基于AVMD与Teager能量算子的风电机组故障诊断方法

1

作者 时培明 伊思颖 +2 位作者 张慧超 范雅斐 韩东颖 《振动.测试与诊断》 北大核心 2025年第2期390-397,418,共9页

为解决变分模态分解(variational mode decomposition,简称VMD)在噪声情况下提取风电机组故障特征时因参数设置的人为经验不足而带来的误差问题及耗费时间的问题,提出一种基于自适应变分模态分解(adaptive variational mode decompositi... 为解决变分模态分解(variational mode decomposition,简称VMD)在噪声情况下提取风电机组故障特征时因参数设置的人为经验不足而带来的误差问题及耗费时间的问题,提出一种基于自适应变分模态分解(adaptive variational mode decomposition,简称AVMD)算法的风电机组故障诊断方法。首先,将包络熵-峭度-互信息准则(envelope entropy,kurtosis and mutual information,简称EKM)作为黏菌算法(slime mold algorithm,简称SMA)的适应度函数来寻找最优解,并按照最优解对故障信号进行分解;其次,计算每个固有模态函数分量(inherent modal function,简称IMF)的峭度和与原信号的互信息,选择具有故障特征的分量进行重构;最后,通过Teager能量算子解调来识别风电机组故障特征频率。仿真信号和实际风电机组故障信号表明,所提方法能够找到故障频率及其倍频,验证了其在风电机组故障诊断领域中的有效性。 展开更多

关键词 自适应变分模态分解 黏菌算法 包络熵-峭度-互信息准则 TEAGER能量算子

在线阅读 下载PDF 职称材料

噪声环境下基于AVMD和MMDE-SMFF的滚动轴承故障诊断方法

2

作者 赵昱宇 田翼 王雨潇 《振动与冲击》 北大核心 2025年第21期289-301,共13页

针对现有深度学习模型强噪声环境下滚动轴承故障诊断性能不佳、难以有效揭示特征间复杂相关性等问题,提出一种基于自适应变分模态分解(adaptive variational mode decomposition,AVMD)、多尺度模态抑噪增强(multi-scale mode denoising ... 针对现有深度学习模型强噪声环境下滚动轴承故障诊断性能不佳、难以有效揭示特征间复杂相关性等问题,提出一种基于自适应变分模态分解(adaptive variational mode decomposition,AVMD)、多尺度模态抑噪增强(multi-scale mode denoising enhancement,MMDE)和空间映射特征融合(spatial mapping feature fusion,SMFF)的滚动轴承故障诊断方法。为避免模态混叠和端点问题,提出一种AVMD方法,通过斑马优化算法优化变分模态分解参数,以自适应提取各种工况下不同模态函数振荡特性成分;提出MMDE进行噪声抑制和模态特征提取,通过紧凑型多分支卷积层捕获多尺度模态的局部特征,利用通道动态降噪门控对故障特征进行自适应去噪增强;设计基于改进Transformer的SMFF进行特征融合,采用注意力机制捕获特征间相关性,通过卷积前馈网络学习序列非线性高维特征;结合AVMD、MMDE-SMFF与诊断决策器建立滚动轴承故障诊断模型。通过CWRU和XJTU-SY轴承故障数据集进行验证,结果表明,相较于现有智能故障诊断方法,所提方法抗噪性能良好,具有更高的准确性和可靠性。 展开更多

