期刊文献+
共找到762篇文章
< 1 2 39 >
每页显示 20 50 100
基于临界频带分量特征的柴油机辐射噪声声品质评价方法
1
作者 毕凤荣 赵博伟 +3 位作者 谈洋 杨海朋 马伺豫 赵元 《天津大学学报(自然科学与工程技术版)》 北大核心 2026年第1期90-98,共9页
现有的柴油机辐射噪声声品质评价一般是根据噪声样本总体特征进行评价,由于人的听觉系统具有频率选择性且还存在频率掩蔽效应,造成客观评价难以准确反映人的主观感受.本文提出了一种基于临界频带分量特征的柴油机辐射噪声声品质评价方法... 现有的柴油机辐射噪声声品质评价一般是根据噪声样本总体特征进行评价,由于人的听觉系统具有频率选择性且还存在频率掩蔽效应,造成客观评价难以准确反映人的主观感受.本文提出了一种基于临界频带分量特征的柴油机辐射噪声声品质评价方法,该方法将噪声信号进行分解,得出一系列窄带本征模态函数(IMF)分量,并根据每一个IMF的中心频率将其映射到临界频带分析域中,结合主观特征描述,确定了对应于不同临界频带范围的5个显著影响主观感受的客观心理声学参数及其组合.最后,针对论文中的噪声样本集,使用多元线性回归、支持向量机、BP神经网络和1D卷积神经网络对本论文提出的方法进行了验证,与传统方法相比,模型预测值与评价值之间的R 2值均有提高,最大增幅达到15.42%.验证结果显著证明了该方法的有效性,可为柴油机声品质评价领域的进一步研究和应用提供参考. 展开更多
关键词 柴油机 声品质 频率掩蔽 本征模态函数 主观特征描述
在线阅读 下载PDF
基于参数优化变分模态分解的信号降噪方法 被引量:1
2
作者 何玉洁 李新娥 贺俊 《现代电子技术》 北大核心 2025年第2期70-76,共7页
针对心电信号中肌电干扰噪声难以去除的问题,提出一种基于参数优化变分模态分解(VMD)的信号降噪方法。通过设计动态边界策略和反向种群生成方式,对白鲸优化(BWO)算法进行改进;采用改进白鲸优化算法对VMD参数自适应寻优,确定分解层数K与... 针对心电信号中肌电干扰噪声难以去除的问题,提出一种基于参数优化变分模态分解(VMD)的信号降噪方法。通过设计动态边界策略和反向种群生成方式,对白鲸优化(BWO)算法进行改进;采用改进白鲸优化算法对VMD参数自适应寻优,确定分解层数K与惩罚因子α;对含噪心电信号进行分解,得到k个本征模态函数(IMF)分量,同时采用相关系数法进行有效模态和含噪模态识别;对噪声主导的模态分量采用小波阈值降噪,并重构信号主导模态与降噪后模态。对仿真信号与含真实肌电干扰的心电信号进行降噪处理,实验结果表明,所提方法去噪效果优于小波阈值去噪法、EMD法、EMD-小波阈值去噪法,真实含噪的心电信号经该方法去噪后自相关系数可达0.91以上。 展开更多
关键词 变分模态分解 信号降噪 参数优化 改进白鲸优化算法 心电信号 IMF分量 小波阈值降噪 肌电干扰
在线阅读 下载PDF
基于柴油机曲轴瞬时转速信号EEMD分解的失火故障诊断 被引量:2
3
作者 黄英 李准 +2 位作者 王健 刘辰 胡博睿 《北京理工大学学报》 北大核心 2025年第4期384-390,共7页
