基于GMVMD-ECA-ResNet-MA在生产噪声环境下轴承套圈磨削烧伤识别 被引量：1

1

作者 迟玉伦 高程远 +1 位作者 朱欢欢 朱文博 《振动与冲击》 北大核心 2025年第17期295-312,共18页

为实现生产噪声环境下小样本、多型号的轴承套圈磨削烧伤现象的有效识别,避免不合格零件流入装配环节,提出一种多元模态分解(multivariate variational modal decomposition,MVMD)和残差神经网络相结合的轴承套圈磨削烧伤识别方法。首先... 为实现生产噪声环境下小样本、多型号的轴承套圈磨削烧伤现象的有效识别,避免不合格零件流入装配环节,提出一种多元模态分解(multivariate variational modal decomposition,MVMD)和残差神经网络相结合的轴承套圈磨削烧伤识别方法。首先,利用灰狼算法对MVMD进行参数寻优,筛选本征模态函数进行信号重构,实现多元信号联合去噪;其次,将去噪后的信号利用格拉姆角场转换为二维图像并进行多通道融合,获得红绿蓝融合特征图;然后,将其作为输入构建融合多注意力的识别模型GMVMD-ECA-ResNet-MA进行磨削烧伤特征提取及分类,再使用不同型号轴承套圈数据并微调基础模型权重参数,进行迁移学习,实现轴承套圈多型号烧伤识别。最后,试验结果表明:GMVMD-ECA-ResNet-MA在仅有少量训练样本的情况下,烧伤识别率依然可达90%以上。与其他模型进行对比,两组迁移任务中所得模型的平均识别准确率分别为94.44%与95.83%,因此,本文所提方法得到的模型在生产噪声环境下具有更高的识别准确率和更强的泛化能力。 展开更多

关键词 多元变分模态分解(mvmd) 深度学习 磨削烧伤 格拉姆角场

在线阅读 下载PDF 职称材料

基于MVMD-BKA-Transformer的短期光伏功率预测

2

作者 黄瑞承 成燕 +1 位作者 查航伟 董国鹏 《电源技术》 北大核心 2025年第10期2182-2190,共9页

针对传统分解预测方法忽略多元气象因素分解时自身在时域及频域上的耦合关系,及Transformer训练时间长、学习效率低等问题,提出基于多元变分模态分解(MVMD)和黑翅鸢优化算法(BKA)改进的Transformer的短期光伏功率预测方法。利用K-means... 针对传统分解预测方法忽略多元气象因素分解时自身在时域及频域上的耦合关系,及Transformer训练时间长、学习效率低等问题,提出基于多元变分模态分解(MVMD)和黑翅鸢优化算法(BKA)改进的Transformer的短期光伏功率预测方法。利用K-means算法,根据辐照度将数据分类为α类和β类,并使用MVMD将多元气象因素及光伏功率分解为频率对齐的多元本征模态函数,保留原始序列耦合性的基础上,提高气象因素的平稳性。针对多元本征模态函数,分别构建BKA改进过的Transformer预测模型。选用澳大利亚沙漠知识太阳能中心(DKASC)的数据集进行验证与对比。实验仿真结果显示,提出的模型各项误差指标表现最优,具有较高的预测精度。 展开更多

关键词 光伏功率预测 多元变分模态分解 黑翅鸢优化算法 TRANSFORMER

在线阅读 下载PDF 职称材料

基于APO-MVMD-Transformer的电缆故障定位方法

3

作者 孙杰 孙玉玮 +3 位作者 胡国栋 尹海海 蒋徐勇 马宏忠 《山东科学》 2025年第6期94-106,共13页

针对现有电力电缆故障定位的准确率和可靠性均偏低的问题,提出一种基于APO-MVMD-Transformer的电缆故障定位方法。将采集到的电缆故障信号通过相模变换进行解耦得到故障行波信号,采用经北极海鹦优化算法(APO)寻优后的多元变分模态分解(M... 针对现有电力电缆故障定位的准确率和可靠性均偏低的问题,提出一种基于APO-MVMD-Transformer的电缆故障定位方法。将采集到的电缆故障信号通过相模变换进行解耦得到故障行波信号,采用经北极海鹦优化算法(APO)寻优后的多元变分模态分解(MVMD)参数分解行波信号,通过Teager能量算子获取分解后的高频模态分量的瞬时能量变化,标定行波波头到达时刻,将时刻对应的采样点作为特征值构建特征数据集,再利用APO优化Transformer模型。最后将数据送入APO-Transformer定位模型中,实现电缆故障定位。结果表明,该定位模型的决定系数高达0.99991,故障定位相对误差在1%以内,定位距离误差在百米以内,具有较高的故障定位精度。 展开更多

