期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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76篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选0条
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：
改进CEEMDAN算法结合BiLSTM网络的电力负荷波动性预测 认领 引用
1
作者 金萍 《微型电脑应用》 2026年第1期254-258,共5页
为了提高电力负荷预测的精度,提出一种改进完全集合经验模态分解与自适应噪声(CEEMDAN)算法结合双向长短期记忆(BiLSTM)网络的电力负荷波动性预测方法。在CEEMDAN算法中引入排列熵对电力负荷时间序列数据进行预处理,以降低电力负荷数据... 为了提高电力负荷预测的精度,提出一种改进完全集合经验模态分解与自适应噪声(CEEMDAN)算法结合双向长短期记忆(BiLSTM)网络的电力负荷波动性预测方法。在CEEMDAN算法中引入排列熵对电力负荷时间序列数据进行预处理,以降低电力负荷数据的冗余度,提高电力负荷数据可靠度;采用粒子群优化(PSO)算法对BiLSTM网络的学习率、迭代轮次、批大小、隐含层神经元数量等参数进行优化,基于改进后的BiLSTM网络,对经过预处理后的电力负荷数据进行预测。结果表明,改进的CEEMDAN算法重构误差接近0,与真实电力负荷时间序列数据接近。所提出的方法的均方根误差和平均绝对百分比误差分别为3.82 MW和0.22%,相较于时间卷积网络(TCN)、Faster RCNN(faster region-based convolutional neural network),所提出的方法明显提高了电力负荷预测精度。由此得出,所提出的方法可用于实际电力负荷波动性预测,具有较高预测精度。 展开更多
关键词 时间序列 电力负荷 波动性预测 CEEMDAN算法 BiLSTM网络
暂未订购 下载PDF
基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情预测 认领 引用
2
作者 黄心怡 郑中团 《计算机工程与应用》 EI CSCD 北大核心 2026年第6期342-353,共12页
针对突发事件网络舆情数据呈现出的复杂高频变化特点,提出基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情组合预测模型,其中HC表示高频分量再处理的过程。采用自适应噪声完全集合经验模态分解(CEEMDAN)算法将原始舆情数据分解为不... 针对突发事件网络舆情数据呈现出的复杂高频变化特点,提出基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情组合预测模型,其中HC表示高频分量再处理的过程。采用自适应噪声完全集合经验模态分解(CEEMDAN)算法将原始舆情数据分解为不同频率的模态分量;利用排列熵(PE)分析各个模态分量的随机性,根据熵值分布区间将各模态分量整合为低、中、高频序列;对高频序列再次进行CEEMDAN分解与排列熵重构,最终得到2个低频序列、2个中频序列和1个高频序列;通过遗传算法优化的BP神经网络和灰狼算法优化的最小二乘支持向量机(LSSVM)分别预测中低频和高频序列,将各序列的预测值等权累加,得到模型的最终预测结果。为验证提出模型的预测效能优势,选取台风“杜苏芮”事件舆情指数等4个数据集展开实证研究,并使用LSTM、RF、BP、LSSVM、CNN、Transformer、TCN七个单一模型及CEEMDAN-PE-BP、CEEMDAN-PE-LSSVM、CEEMDAN-PE-BP-LSSVM三个组合模型进行预测对比。结果表明,在11个预测模型中,提出模型的可决系数最接近1,均方根误差最小,与单一的LSSVM算法相比,基于CEEMDAN-PE-HC-BP-LSSVM算法的组合预测模型均方根误差分别降低了55.4%、48.10%、54.87%和59.40%,稳定性也更高。基于CEEMDAN-PE-HC-BP-LSSVM算法的突发事件网络舆情组合预测模型提高了高频时间序列的预测精度与稳定性。 展开更多