对于十缸V型柴油机单缸失火和双缸失火这两类故障,提出了基于曲轴瞬时转速信号的集合经验模态分解的故障诊断策略.该策略考虑到多个转速工况对失火故障诊断的影响,根据柴油机喷油提前角将实车实时采集到该转速下的数据划分为正常、单缸... 对于十缸V型柴油机单缸失火和双缸失火这两类故障,提出了基于曲轴瞬时转速信号的集合经验模态分解的故障诊断策略.该策略考虑到多个转速工况对失火故障诊断的影响,根据柴油机喷油提前角将实车实时采集到该转速下的数据划分为正常、单缸失火和双缸失火这三个工况区间.通过多循环平均方法对三个工况区间数据进行预处理,并通过集合经验模态分解方法分解,该方法能自适应地将曲轴转速信号分解为若干个本征模态函数.通过集合经验模态分解得到每个本征模态函数幅值的异常波动,确定包含故障信息的本征模态函数,为了进一步提取特征,需对该本征模态函数进行快速傅里叶变换,根据主频分量的幅值,得到故障特征.最后在多个转速工况下进行上述诊断流程,得出各个转过速工况的诊断准确率,实现了诊断算法的转速工况敏感性分析.实验结果表明该方法能有效提取故障特征,实现了十缸柴油机基于多个瞬时转速的失火故障诊断. 展开更多
关键词 柴油机 失火故障诊断 集合经验模态分解(EEMD) 曲轴瞬时转速 特征提取 本征模态函数(IMFs) 快速傅里叶变换(FFT)
在线阅读 下载PDF
基于CEEMDAN和频谱时间图卷积网络的电力负荷预测方法 被引量:1
4
作者 朱莉 夏禹 +1 位作者 朱春强 邓凡 《计算机工程》 北大核心 2025年第4期339-349,共11页
针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首... 针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首先使用CEEMDAN将目标负荷序列分解为多个本征模态分量(IMF),通过计算模糊熵对IMF进行重构;然后使用频谱时间图卷积网络对重构后分量的空间相关性和时间依赖性进行挖掘,得到各分量的预测结果;最后将各分量的预测结果线性相加得到最终预测结果。实验结果表明,所提方法的平均绝对误差、均方根误差、平均绝对百分比误差3个评价指标分别达到了0.72 KW、0.89 KW、0.92%,相较于对比模型StemGnn、TCN、LSTM、Informer、FEDformer,预测精度分别提高了37.9%、17.2%、20.8%、22.5%、12.1%。证明本文所提出的预测方法可以有效降低非平稳性对预测结果的影响,精确获取时序负荷数据的空间相关性和时间依赖性,提高预测精度。 展开更多
关键词 电力负荷预测 经验模态分解 本征模态分量 图卷积网络 模糊熵
在线阅读 下载PDF
2000年10月5日磁暴主相两个不同时段太阳风参数特征告诉我们什么?
5
作者 李琪 乐贵明 《地球物理学报》 北大核心 2025年第1期45-53,共9页
本文研究了2000年10月5日磁暴主相两个不同时段期间环电流的变化速度与相应太阳风参数的关系.研究发现,磁暴主相期间环电流的变化速度并不取决于行星际磁场南向分量的平均值和最大值,也不取决于太阳风电场的平均值和最大值.本文的研究证... 本文研究了2000年10月5日磁暴主相两个不同时段期间环电流的变化速度与相应太阳风参数的关系.研究发现,磁暴主相期间环电流的变化速度并不取决于行星际磁场南向分量的平均值和最大值,也不取决于太阳风电场的平均值和最大值.本文的研究证明,磁暴环电流增强期间环电流的变化速度,不仅取决于行星际磁场南向分量和太阳风的速度,还取决于太阳风的动压,而且太阳风的动压起着非常重要的作用.研究还发现,采用Burton et al.(1975)方程和O′Brien,McPherron (2000a)方程估算得到的2000年10月5日的两次地磁活动的强度远低于实际的观测值. 展开更多
关键词 行星际磁场南向分量 太阳风电场 太阳风动压 磁暴环电流
在线阅读 下载PDF
基于WOA-VMD转子-轴承系统信号分解重构方法研究 被引量:1
6
作者 张立尧 卢凯庭 +1 位作者 姜海燕 王亚萍 《热能动力工程》 北大核心 2025年第2期158-166,共9页