关键词 故障定位 相模变换 北极海鹦优化算法 多元变分模态分解 TEAGER能量算子 Transformer模型

在线阅读 下载PDF 职称材料

基于MVMDMS-CCA的稳态视觉诱发电位分类算法

4

作者 聂子豪 王娆芬 《中国医学物理学杂志》 2025年第7期935-944,共10页

针对脑电图信号的分类问题,考虑其非线性、非稳态的特点,引入多元变分模态分解处理稳态视觉诱发电位(SSVEP)信号,提出模态筛选的新思路,并结合CCA算法,提出一种用于稳态视觉诱发电位的分类算法(MVMDMSCCA)。MVMDMS-CCA方法首先提出用信... 针对脑电图信号的分类问题,考虑其非线性、非稳态的特点,引入多元变分模态分解处理稳态视觉诱发电位(SSVEP)信号,提出模态筛选的新思路,并结合CCA算法,提出一种用于稳态视觉诱发电位的分类算法(MVMDMSCCA)。MVMDMS-CCA方法首先提出用信噪比确定MVMD中的关键参数K值,然后进行MVMD分解,结合MIC方法设定阈值进行模态的筛选,将不满足阈值的模态进行自适应小波去噪,构建新的模态组合,再送入CCA算法,实现SSVEP信号的分类。使用自采的脑电数据集进行验证,在3 s的时间窗长下取得93.23%的平均分类正确率,比标准的CCA提升5.78%,比改进的滤波器组CCA提升1.51%。试验结果表明,MVMDMS-CCA有效挖掘脑电信号中的SSVEP成分,同时压制噪声,为SSVEP解码算法的研究提供一种新的思路。 展开更多

关键词 多元变分模态分解 稳态视觉诱发电位 模态筛选 典型相关分析

在线阅读 下载PDF 职称材料

基于SSA-MVMD-DF的表面肌电信号手势识别方法

5

作者 罗辰甲 陈乃建 +2 位作者 徐广越 高丛政 巩童 《山东工业技术》 2025年第2期35-45,共11页

表面肌电信号作为一种手势识别的依据,基于表面肌电(sEMG)信号的手势识别被广泛应用于人机交互控制。针对sEMG信号的非线性、非平稳性和多通道信号处理复杂,本文提出了一种基于麻雀搜索算法(SSA)优化多元变分模态分解(MVMD)和深度森林... 表面肌电信号作为一种手势识别的依据,基于表面肌电(sEMG)信号的手势识别被广泛应用于人机交互控制。针对sEMG信号的非线性、非平稳性和多通道信号处理复杂,本文提出了一种基于麻雀搜索算法(SSA)优化多元变分模态分解(MVMD)和深度森林相结合的手势识别的方法。该方法首先对不同手势的sEMG信号通过SSA参数优化的MVMD进行分解,得到多个本征模态函数(IMFs);其次,对得到的IMF分量进行特征提取,构建特征数据集;最后,建立深度森林分类模型,以特征数据集作为输入,对手势进行分类。选取SeNic数据集的7组手势验证了所提出方法的可行性。与几种机器学习算法进行比较,实验经过十次交叉验证,该方法对7组手势的测试集平均准确率达到93.5%。结果表明,该方法能够有效识别多通道下的sEMG信号的手势类别。 展开更多