关键词 突发事件网络舆情 组合预测 CEEMDAN 排列熵 GA-BP神经网络 GWO-LSSVM算法
暂未订购 下载PDF
基于CEEMDAN和IMSA的混合模型在水质预测中的应用 认领 引用 被引量：1
3
作者 郭利进 吴昊天 《长江科学院院报》 CSCD 北大核心 2025年第6期60-70,86,共11页
水质预测是水污染防治的重要组成部分,但水质序列呈现出较强的随机性、不平稳性等特点,为进一步提高地表水质预测的精度,提出一种新型水质预测混合模型。首先采用自适应噪声完备集合经验模态分解(CEEMDAN)将原始水质序列分解,然后利用... 水质预测是水污染防治的重要组成部分,但水质序列呈现出较强的随机性、不平稳性等特点,为进一步提高地表水质预测的精度,提出一种新型水质预测混合模型。首先采用自适应噪声完备集合经验模态分解(CEEMDAN)将原始水质序列分解,然后利用模糊散布熵(FuzzDE)将分量划分为高、中、低3种复杂度成分,其次分别利用改进螳螂算法(IMSA)优化后的双向长短时记忆网络(BiLSTM)、最小二乘支持向量机回归(LSSVR)、极限学习机(ELM)对高、中、低3种复杂度成分进行预测,并对预测结果进行组合重构,最后建立BiLSTM误差校正模型对误差进行修正,得到最终预测结果。利用沅江支流酉水两个断面的溶解氧浓度及湘江流域一个断面的pH值进行仿真验证,R 2可达90%以上,结果表明混合模型预测的准确性优于其他对比预测模型。 展开更多
关键词 水质预测 CEEMDAN分解 模糊散布熵 螳螂算法 混合模型
暂未订购 下载PDF
基于优化CEEMDAN和BES-RF算法的航空电缆电弧故障检测 认领 引用 被引量：2
4
作者 刘晓琳 柳伟 荆涛 《国外电子测量技术》 2025年第2期54-61,共8页
针对航空电缆电弧故障因特征隐蔽性和危害性强引发的飞行安全隐患等问题提出一种新型检测方法。首先参考行业标准模拟飞行环境搭建试验平台完成数据采集。再采用北方苍鹰算法优化自适应噪声完备集合经验模态分解方法(Complete Ensemble ... 针对航空电缆电弧故障因特征隐蔽性和危害性强引发的飞行安全隐患等问题提出一种新型检测方法。首先参考行业标准模拟飞行环境搭建试验平台完成数据采集。再采用北方苍鹰算法优化自适应噪声完备集合经验模态分解方法(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)将故障电弧电流分解为不同本征模态函数分量并对其提取多尺度模糊熵、时域、频域组合特征。最后设计秃鹰搜索-随机森林算法(Bald Eagle Search and Random Forest,BES-RF)进行电弧故障检测,结果表明:检测准确率达98.05%,相比传统分解方法与检测算法准确率提高3.5%、4.7%,验证该方法的有效性。 展开更多
关键词 电弧 特征提取 优化CEEMDAN 多尺度模糊熵 BES-RF算法
暂未订购 下载PDF
CEEMDAN联合小波包阈值去噪算法在FOCT中的去噪应用 认领 引用 被引量：2
5
作者 孟庆喜 岳光华 +2 位作者 赵新科 王炳蔚 董华军 《大连交通大学学报》 CAS 2025年第6期157-164,共8页
光纤电流互感器(FOCT)通过将光能转换为磁场能再转换回光能的原理,已逐渐成为配电网规划中输电线路电流检测和监测的关键组件。然而,由于FOCT的工作环境复杂多变,其输出信号中往往包含各类噪声,对设备的长期运行稳定性和检测精度造成一... 光纤电流互感器(FOCT)通过将光能转换为磁场能再转换回光能的原理,已逐渐成为配电网规划中输电线路电流检测和监测的关键组件。然而,由于FOCT的工作环境复杂多变,其输出信号中往往包含各类噪声,对设备的长期运行稳定性和检测精度造成一定影响。针对FOCT输出信号的特性,在现有小波包阈值去噪技术基础上,提出了一种结合完全集成经验模态分解与自适应噪声(CEEMDAN)和小波包阈值去噪的联合算法。该算法旨在通过CEEMDAN算法对复杂的非线性、非平稳信号进行高效分解,再利用小波包阈值去噪技术精确去除噪声成分,从而有效提升信号处理的精度和效率。该算法首先采用CEEMDAN算法对初始信号进行分解,得到包含不同频率成分信息的一系列固有模态函数(IMF);其次,针对每个IMF应用小波包阈值去噪技术,根据信号特征自适应选择最优的小波基和阈值参数,实现对噪声的有效抑制;最后,将去噪后的IMF重构,恢复出更纯净、准确的原始信号。试验结果分析表明,该算法在处理特定类型噪声时可显著改善信噪比,对部分信号的信噪比提升幅度可达20 dB以上。这表明该算法可有效抑制噪声,保留信号细节,并具有信号分析更全面、自适应性更强等优势,从而提高FOCT的运行稳定性与检测精度。 展开更多