为了有效缓解噪声对故障诊断精度的影响和信号分解过程中出现的模态混叠和端点效应问题,本文提出基于鲸鱼优化算法-变分模态分解(Whale Optimization Algorithm-Variational Mode Decomposition,WOA-VMD)的信号分解与重构方法。首先,利... 为了有效缓解噪声对故障诊断精度的影响和信号分解过程中出现的模态混叠和端点效应问题,本文提出基于鲸鱼优化算法-变分模态分解(Whale Optimization Algorithm-Variational Mode Decomposition,WOA-VMD)的信号分解与重构方法。首先,利用WOA对VMD算法中的分解层数和惩罚因子进行自适应优化,将优化后的参数输入到VMD中对含噪信号进行分解;然后利用累积峭度值占比(Cumulative Percent Kurtosis,CPK)筛选出相关量较大的本征模态分量(Intrinsic Mode Functions,IMF)进行重构,以达到去除噪声的效果。经过实验验证,WOA-VMD方法能够有效去掉信号中的大部分噪声,且极大程度保留了有效信息,同时该方法的信噪比(Signal-Noise Ratio,SNR)为4.301,优于CEEMD、VMD、GA-VMD的3.018,3.308和3.536,为转子-轴承系统故障诊断提供基础技术支持。 展开更多
关键词 信号分解重构 转子-轴承 WOA-VMD IMF分量 累积峭度值
原文传递
不同牛乳中脂溶性营养素含量的差异分析
7
作者 陈小雨 艾连中 +4 位作者 Jason LI 宋畅 商哲一 夏永军 王光强 《中国食品学报》 北大核心 2025年第3期420-430,共11页
目的:探究母乳、婴儿配方奶粉(IMF)、牛乳中脂溶性营养素含量的差异,以及饲养方式、生产厂商及生产月份对牛乳中脂溶性营养素含量的影响。方法:选取不同婴儿配方奶粉(IMF)、草饲奶、谷饲奶,通过皂化萃取的方法提取出其中的脂溶性营养物... 目的:探究母乳、婴儿配方奶粉(IMF)、牛乳中脂溶性营养素含量的差异,以及饲养方式、生产厂商及生产月份对牛乳中脂溶性营养素含量的影响。方法:选取不同婴儿配方奶粉(IMF)、草饲奶、谷饲奶,通过皂化萃取的方法提取出其中的脂溶性营养物质,采用安捷伦1260超高效液相色谱仪分离、检测。结果:对于脂溶性营养素,母乳中叶黄素(70.23μg/L)、玉米黄质(18.41μg/L)、β-胡萝卜素(23.78μg/L)的含量显著高于IMF;两者维生素A的含量接近。草饲奶中叶黄素(22.19μg/L)、玉米黄质(4.01μg/L)、β-胡萝卜素(207.73μg/L)的含量显著高于谷饲奶;两者维生素A的含量比较接近。生产时间对叶黄素、玉米黄质、β-胡萝卜素及α-生育酚的含量影响较大,而对维生素A含量几乎没有影响。生产厂商对除α-生育酚以外的脂溶性营养素含量影响很小。结论:研究结果表明从脂溶性营养素的角度看,草饲奶比谷饲奶具有更高的营养价值,相较于谷饲奶,草饲奶营养素含量更加接近于母乳,这为开发尽可能接近母乳脂溶性营养成分的婴儿配方奶粉(IMF)提供了研究方向。 展开更多
关键词 草饲奶 谷饲奶 母乳 婴儿配方奶粉(IMF) 脂溶性营养素 含量差异
在线阅读 下载PDF
基于VMD-LSTM的变压器油中乙炔低浓度预测方法 被引量:2
8
作者 王瑾媚 王艳 《电工电能新技术》 北大核心 2025年第5期108-117,共10页