关键词 滚动轴承 故障诊断 TRANSFORMER 自适应变分模态分解(avmd) 抗噪声 多尺度模态

在线阅读 下载PDF 职称材料

基于AVMD和排列熵的t分布邻域嵌入流形HHO-SVM模拟电路故障诊断方法 被引量：4

3

作者 陈晓梅 王行健 +1 位作者 蔡烨 周博 《电子测量与仪器学报》 CSCD 北大核心 2024年第6期233-240,共8页

随着信息大数据时代的到来,对于电子系统的依赖程度越来越高,因此模拟电路的故障诊断的准确度要求与日俱增。而模拟电路故障诊断困难,是电子系统诊断维修的瓶颈。本文提出基于自适应变分模态分解(AVMD)和排列熵(PE)的t分布邻域嵌入流形... 随着信息大数据时代的到来,对于电子系统的依赖程度越来越高,因此模拟电路的故障诊断的准确度要求与日俱增。而模拟电路故障诊断困难,是电子系统诊断维修的瓶颈。本文提出基于自适应变分模态分解(AVMD)和排列熵(PE)的t分布邻域嵌入流形哈里斯鹰优化支持向量机(HHO-SVM)模拟电路故障诊断方法。首先,利用AVMD对待测电路的观测信号进行自适应变分模态分解,得到多组IMF信号,不仅可以克服噪声干扰,而且可以来自适应地确定分解模式的数量,进一步提升分解精度;再对IMF计算排列熵,以充分体现IMF不同时段局部特征,二者相结合构建故障特征向量。并在此基础上,采用t分布式随机邻域嵌入(t-SNE)实现特征空间的流形学习和降维,构建具有良好区分度且保留原来的局部结构特征的故障特征向量;最后依靠哈里斯鹰优化支持向量机(HHO-SVM),使其具有良好的分类准确度,从而最终完成电路故障诊断。通过仿真验证,结果显示,本文方法故障诊断正确率可达100%,效果良好。 展开更多

关键词 自适应变分模态分解avmd t分布邻域嵌入 故障诊断 哈里斯鹰优化支持向量机

原文传递

基于AVMD-自适应小波包法的电缆局部放电去噪研究 被引量：25

4

作者 吴童 孙抗 师文文 《电力系统保护与控制》 EI CSCD 北大核心 2020年第14期95-103,共9页

为准确提取检测到的局部放电信号,针对高压电力电缆的噪声抑制问题,提出了自适应变分模态分解(AVMD)结合自适应小波包分解的方法提取纯净的局放信号。首先运用AVMD将周期性窄带干扰、白噪声和局放信号分解在不同的基本模态分量中,将周... 为准确提取检测到的局部放电信号,针对高压电力电缆的噪声抑制问题,提出了自适应变分模态分解(AVMD)结合自适应小波包分解的方法提取纯净的局放信号。首先运用AVMD将周期性窄带干扰、白噪声和局放信号分解在不同的基本模态分量中,将周期性窄带干扰滤出,得到仅含有白噪声的局放信号。再运用自适应小波包分解,将信号分解在高中低频的分量中,根据阈值法将不含局放信号的分量滤出,得到较为纯净的局放信号,并将所提方法分别与其中单独一种算法进行去噪比较分析。仿真结果表明,所提方法抑制噪声效果更明显,与仿真信号的相似度最高。 展开更多

关键词 局部放电 avmd 自适应小波包分解 周期性窄带干扰 白噪声

在线阅读 下载PDF 职称材料

基于AVMD与极限学习机的传动箱故障诊断

5

作者 赵文涛 陈雪娇 仇满意 《邵阳学院学报（自然科学版）》 2019年第2期37-44,共8页

针对传动箱故障振动信号的非平稳特征,文中提出了一种基于AVMD与极限学习机的传动箱故障诊断方法。针对变分模态分解需要提前设定分解个数K,引入相关系数作为阈值,从而实现自适应变分模态分解(adaptive variational mode decomposition,... 针对传动箱故障振动信号的非平稳特征,文中提出了一种基于AVMD与极限学习机的传动箱故障诊断方法。针对变分模态分解需要提前设定分解个数K,引入相关系数作为阈值,从而实现自适应变分模态分解(adaptive variational mode decomposition,AVMD)。传动箱振动信号经过AVMD分解之后,会得到若干个独立的模态分量,然后提取这些模态分量所组成矩阵的奇异值,作为故障诊断的特征向量,最后利用极限学习机实现故障识别。实验结果表明,该方法对传动箱大齿轮点蚀、大齿轮断齿、小齿轮磨损、正常四种状态具有识别率高、识别速度快的优点,可有效用于传动箱故障诊断。 展开更多