关键词 光纤电流互感器 CEEMDAN算法 小波包阈值去噪
暂未订购 下载PDF
基于CEEMDAN-SAOA的平抑风电波动混合储能系统定容优化配置 认领 引用 被引量：12
6
作者 黄冬梅 吴冰 +3 位作者 时帅 李媛媛 宋巍 王晓亮 《电力系统保护与控制》 EI CSCD 北大核心 2025年第15期59-70,共12页
为解决风力发电直接并网所产生的功率波动问题,提出了一种基于改进阿基米德优化算法融合自适应噪声完全集合经验模态分解(complete ensemble EMD with adaptive noise,CEEMDAN)的容量配置方法。采用由限幅与滑动平均结合的加权滤波算法... 为解决风力发电直接并网所产生的功率波动问题,提出了一种基于改进阿基米德优化算法融合自适应噪声完全集合经验模态分解(complete ensemble EMD with adaptive noise,CEEMDAN)的容量配置方法。采用由限幅与滑动平均结合的加权滤波算法平滑风电出力,同时减小平滑结果的滞后性,得到风电并网功率和混合储能系统(hybrid energy storage system,HESS)参考功率。为了合理分配HESS的内部功率,借助CEEMDAN分解HESS的参考功率,得到高低频分量。综合考虑HESS功率和容量、荷电状态(state of charge,SOC)与负荷缺点率等因素,构建以年综合成本最小为目标的容量优化配置模型并采用改进阿基米德优化算法求解。基于实际算例进行仿真分析,结果表明,与原始风电并网相比,HESS配置方案将波动率减少了13.538%,平滑度提高了16.057%。相较于传统单一储能平抑效果更加明显,减少了容量配置。同时,对比传统阿基米德优化算法节省了15.325%的投资成本。 展开更多
关键词 改进阿基米德算法 自适应噪声完全集合经验模态分解 风力发电 平抑功率波动 混合储能 容量配置
暂未订购 下载PDF
基于CEEMDAN和HBA-BiGRU-SelfAttention的短期负荷预测 认领 引用 被引量：2
7
作者 朱婷 颜七笙 《南京信息工程大学学报》 CAS 北大核心 2025年第4期478-493,共16页
针对电力负荷数据存在非线性、时序性等多方面因素导致的预测精度不足等问题,本文提出一种基于CEEMDAN和HBA-BiGRU-SelfAttention的短期负荷预测模型.首先,采用随机森林(RF)算法对气象因素进行特征提取,在保证数据特征的同时,降低数据... 针对电力负荷数据存在非线性、时序性等多方面因素导致的预测精度不足等问题,本文提出一种基于CEEMDAN和HBA-BiGRU-SelfAttention的短期负荷预测模型.首先,采用随机森林(RF)算法对气象因素进行特征提取,在保证数据特征的同时,降低数据的复杂度;其次,采用自适应噪声完备集合经验模态分解(CEEMDAN)算法对原始负荷数据进行分解,得到若干较为平稳的模态分量;然后,将经过特征提取的气象因素和模态分量作为输入数据,利用BiGRU(双向门控循环单元)-SelfAttention(自注意力机制)模型进行预测,并针对BiGRU-SelfAttention模型的超参数难以选取最优解的问题,引入蜜獾算法(HBA)对BiGRU-SelfAttention模型的超参数进行寻优;最后,将子序列预测结果叠加,得到最终预测结果.以某地实际电力负荷数据为数据集进行对比试验,结果表明,本文所提出的模型具有较高的预测精度,可以为电力系统稳定运行提供可靠依据. 展开更多
关键词 短期负荷预测 随机森林 自适应噪声完备集合经验模态分解 蜜獾算法 双向门控循环单元 自注意力机制
暂未订购 下载PDF
基于CEEMDAN的脉搏波数据增强双层SMOTE算法 认领 引用 被引量：2
8
作者 李辉 李振华 +2 位作者 李瑞杰 张志东 薛晨阳 《电子测量技术》 北大核心 2025年第15期35-41,共7页
