作者:张龙; 宋成洋; 邹友军; 崔路瑶; 雷兵 期刊:《机械设计与研究》 2019年第06期
滚动轴承处于早期故障阶段时,故障冲击特征成分难以提取,为了从轴承故障振动信号中提取特征参数,对轴承故障振动信号进行变分模态分解(Variational Mode Decomposition,VMD),得到若干个本征模态分量(IMFs),计算各个IMF的能量熵与样本熵,并利用主成分分析方法(PCA)对其进行特征融合。最后利用粒子群算法(PSO)优化的支持向量机(SVM)对融合特征进行故障模式识别。轴承故障实验分析结果表明,所提方法能够有效实现滚动轴承故障诊断。
作者:李桥; 巨能攀; 黄健; 王昌明; 赖若帆; 剪鑫磊 期刊:《长江科学院院报》 2019年第12期
坝肩边坡变形在外部因素影响下呈现出不确定性和随机性,从而不易预测。基于聚类模态分解(EEMD)、样本熵(SE)和改进型粒子群算法优化的最小二乘支持向量机(IPSO LSSVM)方法,提出一种名为EEMD SE IPSO LSSVM的坝肩边坡变形预测模型。首先,利用EEMD将原始坝肩边坡变形时间序列分解为若干个不同复杂度的子序列,并基于SE判定各子序列的复杂度,将相近的子序列进行合并重组以减少计算规模;然后,分别对各重组子序列建立IPSO LSSVM预测模型;...
作者:杨洪涛 期刊:《组合机床与自动化加工技术》 2020年第01期
为了准确诊断出轴承故障,提出了样本熵改进小波包阈值去噪算法的轴承故障诊断方法。分析了样本熵与噪声大小、数据长度、信号固有特征的关系,得出了样本熵可以很好表征噪声大小、与数据长度、信号固有特征相关性极小的结论。使用样本熵从三个方面改进了小波包阈值去噪算法:提出了自适应阈值函数,使阈值函数随噪声分布情况进行自适应调整;以噪声信号样本熵值最大为依据,提出了最优阈值估计方法,使阈值随噪声大小自适应调整;以相邻分...
作者:赵征; 乔锦涛 期刊:《电力科学与工程》 2019年第11期
针对风速的随机性和不稳定性,提出了基于集合经验模态分解的人工神经网络(Artificial Neural Network,ANN)组合预测模型。首先采用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)将信号分解,产生一系列特征互异的本征模态函数(Intrinsic Mode Functions,IMF)。之后计算各本征模态函数的样本熵(Sample Entropy,SE),将随机性相似的相邻分量重新组合,提高运算效率。并采用相空间重构(Phase Space Reconstruction,PSR)...
作者:于重重; 宁亚倩; 秦勇; 高柯柯 期刊:《仪器仪表学报》 2019年第08期
为了能够尽早发现滚动轴承开始出现显著退化的临界状态,精准预测滚动轴承的状态退化趋势,提出了T-分布随机近邻嵌入(T-SNE)样本熵状态退化特征指标和基于时间卷积网络(TCN)的轴承状态退化趋势预测方法。首先利用T-SNE算法提取原始振动信号的低维流形特征,再计算低维流形特征的样本熵作为状态退化特征,最后基于历史状态退化特征通过TCN算法预测轴承的状态退化趋势。实验结果表明,相较于传统特征指标,T-SNE样本熵特征指标能够至少提...
作者:周云龙; 常赫; 赵盘 期刊:《振动与冲击》 2019年第20期
将振动装置与气液两相流实验回路相结合,对起伏振动状态下水平通道内气液两相流进行实验研究,观察记录流型并此采集压差波动信号。同时采用多尺度熵方法对102种流动条件6种流型的压差波动信号进行分析。研究结果表明:起伏振动状态下水平管内主要流型包括泡状流、珠状流、炮弹流、弹状-波状流、沸腾波状流及环状流。利用小尺度下样本熵的变化速率特征可以明显区分水平通道内气液两相流型,而大尺度下样本熵的变化特征可以反映不同流...