乙炔是变压器内高温过热和各种放电故障产生的特征气体,可导致油劣化并降低绝缘性能,还会使油酸化腐蚀变压器内金属表面;超高压变压器运行中乙炔含量的报警值要求为1μL/L,目前研究的变压器油中溶解气体预测模型对1μL/L及以下气体浓度... 乙炔是变压器内高温过热和各种放电故障产生的特征气体,可导致油劣化并降低绝缘性能,还会使油酸化腐蚀变压器内金属表面;超高压变压器运行中乙炔含量的报警值要求为1μL/L,目前研究的变压器油中溶解气体预测模型对1μL/L及以下气体浓度预测误差较大。本文提出结合变分模态分解的长短期记忆网络(VMD-LSTM)预测模型来实现变压器油中乙炔低浓度的准确预测,采用变分模态分解(VMD)将乙炔时序数据分解成固有模态分量(IMF),调整容限参数降低数据噪声对模型的影响,结合长短期记忆神经网络(LSTM)进行预测。对本文所提模型的预测效果进行验证:预测模型的均方根误差为0.010 9,平均绝对误差为0.008 7,平均绝对百分比误差为1.641%,达到非常理想的预测效果。 展开更多
关键词 乙炔 超高压 变分模态分解 固有模态分量 长短期记忆神经网络
在线阅读 下载PDF
基于变分模态分解和CNN-BiGRU-Attention神经网络的电机故障分类方法 被引量:1
9
作者 司成志 惠世贤 +1 位作者 邢超 邓灿 《高压电器》 北大核心 2025年第5期189-196,共8页
为了解决电机故障分类结果准确性较低的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与CNN-BiGRU-Attention神经网络模型相结合的电机故障诊断方法。首先,对凯斯西储大学电机数据进行预处理,然后利用VMD方法将... 为了解决电机故障分类结果准确性较低的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与CNN-BiGRU-Attention神经网络模型相结合的电机故障诊断方法。首先,对凯斯西储大学电机数据进行预处理,然后利用VMD方法将复杂的电机信号分解成多个IMF(intrinsic mode function)分量,构建电机故障特征向量。最后,建立特征训练CNN-BiGRU-Attention神经网络模型,基于模型的迭代训练,诊断电机故障的具体类型。实验结果表明,提出的诊断方法应用后,电机故障分类错误诊断数量较少,测试集准确率达到97%以上,方法具有较高的鲁棒性和精确性。 展开更多
关键词 VMD CNN-BiGRU-Attention IMF 故障分类
在线阅读 下载PDF
基于改进小波算法的铁路高压断路器电振声信号去噪方法
10
作者 唐金胜 苏多志 +3 位作者 刘超 王芳 吴命利 吴振升 《电气化铁道》 2025年第3期33-39,共7页
高压断路器作为保护铁路系统免受故障和短路影响的重要设备,在实际运行中产生的电振声信号往往带有各种噪声,严重影响故障诊断和保护功能的可靠性。针对该问题,提出基于改进小波算法的铁路高压断路器电振声信号去噪方法,利用VMD算法分... 高压断路器作为保护铁路系统免受故障和短路影响的重要设备,在实际运行中产生的电振声信号往往带有各种噪声,严重影响故障诊断和保护功能的可靠性。针对该问题,提出基于改进小波算法的铁路高压断路器电振声信号去噪方法,利用VMD算法分解出含噪信号的IMF分量,引入相关系数,剔除无用信号,采用小波阈值去噪算法处理保留分量。通过采集VS1(VBM7)-12型高压断路器电振声信号,从定性和定量两方面对所提去噪方法的有效性和优越性进行验证。结果表明,所提方法的去噪性能优于传统小波去噪算法,为铁路高压断路器电振声信号去噪提供一种更有效的方法。 展开更多
关键词 高压断路器 电振声信号 小波阈值去噪 VMD算法 IMF分量
在线阅读 下载PDF
基于多源数据融合的煤矿防治水设备振动信号IMF识别方法 被引量:2
11