针对SMOTE算法在处理脉搏波数据不平衡问题中存在噪声干扰敏感及生成样本物理特性失真等问题。本文提出了一种基于CEEMDAN改进的CP-SMOTE算法,将预处理的脉搏波分解为主波层与次波层分别生成样本,可有效去除残余噪声。同时,在生成新样本... 针对SMOTE算法在处理脉搏波数据不平衡问题中存在噪声干扰敏感及生成样本物理特性失真等问题。本文提出了一种基于CEEMDAN改进的CP-SMOTE算法,将预处理的脉搏波分解为主波层与次波层分别生成样本,可有效去除残余噪声。同时,在生成新样本时,本算法结合脉搏波信号特征,设计了自适应距离度量和约束监督机制,确保生成样本在保持数据物理特性的同时增强类间区分度。基于自建数据集和公开PPG-BP数据集,结合四种分类器对改进算法进行了全面实验。在自建数据集中,CP-SMOTE在AUC、G-mean、F1等关键指标上全面超越SMOTE系列算法,最低提升1.51%,最高提升18.25%。在公开数据集中对比其他改进算法准确率、G-mean和AUC分别提升2.24%、1.47%和1.43%以上。结果表明,该算法显著优于传统SMOTE及其他变种算法,研究结果验证了该算法生成的样本有效避免了物理特性失真问题与噪声干扰问题。 展开更多
关键词 数据不平衡 CEEMDAN 自适应距离 约束监督机制 过采样算法
暂未订购 下载PDF
基于CEEMDAN-IPSO-KELM模型的BDS卫星钟差预报 认领 引用
9
作者 边奇海 张莎薇 +2 位作者 雷荣智 刘子巍 刘敏 《地理空间信息》 2025年第3期13-17,共5页
针对BDS卫星钟差数据呈非线性特征、难以准确预报的问题,结合自适应噪声完备集合经验模态分解(CEEMDAN)算法和核极限学习机(KELM)算法的优势,构建了组合钟差预报模型。首先充分利用CEEMDAN算法的信号分解能力自适应分解非平稳性钟差序列... 针对BDS卫星钟差数据呈非线性特征、难以准确预报的问题,结合自适应噪声完备集合经验模态分解(CEEMDAN)算法和核极限学习机(KELM)算法的优势,构建了组合钟差预报模型。首先充分利用CEEMDAN算法的信号分解能力自适应分解非平稳性钟差序列,并重构分解结果得到新的钟差序列;再利用改进粒子群优化(IPSO)算法优化KELM的核参数与正则化参数;最后重构不同钟差序列的预报结果,得到最终钟差预报结果。利用iGMAS提供的BDS钟差数据进行短期预报实验,结果表明该组合预报模型的单天和多天钟差预报精度均明显优于对比模型,丰富了现有BDS卫星钟差预报模型。 展开更多
关键词 BDS 钟差预报 CEEMDAN IPSO算法 KELM
暂未订购 下载PDF
基于改进深度学习模型的干旱区城市PM2.5浓度预测与应用研究 认领 引用 被引量：2
10
作者 王圣节 张庆红 桑铭键 《干旱区地理》 CSCD 北大核心 2026年第2期343-355,共13页
随着全球城市化进程加速,干旱区城市PM2.5污染因其独特的地理气候条件,呈现强非平稳性与复杂时空特征,传统预测模型难以有效捕捉其动态规律。针对这一挑战,构建了“自适应噪声完备经验模态分解-常春藤优化算法-柯尔莫哥洛夫-阿诺德网... 随着全球城市化进程加速,干旱区城市PM2.5污染因其独特的地理气候条件,呈现强非平稳性与复杂时空特征,传统预测模型难以有效捕捉其动态规律。针对这一挑战,构建了“自适应噪声完备经验模态分解-常春藤优化算法-柯尔莫哥洛夫-阿诺德网络-双向长短期记忆神经网络”(CEEMDAN-IVY-KAN-BiLSTM)混合预测框架,以提升PM2.5浓度的预测精度。该框架通过降噪分解与参数优化联合提取多尺度特征,融合KAN-BiLSTM模型的强非线性拟合与双向时序建模能力,有效提升预测性能。结果表明:(1)2021—2024年乌鲁木齐市PM2.5浓度呈显著季节性波动,冬季因燃煤供暖和逆温层影响均值达41.97μg·m-3,夏季因大气对流增强,浓度降至全年低位附近,且整体呈逐年下降趋势。(2)对数据进行重要性排序可知PM2.5与空气质量指数、PM10、CO、NO2呈强正相关,与气温、露点温度呈负相关,表明燃煤排放、机动车尾气及气象扩散条件是主要影响因素,且模型有效分离了数据中PM2.5序列的高频波动(如沙尘事件)与低频趋势(季节性变化),降低数据非平稳性影响。(3)实验基于2021—2024年乌鲁木齐市逐日空气质量数据开展,结果显示本框架在决定系数、平均绝对误差与均方根误差指标上分别达到0.991、1.391和1.881,均显著优于传统机器学习和常见深度学习模型。验证了“分解-优化-集成”的深度学习框架在干旱区城市PM2.5预测中的适用性。 展开更多
