基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法

1

作者 陈志刚 陶子纯 +1 位作者 王衍学 史梦瑶 《振动与冲击》 北大核心 2025年第4期298-304,312,共8页

针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBA... 针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBAM-ResNet)的轴承故障诊断方法。首先对轴承振动信号进行SVMD分解成一系列本征模态分量,根据包络熵和峭度融合评价指标选择含故障特征明显的模态分量并重构;将重构信号进行短时傅里叶变换得到时频图像。之后利用CBAM能够自适应捕捉图形特征的特点,把重构信号的时频图像输入CBAM-ResNet模型进行特征提取和故障模式识别。在CBAM-ResNet模型训练过程中,使用迁移学习的方法初始化ResNet模型的参数来提高模型的泛化性。与其他传统模型相比,该研究的分类准确率高达96.68%,具有更强的故障特征提取能力。试验结果表明,CBAM-ResNet模型在变工况环境下也具有较高的识别精度。 展开更多

关键词 故障诊断 滚动轴承 逐次变分模态分解 卷积注意力模块 残差神经网络

在线阅读 下载PDF 职称材料

基于逐次变分模态分解的飞轮-火电一次调频控制策略

2

作者 张萍 刘海涛 《全球能源互联网》 CSCD 北大核心 2024年第2期166-178,共13页

随着新型电力系统的大力建设与推广,火电机组面临的调频压力增大,提出一种逐次变分模态分解的飞轮-火电一次调频控制策略。首先,以飞轮储能和火电机组为研究对象,建立考虑新能源占比的飞轮-火电一次调频模型;其次,将一次调频功率指令利... 随着新型电力系统的大力建设与推广,火电机组面临的调频压力增大,提出一种逐次变分模态分解的飞轮-火电一次调频控制策略。首先,以飞轮储能和火电机组为研究对象,建立考虑新能源占比的飞轮-火电一次调频模型;其次,将一次调频功率指令利用逐次变分模态方法分解,由火电机组响应分解后的低频功率指令,同时设计飞轮储能下垂优化控制方法,实现飞轮储能与火电机组响应频率变化的协同控制;最后在不同工况下仿真验证,结果表明所提策略可有效避免火电机组一次调频时的频繁出力,减小火电机组响应频率变化时的调控要求,同时可最大限度地利用飞轮储能调频容量并保证飞轮储能调频期间的运行安全,进一步提升了系统的频率响应能力。 展开更多

关键词 飞轮储能 火电机组 逐次变分模态分解 一次调频 下垂控制

在线阅读 下载PDF 职称材料

一种基于逐次变分模态分解的谐波检测方法

3

作者 张展 扶铸 +2 位作者 杨晋 张云鹏 郭浩杰 《电子测量技术》 北大核心 2024年第15期187-196,共10页

传统谐波检测算法受噪声影响导致检测精度低,并且边界处容易出现畸变。对此,本文基于逐次变分模态分解,提出一种结合小波降噪和特征波形匹配延拓的谐波检测方法。首先,通过构造的自适应小波阈值函数对信号进行平滑降噪,剔除不良数据对... 传统谐波检测算法受噪声影响导致检测精度低,并且边界处容易出现畸变。对此,本文基于逐次变分模态分解,提出一种结合小波降噪和特征波形匹配延拓的谐波检测方法。首先,通过构造的自适应小波阈值函数对信号进行平滑降噪,剔除不良数据对分解结果的干扰;其次,利用特征波形匹配延拓法对信号边缘进行延拓后再裁剪,遏制边界效应带来的波形端点处畸变;最后,使用逐次变分模态分解对谐波信号进行检测,提取稳态谐波的幅频信息以及定位暂态谐波的起止时刻。仿真实验表明,本文提出的方法有效降低了噪声的干扰,并减轻边界效应造成的波形畸变。在电弧炉实例信号仿真中,幅值平均误差和频率平均误差分别为0.545%和0.146%。 展开更多