作者 牛和平 康瑞玲 +1 位作者 宋卫文 贺鑫 《煤矿机械》 2025年第4期195-198,共4页
由于煤矿防治水设备振动信号具有复杂多变且微弱的特性,在本征模态函数(IMF)识别的过程中难以有效捕捉信号特征,从而导致IMF识别灵敏度较低。为了解决该问题,提出基于多源数据融合的煤矿防治水设备振动信号IMF识别方法。规划传感器部署... 由于煤矿防治水设备振动信号具有复杂多变且微弱的特性,在本征模态函数(IMF)识别的过程中难以有效捕捉信号特征,从而导致IMF识别灵敏度较低。为了解决该问题,提出基于多源数据融合的煤矿防治水设备振动信号IMF识别方法。规划传感器部署方案,全面采集多个关键设备的振动信号。结合小波变换与小波包变换的优势,进行多统计特性分析,并应用滑动窗口平均滤波技术,有效融合多源振动信号。利用自适应噪声完备集合经验模态分解(CEEMDAN)算法对融合后的综合振动信号进行深入分解,精准识别IMF分量。实验结果表明,该方法能够高效识别煤矿防治水设备微弱振动信号,显著提升IMF识别灵敏度,为早期故障预警和设备维护提供了可靠依据。 展开更多
关键词 多源数据融合 煤矿防治水设备 振动信号 IMF识别 CEEMDAN算法
原文传递
基于Informer模型的短期光伏发电功率预测 被引量:2
12
作者 陈君 王博士 +1 位作者 肖媛 李维乾 《西安工程大学学报》 2025年第4期82-88,96,共8页
光伏发电功率受天气因素的影响,具有较强的不稳定性和间歇性特点,因此对其进行精准预测面临较大挑战。为了提高光伏发电功率预测的准确性,给出了一种结合经验模态分解(empirical mode decomposition,EMD)、小波阈值去噪和麻雀搜索算法(s... 光伏发电功率受天气因素的影响,具有较强的不稳定性和间歇性特点,因此对其进行精准预测面临较大挑战。为了提高光伏发电功率预测的准确性,给出了一种结合经验模态分解(empirical mode decomposition,EMD)、小波阈值去噪和麻雀搜索算法(sparrow search algorithm,SSA)优化Informer模型的短期光伏发电功率预测方法。首先,为了降低数据中的噪声对模型预测的影响,采用EMD对输入特征进行分解,得到多个本征模态函数(intrinsic mode function,IMF)。然后,对每个IMF应用小波阈值进行去噪,最终将去噪后的IMF重构为一维信号。这一过程显著提升了数据的质量,为后续模型提供了更加清洁和精确的输入。为了使Informer模型能够更好地适应数据的特征,文中引入了SSA对Informer模型的超参数进行优化。通过SSA的全局搜索能力,能够有效避免局部最优问题,从而提升模型的预测准确性和泛化能力。通过与传统单一预测模型的比较,实验结果表明:文中所提出的预测模型不仅能够有效提高预测精度,还能够在不同天气条件下显著减小误差,特别是针对复杂天气下,平均绝对误差(mean absolute error,MAE)与均方误差(mean-square error,MSE)的降幅明显,验证了该方法在光伏发电功率预测中的优越性。 展开更多
关键词 Informer模型 本征模态函数(IMF) 经验模态分解(EMD) 小波阈值去噪 麻雀搜索算法(SSA)
在线阅读 下载PDF
基于MVMD-互相关时频域特征的风电变流器开路故障诊断
13
作者 侯锐 李然 《现代电子技术》 北大核心 2025年第16期31-37,共7页
