作者:李东; 刘广璞; 黄晋英; 张安安 期刊:《机械设计与研究》 2019年第06期
针对轴承振动信号具有非线性、非平稳性以及故障特征提取困难鸽问题,提出了一种基于EEMD-SVD与支持向量机的轴承故障诊断方法。首先,利用集成经验模态分解方法将轴承振动信号自适应地分解为多个本征模态函数分量。然后,根据哨度准则选取6个本征模态函数分量,并将其构成的矩阵进行奇异值分解得到特征向量。最后,将特征向量输入支持向量机进行故障诊断。利用凯斯西储大学的轴承数据进行了试验,并与BP神经网络进行了对比,结果验证了本...
作者:肖顺根; 马善红; 宋萌萌; 孔庆光 期刊:《服装学报》 2015年第05期
针对滚动轴承传统上侧重某一时间点的故障类型诊断问题,提出一种注重评估全寿命周期中性能退化趋势的指标提取方法。利用EEMD分解初始信号得到诸多IMF分量,采用相关系数准则提取相关程度高的IMF分量作为有效信息进行重构,实现信号的降噪处理。对降噪信号分别建立时域、频域和时频域共37个性能退化指标,剔除敏感度太弱和信息过于嘈杂等不适合表征滚动轴承退化趋势指标后,利用PCA法进行加权融合剩余的多域性能退化指标,最终得到能全...
作者:张智军; 杨博楠; 杜金强 期刊:《国防科技大学学报》 2018年第03期
针对传统方法无法有效识别不同尺寸细小裂纹所产生的脉冲涡流信号,提出一种基于希尔伯特-黄变换的脉冲涡流信号消噪与识别算法.对脉冲涡流信号进行集成经验模态分解并通过归一化自相关函数及其方差特性分选出含有噪声的本征模态函数;对含噪声的本征模态函数进行阈值消噪并与未做处理的本征模态函数重构成无噪声信号;对无噪声信号进行希尔伯特-黄变换并计算出希尔伯特边际谱;根据希尔伯特边际谱的差异识别出不同细小尺寸的表面与下...
作者:何建敏; 白洁 期刊:《现代财经天津财经大学学报》 2015年第08期
通过构造EEMD-VAR结构对余额宝收益率的影响因素进行实证研究。结果表明:余额宝收益率与其影响因素间所构成的关系系统是稳定的;银行间同业拆借利率和广义货币供应量对余额宝收益率的影响程度和方差贡献度最大,表明国内市场资金面和货币政策的松紧程度对余额宝收益率的变动起着重要作用;汇率水平和银行存贷比均与余额宝收益率呈负相关,但影响程度并不显著。
作者:李香龙; 张宝群; 张宇; 孙钦斐; 孟颖; 赵凤展 期刊:《电测与仪表》 2018年第10期
为了快速准确地预测含高比例电采暖设备的配电变压器的短期负荷,提出了基于集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)及BP神经网络算法组合的含电采暖的配电变压器短期负荷预测方法,该方法考虑了采暖日天气类型、采暖日温度等环境条件对居民采暖行为的影响。首先运用EEMD方法将日负荷序列分解成4组频率由低至高的分量序列及1组剩余分量序列,再将各分量序列及温度数据、气象数据输入BP神经网络中进行预测,最...
作者:谢碧霞; 林丽君; 白阳振 期刊:《电力科学与工程》 2019年第07期
采用一种基于互补自适应噪声集成经验模态分解(Ensemble Empirical Mode Decomposition with Complementary Adaptive Noise,EEMDCAN)的支持向量机(SVM)短期风电功率组合预测方法以克服风电功率的强非线性、大波动性的特性。EEMDCAN算法在序列分解中加入成对的正负噪声分量有效提高序列重构精度和分解速度。对分解得到不同复杂度的子序列建立相应的SVM预测模型,并利用粒子群算法对SVM模型参数进行优化,改善模型预测能力。将各子序...