关键词 逐次变分模态分解 小波降噪 特征波形匹配 谐波检测

在线阅读 下载PDF 职称材料

一种基于逐次变分模态分解和改进深度极限学习机的滚动轴承故障分类方法 被引量：1

4

作者 丁国荣 《农业装备与车辆工程》 2024年第10期129-134,共6页

为应对滚动轴承故障诊断中特征提取较难和故障类型识别准确率偏低等问题,提出一种基于逐次变分模态分解(SVMD)与分形维数(FD)结合算术优化算法(AOA)优化深度极限学习机(DELM)的轴承故障诊断方法。通过SVMD对轴承原始振动信号进行多尺度... 为应对滚动轴承故障诊断中特征提取较难和故障类型识别准确率偏低等问题,提出一种基于逐次变分模态分解(SVMD)与分形维数(FD)结合算术优化算法(AOA)优化深度极限学习机(DELM)的轴承故障诊断方法。通过SVMD对轴承原始振动信号进行多尺度分解,得到一系列固有模态分量(IMFs);计算不同状态下各个IMF分量的FD,归一化后作为故障特征向量;利用AOA-DELM模型实现轴承的故障诊断。采用美国凯斯西储大学(CWRU)轴承数据集作为实验数据进行实验验证,结果表明,所提方法在滚动轴承故障诊断中具有优越性,识别准确率可达98.80%。 展开更多

关键词 轴承故障分类 逐次变分模态分解 深度极限学习机 算术优化算法

在线阅读 下载PDF 职称材料

基于逐次变分模态分解的电缆局放信号降噪算法

5

作者 陈华新 刘鹏 +2 位作者 景俊伟 张培举 史豫龙 《能源与环保》 2024年第8期172-178,共7页

电力电缆作为电能传输的重要组件,通过局部放电(Partial Discharge,PD)信号的状态来确定电缆的绝缘损伤很重要。由于电缆工作环境的声音嘈杂,导致检测到的局放信号被淹没。提出基于逐次变分模态分解(Successive Variational Modal Decom... 电力电缆作为电能传输的重要组件,通过局部放电(Partial Discharge,PD)信号的状态来确定电缆的绝缘损伤很重要。由于电缆工作环境的声音嘈杂,导致检测到的局放信号被淹没。提出基于逐次变分模态分解(Successive Variational Modal Decomposition,SVMD)的电缆局放信号降噪算法。首先,应用SVMD自适应分解出PD信号的K个本征模态分量(Intrinsic Mode Function,IMF);其次,通过互相关系数判别IMF分量的性质,区分有效分量和噪声分量。去除噪声分量,并应用奇异值分解(Singular Value Decomposition,SVD)法对有效分量除去残余噪声,可得到降噪后的PD信号。仿真和实测实验结果表明,这种方法具有良好的降噪能力,提高了信号处理的精度,并与VMD-小波阈值法相比,信噪比平均提升了17.98%,去噪效果最好。 展开更多

关键词 局部放电 逐次变分模态分解 互相关系数 奇异值分解

在线阅读 下载PDF 职称材料

基于逐次变分模态分解的液压轴向柱塞泵故障特征提取方法

6

作者 马景涛 汤胜楠 +2 位作者 朱勇 周涛 郑智剑 《液压与气动》 2025年第3期100-110,共11页

当液压轴向柱塞泵关键摩擦副出现故障时,其振动信号会出现调制现象,振动信号中的故障调制特征与特定的故障类型形成对应关系,通过信号分解可以从振动信号中提取出故障特征,进而用于故障诊断。以液压轴向柱塞泵为研究对象,利用变分模态... 当液压轴向柱塞泵关键摩擦副出现故障时,其振动信号会出现调制现象,振动信号中的故障调制特征与特定的故障类型形成对应关系,通过信号分解可以从振动信号中提取出故障特征,进而用于故障诊断。以液压轴向柱塞泵为研究对象,利用变分模态分解和逐次变分模态分解分别对不同的仿真信号在含噪的情况下进行分解重构,综合对比了两种算法在分解性能方面的差异;最后将两种算法用于实测振动信号的故障特征提取中。结果表明:两种算法均适用于液压轴向柱塞泵的故障特征提取;逐次变分模态分解能更精确地重构出与柱塞泵故障高度相关的有效分量;变分模态分解提取到的有效分量幅值衰减更小,对微弱故障特征更加敏感。 展开更多