关键词 表面肌电信号 手势识别 麻雀搜索算法 多元变分模态分解 深度森林

在线阅读 下载PDF 职称材料

基于噪声自适应MVMD-ALCAT的轴承故障检测研究

6

作者 卢冠忠 石宇强 《制造业自动化》 2025年第9期108-120,共13页

轴承故障检测在工业设备的健康监测与维护中具有重要意义,但传统方法在处理超长时序信号和复杂工况时,难以同时兼顾全局建模能力与计算效率,导致检测精度下降或推理速度受限。针对这一问题,提出了一种基于噪声自适应多变量变分模态分解(... 轴承故障检测在工业设备的健康监测与维护中具有重要意义,但传统方法在处理超长时序信号和复杂工况时,难以同时兼顾全局建模能力与计算效率,导致检测精度下降或推理速度受限。针对这一问题,提出了一种基于噪声自适应多变量变分模态分解(NA-MVMD)和自适应局部卷积注意力Transformer(ALCAT)的故障检测方法,以提高故障检测的准确性、鲁棒性及计算效率。其中,NA-MVMD通过引入噪声自适应机制优化多变量信号解耦,增强特征提取的稳定性和可靠性;ALCAT结合信号自适应分组(SAS)、卷积神经网络(CNN)、注意力机制(Attention)及Transformer结构,实现高效的局部与全局特征学习,从而提升故障识别精度和推理速度。为验证该方法的有效性,将NA-MVMD-ALCAT与多个先进模型进行对比。实验结果表明,该方法在各项性能指标上均显著优于对比方法,F1值达到0.9863,展现出优越的故障检测能力。此外,当窗口大小设定为1024时,该模型实现了检测精度与计算效率的最优平衡,能够高效处理超长时序数据。综上,NA-MVMD-ALCAT适用于在线轴承故障监测与智能运维系统,为工业设备健康监测提供了一种高效、精准的解决方案。 展开更多

关键词 轴承故障检测 多元变分模态分解 卷积神经网络 注意力机制 TRANSFORMER 噪声自适应

在线阅读 下载PDF 职称材料

基于PIA数据修复和聚类的MVMD-CNN-BiLSTM-ATT短期光伏功率预测

7

作者 赵晶晶 盛杰 +2 位作者 王涵 周瑞康 范宏 《太阳能学报》 北大核心 2025年第9期547-554,共8页

为提高光伏发电系统输出功率的预测精度,提出一种基于皮尔逊插值算法(PIA)、模糊C均值聚类算法(FCM)、多元变分模态分解(MVMD)、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(ATTENTION)的短期光伏功率预测组合模型。首... 为提高光伏发电系统输出功率的预测精度,提出一种基于皮尔逊插值算法(PIA)、模糊C均值聚类算法(FCM)、多元变分模态分解(MVMD)、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(ATTENTION)的短期光伏功率预测组合模型。首先,利用PIA对光伏电站采集的原始数据进行修复;其次,FCM算法将历史数据聚类为晴天、阴天、雨天;然后,通过MVMD对光伏功率进行分解,得到若干本征模态函数;接着,采用CNN和BiLSTM网络相结合充分提取各本征模态函数的特征,同时引入注意力机制以突出重要信息并赋予其权重;最后,对各本征模态函数预测,将各预测值叠加得到最终预测结果,与其他光伏功率预测模型对比验证所提混合模型具有更好的预测精度。 展开更多

关键词 光伏功率 预测模型 多元变分模态分解 模糊聚类 双向长短期记忆神经网络 注意力机制

原文传递

基于EMVMD-GPSAO的短期风电功率网络预测模型

8

作者 陈万志 杜超 王天元 《电工电能新技术》 北大核心 2025年第7期90-98,共9页

针对风电时间序列数据的非线性、非平稳特征而导致的短期风电功率预测精度低问题,本文提出一种基于多频解构特征优选方法与改进的雪消融优化器(EMVMD-GPSAO)的短期风电功率网络预测模型。首先,采用多频解构特征优选方法(EMVMD)从原始风... 针对风电时间序列数据的非线性、非平稳特征而导致的短期风电功率预测精度低问题,本文提出一种基于多频解构特征优选方法与改进的雪消融优化器(EMVMD-GPSAO)的短期风电功率网络预测模型。首先,采用多频解构特征优选方法(EMVMD)从原始风电功率及气象数据中分解、筛选得到关键模态特征,提升训练数据质量;其次,构建融合双向时间卷积网络(BiTCN)和双向门控循环单元(BiGRU)的网络模型,采用改进的雪消融优化器(GPSAO)优化模型超参数,并通过多头注意力机制(MHA)实现时序特征的自适应加权;最后,对模型输出的预测序列进行反归一化处理,获得预测结果。场景数据集实验结果表明,所提模型的MAE降低超过58.02%,MAPE降低超过4.52%,RMSE降低超过46.59%,跨数据集R2维持在0.99以上。四种评价指标均优于对比模型,具有更高的预测精度与泛化能力。 展开更多

