期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到73篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于NRBO-VMD-SVM的矿区地表沉降预测模型
1
作者 罗炟 王怀宝 《北京测绘》 2025年第11期1627-1635,共9页
针对矿区沉降监测及预测一体化建设,本研究提出一种牛顿-拉夫逊优化(NRBO)算法、变分模态(VMD)算法与支持向量机(SVM)算法相结合的矿区地表沉降预测模型。本研究以内蒙古自治区某地下煤矿矿区为例,利用差分干涉测量短基线集时序分析技术... 针对矿区沉降监测及预测一体化建设,本研究提出一种牛顿-拉夫逊优化(NRBO)算法、变分模态(VMD)算法与支持向量机(SVM)算法相结合的矿区地表沉降预测模型。本研究以内蒙古自治区某地下煤矿矿区为例,利用差分干涉测量短基线集时序分析技术(SBAS-InSAR)数据获取研究区地表沉降时间序列,根据研究期内沉降累计值选择特征点,运用NRBO-VMD-SVM组合模型对特征点位置的沉降时间序列进行分解、预测及重构,得出对应沉降预测数据,并将预测结果与SBAS-InSAR技术监测结果进行对比分析。研究结果表明,NRBO-VMD算法对沉降时间序列的分解预测合理且有效,与反向传播神经网络(BP)算法、长短期记忆(LSTM)网络等其他常规预测模型相比,NRBO-VMD-SVM组合模型预测结果的均方根误差降低超过24.7%,平均绝对误差降低超过32.3%,决定系数数值在0.78~0.98波动,预测准确性和稳定性有了很大的提升,验证了运用NRBO-VMD-SVM组合模型对矿区地表沉降进行预测的可行性。 展开更多
关键词 沉降监测 差分干涉测量短基线集时序分析技术(SBAS-InSAR) 沉降预测 牛顿-拉夫逊优化的变分模态(NRBO-VMD)算法 支持向量机(SVM)算法
在线阅读 下载PDF
基于VMD-SVM的管道漏磁检测信号特征辨识 被引量：1
2
作者 张敏 王德国 +2 位作者 郭岩宝 张咪 张政 《石油矿场机械》 CAS 2022年第6期9-17,共9页
传统管道漏磁检测信号处理出现混叠、过包络发散、低频异变等问题,导致缺陷信号特征量提取与识别效果不理想。针对上述问题,基于变分模态分析-支持向量机(Variational Mode Decomposition-Support Vector Machines, VMD-SVM)算法完成管... 传统管道漏磁检测信号处理出现混叠、过包络发散、低频异变等问题,导致缺陷信号特征量提取与识别效果不理想。针对上述问题,基于变分模态分析-支持向量机(Variational Mode Decomposition-Support Vector Machines, VMD-SVM)算法完成管道漏磁信号特征辨识。采用四阶VMD处理管道漏磁信号,解决了经验模态分解(Empirical Mode Decomposition, EMD)的过包络引发的信号发散问题,也解决了小波分解(Wavelet Transform, WT)的低频信号异变问题。同时,以峭度最大原则选择最佳的模态分量(IMFm),提取模态分量的特征量,建立样本集。最后,采用SVM算法对信号特征量进行辨识分类,优选核函数,提高辨识精度。利用现场采集信号进行验证,结果表明:VMD-SVM算法抗干扰性强、识别精度高。 展开更多
关键词 vmd-svm 管道缺陷 漏磁检测 特征识别
在线阅读 下载PDF
基于VMD-SVM的滚动轴承退化状态识别 被引量：14
3
作者 吕明珠 苏晓明 +1 位作者 刘世勋 陈长征 《机械设计与制造》 北大核心 2020年第1期96-100,共5页