作者:姜百臣; 冯凯杰; 彭思喜 期刊:《广东农业科学》 2018年第12期
针对近年频现“价高伤民,价贱伤农”的“猪周期”现象,尝试使用集成经验模态分解(EEMD)方法挖掘出“猪周期”的价格波动机制,并引入遗传算法(GA)改进支持向量机。研究结果发现,通过EEMD方法能较好地展示出“猪周期”的循环轨迹;通过对比常用的预测模型,发现基于EEMD的GASVM模型预测精测更高,是一种更具有科学性的价格预测工具。
作者:叶红宇; 卓越; 杨小林 期刊:《铁道建筑》 2018年第07期
对比了常用4种降噪方法的优缺点,针对隧道爆破振动信号随机、瞬态、非平稳且含非纯白噪声的特点,提出先对振动信号予以集成经验模态分解(ensemble empirical mode decomposition,EEMD)然后采用小波包降噪的方法。该方法可在消除随机噪声的同时,更多地保留信号的细节特征,尤其是信号中存在高频有效分量时更为优越。经EEMD分解后在最佳小波基和最佳分解级数下小波包降噪法的降噪效果优于小波降噪法、缺省阈值降噪法和Birge-Massart阈...
针对经验模态分解(EMD)方法易产生模态混叠问题,而集成经验模态分解(EEMD)方法又存在重构误差较大的缺陷,提出了一种基于完备集成经验模态分解(CEEMD)阈值滤波和相关系数原理的MEMS陀螺信号去噪方法。首先通过CEEMD方法对陀螺信号进行有效完备的分解,并利用相关系数原理合理确定分解后噪声分量与有效分量的界限。在此基础上,通过借鉴小波阈值处理方式和EMD阈值设置方法,对信号进行阈值滤波去噪。对仿真信号和实际MEMS陀螺信号的研...
作者:田晶; 王英杰; 王志; 艾延廷; 孙丹 期刊:《仪器仪表学报》 2018年第07期
针对滚动轴承早期故障信号非平稳、非线性,强噪声的特点,提出了一种将集成经验模态分解(EEMD)和空域相关降噪相结合的滚动轴承故障诊断方法。该方法首先采用EEMD对滚动轴承故障信号进行分解,得到若干个IMF分量,其次,采用峭度—度量因子准则筛选出有效的IMF分量进行信号重构,然后,采用空域相关降噪方法对重构信号进行降噪处理,最后,提取降噪后信号的故障特征频率对轴承故障进行诊断。采用建立的方法对某轴承内圈、外圈故障实验数...
作者:殷豪; 陈云龙; 孟安波; 林艺城 期刊:《太阳能学报》 2019年第07期
针对传统相似度函数在聚类过程中所存在的问题,提出改进灰色-欧氏距离相似度函数,并将历史样本日模糊聚类分为若干类。另外,考虑到光伏输出数据的复杂性,该文结合小波分解(WD)和集成经验模态分解(EEMD)的各自优势,对光伏数据作双分解处理,得到趋势分量与细节分量,然后采用二次自适应支持向量机模型分别进行光伏功率预测。最后,采用美国俄勒冈州某处光伏发电场的实测数据实验,验证模型的实用性和可行性。
作者:丁锋; 栗祥; 韩帅 期刊:《航空动力学报》 2018年第06期
针对涡桨发动机转子系统振动信号的非平稳特征,提出一种基于集成经验模态分解(EEMD)与邻域粗糙集(NRS)的涡桨发动机转子故障诊断方法。该方法先对转子振动信号进行EEMD,提取原始信号的时域特征和多尺度排列熵(MPE)特征,转子系统的大部分故障信息隐藏在前几个高频本征模态函数(IMFs)中,分别计算它们的时域指标、能量特征和奇异值分解(SVD)特征;利用NRS评估各个特征的属性重要度,进而选出敏感特征;将其作为支持向量机(SVM...
作者:方海泉; 薛惠锋; 蒋云钟; 万毅; 周铁军; 王海宁 期刊:《系统工程理论与实践》 2018年第09期
加强取用水监测是实施最严格水资源管理制度的重要举措.为了更有效地利用大量的取用水在线监测数据,需要对获取的监测数据进行预处理.本文首先提出应用中位数法与曲线拟合相结合的方法对取用水监测数据进行异常值检测,再用曲线拟合方法对异常值进行校正;其次,根据校正后得到的数据进行两个方面的分析,一方面是计算监测点的年取水量,另一方面是应用集成经验模态分解方法分析监测点的日取水量变化趋势;最后,以M市的16个自来水厂2016...