关键词 故障诊断 avmd 奇异值 极限学习机

在线阅读 下载PDF 职称材料

基于AVMD和谱相关分析的风电机组轴承故障诊断 被引量：15

6

作者 齐咏生 白宇 +1 位作者 高胜利 李永亭 《太阳能学报》 EI CAS CSCD 北大核心 2019年第7期2053-2063,共11页

针对传统时频分析方法分解不准确、效率低下的问题,提出一种改进的自适应变分模态分解(AVMD)方法,该方法预先使用短时傅里叶变换预估模态数量,并对原始信号频谱与分量叠加频谱进行谱相关分析筛选最优惩罚因子,提高变分模态分解(VMD)的... 针对传统时频分析方法分解不准确、效率低下的问题,提出一种改进的自适应变分模态分解(AVMD)方法,该方法预先使用短时傅里叶变换预估模态数量,并对原始信号频谱与分量叠加频谱进行谱相关分析筛选最优惩罚因子,提高变分模态分解(VMD)的精确性,与经验模态分解(EMD)、聚合经验模态分解(EEMD)、小波变换相比,该方法分解速度快、准确度高。之后,结合AVMD和谱相关分析提出一种新的滚动轴承故障诊断方法,该方法首先采用AVMD将已知故障信号分解成若干本征模态,并使用主要成分分析(PCA)降维去噪后构成故障模型库;然后对新采集的检测信号进行相同处理得到检测特征向量;最后将检测向量和故障库故障库特征向量分别进行频域内谱相关性分析和判别,实现故障诊断。使用西储大学实验台轴承数据和实际风场采集数据对该方法进行验证,诊断结果表明该方法相比于传统方法,识别率有明显提高。 展开更多

关键词 故障诊断 风电机组 相关性分析方法 滚动轴承 自适应变分模态分解

原文传递

基于AVMD和BSA-KELM的水电站厂房结构振动预测研究 被引量：3

7

作者 王海军 许松 +1 位作者 陆建宏 任保瑞 《水资源与水工程学报》 CSCD 2020年第6期168-173,179,共7页

针对水电站厂房结构振动安全监测问题,结合智能学习算法,提出了一种基于AVMD和BSA-KELM的水电站厂房结构振动响应预测方法,为实现厂房结构振动智能化监测提供了一种新的思路。首先采用AVMD方法将振动信号分解为多阶IMF分量;然后对各阶IM... 针对水电站厂房结构振动安全监测问题,结合智能学习算法,提出了一种基于AVMD和BSA-KELM的水电站厂房结构振动响应预测方法,为实现厂房结构振动智能化监测提供了一种新的思路。首先采用AVMD方法将振动信号分解为多阶IMF分量;然后对各阶IMF分量分别建立KELM预测模型,模型参数采用BSA优化算法选取;最后通过信号重构得到结构预测振动时程曲线。将该方法应用于某实际水电站工程,以机组和水压脉动原型观测信号作为输入,以水电站厂房结构振动信号作为输出,建立了预测模型,预测信号与测试信号对比结果表明:测点预测结果决定系数均大于0.8,振动幅值均方根误差均小于0.3μm、平均绝对误差均小于0.2μm,证明该方法预测精度较高,预测效果良好。 展开更多

关键词 水电站厂房 振动预测 自适应模态分解 核极限学习机 鸟群算法

在线阅读 下载PDF 职称材料

基于AVMD和CNN的并网型微网线路故障诊断

8

作者 付林瑶 李春华 +1 位作者 汪本科 班勇霜 《分布式能源》 2023年第4期20-28,共9页

为提高微网三相线路故障诊断精度,提出基于自适应变分模态分解(adaptive variational mode decomposition,AVMD)和卷积神经网络(convolutional neural network,CNN)的微网线路故障诊断分类方法。首先建立包含风、光、水系统的微网径向... 为提高微网三相线路故障诊断精度,提出基于自适应变分模态分解(adaptive variational mode decomposition,AVMD)和卷积神经网络(convolutional neural network,CNN)的微网线路故障诊断分类方法。首先建立包含风、光、水系统的微网径向结构模型;采用AVMD将原始故障信号分解得到多个模态分量,其中变分模态分解(variational mode decomposition,VMD)的参数采用天鹰优化(aquila optimizer,AO)算法进行优化;诸多模态中只有少数模态保留了故障信号的信息,利用有效加权峰态相关(effective weighted peak relevance,EWPR)指数对模态分量进行选择,选取最能保留故障信息的3个模态作为敏感模态;剔除噪声和其他无关模态的影响,使用CNN对微网的线路故障进行诊断分类。生成110组故障数据用于训练和验证神经网络,结果表明22组验证数据集中共有21组数据分类正确,此研究方法对故障的诊断精度达到了95.46%。 展开更多