关键词 PM2.5浓度预测 CEEMDAN分解 IVY优化算法 KAN-BiLSTM模型 深度学习 干旱区城市PM2.5
暂未订购 下载PDF
基于CEEMDAN-ISMA-BiLSTM网络的中期电力负荷预测 认领 引用 被引量：3
11
作者 侯荣荣 刘辉 +3 位作者 文武洲 马苗洁 孟昭亮 黄健 《西安工程大学学报》 CAS 2025年第4期89-96,共8页
针对不同用电行业负荷存在波动以及神经网络在处理非线性问题时存在精度不足的问题,文中给出了一种新的中期电力负荷预测方法。首先,引入自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive... 针对不同用电行业负荷存在波动以及神经网络在处理非线性问题时存在精度不足的问题,文中给出了一种新的中期电力负荷预测方法。首先,引入自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),结合双向长短期记忆(bi-directional long short-term memory,BiLSTM)网络,建立了CEEMDAN-BiLSTM网络模型。其次,通过Sin混沌映射、Tent混沌映射、高斯变异及自适应惯性权重对黏菌算法(slime mould algorithm,SMA)进行优化,得到了改进的黏菌算法(improved slime mould algorithm,ISMA)。最后,使用ISMA动态调整BiLSTM网络参数。该实验以城乡居民的用电负荷为例,结果表明:CEEMDAN-ISMA-BiLSTM网络模型相比CEEMDAN-SMA-BiLSTM网络模型,拟合度R 2提升了约1.24%,均方根误差(root mean square error,RMSE)、均方误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)分别降低了约16.91%、14.61%、0.69%,同时,连续预测了两个月份全社会总用电负荷,预测误差在2%以内,符合预期要求。 展开更多
关键词 中期负荷预测 自适应噪声完备集合经验模态分解(CEEMDAN) 双向长短期记忆(BiLSTM)网络 黏菌算法(SMA)
暂未订购 下载PDF
基于ISSA−LSTM的瓦斯浓度预测研究 认领 引用
12
作者 陈佳林 王忠强 +4 位作者 宋国栋 宿国瑞 席义苗 高家奎 杨小彬 《工矿自动化》 CSCD 北大核心 2026年第6期86-94,共9页
煤矿瓦斯浓度序列具有非线性、非平稳及多尺度波动特征,现有预测模型的协同处理有限,预测精度不足。针对该问题,提出一种融合STL与自适应噪声完全集合经验模态分解(CEEMDAN)技术的改进麻雀搜索算法(ISSA)−长短期记忆(LSTM)瓦斯浓度预测... 煤矿瓦斯浓度序列具有非线性、非平稳及多尺度波动特征,现有预测模型的协同处理有限,预测精度不足。针对该问题,提出一种融合STL与自适应噪声完全集合经验模态分解(CEEMDAN)技术的改进麻雀搜索算法(ISSA)−长短期记忆(LSTM)瓦斯浓度预测模型。采用STL方法提取瓦斯浓度序列中的趋势项、周期项和不规则项,之后采用CEEMDAN对强非线性的不规则项进行分解,以消除原始瓦斯浓度数据的非平稳干扰;采用引入对立学习和Lévy飞行机制的ISSA对LSTM关键超参数寻优,构建ISSA−LSTM模型;基于ISSA−LSTM模型分别预测STL和CEEMDAN分解后的各分量,并对预测值进行重构,得到瓦斯浓度预测结果。采用煤矿实测瓦斯数据开展实验,结果表明:ISSA−LSTM模型在收敛迭代次数、收敛成功率和预测误差方面优于基于遗传算法、粒子群优化算法等优化的LSTM模型;融合STL与CEEMDAN的ISSA−LSTM在不同时段3折交叉验证的决定系数R2均大于0.998、平均绝对百分比误差(MAPE)小于0.004,在1,7 h超前预测任务中MAPE分别为0.0187和0.0269,跨数据集验证中R2为0.9559、MAPE为0.01217,验证了该模型具有很好的泛化性能。 展开更多
关键词 瓦斯浓度预测 长短期记忆网络 改进麻雀搜索算法 STL分解 CEEMDAN分解
暂未订购 下载PDF
基于改进HHT的双端行波法输电线路故障测距 认领 引用
13
作者 王玲桃 任宏伟 +1 位作者 李健 丁江浩 《自动化与仪器仪表》 2026年第2期10-14,共5页