针对滚动轴承全寿命退化状态难以有效识别的问题,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)相结合的滚动轴承退化状态识别方法。该方法先用包络熵确定VMD的最优分解层数,再根据峭度及相关系数准则选择VMD分解后的敏感本征模态... 针对滚动轴承全寿命退化状态难以有效识别的问题,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)相结合的滚动轴承退化状态识别方法。该方法先用包络熵确定VMD的最优分解层数,再根据峭度及相关系数准则选择VMD分解后的敏感本征模态分量(IMF),然后提取敏感IMF分量的时域指标和能量熵构成退化特征向量序列,最后随机抽取不同退化状态下的少量样本输入SVM模型训练,建立退化状态模型库,并用真实数据进行测试。实验结果表明该方法能够准确识别出轴承的退化状态,通过与EMD-SVM、EEMD-SVM模型对比,验证了该方法的优越性。 展开更多
关键词 变分模态分解(VMD) 支持向量机(SVM) 滚动轴承 退化状态识别
在线阅读 下载PDF
小样本条件下基于VMD-SVM的电网技改项目科技投资预测 被引量：7
4
作者 王绵斌 齐霞 +2 位作者 安磊 耿鹏云 王建军 《科技管理研究》 CSSCI 北大核心 2020年第16期231-235,共5页
随着我国电力改革体制不断推进,以输配电服务为主的盈利模式要求电网企业对经营成本作出更精确的控制。电网技改工作对电网企业的运营成本具有较大影响,但由于相关历史数据少,采用常规预测模型难以对电网企业技改项目的年度科技投资进... 随着我国电力改革体制不断推进,以输配电服务为主的盈利模式要求电网企业对经营成本作出更精确的控制。电网技改工作对电网企业的运营成本具有较大影响,但由于相关历史数据少,采用常规预测模型难以对电网企业技改项目的年度科技投资进行科学和客观的预测。为此,针对电网技改项目科技投资年度预测属于小样本预测的特点,选取支持向量机(SVM)模型作为预测模型,并且在预测开始之前进行变分模态分解(VMD),通过将技改科技投资数据分解为特征各异的子序列,将每一个子序列数据通过不同的SVM模型进行预测,得到各子序列的预测结果后对子序列的预测结果进行叠加,从而得到最终预测结果。最后通过某区域电网的实际数据验证,得到基于VMD-SVM的电网技改项目科技投资预测方法的预测精度为1.51%,而单采用同参数SVM模型的预测精度为2.02%,证实基于VMD-SVM的电网技改项目科技投资预测方法的有效性。 展开更多
关键词 电网技改项目 投资预测 变分模态分解(VMD) 支持向量机(SVM)
在线阅读 下载PDF
基于GA优化的VMD-SVM识别角度头故障特征 被引量：1
5
作者 陈建 姚剑飞 +2 位作者 赵洪杰 刘争 张素燕 《北京化工大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第3期47-54,共8页
提出一种基于遗传算法优化的变分模态分解(variational mode decomposition,VMD)-支持向量机(support vector machine,SVM)方法来识别机床角度头故障特征。首先采用遗传算法对VMD算法的输入参数进行优化,将优化后的VMD算法用于振动信号... 提出一种基于遗传算法优化的变分模态分解(variational mode decomposition,VMD)-支持向量机(support vector machine,SVM)方法来识别机床角度头故障特征。首先采用遗传算法对VMD算法的输入参数进行优化,将优化后的VMD算法用于振动信号的分解,得到各本征模态函数(IMF)后,求得对应的能量熵;然后通过SVM算法筛选出有效故障数据,再利用峭度和相关系数相结合的方法将其中的IMF筛选出来并重构信号;最后,对该信号作频谱分析,分析相关特征信息,识别并诊断出故障。根据仿真和实验结果,所提方法对于故障角度头的有效信号筛选正确率高,对于噪声抑制效果良好,特征提取快速有效,可用于机床故障诊断领域。 展开更多