针对永磁同步风力发电机组网侧变流器功率管单开路和双开路故障问题,提出一种将多元变分模态分解(MVMD)和互相关时频域特征相结合的诊断方法。首先,采集网侧变流器的三相中间点电压作为原始数据;其次,将三相中间点电压作为MVMD的三通道... 针对永磁同步风力发电机组网侧变流器功率管单开路和双开路故障问题,提出一种将多元变分模态分解(MVMD)和互相关时频域特征相结合的诊断方法。首先,采集网侧变流器的三相中间点电压作为原始数据;其次,将三相中间点电压作为MVMD的三通道输入数据,对其进行分解,得到若干层本征模态函数(IMF);再次,通过计算原始信号与每层IMF函数的互相关性,选择最能反映原始信号特征、趋势的IMF,对选定IMF的平均包络和原始信号数据进行时域、频域特征提取;最后,将所得特征输入到双向长短期记忆(BiLSTM)网络中进行训练,实现对故障功率管的定位。实验结果表明,所提方法对网侧变流器的22种状态能够有效的识别分类,测试集准确率可达99.55%。 展开更多
关键词 风电变流器 MVMD 时频域特征 开路故障诊断 IMF分量 BiLSTM IGBT
在线阅读 下载PDF
基于振动数据经验模态分解的压缩机转子健康度评估
14
作者 蔡国娟 山崧 《压缩机技术》 2025年第5期57-60,共4页
针对压缩机运行安全性与可靠性不断提高的工业生产应用需求,对仅有振动监测数据条件下实现压缩机转子健康度评估,提出了一种基于振动信号经验模态分解(EMD)的方法。该方法将转子振动信号经验模态分解后的固有模态函数(IMF)信息熵值作为... 针对压缩机运行安全性与可靠性不断提高的工业生产应用需求,对仅有振动监测数据条件下实现压缩机转子健康度评估,提出了一种基于振动信号经验模态分解(EMD)的方法。该方法将转子振动信号经验模态分解后的固有模态函数(IMF)信息熵值作为转子故障状态的特征向量,实时计算转子健康度值,进而评估机组的运行状态。通过工业现场机组故障案例验证了该方法的有效性,为基于振动数据的转子运行状态评估提供了新方法。 展开更多
关键词 经验模态分解 压缩机转子 固有模态函数 欧氏距离 健康度
在线阅读 下载PDF
基于CEEMDAN-SE-LSTM的中长期负荷预测方法
15
作者 王泽荣 《能源与节能》 2025年第10期4-8,共5页
为了提升电力负荷预测的精确性和可靠性,针对电力负荷数据的高复杂性问题,提出一种基于CEEMDAN-SELSTM的组合预测方法。首先,利用CEEMDAN(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,完全集合经验模态分解与... 为了提升电力负荷预测的精确性和可靠性,针对电力负荷数据的高复杂性问题,提出一种基于CEEMDAN-SELSTM的组合预测方法。首先,利用CEEMDAN(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,完全集合经验模态分解与自适应噪声)算法对负荷序列进行分解,提取出多个IMF(Intrinsic Mode Functions,本征模函数)分量和1个残差项,有效降低了数据的复杂性;其次,基于SE(Sample Entropy,样本熵)驱动的模态重构方法,对分解得到的IMF分量进行噪声识别和排序,去除噪声和异常值对预测模型的影响;最后,基于分解和重构处理后的IMF分量,使用LSTM(Long Short-Term Memory,长短期记忆网络)模型对各IMF分量进行独立预测,集成后得到最终的负荷预测值。结果显示,所构建的模型在预测精度上均优于各对比模型,平均绝对误差相较于各对比模型分别减少了65.17%、 52.25%、 14.50%、 4.70%,有效提升了中长期电力负荷预测的准确性。 展开更多
关键词 中长期负荷预测 IMF分量 样本熵 LSTM模型
在线阅读 下载PDF
全球金融安全网的改革与重构——基于公平、包容与可持续视角的审视