关键词 短期风电功率预测 多元变分模态分解 雪消融优化器 双向时间卷积网络 双向门控循环单元

在线阅读 下载PDF 职称材料

基于MVMD-IAO-LSTM的短期光伏功率预测方法研究

9

作者 杨安德 《电子质量》 2025年第9期52-58,共7页

针对环境因素导致光伏发电输出功率波动、功率预测困难的问题,提出基于多元变分模态分解(MVMD)与改进天鹰算法(IAO)协同优化的长短期记忆网络(LSTM)预测模型,即MVMD-IAO-LSTM。首先,利用MVMD对多维原始光伏数据进行分解处理,提升处理后... 针对环境因素导致光伏发电输出功率波动、功率预测困难的问题,提出基于多元变分模态分解(MVMD)与改进天鹰算法(IAO)协同优化的长短期记忆网络(LSTM)预测模型,即MVMD-IAO-LSTM。首先,利用MVMD对多维原始光伏数据进行分解处理,提升处理后数据的平稳性;其次,通过混沌映射与非线性因子改进AO算法,降低其陷入局部最优的风险,进而优化LSTM模型;最终,通过训练好的模型开展对比实验,基于各误差指标验证表明,所提MVMDIAO-LSTM模型在各性能维度表现最优,其兼具更高精度与准确性,对提升短期光伏功率预测准确性具有重要应用价值。 展开更多

关键词 光伏发电 长短期记忆网络 多元变分模态分解 改进的天鹰算法 光伏功率 预测方法

在线阅读 下载PDF 职称材料

基于脑功能网络的虚拟现实晕动症检测

10

作者 杨文清 化成城 +4 位作者 殷利平 陶建龙 陈玥池 戴志安 刘佳 《南京信息工程大学学报》 北大核心 2026年第1期26-34,共9页

基于对不同眩晕状态下的脑电信号(EEG)解码提出有效的检测方案,有助于研究虚拟现实晕动症的缓解方法.本文采用多元变分模态分解将EEG划分为5个频段,并根据晕动症量表结果将数据划分为不同眩晕状态组,利用PLV(锁相值)方法计算EEG频段内... 基于对不同眩晕状态下的脑电信号(EEG)解码提出有效的检测方案,有助于研究虚拟现实晕动症的缓解方法.本文采用多元变分模态分解将EEG划分为5个频段,并根据晕动症量表结果将数据划分为不同眩晕状态组,利用PLV(锁相值)方法计算EEG频段内和频段间的功能连接以构建超邻接矩阵,并基于SVM(支持向量机)和CNN(卷积神经网络)等模型进行分类识别.研究结果显示,聚类系数、局部效率和加权节点度三种具有显著性差异的拓扑特征融合后,在检测眩晕和非眩晕,高眩晕和低眩晕两个任务中的最高平均分类准确率分别为91.70%和96.00%.此外,本文还将超邻接矩阵直接输入CNN模型,在两个任务中得到的平均分类准确率分别达到93.40%和98.50%.结果表明,本研究所提方法可用于虚拟现实晕动症的检测,并可为进一步研究晕动症对各脑区功能耦合的影响提供参考. 展开更多