关键词 角度头 变分模态分解(VMD) 支持向量机(SVM) 遗传算法 特征识别
在线阅读 下载PDF
基于VMD-SVM的三相异步电机故障诊断方法 被引量：7
6
作者 谢锋云 胡旺 +2 位作者 刘慧 赏鉴栋 邱英 《噪声与振动控制》 CSCD 北大核心 2023年第1期100-104,共5页
针对三相异步电机信号的不稳定性及故障特征提取困难问题,提出一种基于变分模态分解(VMD)与支持向量机(SVM)相融合的电机故障诊断方法。该方法首先将采集的信号通过VMD分解得到IMF分量;其次,计算各个IMF分量的能量,再将其构成特征向量;... 针对三相异步电机信号的不稳定性及故障特征提取困难问题,提出一种基于变分模态分解(VMD)与支持向量机(SVM)相融合的电机故障诊断方法。该方法首先将采集的信号通过VMD分解得到IMF分量;其次,计算各个IMF分量的能量,再将其构成特征向量;最后对每种状态随机选取400组输入SVM模型训练,将剩余每种状态100组用于测试,通过预测标签与实际标签的比较来判断电机的故障状态。采用该方法对4种不同的电机状态进行故障诊断,结果表明与完全自适应噪声集合经验模态分解(CEEMDAN)、变分模态分解(VMD)提取各IMF能量特征相比,基于VMD-SVM的三相异步电机故障诊断方法更具优越性。 展开更多
关键词 故障诊断 电机 VMD IMF能量 SVM
在线阅读 下载PDF
基于改进VMD和SVM方法的滚动轴承故障诊断 被引量：1
7
作者 何晓良 苏春 张玉茹 《东南大学学报(自然科学版)》 北大核心 2026年第2期322-332,共11页
为解决旋转部件早期振动故障信号存在的特征微弱、非平稳等问题,提出一种基于改进变分模态分解(VMD)及支持向量机(SVM)的故障诊断方法。采用改进的野马算法(IWHO)优化VMD中的惩罚因子α和模态数K以实现参数自动寻优,采用适应度函数选择... 为解决旋转部件早期振动故障信号存在的特征微弱、非平稳等问题,提出一种基于改进变分模态分解(VMD)及支持向量机(SVM)的故障诊断方法。采用改进的野马算法(IWHO)优化VMD中的惩罚因子α和模态数K以实现参数自动寻优,采用适应度函数选择最小包络熵。利用优化后的VMD完成振动信号分解,得到振动信号的固有模态函数(IMF)。在此基础上,采用峭度准则选取前5阶IMF分量以计算时频域特征,构建特征向量;将特征向量输入SVM中完成训练,实现旋转部件的故障分类。以滚动轴承试验数据集为例,验证方法有效性。结果表明:所提出的方法能有效处理非平稳振动信号,针对数据集中轴承4种运行状态诊断的准确率达99.17%;在模拟噪声干扰环境下,模型仍能保持95.8%以上的诊断精度。 展开更多
关键词 变分模态分解 支持向量机 改进野马算法 故障诊断
在线阅读 下载PDF
基于改进VMD和CS-SVM的汽车发动机故障诊断方法
8
作者 张忠其 梁裕益 叶龙 《机械制造与自动化》 2026年第1期293-298,共6页
为提高汽车发动机故障诊断准确性,提出一种变分模态分解结合支持向量机的K20C3涡轮增压发动机故障诊断方法。采用鲸鱼算法(WOA)优化变分模态分解(VMD)层数k和惩罚因子参数α,并利用优化后的VMD获取汽车发动机振动信号,用奇异谱熵表征信... 为提高汽车发动机故障诊断准确性,提出一种变分模态分解结合支持向量机的K20C3涡轮增压发动机故障诊断方法。采用鲸鱼算法(WOA)优化变分模态分解(VMD)层数k和惩罚因子参数α,并利用优化后的VMD获取汽车发动机振动信号,用奇异谱熵表征信号特征,利用布谷鸟搜索算法(CS)优化支持向量机(SVM)核函数的参数γ及惩罚因子C,并将发动机振动信号特征输入SVM的故障诊断模型进行分类识别。结果表明:优化后的VMD可有效分解K20C3涡轮增压发动机信号,CS-SVM的诊断模型可有效识别K20C3涡轮增压汽车发动机故障类型,且相较于标准SVM和粒子群优化(PSO)-SVM的故障诊断模型,具有更高的准确性,对缸内压力信号的诊断准确率达98.45%,对缸盖振动信号诊断的准确率达到99.21%。由此得出,该方案在发动机故障诊断方面具有一定的可行性。 展开更多