为提高音乐风格识别的准确率,提出了一种基于样本熵和SVM的音乐风格识别模型。通过EMD分解提取不同音乐风格信号的样本熵,将样本熵作为SVM的输入,音乐风格类型作为SVM的输出,建立SVM的音乐风格识别模型。研究结果表明,与RBFNN、BPNN和KNN相比,SVM音乐风格识别准确率高达98.43%,从而说明SVM可以有效提高音乐风格识别的准确率。
作者:朱一龙; 邢志祥; 郝永梅; 吴洁; 严欣明; 岳云飞 期刊:《中国安全生产科学技术》 2019年第12期
为降低城市管道泄漏定位误差,提出1种改进的集合经验模态分解(IEEMD)样本熵分析的管道多点泄漏定位方法。首先通过在EEMD中添加自相关函数计算和EMD算法,得到IEEMD;然后应用IEEMD可将原始泄漏信号直接去噪并分解为真实信号分量和冗余分量,经样本熵分析计算剔除冗余分量,获得有效泄漏信号;最后根据互相关时延计算和声发射时差定位法精确计算泄漏点位置。结果表明:该方法泄漏信号提取效果好、计算效率更高,有效提高了信号的信噪比,降...
作者:杨晓楠; 吕国强; 侯鹏飞; 毕贵红 期刊:《软件导刊》 2019年第11期
针对实际电能质量扰动种类繁多、扰动信号差异不明显、存在多种混合扰动,导致识别电能质量非常困难的情况,提出一种基于极点对称经验模式分解方法(ESMD)和支持向量机(SVM)的电能质量混合扰动信号分类识别新方法。首先,对加入白噪声的混合扰动信号利用小波软阈值去噪处理;其次,利用ESMD将信号分解为不同信号分量,对每类扰动的不同信号分量分别提取样本熵和互样本熵特征值,所有分量特征值构成特征向量;最后利用SVM对扰动信号特征向量...
作者:朱振山; 董飞飞 期刊:《智慧电力》 2014年第10期
基于样本熵算法提出了一种可实时监测次同步振荡的方法,以转子扭矩为分析信号,计算连续时间段内扭矩的样本熵,通过分析样本熵的变化规律,实现次同步振荡的检测.所需数据量少,有较强的抗噪能力,IEEE第一标准模型的仿真分析验证了所提方法的有效性.
作者:李敏; 李江天; 宋战兵 期刊:《数字制造科学》 2019年第02期
为实现驾驶疲劳定量检测,设计了4 h高速单调路况模拟驾驶实验,通过编制的刺激信号采集反应时间,可穿戴设备采集皮电、肌电和心率信号,然后分析各信号变化规律,依据反应时间区分疲劳状态与清醒状态,选取生理信号特征指标,利用支持向量机(SVM)检测驾驶疲劳。研究发现:反应时间的变化呈跳跃性;皮电信号样本熵在疲劳状态下低于清醒状态,而大部分肌电信号样本熵在疲劳状态下高于清醒状态;基于SVM的驾驶疲劳检测算法准确率达86.25%,能有...
作者:赵建英; 黄晓霞 期刊:《信息技术与网络安全》 2015年第16期
针对精神分裂患者静息态脑磁特征提取的问题,提出一种基于EMD和样本熵的非线性动力学方法对脑磁信号特征进行提取。该方法首先用ICA对静息态MEG数据进行预处理;继而基于IAF进行波段提取,得到快α、慢α1和慢α2波段;然后分别由EMD和样本熵进行处理。结果表明,精神分裂患者的各波段样本熵普遍高于正常人,尤其是慢α1波段大脑左半球额叶、枕叶、颞叶区。
作者:胡媛馨; 高建卫; 孔戈; 徐春艳; 薛伟明; 范强龙 期刊: 2017年第05期
为解决建筑外墙饰面层的空鼓和脱落问题,运用动力特征参数分析方法和样本熵分析方法,利用固有频率、脉冲指标、峰值指标及样本熵4个特征参量,对正常与空鼓状态的普通饰面砖的敲击振动信号进行分析识别,结果表明:动力特征参数和样本熵这两种方法都可以有效地对普通饰面砖的建筑外墙饰面层的空鼓情况进行检测判别。这些研究成果在建筑外墙饰面层空鼓检测中具有实际的使用价值和应用前景。
作者:孙亚兴 期刊:《水资源开发与管理》 2019年第02期
本文根据塔里木河“三源一干”1960—2015年径流数据,先采用样本熵的小波阈值去噪方法对径流序列去噪,后利用集合经验模态分解(EEMD)方法,分析河川径流周期演变和变化趋势。结果表明:改进的EEMD方法适用于非线性、非平稳信号径流序列分析,有助于对径流变化特征进行深入探讨。
作者:李晓真 期刊:《山西能源学院学报》 2019年第05期
为提高供电系统运行的可靠性,以电机和变频器为负载,分别在15A、18A、20A电流等级开展了一系列串联型故障电弧实验。为使电流信号畸变特征明显,利用CEEMD方法对不同负载相邻5周期的电流信号进行了分解,得到若干IMF,选取前5阶IMF进行信息熵和样本熵特征提取。取正常和故障状态下的特征向量构成训练样本和测试样本,作为LSSVM的输入,对样本进行分类,从而识别串联型故障电弧是否发生。实验结果表明,该方法能够有效地识别故障的发生,并...