关键词 虚拟现实晕动症 脑电信号(EEG) 多元变分模态分解 脑功能连接 网络拓扑特征

在线阅读 下载PDF 职称材料

基于改进MVMD-SOBI算法的直驱风电机组多通道次同步振荡模态辨识 被引量：15

11

作者 赵峰 王雅娴 +1 位作者 王英 陈小强 《高电压技术》 EI CAS CSCD 北大核心 2022年第4期1365-1374,共10页

针对直驱风电机组(direct-drive permanent magnet synchronous wind turbines,D-PMSG)产生的次同步振荡(sub synchronous oscillation,SSO)辨识问题,该文将用于机械故障检测的多元变分模态分解(multivariate variational mode decompos... 针对直驱风电机组(direct-drive permanent magnet synchronous wind turbines,D-PMSG)产生的次同步振荡(sub synchronous oscillation,SSO)辨识问题,该文将用于机械故障检测的多元变分模态分解(multivariate variational mode decomposition,MVMD)进行改进,并与二阶盲辨识(second order blind identification,SOBI)相结合,实现直驱风电机组的次同步振荡模态辨识。针对具有多通道特性的广域量测系统(wide area measurement system,WAMS)量测的SSO信号,提出了一种多通道次同步振荡模态辨识方法。首先,由于MVMD的模态数K值和惩罚因子α值对算法的精确性有绝对的影响,所以对MVMD算法进行改进,建立综合指标Sy来确定K和α;其次,在已知参数基础上,利用改进MVMD对SSO信号进行分解,得到多个本征模态函数分量(intrinsic mode function,IMFs),并借助Fréchet距离筛选出主导IMF分量并去除噪声干扰,同时为提高运算效率,直接辨识出SSO信号模态,以随机子空间思想为基础,将SOBI算法改进,直接辨识出SSO信号的频率、阻尼比和衰减因子;最后,分别利用理想算例、仿真算例和电网实测数据对所提方法进行分析和验证。结果表明,对于直驱风电机组产生的多通道次同步振荡信号,该文方法可高效准确地辨识其参数,为次同步振荡抑制问题的研究奠定基础。 展开更多

关键词 多元变分模态分解 多通道信号 二阶盲辨识 次同步振荡 直驱风电机组

原文传递

面向滚动轴承的自适应NA-MVMD融合GADF故障诊断方法 被引量：2

12

作者 瞿红春 贾柏谊 +2 位作者 郑剑青 韩松钰 马文博 《组合机床与自动化加工技术》 北大核心 2023年第3期99-103,108,共6页

针对滚动轴承的故障特征易被湮没在噪声背景下,从而导致故障种类难以识别的问题,提出了一种基于自适应噪声辅助多元变分模态分解(NA-MVMD)降噪融合格拉姆角差场(GADF)特征提取的滚动轴承故障诊断方法。首先,使用鲸鱼优化算法(WOA)对NA-M... 针对滚动轴承的故障特征易被湮没在噪声背景下,从而导致故障种类难以识别的问题,提出了一种基于自适应噪声辅助多元变分模态分解(NA-MVMD)降噪融合格拉姆角差场(GADF)特征提取的滚动轴承故障诊断方法。首先,使用鲸鱼优化算法(WOA)对NA-MVMD中的分解模态数K和惩罚因子α进行寻优;其次,利用NA-MVMD处理信号得到若干IMF分量,根据GADF将筛选重构后的一维数据转化为二维图片;随后,将故障特征图片输入LeNet-5卷积神经网络进行分类识别。采用某大学XJTU-ST轴承故障数据进行验证分析,分类准确率达到了97.5%,证明了该方法在较强噪声背景下具有较好的诊断性能。 展开更多