针对传统希尔伯特-黄变换(HHT)在提取故障行波波头的过程中,存在包络线拟合不准确和模态混叠的问题,提出一种基于改进HHT的双端行波法输电线路故障测距的方法。首先,在经验模态分解的过程中,使用Akima插值代替传统的三次样条插值,对包... 针对传统希尔伯特-黄变换(HHT)在提取故障行波波头的过程中,存在包络线拟合不准确和模态混叠的问题,提出一种基于改进HHT的双端行波法输电线路故障测距的方法。首先,在经验模态分解的过程中,使用Akima插值代替传统的三次样条插值,对包络线拟合不准确问题进行改进。其次,引入自适应噪声完备集合经验模态分解(CEEMDAN),并采用北方苍鹰优化算法选择CEEMDAN中白噪声幅值权重和噪声添加次数的最优组合,进而处理故障行波信号,以改善分解过程中模态混叠的问题。最后,利用希尔伯特变换提取波头到达检测端的时间,代入双端测距方程实现故障点精确定位。仿真结果表明,所提方法在不同线路长度、故障类型以及过渡电阻情况下,均取得了较高的测距精度。 展开更多
关键词 改进希尔伯特-黄变换 Akima插值 CEEMDAN 北方苍鹰优化算法 行波法 输电线路故障测距
暂未订购 下载PDF
改进CEEMDAN算法的电机轴承振动信号降噪分析 认领 引用 被引量：23
14
作者 赵小惠 张梦洋 +2 位作者 石杨斌 王凯峰 卫艳芳 《电子测量与仪器学报》 CSCD 北大核心 2020年第12期159-164,共6页
为提高传统自适应噪声完备经验模态分解算法(CEEMDAN)对电机轴承故障特征信号的精确提取率,降低重构信号失真,提出了一种改进自适应噪声完备经验模态分解算法。首先利用传统CEEMDAN对原始信号初步分解,获得若干特征分量(IMFs)和固有模... 为提高传统自适应噪声完备经验模态分解算法(CEEMDAN)对电机轴承故障特征信号的精确提取率,降低重构信号失真,提出了一种改进自适应噪声完备经验模态分解算法。首先利用传统CEEMDAN对原始信号初步分解,获得若干特征分量(IMFs)和固有模态分量,将若干IMFs运用熵权法进行初步故障特征信号消噪和提取,对筛选后的IMF分量进行二次分解和二次筛选,获得典型故障敏感信号,再运用SG(Savitzky-Golay)平滑滤波进行信号重构,最终实现电机轴承信号降噪。最后利用凯斯西储大学轴承数据进行改进算法性能分析,结果表明该方法对电机轴承信号能够有效的进行信号降噪,其信噪比相比于原始信号提高2.2 dB。 展开更多
关键词 改进CEEMDAN算法 电机轴承振动信号 信号降噪 熵权法 SG平滑滤波
暂未订购 下载PDF
改进CEEMDAN算法与分形融合的深度学习轴承故障分析 认领 引用 被引量：9
15
作者 肖俊青 金江涛 +3 位作者 岳敏楠 李春 许子非 孙康 《动力工程学报》 CAS CSCD 北大核心 2022年第6期522-529,共8页
针对CEEMDAN算法处理非线性振动信号存在虚假、冗余分量问题,基于分形理论,提出了一种改进自适应白噪声总体平均经验模态分解(ICEEMDAN)融合卷积神经网络(CNN)方法。以轴承损伤实验数据与仿真信号为分析对象,采用CEEMDAN算法将其分解以... 针对CEEMDAN算法处理非线性振动信号存在虚假、冗余分量问题,基于分形理论,提出了一种改进自适应白噪声总体平均经验模态分解(ICEEMDAN)融合卷积神经网络(CNN)方法。以轴承损伤实验数据与仿真信号为分析对象,采用CEEMDAN算法将其分解以实现降噪,并采用主成分分析(PCA)降维提取有效的故障特征,利用分形盒维数筛选最佳重构分量并剔除无关分量,最终由CNN对其进一步挖掘实现故障诊断识别与分类。最后,将本文方法与现有多种融合深度学习方法进行对比并采用t-SNE进行可视化分析,以验证本文方法的可靠性和实用性。结果表明:各信噪比方法对实验数据均具有较强的鲁棒性和泛化性,且分类准确率较原始方法提高了0.54%~10.33%。 展开更多
关键词 改进CEEMDAN算法 卷积神经网络 轴承 故障诊断
暂未订购 下载PDF
基于CEEMDAN-LightGBM模型的洪水预测研究 认领 引用 被引量：6
16
作者 王军 张宇航 +2 位作者 崔云烨 李怡豪 吕鹏祥 《人民黄河》 CAS 北大核心 2024年第9期99-105,共7页