关键词 发动机故障 VMD算法 奇异谱熵 SVM算法 故障诊断
在线阅读 下载PDF
基于故障特征指标和BA-SVM的输弹机故障诊断方法
9
作者 朱旭东 尹强 +1 位作者 羊柳 皇甫丙彬 《兵器装备工程学报》 北大核心 2025年第6期314-321,共8页
针对输弹机故障特征难以提取,传统支持向量机故障诊断模型训练精度不高等问题,提出一种基于小波包与变分模态分解的故障特征提取,结合蝙蝠算法优化支持向量机的输弹机故障诊断方法。首先,建立输弹机动力学模型,并基于实验数据进行校验;... 针对输弹机故障特征难以提取,传统支持向量机故障诊断模型训练精度不高等问题,提出一种基于小波包与变分模态分解的故障特征提取,结合蝙蝠算法优化支持向量机的输弹机故障诊断方法。首先,建立输弹机动力学模型,并基于实验数据进行校验;然后,构建不同故障工况并获取仿真故障工况下的结构响应信号,使用小波包与Hilbert包络解调得到重构信号的包络曲线,提取其无量纲常数,结合变分模态分解(variational mode decomposition,VMD)的模态分量峭度,将无量纲常数与峭度结合为故障特征指标,作为故障诊断模型的输入,建立蝙蝠优化支持向量机(bat algorithm support vector machine,BA-SVM)模型,运用不同特征组合比较法进行对比实验。仿真结果表明,融合特征指标故障诊断正确率,相较于小波包-Hilbert包络曲线中的无量纲常数、VMD模态分量峭度故障诊断正确率,在测试集上分别高2%、12.4%;将BA-SVM与传统SVM进行分析与验证,结果表明,将无量纲常数、VMD模态分量峭度、融合指标作为诊断模型输入时,BA-SVM在测试集上故障诊断正确率比传统支持向量机高44.1%、9.6%、13.6%。实验结果表明:将无量纲常数、模态分量峭度、融合指标分别作为蝙蝠支持向量机诊断模型输入时,诊断正确率为98.4%、88.5%、99.7%,采用融合故障特征指标与蝙蝠支持向量机能更有效地进行输弹机故障诊断,验证了所提方法的有效性和准确性。 展开更多
关键词 输弹机 振动信号 变分模态分解 故障特征指标 支持向量机
在线阅读 下载PDF
基于VMD-PSO-SVM的甲醇合成气压缩机状态预测 被引量：2
10
作者 左学谦 夏楠 《机电工程技术》 2025年第2期143-147,共5页
针对甲醇合成气压缩机由于运行环境恶劣,导致故障信号中含有大量噪声干扰等问题,提出一种基于VMD-PSO-SVM模型的甲醇合成气压缩机状态预测模型。首先利用变分模态分解将原始数据分解成不同频率的本征模态函数,其次,将各子函数引入到PSO-... 针对甲醇合成气压缩机由于运行环境恶劣,导致故障信号中含有大量噪声干扰等问题,提出一种基于VMD-PSO-SVM模型的甲醇合成气压缩机状态预测模型。首先利用变分模态分解将原始数据分解成不同频率的本征模态函数,其次,将各子函数引入到PSO-SVM中,实现对子函数的状态预测,最后再将子函数叠加得到原函数的状态预测。采用实验组与对照组对照的研究方法,以平均绝对误差、均方根误差以及决定系数等参数来评估预测的准确性。结果表明:VMD-PSO-SVM模型较PSO-SVM模型综合提升60%左右,且需要迭代次数减少了83.8%。该方法具有预测精度高、鲁棒性好、抗噪声性能优、迭代次数少等优点,可以为预防性维护提供可靠的理论基础,在实际工程中有很高的实用价值。 展开更多