关键词 故障诊断 噪声辅助 多元变分模态分解 格拉姆角差场 卷积神经网络

在线阅读 下载PDF 职称材料

基于ASMVMD和MOMEDA的齿轮特征提取方法 被引量：2

13

作者 唐贵基 曾鹏飞 朱爽 《机电工程》 CAS 北大核心 2024年第12期2174-2184,共11页

针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以... 针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以SMVMD分解后各个通道的所有分量的平均包络谱峰值因子(Ec)之和的相反数作为寻优的适应度函数,确定了最大惩罚因子α和最大分解模态数k的最优值;然后,采用ASMVMD方法对齿轮多通道故障数据进行了自适应分解,根据Ec指标提取了各通道特定分量,并将这些分量相加,进行了信号重构;最后,采用MOMEDA解卷积处理了重构信号,进一步强化了齿轮故障的冲击特性,并利用包络谱分析解卷积信号,提取了齿轮的故障特征频率。研究结果表明:通过仿真信号和模拟实验信号的分析,可知利用ASMVMD-MOMEDA相结合的方法处理得到的信号降噪效果显著,能有效抑制无关干扰成分的影响,从包络谱中可以清晰地看到故障频率的前几阶倍频;与多元经验模态分解(MEMD)-MOMEDA相结合的方法进行对比,发现采用ASMVMD-MOMEDA方法得到的包络谱较MEMD-MOMEDA方法的谱线更加干净,各阶倍频更加明显,进一步证明ASMVMD-MOMEDA方法可以准确提取齿轮故障特征。 展开更多

关键词 齿轮损伤特征 故障特征提取 自适应逐次多元变分模态分解 多点最优最小熵解卷积 多通道 解卷积 包络谱峰值因子 信号重构

在线阅读 下载PDF 职称材料

基于MVMD与CMSE的水电机组摆度信号消噪方法 被引量：6

14

作者 谭志锋 潘罗平 安学利 《大电机技术》 2022年第2期68-74,共7页

本文提出了一种基于多元变分模态分解(Multivariate Variational Mode Decomposition, MVMD)与复合多尺度熵(Composite Multi-scale Entropy, CMSE)的水电机组摆度信号消噪方法。该方法利用MVMD算法将多传感器同时采集的多通道摆度信号... 本文提出了一种基于多元变分模态分解(Multivariate Variational Mode Decomposition, MVMD)与复合多尺度熵(Composite Multi-scale Entropy, CMSE)的水电机组摆度信号消噪方法。该方法利用MVMD算法将多传感器同时采集的多通道摆度信号进行了同步分解,有效地提高了多通道数据融合处理能力,同时得到了若干个固有模态分量;采用复合多尺度熵阈值准则确定重构信号的固有模态分量个数,实现水电机组摆度信号的消噪。通过与VMD及小波分解方法进行仿真信号消噪对比,比较相关系数与信噪比,结果表明本文提出的方法具有更好的消噪效果。最后通过实例分析进一步验证了本文所提出的方法具有更好的信号消噪性能。 展开更多

关键词 水电机组 摆度信号 消噪方法 多元变分模态分解 复合多尺度熵

在线阅读 下载PDF 职称材料

基于MVMD和全矢包络谱的滚动轴承故障诊断方法 被引量：11

15

作者 黄传金 宋海军 +4 位作者 杨世锡 池永为 黄海舟 郝爽 郭胜彬 《电力自动化设备》 EI CSCD 北大核心 2021年第12期172-177,192,共7页

为全面、准确地诊断滚动轴承故障,提出一种基于多元变分模态分解(MVMD)和全矢包络谱的滚动轴承故障诊断方法。首先,采用正交采样技术获取滚动轴承同一支撑处互相垂直方向上的振动信号,将其组成一个二元调制振荡信号。然后,运用MVMD从二... 为全面、准确地诊断滚动轴承故障,提出一种基于多元变分模态分解(MVMD)和全矢包络谱的滚动轴承故障诊断方法。首先,采用正交采样技术获取滚动轴承同一支撑处互相垂直方向上的振动信号,将其组成一个二元调制振荡信号。然后,运用MVMD从二元调制振荡信号中提取一组最佳的二元调制振荡信号,其对应的带宽之和最小。由于MVMD运用统一数学模型对2个方向的信号建模,可确保故障特征被分解到同一层,便于后续的信息融合。最后,运用Hilbert变换对每个二元调制振荡信号解调得到相应的包络信号,利用全矢谱融合2个方向的包络信号信息以得到全矢包络谱,进而诊断滚动轴承故障。仿真和试验结果证明了所提方法的可行性和有效性。 展开更多

关键词 多元变分模态分解 滚动轴承 故障诊断 全矢包络谱

在线阅读 下载PDF 职称材料

基于深度残差网络与MVMD的多通道地磁信号处理 被引量：8

16

作者 李广 郑豪豪 +3 位作者 蔡红柱 陈超健 石福升 龚松林 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2023年第8期3540-3556,共17页