为了应对暴雨可能引发的洪涝灾害风险,基于黄河利津水文站监测的水文等数据,以LightGBM为基准模型,运用经自适应噪声完备集合经验模态分解(CEEMDAN)算法优化后的CEEMDAN-LightGBM模型对水位进行预测,并将其与长短期记忆网络(LSTM)模型、... 为了应对暴雨可能引发的洪涝灾害风险,基于黄河利津水文站监测的水文等数据,以LightGBM为基准模型,运用经自适应噪声完备集合经验模态分解(CEEMDAN)算法优化后的CEEMDAN-LightGBM模型对水位进行预测,并将其与长短期记忆网络(LSTM)模型、LightGBM模型的预测效果进行对比。以2个气候条件不同的黄河水文站(利津、花园口)的水文数据为原始数据集输入CEEMDAN-LightGBM模型,验证模型的适应性和稳定性。结果表明:CEEMDAN-LightGBM模型在水位预测方面表现出优越的性能,相较于LSTM、LightGBM模型,该模型的EMA分别减小了46.08%、9.95%,ERMS分别减小了33.01%、43.01%,EMAP分别减小了94.99%、3.82%,R2分别增大了30.48%、7.58%。CEEMDAN-LightGBM模型还能预测流量这一重要水文特征,为模型预测洪水发生提供更有力的判断依据。对比CEEMDAN-LightGBM模型预测花园口水文站与利津水文站的水位和流量效果,除预测两站水位的EMAP值相差23.64%外,EMA值、EMAP和ERMS值相差均不超过10%,R2相差不超过2%。 展开更多
关键词 洪水预测 LightGBM模型 CEEMDAN算法 CEEMDAN-LightGBM模型 LSTM模型 利津水文站 花园口水文站
暂未订购 下载PDF
基于CEEMDAN-K-means算法的爆破振动信号去噪研究 认领 引用 被引量：10
17
作者 闫鹏 张云鹏 +1 位作者 田婕 王晗 《爆破》 CSCD 北大核心 2023年第3期184-190,共7页
针对实测爆破振动信号存在噪声和CEEMDAN方法在去噪过程中容易造成信息缺失的问题,考虑聚类分析方法具有良好的数据处理能力,依据分解—聚类—重构的思想,提出了CEEMDAN-K-means算法的爆破振动信号去噪方法。首先,该方法通过CEEMDAN方... 针对实测爆破振动信号存在噪声和CEEMDAN方法在去噪过程中容易造成信息缺失的问题,考虑聚类分析方法具有良好的数据处理能力,依据分解—聚类—重构的思想,提出了CEEMDAN-K-means算法的爆破振动信号去噪方法。首先,该方法通过CEEMDAN方法分解爆破振动信号获得不同数量级的IMF分量;然后,利用K-means聚类分析算法将IMF分量为五个不同类别并采用方差贡献率校核;最后,剔除高频噪声类别的IMF分量,获得重构的纯净爆破振动信号。以某露天矿爆破振动信号为例,采用信噪比和均方根误差指标,评价了CEEMDAN-K-means算法信号去噪性能。研究结果表明:与CEEMDAN方法和EMD-小波阈值方法相比,CEEMDAN-K-means信号去噪方法信噪比(20.06 dB)最大,分别提高了1.26 dB和7.7 dB,均方根误差(0.22×10-3)最小,说明该方法不仅具有良好的信号去噪效果,也具有较好的保真度。通过对比分析不同方法信号去噪效果可知,在有效保留真实信号成分的基础上,CEEMDAN-K-means方法可以有效去除实测爆破振动信号包含的高频成分,在爆破振动信号去噪领域具有实用性和有效性,为爆破振动信号去噪方法研究提供了新思路。 展开更多
关键词 爆破振动信号 CEEMDAN K-means聚类算法 去噪
暂未订购 下载PDF
基于CEEMDAN-BA-SVR-Adaboost模型的白水河滑坡位移预测 认领 引用 被引量：15
18
作者 李龙起 王梦云 +2 位作者 赵皓璆 王滔 赵瑞志 《长江科学院院报》 CSCD 北大核心 2021年第6期52-59,66,共8页
为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及... 为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及由IMF分项构成的波动项。首先采用BP神经网络对趋势项位移进行预测,随后利用CEEMDAN-BA-SVR-Adaboost模型对波动项进行预测,并将预测结果与CEEMDAN-PSO-SVR-Adaboost、CEEMDAN-BA-BP-Adaboost、CEEMADAN-BA-SVR、BA-SVR-Adaboost模型预测结果进行对比分析,验证本模型在位移预测方面的优越性。此外,利用CEEMDAN-BA-SVR-Adaboost模型对ZG118波动项位移进行预测,同时计算ZG93监测点最终累计预测位移。结果表明,对白水河滑坡位移进行预测时,CEEMDAN-BA-SVR-Adaboost模型具有较高的准确性和适用性。 展开更多