作者:马细霞; 朱慧青 期刊:《水电能源科学》 2019年第04期
传统的径流模拟序列检验方法是基于统计参数开展的,但由于径流具有高度的非线性、耗散性和复杂性,传统的检验方法虽能反映径流模拟序列和原始径流序列在各截口统计参数的吻合程度,但却忽视了径流作为一种时间序列的变化特征。因此,引入样本熵、小波熵概念,提出基于信息熵和统计参数的径流随机模拟序列检验方法,作为对传统检验方法的补充。以淮河支流沙河上漯河水文站月径流模拟系列为例进行应用研究,结果表明该方法可发现径流模拟...
作者:程晓宜; 陈启卷; 王卫玉; 郑阳; 郭定宇; 娄强 期刊:《水力发电学报》 2019年第04期
提出了一种基于多维特征和多分类器的水电机组故障诊断方法。通过提取水电机组不同状态下振动信号的时域特征、频域特征和集合经验模态分解-样本熵,构建多维特征,实现特征信息的多维互补,并利用遗传算法对构建的多维特征进行降维处理。以此多维特征作为分类器的输入,分别通过支持向量机、反向传播神经网络和朴素贝叶斯分类器进行故障诊断,将三种分类器的初步诊断结果进行融合得到最终诊断结论,从而提高水电机组故障诊断的准确率。...
作者:张雪英; 刘秀丽; 栾忠权 期刊:《组合机床与自动化加工技术》 2018年第09期
为实现齿轮故障模式的有效识别,提出了基于峭度准则变分模态分解(VMD)的样本熵与概率神经网络(PNN)的齿轮故障诊断方法。首先,利用VMD将齿轮振动信号进行分解;然后,提取峭度最大及次大分量的样本熵并组成特征向量;最后,将特征向量分别输入BPNN和PNN实现故障模式识别。通过齿轮故障试验对该方法进行验证,结果表明,基于峭度准则VMD样本熵与PNN相结合时的故障诊断准确率达96.25%,高于与BPNN结合时的准确率;将所提方法与基于峭度准则EE...
针对滚动轴承故障特征微弱以及振动信号的非平稳性,提出一种基于最大相关峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)和自适应白噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)样本熵相结合的滚动轴承故障诊断方法。首先采用MCKD算法降低滚动轴承信号内的噪声干扰,突出信号中的冲击特性;然后利用CEEMDAN方法对降噪信号进行分解,根据峭度-相关系数准则选择包...
作者:任国春; 赵永东; 冯辅周; 丁闯 期刊: 2017年第06期
针对行星齿轮传动故障诊断中的信号故障特征微弱、特征提取困难等问题,提出了基于自适应聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和样本熵(Sample Entropy,SE)的行星齿轮箱故障特征提取方法。首先,针对EEMD结果存在较大的盲目性和主观性等问题,提出自适应EEMD方法;然后,使用此方法将行星齿轮箱振动信号分解为若干个固有模态函数(Intrinsic Mode Functions,IMF)分量,通过相关性分析选取含有齿轮状态特征信息...