地磁数据在地震预报、空间天气监测、矿产资源勘查、地球深部构造探索等领域具有重要价值.但现有的地磁台站观测数据受到人文噪声污染的问题日益严重,给地球内部高精度成像带来了极大困难.为此,我们将深度残差网络(residual network,Res... 地磁数据在地震预报、空间天气监测、矿产资源勘查、地球深部构造探索等领域具有重要价值.但现有的地磁台站观测数据受到人文噪声污染的问题日益严重,给地球内部高精度成像带来了极大困难.为此,我们将深度残差网络(residual network,ResNet)与多元变分模态分解(multivariate variational mode decomposition,MVMD)引入到地磁信号的处理,提出一种新颖的多通道地磁信号处理方法.首先,利用深度残差网络对大量人工标记的数据集进行训练,得到基于残差网络的地磁信噪识别模型;然后,利用训练好的模型识别出观测信号中的含噪片段;之后,利用MVMD对含噪片段进行多通道的信噪分离,得到去噪后的片段;最后,用去噪后的片段代替原始观测信号中的含噪片段,得到完整的高质量信号.为验证方法的有效性,我们设计了仿真实验,结果表明所提方法可以将观测信号的信噪比提高约15 dB,相对于变分模态分解(variational mode decomposition,VMD)、互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、数学形态滤波(mathematical morphological filtering,MMF)、小波去噪(Wavelet)等方法具有较明显的优势,且适合多通道信号的同时处理.我们将所提方法应用于菲律宾海及西太平洋的海底观测的地磁数据,结果表明所提方法的识别精度约为98%,并能够极大改善信号的质量.去噪后的信号与相邻台站的同时段高质量信号的相似度由去噪前的94.75%提升到了97.34%,表明处理结果是可靠的,使用我们的方法有望提高地磁数据成像的精度及可靠性. 展开更多

关键词 深度残差网络 多元变分模态分解 信号处理 地磁信号去噪 电磁勘探 深度学习

在线阅读 下载PDF 职称材料

基于MVMD-MOMEDA的齿轮箱故障诊断方法 被引量：6

17

作者 崔素晓 崔彦平 +2 位作者 武哲 吕志元 张琳琳 《河北科技大学学报》 CAS 北大核心 2023年第6期551-561,共11页

针对齿轮箱振动信号受复杂传递路径、强背景噪声的影响导致早期微弱故障难以诊断的问题,提出了一种基于多元变分模态分解(MVMD)和多点最优最小熵反褶积调整(MOMEDA)的齿轮箱故障诊断方法。首先,利用MVMD将融合后的多通道振动信号进行模... 针对齿轮箱振动信号受复杂传递路径、强背景噪声的影响导致早期微弱故障难以诊断的问题,提出了一种基于多元变分模态分解(MVMD)和多点最优最小熵反褶积调整(MOMEDA)的齿轮箱故障诊断方法。首先,利用MVMD将融合后的多通道振动信号进行模态分解,得到一系列表征信号局部特征的IMF分量;其次,引入峭度值(Ku),选取最佳模态进行信号重构,剔除含噪声分量高的IMF;最后,对重构信号进行MOMEDA特征提取以识别故障频率,从而进行故障诊断。结果表明,所提故障诊断方法可以有效剔除噪声分量的干扰,识别出信号中的故障冲击成分及其倍频进而确定故障类型。MVMD-MOMEDA方法解决了在单一通道问题上无法处理多源信号的缺点以及早期微弱故障特征难以提取等问题,可为故障诊断和多源信号处理提供参考。 展开更多