关键词 白水河滑坡 位移预测 自适应噪声完全集合经验模态分解(CEEMDAN) 蝙蝠算法(BA) 支持向量回归机(SVR) 集成学习
暂未订购 下载PDF
基于CEEMDAN和倒频谱方法的圆锥滚子轴承振动信号分析 认领 引用 被引量：3
19
作者 刘敏 叶艳媛 +1 位作者 杨清清 彭优 《机电工程技术》 2023年第8期165-170,共6页
圆锥滚子轴承运转过程中,噪声信号往往会夹杂在振动信号中,不利于信号分析。针对此问题,提出一种自适应噪声完备集合经验模态分解(CEEMDAN)与倒频谱相结合的方法对圆锥滚子轴承的振动信号进行分析。通过CEEMDAN算法对振动信号进行分析处... 圆锥滚子轴承运转过程中,噪声信号往往会夹杂在振动信号中,不利于信号分析。针对此问题,提出一种自适应噪声完备集合经验模态分解(CEEMDAN)与倒频谱相结合的方法对圆锥滚子轴承的振动信号进行分析。通过CEEMDAN算法对振动信号进行分析处理,消除残余辅助噪声,减少噪声信号的影响;采用倒频谱算法对处理后的振动信号进一步提取,分析其周期性信号,得到精确的振动信号频谱图。为验证所提方法的有效性,对某圆锥滚子轴承(30208H)进行实验验证,人为制造滚动体轻、中、重3种不同程度的磨损;采用所提方法对圆锥滚子轴承在正常、轻度磨损、中度磨损和重度磨损4种状态下的振动信号进行分析。结果表明:与单一的倒频谱分析法得到的频谱图相比,利用所提方法处理后的频谱图,圆锥滚子轴承的振动信号特征更加明显,所提方法有利于准确确定圆锥滚子轴承的故障。 展开更多
关键词 圆锥滚子轴承 振动信号分析 CEEMDAN算法 倒频谱分析
暂未订购 下载PDF
基于CEEMDAN和PSO-OCSVM的滚动轴承性能退化评估 认领 引用 被引量：12
20
作者 周建民 李家辉 +3 位作者 尹文豪 游涛 熊文豪 高森 《电子测量与仪器学报》 CSCD 北大核心 2021年第7期194-201,共8页
为了提高单分类支持向量机(one class support vector machine, OCSVM)在滚动轴承性能退化评估的准确性,提出了一种基于具有自适应白噪声的完备经验模态分解方法(complete ensemble empirical mode decomposition with adaptive noise, ... 为了提高单分类支持向量机(one class support vector machine, OCSVM)在滚动轴承性能退化评估的准确性,提出了一种基于具有自适应白噪声的完备经验模态分解方法(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)、粒子群优化算法(particle swarm optimization, PSO)和OCSVM相结合的性能退化评估方法。首先采用CEEMDAN将采集的振动信号计算展开为多个固有模态函数(intrinsic mode functions, IMFs),根据IMFs的能量密度获得典型的特征信号;其次,通过粒子群算法优化OCSVM的参数ν和径向基核函数参数g,增强OCSVM的学习能力和泛化能力;最后,使用3σ设置自适应阈值,确定轴承早期失效阈值并用CEEMDAN和Hilbert包络解调的方法验证评估结果的正确性,采用辛辛那提大学的轴承实验全寿命数据验证所提模型的有效性。结果表明,PSO算法优化OCSVM的模型可以准确地对轴承运行全寿命状态监测,与支持向量描述(support vector data description, SVDD)和参数自选的OCSVM模型相比,该方法的性能退化评估模型更有效和优越。 展开更多
关键词 滚动轴承 CEEMDAN 粒子群优化算法 单分类支持向量机 性能退化评估
暂未订购 下载PDF
已选0条
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
在线咨询 使用帮助 返回顶部 意见反馈