关键词 自适应变分模态分解(avmd) 有效加权峰态相关(EWPR)指数 天鹰优化(AO) 卷积神经网络(CNN) 故障诊断分类

在线阅读 下载PDF 职称材料

基于AVMD与改进能量算子的非稳态谐波分析 被引量：5

9

作者 计志勇 唐求 +2 位作者 李雅鑫 滕召胜 邱伟 《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第7期209-217,共9页

针对非稳态谐波分析中时频参数检测精度较低的问题,提出一种基于自适应变分模态分解(AVMD)与改进能量算子的非稳态电力谐波分析方法。首先,采用AVMD对非稳态谐波信号进行分解,其中采用波形特征匹配法对非稳态谐波信号进行延拓以减轻边... 针对非稳态谐波分析中时频参数检测精度较低的问题,提出一种基于自适应变分模态分解(AVMD)与改进能量算子的非稳态电力谐波分析方法。首先,采用AVMD对非稳态谐波信号进行分解,其中采用波形特征匹配法对非稳态谐波信号进行延拓以减轻边界效应影响,并提出能量差和相关系数作为AVMD中模态分解个数的判据;结合模态分量,提出改进间隔采样能量算子快速提取谐波的瞬时幅值和频率,根据差分和信号完成其起止时刻的定位,实现非稳态谐波时频参数的快速准确测量。仿真与实测结果表明,本文方法能够在电网工频波动、间谐波以及噪声干扰等情况下有效完成非稳态谐波的准确检测,实现暂态谐波的精确定位,且对非稳态谐波频率、幅值的最大检测误差分别为0.094 9%和0.931 4%。 展开更多

关键词 谐波分析 波形特征匹配 自适应变分模态分解 改进能量算子 非稳态信号

原文传递

基于噪声信号和改进VMD的滚动轴承故障诊断 被引量：17

10

作者 王琇峰 文俊 《噪声与振动控制》 CSCD 北大核心 2021年第2期118-124,共7页

受运行环境及传递路径影响,滚动轴承声音信号中包含有强背景噪声和较大的非周期性瞬态冲击成分,导致轴承故障特征提取困难。文中提出一种基于自适应变分模态分解(AVMD)的滚动轴承噪声信号故障诊断方法。该方法首先根据不同的信号自适应... 受运行环境及传递路径影响,滚动轴承声音信号中包含有强背景噪声和较大的非周期性瞬态冲击成分,导致轴承故障特征提取困难。文中提出一种基于自适应变分模态分解(AVMD)的滚动轴承噪声信号故障诊断方法。该方法首先根据不同的信号自适应地确定模式数和惩罚因子,利用优化参数的VMD对原始信号进行分解,得到多个本征模式分量;然后计算各模式分量时域、包络谱和时-频加权峭度,根据时-频加权峭度最大化准则选择最佳IMF;最后采用共振解调技术求出最佳IMF包络谱。对轴承故障信号研究表明,所提方法可解决传统VMD算法分解精度受参数影响较大,导致信号出现过分解或欠分解的问题。另外与传统方法相比,该方法可以在强背景噪声和非周期性瞬态冲击下有效识别轴承故障。 展开更多