作者:郭晓梅; 朱晓军 期刊:《计算机工程与设计》 2018年第11期
为提升对非线性非平稳信号的消噪性能,在EEMD阈值消噪法的基础上结合平移不变(translation invariant,TI)算法,提出一种TI总体经验模态分解自适应阈值处理的EEG去噪方法。EEMD阈值消噪有效避免小波阈值法在小波基选择上存在的缺陷,平移不变算法思想的引入进一步抑制模态混叠现象的发生。以信噪比、均方根误差、皮尔逊相关系数和最大峰值误差作为定量分析标准,将所提方法与其它算法进行比较,仿真和真实信号的实验结果均表明,EEMD阈...
作者:张建伟; 侯鸽; 暴振磊; 张翌娜; 马颖 期刊:《振动与冲击》 2017年第22期
针对泄流结构振动信号非平稳性和特征信息被强噪声淹没的实际问题,提出一种基于具有自适应噪声的完整集成经验模态分解(CEEMDAN)和奇异值分解(SVD)联合的信号降噪方法。对一维泄流振动信号时程进行CEEMDAN分解,将信号分解为一系列固有模态函数分量(IMF),运用频谱分析方法筛选包含主要振动信息的IMF分量,滤除低频水流噪声,实现信号的初次滤波;利用排列熵理论确定含噪声较多的IMF分量,采用奇异值分解技术提取奇异值信息,运用奇...
作者:方海泉; 薛惠锋; 蒋云钟; 周铁军; 万毅; 王海宁 期刊:《农业机械学报》 2017年第09期
提出利用中位数法与集成经验模态分解(EEMD)相结合的方法对时间序列数据的异常值进行检测,首先通过中位数法对明显异常的数据进行初步筛选,再用EEMD对剩余数据进行分解,通过叠加低频分量可以拟合出大多数数据的整体变化趋势,而不受异常值的影响,从而根据偏差比率可有效检测出异常值。然后根据异常值检测后的时间序列数据的凹凸性变化趋势,用分段曲线拟合对异常值校正。最后,以H1自来水厂的日取水量数据为例进行实证分析。结果表...
作者:张勇 期刊:《中国工程机械学报》 2017年第02期
传统方法很难对滚动轴承的早期微弱故障进行有效诊断.共振稀疏分解是一种基于多字典库的稀疏分解方法,可以同时分解出滚动轴承故障信号中的瞬态冲击成分及其持续震荡成分(工频及其谐频成分).该方法在对滚动轴承早期微弱故障信号进行自适应滤波降噪(采用Ensemble Empirical Mode Decomposition,EEMD方法)基础上,对处理后的信号进行共振稀疏分解分析,分别构建高、低品质因子小波基函数字典库,并利用形态学分析方法建立信号稀疏表示的...
作者:佘博; 田福庆; 梁伟阁 期刊:《海军工程大学学报》 2017年第01期
针对滚动轴承早期微弱故障特征难以提取的问题,提出将最小熵反褶积(MED)和集成经验模态分解(EEMD)方法相结合用于提取轴承微弱故障特征的方法。首先,采用MED对滚动轴承振动信号降噪,以增强冲击特征;然后,利用EEMD分解降噪后信号得到一组固有模态分量(IMF),依据相关系数和峭度准则,选择敏感的IMF分量重构信号,并采用希尔伯特包络解调提取故障特征;最后,通过仿真信号和实验台信号验证了该方法的有效性。
作者:陈园艺; 孙建平 期刊:《电力科学与工程》 2016年第10期
为实现滚动轴承故障的精确诊断,提出一种基于集成经验模态分解与粒子群算法优化的支持向量机的故障诊断方法。利用EEMD方法分解振动信号,依据经验选取合适的内禀模态函数进行能量值及包络谱特征幅值比等故障特征参量的计算,构建滚动轴承故障特征向量,然后基于少量不同故障部位及故障程度的样本,利用粒子群算法对支持向量机进行参数优化,进而训练样本并建立故障模型,最后对测试样本进行故障诊断,观察该方法的诊断效果。实验表明,该...
作者:彭进; 王维庆; 王海云; 唐新安 期刊:《可再生能源》 2016年第10期
针对风力发电机组轴承故障振动信号具有高噪声、非线性、非平稳的特性,提出了一种集成经验模态分解与峭度-相关系数准则和多特征量提取的风电机组轴承故障程度的诊断方法。利用集成经验模态将振动信号分解成若干个本征模态分量,采用峭度和相关系数准则选取一组包含信息量最丰富的分量,对该组分量从时域指标、自回归模型参数矩阵的奇异值和能量熵3个角度的变化中提取和构造多特征量矩阵,输入支持向量机建立故障程度不同的多分类预测...