关键词 液压轴向柱塞泵 故障诊断 故障特征提取 变分模态分解 逐次变分模态分解

在线阅读 下载PDF 职称材料

基于SVMD-CMSEE与GSA-SVM的新型电力系统变压器故障状态智能诊断方法

7

作者 李峰 陈皖皖 +1 位作者 李晓华 夏能弘 《电测与仪表》 北大核心 2024年第12期17-25,共9页

新型电力系统在促进“碳中和,碳达峰”的目标实现的同时,对电力系统中变电设备的可靠运行提出了新的挑战。为进一步提高变压器机械故障的识别精度,文中从变压器的振动特性出发,提出一种基于SVMD-CMSEE与GSA-SVM的新型电力系统变压器故... 新型电力系统在促进“碳中和,碳达峰”的目标实现的同时,对电力系统中变电设备的可靠运行提出了新的挑战。为进一步提高变压器机械故障的识别精度,文中从变压器的振动特性出发,提出一种基于SVMD-CMSEE与GSA-SVM的新型电力系统变压器故障状态智能诊断方法。采用逐次变分模态分解(successive variational modal decomposition,SVMD)算法自适应性地分解出变压器振动信号的各模态分量,联合复合多尺度能量熵(combining compound multi-scale energy entropy,CMSEE)提取了振动信号的时频分布变化特征,并引入类间区分度确定了特征中的最优特征子集,通过引力搜索算法(gravity search algorithm,GSA)对支持向量机(support vector machine,SVM)的关键参数进行优化,构造了基于GSA-SVM的变压器故障识别模型。对某10 kV油浸式变压器振动信号的计算结果表明:基于SVMD-CMSEE算法得到的变压器振动信号复合特征能有效估计时间序列的动态变化,所提出的GSA-SVM诊断模型具有较高的识别精度和计算效率,准确率可达98%,从而为基于振动信号的变压器状态监测提供了技术支撑。 展开更多

关键词 变压器振动信号 故障诊断 复合多尺度能量熵 逐次变分模态分解 支持向量机

在线阅读 下载PDF 职称材料

水闸扬压力混合预测模型构建与解释

8

作者 胡璟 王豹 +4 位作者 王璐 龙俊 贝欣 孙远 曹文翰 《水力发电》 2025年第3期50-56,共7页

针对现有“数据驱动”模型对水闸扬压力预测结果的可解释性低且未解译影响因素对扬压力不同成分的贡献程度,提出了一种基于逐次变分模态分解(SVMD)和集成学习算法的扬压力可解释混合预测模型。该模型采用SVMD将扬压力分解重构为趋势项... 针对现有“数据驱动”模型对水闸扬压力预测结果的可解释性低且未解译影响因素对扬压力不同成分的贡献程度,提出了一种基于逐次变分模态分解(SVMD)和集成学习算法的扬压力可解释混合预测模型。该模型采用SVMD将扬压力分解重构为趋势项、周期项和波动项;然后,基于轻量级梯度提升机(LGBM)对不同分量逐一建立预测模型并汇总结果。此外,采用SHAP方法分析渗流影响因素对水闸扬压力不同分量预测结果的影响程度及相关关系。工程实例表明,所提模型与单一算法模型相比,性能平均提升了87.1%,与混合模型相比,精度平均提升了84.6%,验证了模型有效性并提高了模型的可解释性。 展开更多

关键词 水闸扬压力预测 逐次变分模态分解 集成学习 SHAP 模型解释

在线阅读 下载PDF 职称材料

基于动态优化周期的风光氢储耦合系统改进能量管理策略

9

作者 王辰 汤奕 郑晨一 《电力系统自动化》 北大核心 2025年第2期142-153,共12页

电/氢混合储能对离网风光发电系统的功率调节能力起到不可忽视的作用,但未充分考虑能量管理的综合性能。针对上述问题,提出了一种基于动态优化周期的改进能量管理策略。首先,以系统运行成本最小为目标进行日前优化。然后,在日内滚动优... 电/氢混合储能对离网风光发电系统的功率调节能力起到不可忽视的作用,但未充分考虑能量管理的综合性能。针对上述问题,提出了一种基于动态优化周期的改进能量管理策略。首先,以系统运行成本最小为目标进行日前优化。然后,在日内滚动优化的过程中自适应调节权重因子,合理协调短期功率平抑和长期状态优化,并对滚动优化周期进行动态调节,在减少冗余调节的同时,提升控制器的实时响应能力。最后,在实时校正层分别使用逐次变分模态分解和双层模糊控制对混合储能功率进行初次分配和二次分配,充分利用混合储能的运行特性并提升系统鲁棒性。算例分析表明,与传统策略相比,改进能量管理策略可使系统运行成本、能量失衡率和计算时间分别降低38.3%、63.1%和57.9%,提高了系统能量管理的经济性、可靠性和实时性。 展开更多