关键词 故障诊断 滚动轴承 自适应变分模态分解(avmd) 时-频加权峭度

在线阅读 下载PDF 职称材料

基于改进自适应变分模态分解的滚动轴承微弱故障诊断 被引量：85

11

作者 谷然 陈捷 +2 位作者 洪荣晶 潘裕斌 李媛媛 《振动与冲击》 EI CSCD 北大核心 2020年第8期1-7,22,共8页

滚动轴承早期故障信息微弱,且混有大量背景噪声,难以提取其故障特征。提出了一种改进的自适应变分模态分解(AVMD)与Teager能量谱的微弱故障诊断方法。将最小平均包络熵(MMEE)作为目标函数,自动搜寻影响参数最佳值,确保变分模态分解(VMD... 滚动轴承早期故障信息微弱,且混有大量背景噪声,难以提取其故障特征。提出了一种改进的自适应变分模态分解(AVMD)与Teager能量谱的微弱故障诊断方法。将最小平均包络熵(MMEE)作为目标函数,自动搜寻影响参数最佳值,确保变分模态分解(VMD)实现最优分解,并提出加权峭度指标(WK)用于选择有效模态分量进行信号重构,对重构信号进行Teager能量谱分析,从而识别故障特征频率。对轴承微弱故障振动信号的研究表明,所提方法改进了传统VMD算法分解精度受参数影响较大,导致信号出现过分解或欠分解的问题;与集合经验模态分解和局部均值分解算法相比所提方法具有更强的噪声鲁棒性和故障信息提取能力。 展开更多

关键词 自适应变分模态分解(avmd) 最小平均包络熵(MMEE) 加权峭度指标(WK) Teager能量算子(TEO) 微弱故障诊断

在线阅读 下载PDF 职称材料

鼓气减压膜蒸馏高收率海水淡化过程研究 被引量：9

12

作者 李振刚 武春瑞 +1 位作者 高启君 吕晓龙 《水处理技术》 CAS CSCD 北大核心 2015年第5期26-29,共4页

开发了新型鼓气强化减压膜蒸馏(AVMD)过程,并分别采用传统减压膜蒸馏(VMD)与AVMD进行了海水淡化实验,研究了鼓气强化方法对膜蒸馏通量的提升作用、对通量衰减和膜污染的抑制效果。结合膜表面形貌和化学成分表征方法,探讨了鼓气强化提升... 开发了新型鼓气强化减压膜蒸馏(AVMD)过程,并分别采用传统减压膜蒸馏(VMD)与AVMD进行了海水淡化实验,研究了鼓气强化方法对膜蒸馏通量的提升作用、对通量衰减和膜污染的抑制效果。结合膜表面形貌和化学成分表征方法,探讨了鼓气强化提升通量、抑制膜污染的原因。结果表明,当海水浓缩8倍(单位面积产水560L/m2)时,AVMD过程通量较VMD过程高60%左右,而通量衰减率减少了17.7%。鼓气增加料液湍流程度,减小液相边界层厚度的作用是提升通量、抑制污染的主要原因。 展开更多

关键词 鼓气减压膜蒸馏(avmd) 高收率海水淡化 聚偏氟乙烯(PVDF) 中空纤维膜

原文传递

基于自适应变分模态分解和包络谐噪比的滚动轴承早期退化检测 被引量：19

13

作者 吕明珠 刘世勋 +1 位作者 苏晓明 陈长征 《振动与冲击》 EI CSCD 北大核心 2021年第13期271-280,共10页

针对滚动轴承微弱故障特征易受噪声干扰且退化起始点难以确定的问题,提出了一种基于自适应变分模态分解和包络谐噪比的滚动轴承早期退化检测方法。首先,采用灰狼优化算法自适应地选择变分模态分解的分解层数和二次惩罚因子,以最小平均... 针对滚动轴承微弱故障特征易受噪声干扰且退化起始点难以确定的问题,提出了一种基于自适应变分模态分解和包络谐噪比的滚动轴承早期退化检测方法。首先,采用灰狼优化算法自适应地选择变分模态分解的分解层数和二次惩罚因子,以最小平均包络熵为目标函数获得最佳参数组合。其次,通过引入有效加权稀疏峭度指数实现了有效模态分量和噪声模态分量的分离,使重构后的信号滤除了干扰而保留了故障信息。最后,计算了重构信号的包络谐噪比,利用其对周期性故障冲击的敏感性实现了滚动轴承早期退化起始点的检测。实验验证结果表明,该方法不仅解决了轴承运行初期的误报警问题,还能较早地识别出轴承退化过程的起始点,兼具鲁棒性和敏感性,为滚动轴承的早期故障诊断和剩余寿命预测提供参考依据。 展开更多

