方法,研究分析了轨道波浪弯曲不平顺,横向减振器和抗蛇行减振器性能蜕化以及横向减振器不同个数失效三类工况。(1)研究了经验模态分解(EMD)的相关理论,为解决其产生的模态混叠现象,在EMD基础上引入了由白噪声辅助的聚合经验模态分解(EEMD)方法,EEMD既能将信号按不同的时间尺度分解,获得信号的局部信息,也能对抑制模态混叠的发生有很好的效果。(2)阐述了小波脊线法提取信号频率和幅值特征的理论,并利用EEMD和小波脊线法相结合的特征提取方法,用于检测轨道波浪弯曲不平顺。首先对列车监测数据进行EEMD预处理,选择包含较多原信号信息的IMF分量,然后利用小波脊线法提取其频率和幅值两个特征,判断其是否符合轨道波浪弯曲不平顺的特点,从而实现在时频域对轨道波浪弯曲不平顺的检测。(3)针对横向减振器和抗蛇行减振器性能蜕化的振动特性,提出了经验模态互相关分析法,并定义了经验模态互相关系数,用其作为定量描绘减振器不同蜕化程度的特征。利用该方法分析两类减振器蜕化程度的仿真数据,将提取的经验模态互相关系数输入到支持向量机中进行分类识别,实验结果证明了该方法的可行性。(4)为了研究高速列车振动信号的局部复杂度特性,对EEMD分解得到的IMF分量分别提取排列熵和关联维数两个特征,可获取信号不同频带上的复杂度信息。以横向减振器不同个数失效的工况数据为分析对象,分别用这两种方法对该数据进行特征提取,结果表明：两种特征提取方法均能够很好的表征横向减振器不同个数失效的工况,且基于EEMD排列熵的方法优于基于EEMD关联维数的方法。本文工作得到国家自然科学基金重点项目(No.61134002)的资助。

关键词：高速列车监测数据聚合经验模态分解轨道波浪弯曲小波脊线法性能蜕化信号复杂度特征

来源：评论

学校读者我要写书评

暂无评论

基于二次EEMD的WVD算法及在振动信号分析中的应用

基于二次EEMD的WVD算法及在振动信号分析中的应用

引用

作者：刘卜瑜燕山大学

学位级别：硕士

Wigner-Ville分布（WVD）作为一种最基本的时频分布凭借着多种优良的数学性质被应用于信号处理等领域，但因其不满足可加性而引起的交叉项却影响了信号分析的准确性。针对此问题提出利用二次聚合经验模态分解（Ensemble Empirical ModeD... 详细信息

Wigner-Ville分布（WVD）作为一种最基本的时频分布凭借着多种优良的数学性质被应用于信号处理等领域，但因其不满足可加性而引起的交叉项却影响了信号分析的准确性。针对此问题提出利用二次聚合经验模态分解（Ensemble Empirical ModeDecomposition, EEMD)的方法来消除Wigner-Ville分布的交叉项。该方法首先用EEMD将原信号分解成为若干本征模函数（Intrinsic Mode Function,IMF）,随后再利用EEMD对获得的IMF进行二次处理，得到一组新的IMF，然后对新得到的若干模态成分分别进行WVD计算，最后将各项结果求和得到信号的WVD分布。该方法在改善模态混叠的同时有效地消除了Wigner-Ville分布交叉项，并保留了Wigner-Ville分布的各种优良特性。计算机仿真和试验研究证实，该方法收到了很好的效果。为了简化MATLAB分析振动信号时的操作步骤提高数据分析效率，以LabVIEW中的MATLAB Script节点为纽带，利用LabVIEW与MATLAB混合编程的方法设计开发了振动信号辅助分析工具，包含小波分析、Wigner-Ville分布和Hilbert-Huang等多种信号分析方法，而且能够共享振动信号采集工具的数据库，该工具增强了人机交互能力，简化了离线分析振动信号的步骤，在很大程度上提高了振动信号离线分析的效率。最后，将基于二次EEMD的WVD算法也融合到了振动信号辅助分析工具中，并将其用于承德钢厂工程实际的故障诊断中，结果证实了基于二次EEMD的WVD算法的在实际应用中的准确性和可行性，同时也证实了振动信号辅助分析工具的实用性。

关键词： Wigner-Ville分布聚合经验模态分解经验模态分解交叉项旋转机械故障诊断 LabVIEW 虚拟仪器信号处理

来源：评论

学校读者我要写书评

暂无评论

风电机组传动机构监测诊断系统研究与应用

风电机组传动机构监测诊断系统研究与应用

引用

作者：江鸿泽华北电力大学

学位级别：硕士

对于风力发电系统而言,状态监测是风机日常运行维护的重要依据,在电力工业领域它的应用与日俱增、势在必行。风电机组状态监测系统简称CMS(Condition Monitoring System),理论上,它可以了解机组的运行状态、提高机组的可靠性、减少非计... 详细信息