关键词 电/氢混合储能 能量管理 自适应权重 动态优化周期 逐次变分模态分解 双层模糊控制

在线阅读 下载PDF 职称材料

基于视觉与加速度测量的结构动态位移融合估计 被引量：1

10

作者 熊春宝 孙长保 牛彦波 《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2024年第9期891-901,共11页

结构动态位移测量与精准估计对于结构安全运营和性态评估具有重要意义.基于计算机视觉的位移监测方法具有精度高、非接触式、成本低、设备安装简便等优点,在实际复杂工程环境中,设备难以架设,视觉测量方法较传统接触式位移监测方法具有... 结构动态位移测量与精准估计对于结构安全运营和性态评估具有重要意义.基于计算机视觉的位移监测方法具有精度高、非接触式、成本低、设备安装简便等优点,在实际复杂工程环境中,设备难以架设,视觉测量方法较传统接触式位移监测方法具有明显的优势.图像分辨率和拍摄帧率等因素在一定程度上限制了视觉方法的使用.针对视觉位移测量技术高频振动识别精度低的问题,提出了一种基于视觉与加速度测量的结构动态位移重构方法,通过融合视觉低频与加速度高频振动响应信号,实现结构动态位移精准识别.首先,利用光流法从结构振动视频数据中提取结构位移响应,引入前后向误差与离群值过滤机制,提升特征点追踪精度,避免漂移问题.然后,利用逐次变分模态分解方法分别从视觉位移与加速度二次积分得到的位移信号中提取相应的本征模态函数(intrinsic mode function,IMF)分量.最后,基于互相关函数筛选机制,确定融合模态分量,融合基于视觉测量的低阶IMF与基于加速度测量的高阶IMF,重构结构位移响应.通过一个钢筋混凝土框架结构振动台试验,对提出的位移融合估计方法进行了试验验证.结果表明:与单一视觉测量方法相比,所提出的方法能够更为准确地估计结构动态位移,并且通过引入加速度测量中的动态位移分量,融合后的位移比基于视觉测量的结果具有更宽的频率范围. 展开更多

关键词 数据融合 计算机视觉 光流法 逐次变分模态分解 互相关函数

在线阅读 下载PDF 职称材料

SVMD-PE-BP-Transformer短期光伏功率预测 被引量：1

11

作者 王瑞 靳鑫鑫 逯静 《电网与清洁能源》 CSCD 北大核心 2024年第8期141-150,共10页

考虑到光伏功率受气象因素变化影响而波动性大难以预测的问题,将逐次变分模态分解SVMD-排列熵PE与BPTransformer相结合,给出了一种组合预测方法,以下简称SPBT模型。在去除非相关因子的基础上,利用SOM聚类方法,对全年光伏数据进行3种类... 考虑到光伏功率受气象因素变化影响而波动性大难以预测的问题,将逐次变分模态分解SVMD-排列熵PE与BPTransformer相结合,给出了一种组合预测方法,以下简称SPBT模型。在去除非相关因子的基础上,利用SOM聚类方法,对全年光伏数据进行3种类型的分类;针对光伏发电初始时序中所蕴含的重要信息,利用SVMD自适应K值的方法,对其进行分解。再利用PE方法计算各个子序列的熵值,即序列的起伏复杂程度,根据熵的大小,对频率接近的成分进行重构,将其分为两个区间:复杂度低的部分和复杂度高的部分。最后利用BP网络与Transformer分别对其进行预测,并对预测输出进行综合处理。该文以江苏省一光伏电站观测的气象与功率数据为例,通过比较试验验证了该模型的优势,该模型具有较低的预测误差,有助于提高预测精度。 展开更多