关键词 自适应变分模态分解(avmd) 包络谐噪比(EHNR) 滚动轴承 早期退化

在线阅读 下载PDF 职称材料

基于自适应变分模态分解的佤语孤立词共振峰估计 被引量：1

14

作者 杨建香 佘玉梅 +3 位作者 傅美君 和丽华 解雪琴 潘文林 《云南民族大学学报（自然科学版）》 CAS 2019年第3期297-305,共9页

基于变分模态分解算法实现对语音共振峰的提取,针对其存在共振峰合并和虚假峰值2个主要问题,通过对分解模态数、平衡约束参数的分析,提出了自适应变分模态分解法.并从的正交性、能量保存度2个方面证明了该方法的可行性;最后,利用该方法... 基于变分模态分解算法实现对语音共振峰的提取,针对其存在共振峰合并和虚假峰值2个主要问题,通过对分解模态数、平衡约束参数的分析,提出了自适应变分模态分解法.并从的正交性、能量保存度2个方面证明了该方法的可行性;最后,利用该方法实现对佤语共振峰的估计.实验结果表明,基于自适应变分模态分解对佤语孤立词的共振峰估计平均正确率可达85.50%. 展开更多

关键词 变分模态分解法(VMD) 本征模态函数(IMF) 分解模态数(K) 平衡约束参数(α) 自适应变分模态分解法(avmd)

在线阅读 下载PDF 职称材料

鼓气减压膜蒸馏过程研究 被引量：9

15

作者 赵恒 武春瑞 +4 位作者 吴丹 林汉阳 边文兵 陈华艳 吕晓龙 《水处理技术》 CAS CSCD 北大核心 2009年第12期34-37,共4页

设计了新型鼓气减压膜蒸馏(AVMD)过程,在原水进入疏水膜组件前鼓入低压压缩空气,形成气液混合流进入疏水膜组件,在疏水膜组件的产汽出口外接负压系统,构成AVMD系统。采用疏水性聚偏氟乙烯中空纤维微孔膜,以自来水为测试液,研究了鼓气强... 设计了新型鼓气减压膜蒸馏(AVMD)过程,在原水进入疏水膜组件前鼓入低压压缩空气,形成气液混合流进入疏水膜组件,在疏水膜组件的产汽出口外接负压系统,构成AVMD系统。采用疏水性聚偏氟乙烯中空纤维微孔膜,以自来水为测试液,研究了鼓气强度、进料温度、流速、冷侧真空度对AVMD过程性能的影响,考察了AVMD对不同NaCl含量溶液的分离性能。结果表明,随着鼓气量、进料液温度、流速、真空度的提高,AVMD过程通量有明显的增加,而产水电导率始终低于0.3mS.m-1。当进料液温度70℃,冷侧真空度85kPa,进料流速1.33m.s-1时,AVMD过程膜通量可高达45kg.m-.2h-1,而相同实验条件下减压膜蒸馏(VMD)过程的通量约为30kg.m-.2h-1。 展开更多