关键词 甲醇合成气压缩机 状态预测 PSO-SVM VMD-PSO-SVM
在线阅读 下载PDF
基于GA-SVM的DR-PMSM匝间短路故障诊断方法研究
11
作者 潘景宜 张旭 +1 位作者 晏佳胜 胡旭辉 《微电机》 2025年第2期14-20,32,共8页
针对双余度永磁同步电机(DR-PMSM)常见的绕组匝间短路故障问题,首先建立故障余度绕组数学模型,并分析故障后绕组的阻抗变化,在此基础上建立匝间短路故障有限元模型。然后利用DR-PMSM的结构特点,分析电机发生匝间短路故障后非故障余度绕... 针对双余度永磁同步电机(DR-PMSM)常见的绕组匝间短路故障问题,首先建立故障余度绕组数学模型,并分析故障后绕组的阻抗变化,在此基础上建立匝间短路故障有限元模型。然后利用DR-PMSM的结构特点,分析电机发生匝间短路故障后非故障余度绕组电流,将电流信号经过变分模态分解(VMD)得到各固有模态分量(IMF)的能量信息作为不同故障类型的特征量。最后使用支持向量机(SVM)作为故障诊断方法,并采用遗传算法(GA)优化SVM参数。实验结果表明基于GA-SVM的故障诊断方案能准确识别DR-PMSM的匝间短路故障,在空载和负载情况下故障诊断准确率分别达到85.2%和88.9%,表明所提方法具有较高的故障识别率。 展开更多
关键词 双余度永磁同步电机 匝间短路故障 变分模态分解 遗传算法 支持向量机
在线阅读 下载PDF
基于改进JSOA-SVM的地铁站台门故障诊断 被引量：1
12
作者 王若凡 朱松青 +2 位作者 杨柳 郝飞 徐涛 《噪声与振动控制》 北大核心 2025年第2期112-117,125,共7页
为准确地对地铁站台门进行故障诊断,并针对支持向量机(Support Vector Machine,SVM)在故障诊断中的参数选择问题,将跳蛛算法(Jumping Spider Optimization Algorithm,JSOA)用于SVM参数优化提升诊断性能,同时针对JSOA易陷入局部最优、收... 为准确地对地铁站台门进行故障诊断,并针对支持向量机(Support Vector Machine,SVM)在故障诊断中的参数选择问题,将跳蛛算法(Jumping Spider Optimization Algorithm,JSOA)用于SVM参数优化提升诊断性能,同时针对JSOA易陷入局部最优、收敛速度慢等不足,提出一种多策略改进跳蛛算法(Improved Jumping Spider Optimization Algorithm,IJSOA)优化SVM的站台门故障诊断方法。首先使用Teager能量算子、变分模态分解(Variational Mode Decomposition,VMD)以及精细复合多尺度模糊熵(Refined Composite Multiscale Fuzzy Entropy,RCMFE)提取信号特征;其次,通过IJSOA寻找SVM最优参数组合构建诊断模型;最后,使用提取的特征向量输入诊断模型实现站台门故障诊断。结果表明提出方法平均识别率为97.774%,诊断精度较其余几种方法更具优势,能够有效提升故障诊断分类效果。 展开更多
关键词 故障诊断 地铁站台门系统 变分模态分解(VMD) 跳蛛优化算法(JSOA) 支持向量机(SVM)
在线阅读 下载PDF
基于VMD-RSO-SVM的电梯轴承故障诊断研究
13
作者 王爱青 《智能制造》 2025年第5期116-122,共7页