16
作者 封北麟 肖琼琪 黄宝竹 《财政科学》 2025年第6期140-150,共11页
随着国际政治和经济格局的变化,全球金融安全网的公平性、包容性与可持续性受到新兴市场和发展中国家的严重质疑。以美欧为主导的国际货币基金组织和央行货币互换体系,区别对待部分新兴市场和发展中国家,成为牟取国际政治利益的工具。... 随着国际政治和经济格局的变化,全球金融安全网的公平性、包容性与可持续性受到新兴市场和发展中国家的严重质疑。以美欧为主导的国际货币基金组织和央行货币互换体系,区别对待部分新兴市场和发展中国家,成为牟取国际政治利益的工具。政策条件所附带的“声誉风险”,削弱了全球金融安全网在防范化解全球危机中的作用。针对上述问题,本文建议我国相关决策和执行部门在双边、多边国际财经交流合作过程中,推动国际货币基金组织治理结构改革,提升新兴市场和发展中国家的话语权;适度放宽贷款政策条件,尊重受援国家的经济主权和自主改革意愿;加强国际货币互换网络之间的合作机制建设;推动区域金融安排与国际货币基金组织的有序合作,建立一个更具可预测性、覆盖范围更广的全球金融安全网。 展开更多
关键词 全球金融安全网 区域金融安排 国际货币基金组织改革
在线阅读 下载PDF
信号畸变特征提取在配电网单相接地故障诊断中的应用
17
作者 王振凯 《国外电子测量技术》 2025年第4期147-153,共7页
配电网小电流接地故障发生时,因故障电流较小、信号特征不明显,检测和定位比较困难。传统方法通常整体处理故障电流信号,缺乏信号分解步骤,难以准确提取信号畸变特征,导致配电网单相接地故障诊断出现误差。提出一种基于信号畸变特征提... 配电网小电流接地故障发生时,因故障电流较小、信号特征不明显,检测和定位比较困难。传统方法通常整体处理故障电流信号,缺乏信号分解步骤,难以准确提取信号畸变特征,导致配电网单相接地故障诊断出现误差。提出一种基于信号畸变特征提取的配电网单相接地故障诊断方法。基于电子测量IEC 61000-4-7标准采集配电网单相接地故障条件下的故障电流信号,利用集合经验模态分解方法对所采集故障电流信号实施分解,在故障电流信号整个时域与频域空间内均匀引入频带覆盖50~1500 Hz的高斯白噪声,并将其定义为参考尺度,抑制信号内极值点分布杂乱的缺陷,获取单相接地故障条件下故障电流信号的特征本征模态函数(Intrinsic Mode Function,IMF)分量;通过分析故障条件和正常工作状态下IMF分量的相关性,选择与单相接地故障相关的IMF分量作为敏感IMF分量;按照瞬时幅值的定义确定不同敏感IMF分量的瞬时幅值,对比单相接地故障前后的电流幅值畸变,作为故障电流信号幅值畸变特征,将该特征作为支持向量机诊断模型的输入,获取单相接地故障诊断结果。实验结果表明:该方法信号分解效果较好,能够获取准确的故障诊断结果。 展开更多
关键词 畸变特征 配电网 单相接地 故障诊断 IMF分量 支持向量机
原文传递
周期性冲击波形匹配下选煤破碎机滚动轴承局部缺陷检测
18
作者 燕建华 《自动化与仪器仪表》 2025年第2期37-41,共5页
选煤破碎机滚动轴承的局部缺陷与全局缺陷不同,其需要的信号特征要求高。但是在外界不可控的周期性冲击下,其局部缺陷信号特征会发生明显变化,外部冲击信号辨认成为难点。设计一种针对周期性冲击波形匹配的选煤破碎机滚动轴承局部缺陷... 选煤破碎机滚动轴承的局部缺陷与全局缺陷不同,其需要的信号特征要求高。但是在外界不可控的周期性冲击下,其局部缺陷信号特征会发生明显变化,外部冲击信号辨认成为难点。设计一种针对周期性冲击波形匹配的选煤破碎机滚动轴承局部缺陷检测方法。