关键词 数据处理 齿轮箱 多元变分模态分解 多点最优最小熵反褶积调整 特征提取 故障诊断

在线阅读 下载PDF 职称材料

基于MVMD和瞬时相位的液压管路故障特征提取方法 被引量：4

18

作者 宋旭 魏勤 +2 位作者 鲁玲 陈珊 周昊辰 《光通信技术》 2021年第10期34-39,共6页

为了对液压管路中的故障进行程度和类型的识别与定位,提出多元变分模态分解(MVMD)和瞬时相位特征与主频幅值加权融合的方法,采用分布式光纤布喇格光栅(FBG)监测管路应变,从传感器信号的相位和幅值中提取有效故障特征,并进行了仿真实验... 为了对液压管路中的故障进行程度和类型的识别与定位,提出多元变分模态分解(MVMD)和瞬时相位特征与主频幅值加权融合的方法,采用分布式光纤布喇格光栅(FBG)监测管路应变,从传感器信号的相位和幅值中提取有效故障特征,并进行了仿真实验。仿真结果表明:根据加权融合特征向量可以有效地对管路故障特征进行识别和定位,故障程度识别正确率达98%以上。 展开更多

关键词 液压管路 分布式光纤布喇格光栅 相位特征 多元变分模态分解

在线阅读 下载PDF 职称材料

基于MVMD-FRFT的滚动轴承早期故障特征提取研究 被引量：8

19

作者 洪达 马洁 赵西伟 《机电工程》 CAS 北大核心 2021年第10期1284-1291,共8页

滚动轴承的振动信号具有非平稳、非线性的特点,造成其早期故障信号的特征提取困难,针对这一问题,对滚动轴承状态监测中常用的特征提取方法进行了研究,提出了一种基于多元变分模态分解(MVMD)和分数阶傅里叶变换(FRFT)的特征提取方法,并... 滚动轴承的振动信号具有非平稳、非线性的特点,造成其早期故障信号的特征提取困难,针对这一问题,对滚动轴承状态监测中常用的特征提取方法进行了研究,提出了一种基于多元变分模态分解(MVMD)和分数阶傅里叶变换(FRFT)的特征提取方法,并将其应用于滚动轴承的故障诊断中。利用MVMD算法将多传感器同时采集的多通道振动信号进行了同步分解,有效地提高了多通道数据融合处理能力,同时得到了若干个固有模态函数(IMF)分量;依据相关系数法从分解后得到的IMF分量中选取了包含故障信息最多的分量作为最优分量,利用FRFT对最优分量进行了滤波,降低了噪声对微弱故障信号的干扰;对滤波后的信号进行了1.5维包络谱解调,通过分析滤波后信号的包络谱,提取了滚动轴承的故障特征。研究结果表明:应用MVMD和FRFT相结合的方法能够有效地避免模态混叠现象,充分地利用故障特征信息,削弱低频信号与噪声的干扰,从而有效地提取出了滚动轴承的故障特征信息。 展开更多

关键词 滚动轴承 特征提取 多元变分模态分解 分数阶傅里叶变换 固有模态函数

在线阅读 下载PDF 职称材料

改进MVMD方法及其在轴承故障诊断中应用 被引量：5

20

作者 王前 王鑫 +1 位作者 宋秋昱 江星星 《噪声与振动控制》 CSCD 北大核心 2023年第6期88-94,共7页

随着多传感器采集系统的发展,多元信号的同步处理变得尤为重要。多变量变分模式分解(Multivariate Variational Mode Decomposition,MVMD)方法是一种在变分模式分解方法基础上发展起来的多元信号分析方法,具有物理意义清晰、抗干扰能力... 随着多传感器采集系统的发展,多元信号的同步处理变得尤为重要。多变量变分模式分解(Multivariate Variational Mode Decomposition,MVMD)方法是一种在变分模式分解方法基础上发展起来的多元信号分析方法,具有物理意义清晰、抗干扰能力强等特点。然而,须预先设置分解模式个数和带宽平衡参数对其在实际工程中的应用产生限制。为此,提出一种改进MVMD方法。该方法构建带宽估计策略和MVMD单分量迭代分解策略,能够合理确定带宽平衡参数,并在固定带宽下基于峭度准则迭代分解出故障分量。多通道的轴承故障试验信号分析结果表明:提出的方法能够合理确定目标分量的带宽,且无须预设模式分量个数;该方法运行所需时间为8.3 s,相较于传统的固定参数MVMD、多维经验模态分解和快速谱峭度,可在没有损失时间效率的前提下更准确地识别出多通道故障特征。 展开更多

关键词 故障诊断 带宽估计 迭代分解 多变量变分模式分解 多通道信号分析

在线阅读 下载PDF 职称材料