电梯是城市轨道交通系统的重要组成部分,滚动轴承对电梯的稳定运行起着至关重要的作用。针对滚动轴承振动信号非线性非平稳、难以提取有效特征参数,以及使用支持向量机(SVM)进行故障分类时,惩罚因子和核函数参数会影响分类正确率的问题... 电梯是城市轨道交通系统的重要组成部分,滚动轴承对电梯的稳定运行起着至关重要的作用。针对滚动轴承振动信号非线性非平稳、难以提取有效特征参数,以及使用支持向量机(SVM)进行故障分类时,惩罚因子和核函数参数会影响分类正确率的问题,本文提出了一种基于变分模态分解(VMD)-鼠群优化算法(RSO)-SVM的故障诊断方法。该方法首先基于算法,自适应分解滚动轴承的振动信号得到本征模态分量(IMF),计算IMF的多尺度排列熵的平均值构建特征数据样本,并使用特征数据样本训练SVM模型。为了提高SVM分类模型性能,使用RSO算法对SVM的输入参数进行寻优,以分类正确率作为算法的适应度函数,构建对应SVM分类模型,从而实现滚动轴承振动信号的分类。最后,使用凯斯西储大学的滚动轴承数据集建立特征数据样本,验证了VMD-RSO-SVM方法的有效性。研究结果表明:VMD-RSO-SVM的分类正确率高达96.67%,相较于VMD-SVM、VMD-PSO-SVM及VMD-GWO-SVM分类模型,分类正确率分别提高了9.17%、4.17%、3.34%,而且模型收敛速度最快,验证了该方法的有效性。 展开更多
关键词 电梯 滚动轴承 故障诊断 变分模态分解 支持向量机
在线阅读 下载PDF
基于VMD排列熵与SVM的配电网单相接地故障识别
14
作者 付泉泳 秦骁 +4 位作者 胡豁然 吴维农 钟淘淘 刘誉蔓 李林灯 《电力大数据》 2025年第11期29-36,共8页
为实现配电网电阻接地与电弧接地故障的准确辨识,提出一种基于变分模态分解(variational mode decomposition,VMD)与支持向量机(support vector machine,SVM)的单相接地故障识别方法。首先,在PSCAD/EMTDC中构建10 kV配电网仿真模型,模... 为实现配电网电阻接地与电弧接地故障的准确辨识,提出一种基于变分模态分解(variational mode decomposition,VMD)与支持向量机(support vector machine,SVM)的单相接地故障识别方法。首先,在PSCAD/EMTDC中构建10 kV配电网仿真模型,模拟金属接地、低阻接地、高阻接地与电弧接地四种故障类型,采集零序电流信号。接着,利用VMD对采集到的信号进行分解,提取其本征模态函数(intrinsic mode function,IMF),并计算各分量的排列熵(permutation entropy,PE),构建反映故障特征的特征向量。最后,将该特征向量输入SVM分类器进行故障类型识别。在MATLAB平台上的仿真结果表明,所提方法在识别准确率方面优于传统智能算法极限学习机(extreme learning machine,ELM)及其核扩展版本(Kernel extreme learning machine,KELM),验证了其有效性与优越性。 展开更多
关键词 配电网 VMD SVM 故障识别 单相接地
在线阅读 下载PDF
基于VMD和LIBSVM的电能质量扰动识别分类方法
15
作者 许广林 邓圣徵 +4 位作者 张世碧 陈文涛 李钊 岳莉 钟建伟 《电工技术》 2025年第11期52-55,59,共5页
为了提高电能质量扰动的识别分类准确率,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)和LIBSVM的电能质量扰动(Power Quality Disturbance,PQD)识别分类方法。首先,运用VMD对电能质量扰动信号进行分解;接着,对VMD... 为了提高电能质量扰动的识别分类准确率,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)和LIBSVM的电能质量扰动(Power Quality Disturbance,PQD)识别分类方法。首先,运用VMD对电能质量扰动信号进行分解;接着,对VMD分解所得的本征模态函数(Intrinsic Mode Function,IMF)进行特征量计算并得到特征向量;最后,将提取后的特征量输入分类器中,并通过十折交叉验证对LIBSVM分类器的核函数进行优选,以提升模型的分类性能,进而实现最终的扰动识别分类。仿真结果表明,所提方法的识别准确率较高,抗噪性能优良。 展开更多