采集选煤破碎机滚动轴承运行信号;针对周期性冲击特征,设计一种经验模式分解方法,通过扩展信号中脉冲波形特性最大值与最小值之间的时间跨度;若信号仅包含曲线点而无极值点,则可通过微分操作获取极值点,用于识别外部冲击信号。根据周期性冲击条件对滚动轴承运行信号展开分解,利用局部信号IMF分量不可变性,并计算各个IMF分量的功率谱熵值,将其作为选煤破碎机滚动轴承运行信号的冲击波形特征;最后,对内、外圈磨损、滚动体故障、保持架损坏这四种滚动轴承缺陷形式的缺陷波形特征展开波形匹配,完成检测。实验结果表明:所提方法具有较高的信息采集精度和检测准确性,适用于选煤破碎机滚动轴承局部缺陷检测。 展开更多
关键词 选煤破碎机 滚动轴承 冲击波形匹配 经验模式分解 IMF分量
原文传递
冲击下选煤破碎机液压滚动轴承故障振动IMF识别
19
作者 张海生 《液压气动与密封》 2025年第6期70-78,共9页
选煤破碎机的液压滚动轴承振动信号受到环境噪声的影响,呈现出周期性的冲击和非线性能量特征,使得故障识别识别结果不准确。为此,提出基于周期冲击的选煤破碎机液压滚动轴承故障振动IMF识别方法。通过经验模态分解(Empirical Mode Decom... 选煤破碎机的液压滚动轴承振动信号受到环境噪声的影响,呈现出周期性的冲击和非线性能量特征,使得故障识别识别结果不准确。为此,提出基于周期冲击的选煤破碎机液压滚动轴承故障振动IMF识别方法。通过经验模态分解(Empirical Mode Decomposition,EMD)技术,将三轴加速度传感器采集到的振动信号分解为本征模态函数(Intrinsic Mode Function,IMF),提取这些IMF中的异常能量矩特征。采用布谷鸟优化算法来改进峰值密度聚类算法的聚类效果,通过计算IMF能量矩特征的局部密度值,实现对选煤破碎机液压滚动轴承故障振动的识别。实验结果显示,所研究的方法在不同故障情况下都能够有效地识别出液压滚动轴承的故障振动情况,并且识别结果与实际情况相符,表明该方法具有较好的识别准确性。 展开更多
关键词 液压滚动轴承 IMF算法 选煤破碎机 故障识别 异常能量矩 峰值密度聚类
在线阅读 下载PDF
脉冲信号重构下大型起重机吊装安全联动控制
20
作者 邓加阳 宋洪亮 +1 位作者 苏锦志 段启贤 《自动化与仪器仪表》 2025年第9期96-99,共4页
在大型起重机运行过程中,电机脉冲信号往往受到各种噪声的干扰,导致信号失真,后期多机联动控制以串联单机通信为主,需要多次确认失真信号误差范围,导致卡顿甚至停机。为此,提出脉冲信号重构下大型起重机吊装安全联动控制。引入互补集合... 在大型起重机运行过程中,电机脉冲信号往往受到各种噪声的干扰,导致信号失真,后期多机联动控制以串联单机通信为主,需要多次确认失真信号误差范围,导致卡顿甚至停机。为此,提出脉冲信号重构下大型起重机吊装安全联动控制。引入互补集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)算法提取和处理大型起重机电机脉冲信号中的本征模态函数(Intrinsic Mode Function,IMF)分量,分离出信号中的噪声成分,提取出更准确的电机运行状态信息。将吊装安全控制问题转化为驱动电机的联动控制问题,通过去噪重构的脉冲信号构建联动电机网络拓扑,避免串联单机通信的弊端,实现多电机之间的协调控制。在联动控制过程中,引入超螺旋滑模控制器,对产生的误差进行实时补偿。实验表明:利用所提方法对大型起重机实施联动控制的过程中,起重机响应迅速且控制稳定。 展开更多
关键词 CEEMD算法 IMF分量提取 电机联动控制 网络拓扑构建 超螺旋滑模控制器
原文传递
上一页 1 2 39 下一页 到第
使用帮助 返回顶部