对于风力发电系统而言,状态监测是风机日常运行维护的重要依据,在电力工业领域它的应用与日俱增、势在必行。风电机组状态监测系统简称CMS(Condition Monitoring System),理论上,它可以了解机组的运行状态、提高机组的可靠性、减少非计划停机次数;预先发现并诊断出故障、防止故障扩大而引起事故和损失;帮助杜绝未预料的紧急停机并优化维修策略从而降低企业运维费用等。风电场偏僻的地理位置、恶劣的气候条件以及风力发电机组高昂的备件成本等因素,都推动着风机制造商和风电场业主开始推广和使用CMS,使CMS这项技术在风电行业得到了迅猛发展。然而,CMS在风电行业的快速应用与发展的同时,也出现了许多困难、疑惑与新问题,使得CMS的应用总是伴随的争议、质疑及技术上的不确定性。本课题正是在此背景下,对风电机组主要部件状态监测诊断系统进行研究与应用。(1)本文针对风力发电机组主要传动机构的故障类型进行分析,特别是针对传动链中典型故障进行了深入研究。(2)自主研制一套在线式和一套便携式风电机组监控系统,其中包括硬件数据采集电路,数据监测软件以及对故障数据进行诊断的离线软件。(3)在对风电机组传动机构监测数据进行分析识别的基础上,采用了基于EEMD(ensemble empirical mode decomposition,聚合经验模态分解,噪声辅助数据分析方法)和Teager能量算子(teager energy ***,Teager)解调方法,进行故障识别。通过对采集的实际风机数据进行分析验证,结果表明该法可以对风电机组传动链的故障特征频率提取并判断故障。(4)将研制的检测系统分别安装在内蒙古黄旗翁贡乌拉和包头白云鄂博两个风电场进行测试运行。

关键词：风电机组状态监测系统故障诊断可预测性维护系统聚合经验模态分解

来源：评论

学校读者我要写书评

暂无评论

基于最小二乘支持向量机的超短期风功率组合预测模型研究

基于最小二乘支持向量机的超短期风功率组合预测模型研究

引用

作者：杨旭琼湖南大学

学位级别：硕士

随着我国的风电装机总容量的逐渐提高,风力发电场的输出功率具有波动性、随机性及不稳定性等特点,风电大规模上网会严重影响电力系统的安全稳定运行、电能质量、调度计划。实践证明,精确的风功率预测有利于电力系统调度部门制定风电并... 详细信息

随着我国的风电装机总容量的逐渐提高,风力发电场的输出功率具有波动性、随机性及不稳定性等特点,风电大规模上网会严重影响电力系统的安全稳定运行、电能质量、调度计划。实践证明,精确的风功率预测有利于电力系统调度部门制定风电并网计划,保证电能质量,提高电网运行安全可靠性、经济性与市场竞争力。论文针对风力发电输出功率的特点与风电并网的要求,围绕如何提高超短期风功率最小二乘向量机的模型预测问题及求解方法进行了如下研究:首先,采用引力搜索算法(Gravitational SearchAlgorithm,GSA),针对算法中可能存在的陷入局部最优化、收敛速度慢以及控制参数依赖性强等问题,提出了一种改进型引力搜索算法,即通过引入混沌序列初始种群、全局记忆性的速度权重系数和高斯扰动来实现算法的性能优化。通过算例分析证明了改进型GSA的全局搜索性能与收敛速度更优越。然后,详细阐述了最小二乘支持向量机模型(Least Squares Support Vector Machines,LSSVM)的数学理论,在此基础上提出了一种基于指数径向基核函数的最小二乘支持向量机风功率预测模型。由于该模型的核参数与惩罚因子的选择会影响其预测精度与泛化能力,为此采用改进型引力搜索算法来优化这些参数,削弱这些影响;此外,为了分析指数径向基核构建的LSSVM模型的性能,将之与七种常见核函数LSSVM预测模型进行了算例比较。超短期风功率仿真结果表明:采用基于指数径向基函数(Exponential Radial BasisFunction,ERBF)核函数的最小二乘支持向量机预测模型相对其他核函数的预测准确性有较大地提高。采用改进型引力搜索算法(Ameliorated Gravitational Search Algorithm,AGSA)算法优化得到的最优学习参数可使得LSSVM模型具有更好的预测能力与泛化性能。最后,提出了一种聚类经验模态分解法(Ensemble Empirical Mode Decomposition,EEMD)、相空间重构法(Phase Space Reconstruction,PSR)与AGSA-LSSVM相结合的组合预测模型。该组合预测模型利用EEMD分解风功率信号,再对分解后子序列进行相空间重构,接着对各子序列建立AGSA-LSSVM预测模型,最后叠加求和得到最终的预测值。仿真结果表明:该组合模型正确、有效地降低风功率时间序列的非平稳性能,预测精度得到了进一步提高,与其他模型相比较预测性能更优异。