关键词 鼓气减压膜蒸馏 聚偏氟乙烯 中空纤维膜 疏水膜 脱盐

在线阅读 下载PDF 职称材料

基于自适应VMD-WVD的风电叶片主梁层合板损伤演化识别 被引量：5

16

作者 张亚楠 周勃 +1 位作者 俞方艾 沈臣 《振动与冲击》 EI CSCD 北大核心 2021年第20期25-33,49,共10页

损伤模式作为损伤演化状态的最直观表征方式之一,应用时频分析技术可以描述损伤模式在时频域上的变化规律,从而明确不同阶段的损伤演化状态。但交叉项的存在严重干扰了时频分析中各类损伤模式所传递的时频特征信息。为解决上述问题,提... 损伤模式作为损伤演化状态的最直观表征方式之一,应用时频分析技术可以描述损伤模式在时频域上的变化规律,从而明确不同阶段的损伤演化状态。但交叉项的存在严重干扰了时频分析中各类损伤模式所传递的时频特征信息。为解决上述问题,提出一种基于改进的自适应变分模态分解(adaptive variational mode decomposition,AVMD)和Wigner-Ville分布的多分量信号交叉项抑制时频分析方法,该方法预先使用短时傅里叶变换预估声发射信号中损伤模式种类及中心频谱,通过VMD模态分量频谱与原信号中心频谱相关性评估筛选出最优惩罚因子,然后计算出各类损伤模式的Wigner-Ville分布。实验结果表明,该方法对损伤模式识别结果与扫描电镜一致且可有效抑制各类损伤模式中Wigner-Ville分布的交叉项干扰。 展开更多

关键词 风力机叶片 损伤演化 声发射 自适应变分模态分解 魏格纳变换

在线阅读 下载PDF 职称材料

基于自适应变分模态分解的组合模型风电功率预测 被引量：2

17

作者 鹿凯 石开明 +3 位作者 贾欢 金勇杰 王旭 徐谱鑫 《电源学报》 CSCD 北大核心 2024年第2期283-289,共7页

风电机组出力的高波动与随机性,影响电力系统安全稳定运行与风电预测精度,针对此提出结合风电功率波动特性研究的风电功率预测方法。首先从时间与机组规模尺度分析风电功率波动特性,并指导选取合适的风电数据用于风电功率预测;然后建立... 风电机组出力的高波动与随机性,影响电力系统安全稳定运行与风电预测精度,针对此提出结合风电功率波动特性研究的风电功率预测方法。首先从时间与机组规模尺度分析风电功率波动特性,并指导选取合适的风电数据用于风电功率预测;然后建立基于最小二乘支持向量机的风电机组短期功率预测模型,采用自适应变分模态分解实现风电数据分频,并采用改进粒子群优化最小二乘支持向量机模型中影响回归预测的模型参数。实验结果表明,预测模型自适应性较强,通过预测误差评价指标,可证明预测方法的有效性。 展开更多

关键词 最小二乘支持向量机 风电功率预测 自适应变分模态分解 改进粒子群优化 分频预测

在线阅读 下载PDF 职称材料

基于自适应变分模态分解与功率谱熵差的机器人铣削加工颤振类型辨识 被引量：9

18

作者 孙朝阳 彭芳瑜 +3 位作者 唐小卫 闫蓉 辛世豪 吴嘉伟 《机械工程学报》 EI CAS CSCD 北大核心 2023年第9期90-100,共11页

机器人铣削加工存在模态耦合颤振和再生颤振现象,有效地进行机器人铣削加工颤振类型的辨识是进行颤振精准抑制和保证加工质量的基础。为此,提出一种基于自适应变分模态分解与功率谱熵差的颤振类型辨识(AVMD-ΔPSE)方法。通过分析机器人... 机器人铣削加工存在模态耦合颤振和再生颤振现象,有效地进行机器人铣削加工颤振类型的辨识是进行颤振精准抑制和保证加工质量的基础。为此,提出一种基于自适应变分模态分解与功率谱熵差的颤振类型辨识(AVMD-ΔPSE)方法。通过分析机器人铣削加工颤振特性和主导模态,将机器人铣削颤振分为机器人结构模态主导的模态耦合颤振和刀具-主轴结构模态主导的再生颤振两种类型。为了提取颤振敏感子信号,利用自适应变分模态分解方法对原始信号进行分解,根据功率谱熵和频率消除算法设计功率谱熵差颤振类型辨识指标,结合多组试验数据采用高斯混合模型自适应地确定辨识指标最佳分类阈值。颤振辨识试验表明机床铣削加工颤振辨识方法运用于机器人铣削加工中仅能识别颤振却无法区分不同的颤振类型,而AVMD-ΔPSE方法能准确有效地辨识和区分机器人铣削加工中的模态耦合颤振和再生颤振,为机器人铣削颤振的针对性抑制提供理论指导。 展开更多

关键词 机器人铣削颤振 颤振类型辨识 自适应变分模态分解 功率谱熵差

原文传递