关键词 电能质量 变分模态分解 支持向量机 十折交叉验证 扰动分类
在线阅读 下载PDF
复杂载荷激励源下斗轮堆取料机悬臂异常振动检测
16
作者 丁会成 吕景瑞 +1 位作者 陈红卫 张亮 《机械制造与自动化》 2025年第6期90-95,206,共7页
在斗轮机取料过程中悬臂梁的振动问题非常突出,其中铲斗在挖掘散料时受到来自物料的动态复杂载荷是十分重要的激励源之一。为此,提出一种复杂载荷激励源下斗轮堆取料机悬臂异常振动检测方法。采集斗轮堆取料机运行过程中悬臂振幅与复杂... 在斗轮机取料过程中悬臂梁的振动问题非常突出,其中铲斗在挖掘散料时受到来自物料的动态复杂载荷是十分重要的激励源之一。为此,提出一种复杂载荷激励源下斗轮堆取料机悬臂异常振动检测方法。采集斗轮堆取料机运行过程中悬臂振幅与复杂载荷的相关数据,为消除复杂载荷与异常振动特性之间的量级耦合干扰,对采集数据展开归一化处理并引入变分模态分解分析方法,实现二者的振动与载荷的关联。利用果蝇优化算法设计一种关联约束下的振动离散元提纯模型,对复杂载荷下悬臂的振动特征数据展开精炼强化。将强化后的振动特征数据输入支持向量机中,实现异常振动特征识别。实验表明:所提方法对斗轮堆取料机不同部位零件的异常振动皆能做到精准、高效识别。 展开更多
关键词 斗轮机 悬臂振动 检测 变分模态分解方法 支持向量机
在线阅读 下载PDF
SVM故障信息融合的暂态电压单元保护
17
作者 郭振威 赵瑞强 +2 位作者 江泳妍 李豪杰 邓应才 《湘潭大学学报(自然科学版)》 2025年第2期133-144,共12页
暂态保护具有超高速动作优势,但传统暂态保护易受过渡电阻、故障初始角这两个故障工况属性的影响,弱故障下存在灵敏度不足、可靠性不够的问题.为此,通过分析母线和线路的设备配置情况和线路边界的频率特性,提出一种暂态保护新方法.为了... 暂态保护具有超高速动作优势,但传统暂态保护易受过渡电阻、故障初始角这两个故障工况属性的影响,弱故障下存在灵敏度不足、可靠性不够的问题.为此,通过分析母线和线路的设备配置情况和线路边界的频率特性,提出一种暂态保护新方法.为了解决单端量暂态线路保护不能区分线路故障与母线故障和相邻线路首端故障的问题,引入母线电压高频信号与一条线路电压高频信号的瞬时幅值差值,构造新型故障特征.针对暂态保护易受故障工况属性影响,采用支持向量机(SVM)将故障特征与故障工况属性相融合,得到蕴含故障属性信息的故障特征,克服了故障属性对暂态保护的不利影响,提高了保护可靠性.为了提高故障高频信号检测稳定性,以变分模态分解希尔伯特变换(VMD-HT)获取暂态电压高频瞬时幅值,并积分.该算法解决了原来42.2%的交叉数据,41.6%的误动作或8.9%的拒绝动作.最后以大量ATP-Draw仿真实验验证所提出算法的准确性和可靠性. 展开更多
关键词 电压暂态保护 故障工况属性 故障信息融合 VMD-HT SVM
在线阅读 下载PDF
基于TLBO-LIBSVM的联合收割机振动筛螺栓故障诊断 被引量：1
18
作者 李鹏程 顾新阳 +2 位作者 梁亚权 章浩 唐忠 《农机化研究》 北大核心 2025年第5期28-33,42,共7页