关键词：风功率超短期预测改进型引力搜索算法聚合经验模态分解最小二乘向量机指数径向基核函数

来源：评论

学校读者我要写书评

暂无评论

基于EEMD的高速列车转向架故障诊断

引用

计算机工程 2013年第12期39卷 1-4,10页

作者：秦娜金炜东黄进李智敏刘景波西南交通大学电气工程学院成都610031

高速列车的转向架机械故障会引起转向架和车体振动信号的变化，严重影响高速列车运行的安全性和舒适度。为此，提出一种基于聚合经验模态分解的高速列车转向架故障诊断方法。针对转向架空气弹簧失气、抗蛇形减振器失效、横向减振器失效... 详细信息

高速列车的转向架机械故障会引起转向架和车体振动信号的变化，严重影响高速列车运行的安全性和舒适度。为此，提出一种基于聚合经验模态分解的高速列车转向架故障诊断方法。针对转向架空气弹簧失气、抗蛇形减振器失效、横向减振器失效和原车4种工况进行仿真实验，得到列车不同位置的振动信号。信号经聚合经验模态分解得到一系列固有模态函数，分别提取能量矩特征，反映不同尺度上能量随时间的分布规律。将第2阶～第6阶经验模态能量矩构成的5维特征矢量作为支持向量机分类器的输入，在列车行驶200km/h的速度下进行转向架故障识别，结果表明，该方法的识别正确率可达到95％以上。

关键词：转向架故障诊断特征提取聚合经验模态分解能量矩支持向量机

来源：评论

学校读者我要写书评

暂无评论

轨道不平顺数据去噪及TQI预测算法研究

轨道不平顺数据去噪及TQI预测算法研究

引用

作者：郭帅锋湖南大学

学位级别：硕士

轨道的几何平顺状态是轨道结构部件综合性能的体现。随着我国铁路运营里程和列车载荷量的快速增加,轨道线路几何状态的恶化速度也越来越快,这对铁路工务部门的维护和保养也提出了更高的要求。如何获取准确的轨道检测数据和利用轨道不平... 详细信息

轨道的几何平顺状态是轨道结构部件综合性能的体现。随着我国铁路运营里程和列车载荷量的快速增加,轨道线路几何状态的恶化速度也越来越快,这对铁路工务部门的维护和保养也提出了更高的要求。如何获取准确的轨道检测数据和利用轨道不平顺检测的历史数据对轨道不平顺的发展规律进行科学地研究,合理地预测轨道不平顺的发展趋势,对铁路的养护管理和保证列车安全平稳运行具有重要的现实意义。这已经成为当前铁路部门保证线路平顺性,提高维护效率和减少维修开支的重要手段。针对轨道动态检测数据中存在噪声的问题,结合聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法的自适应特性,利用夹角余弦和模糊阈值对原始检测数据进行处理。由夹角余弦法得到噪声主导和信号主导的本征模态函数(Intrinsic Mode Function,IMF)的分界位置,并利用模糊阈值法对噪声主导IMF进行处理,得到消噪信号。在不同信噪比下对三种仿真信号进行去噪实验,结果表明本文算法在整体上优于小波半软阈值,EMD-Soft算法和EMD-IT去噪算法。然后任意截取两段轨道不平顺动态检测数据进行去噪,结果表明本文的去噪算法能够很好地减少轨道动态检测数据所存在的噪声,为轨道不平顺的管理提供更加真实的不平顺数据。由于我国轨道质量指数(Track Quality Index,TQI)的历史数据积累不足,使得TQI预测为小样本预测。针对TQI发展的趋势性和随机性,文中分别对灰色模型和支持向量机模型进行研究和分析。利用灰色模型对长期预测精度高和支持向量机模型对非线性小样本数据拟合效果好的特点,建立了一种基于灰色和支持向量机(Support vector machine,SVM)的预测模型对未来一段时间的TQI变化趋势进行预测。为了提高模型的预测精度,对传统的灰色模型进行改进,并使用粒子群优化(Particle swarm optimization,PSO)算法进行参数选择。分别对沪昆线上行三段线路的轨道不平顺数据进行预测,结果表明本文所提出的预测模型的预测精度较高,也更加易于程序化的计算。

关键词：轨道不平顺聚合经验模态分解信号去噪灰色模型支持向量机

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：