联合收割机振动筛工作时的瞬时冲击与交变载荷易导致振动筛螺栓结构发生失效。为解决联合收割机振动筛螺栓故障诊断问题,提出了一种基于多元特征融合TLBO-LIBSVM的振动筛螺栓失效故障诊断方法,通过提取特征矩阵,分别将时域特征、频域特... 联合收割机振动筛工作时的瞬时冲击与交变载荷易导致振动筛螺栓结构发生失效。为解决联合收割机振动筛螺栓故障诊断问题,提出了一种基于多元特征融合TLBO-LIBSVM的振动筛螺栓失效故障诊断方法,通过提取特征矩阵,分别将时域特征、频域特征、WOA-VMD能量熵特征组合归一化得到多元融合高维特征矩阵,导入经验参数LIBSVM模型,得到的成功率分别为64.44%、74.44%、81.11%、90%。结果表明:随着特征矩阵维数不断增加,失效特征信息不断完善,识别成功率不断提升,也验证了联合收割机振动筛螺栓频域特征敏感性高于时域特征。通过运用TLBO算法对LIBSVM模型超参数进行优化,得到最佳参数组合下的识别成功率为98.89%,完成了联合收割机振动筛螺栓失效故障的高精度识别,可为联合收割机振动筛螺栓故障的精确诊断提供参考。 展开更多
关键词 振动筛螺栓 变分模态分解 鲸鱼优化算法 支持向量机模型 教与学优化算法 故障诊断
在线阅读 下载PDF
基于VMD精细复合多尺度散布熵和SABO-SVM的滚动轴承故障诊断
19
作者 姜薇 季瑞青 +1 位作者 王青庆 顾磊 《电工技术》 2025年第3期159-163,共5页
为解决电机轴承故障特征提取困难以及故障诊断率低的问题,提出了一种变分模态分解(VMD)联合精细复合多尺度散布熵的电机轴承故障特征提取方法。首先,将电机电流信号的总谐波畸变率和电机振动信号一同进行VMD多层分解;之后,依据局部最小... 为解决电机轴承故障特征提取困难以及故障诊断率低的问题,提出了一种变分模态分解(VMD)联合精细复合多尺度散布熵的电机轴承故障特征提取方法。首先,将电机电流信号的总谐波畸变率和电机振动信号一同进行VMD多层分解;之后,依据局部最小包络熵准则遴选最优IMF分量,并求取其5个尺度下的精细复合多尺度散布熵,从而构成特征向量矩阵;最后,将减法平均优化算法输入优化支持向量机中。实验表明,该方法对多种轴承故障的诊断准确率达94.3%,与PSO-SVM、SSA-SVM方法相比更具优越性。 展开更多
关键词 变分模态分解 精细复合多尺度散布熵 减法平均优化算法 支持向量机
在线阅读 下载PDF
灰色理论–变分模态分解和NSGA-Ⅱ优化的支持向量机在变压器油中气体预测中的应用 被引量：40
20
作者 肖怀硕 李清泉 +2 位作者 施亚林 张同乔 张纪伟 《中国电机工程学报》 EI CSCD 北大核心 2017年第12期3643-3653,共11页
为了利用有限的历史数据准确地预测未来一段时间变压器油中的气体含量,该文将一种变分模态分解(variational mode decomposition,VMD)方法和优化的支持向量机(support vector machine,SVM)引入到预测模型中。首先,采用灰色模型(grey mod... 为了利用有限的历史数据准确地预测未来一段时间变压器油中的气体含量,该文将一种变分模态分解(variational mode decomposition,VMD)方法和优化的支持向量机(support vector machine,SVM)引入到预测模型中。首先,采用灰色模型(grey model,GM)对原始序列进行去趋势处理,然后对去趋势的序列进行VMD,得到了一组平稳的模态分量。再通过经改进的非支配排序遗传算法-II优化的SVM对各模态分量分别进行预测,最后重构获得了最终的预测结果。实验结果表明,该方法既在气体预测中具有较高精度,还能够反映气体变化趋势,并为电力系统其他领域的预测模型提供了新思路。 展开更多
关键词 灰色理论 变分模态分解 支持向量机 油中溶解气体 预测
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
使用帮助 返回顶部