关键词 逐次变分模态分解 排列熵 TRANSFORMER 功率预测

在线阅读 下载PDF 职称材料

基于边缘线追踪的斜拉桥拉索振动频率识别 被引量：1

12

作者 薛浩 彭珍瑞 殷红 《振动与冲击》 EI CSCD 北大核心 2024年第19期153-162,共10页

针对传统频率法在斜拉桥拉索频率识别中存在传感器布置困难、检测效率低、实现成本高的问题,提出基于拉索边缘线追踪的方法,借助智能手机采集的拉索振动视频,开展了复杂工况下的斜拉桥拉索振动频率识别。首先,引入Otsu算法计算图像感兴... 针对传统频率法在斜拉桥拉索频率识别中存在传感器布置困难、检测效率低、实现成本高的问题,提出基于拉索边缘线追踪的方法,借助智能手机采集的拉索振动视频,开展了复杂工况下的斜拉桥拉索振动频率识别。首先,引入Otsu算法计算图像感兴趣区域(region of interest,ROI)阈值,利用阈值自适应的Canny-Hough算子进行拉索亚像素边缘检测,定位拉索边缘线的亚像素位置。其次,计算边缘线相对于ROI原点的距离得到拉索振动位移,将位移信号进行逐次变分模态分解(successive variational mode decomposition,SVMD)以减少相机振动和其他噪声的干扰。最后,将降噪后的位移信号进行傅里叶变换识别拉索振动频率。对斜拉桥模型和户外人行桥斜拉索进行试验测试,结果表明即使在复杂工况下,所提方法仍可有效识别拉索的振动频率。 展开更多

关键词 斜拉桥 边缘线追踪 边缘检测 拉索振动 逐次变分模态分解(SVMD)

在线阅读 下载PDF 职称材料

基于IF-SVMD-BWO-LSTM的空气质量预测建模 被引量：2

13

作者 朱菊香 谷卫 +2 位作者 钱炜 张赵良 张雯柏 《中国测试》 CAS 北大核心 2024年第11期173-184,共12页

为了提高PM_(2.5)浓度的预测精度,基于PM_(2.5)序列的复杂性和非线性,提出孤立森林(isolated forests,IF)异常值检测、逐次变分模态分解(successive variational mode decomposition,SVMD)和白鲸鱼算法(Beluga whale optimization,BWO)... 为了提高PM_(2.5)浓度的预测精度,基于PM_(2.5)序列的复杂性和非线性,提出孤立森林(isolated forests,IF)异常值检测、逐次变分模态分解(successive variational mode decomposition,SVMD)和白鲸鱼算法(Beluga whale optimization,BWO)优化长短期记忆网络(long short-term memory network,LSTM)相结合的预测模型。首先,利用孤立森林算法清除数据中异常值;其次使用SVMD将原始不平稳的PM_(2.5)序列进行分解,去除噪声数据后得到多个平稳的固有模态分量和残差分量,提高模型预测精度;然后,对分解后各个子序列使用LSTM进行预测,并利用BWO算法优化LSTM的权重和阈值,进一步提高组合模型的预测精度;最后将各个子序列进行叠加得到最终的预测结果。实验结果表明:IF-SVMD-BWO-LSTM模型在均方根误差比SVMD-BWO-LSTM模型和BWO-LSTM模型分别降低了4.03μg/m^(3)和10.3μg/m^(3)。在拟合度方面,该模型比SVMD-BWO-LSTM模型和BWO-LSTM模型分别高了3.8%和9.5%。因此在空气质量预测上,该组合模型提高了PM_(2.5)预测精度,达到预期的预测效果。 展开更多

关键词 PM_(2.5)预测 孤立森林 逐次变分模态分解 白鲸鱼算法 长短期记忆网络

在线阅读 下载PDF 职称材料

基于SVMD的改进BWO-TimesNet短期热负荷预测模型 被引量：1

14

作者 段沁宇 薛贵军 +1 位作者 谭全伟 谢文举 《广西师范大学学报（自然科学版）》 CAS 北大核心 2024年第6期101-116,共16页

精准高效的热负荷预测对于保障热力系统稳定运行和合理规划热力资源至关重要。为了提升热负荷预测的准确性,本文提出一种基于逐次变分模态分解(successive variational mode decomposition,SVMD)和改进白鲸优化算法(improved Beluga wha... 精准高效的热负荷预测对于保障热力系统稳定运行和合理规划热力资源至关重要。为了提升热负荷预测的准确性,本文提出一种基于逐次变分模态分解(successive variational mode decomposition,SVMD)和改进白鲸优化算法(improved Beluga whale optimization,IBWO)的TimesNet短期热负荷预测模型。首先,利用SVMD将原始热负荷数据进行分解,去除噪声后得到若干个平稳且有规律的模态分量;其次,根据每个模态分量的特点选择合适的特征作为输入;然后,引入3种策略来改进白鲸优化算法,从而建立IBWO-TimesNet预测模型;最后,通过算例对模型的预测性能进行详细评估。结果表明:SVMD-IBWO-TimesNet模型的MAE、RMSE和R 2分别为0.647、1.190和99.1%。与其他主流预测模型相比,该模型具有更高的预测精度。同时,在减少训练样本的情况下,SVMD-IBWO-TimesNet模型仍能有效预测热负荷,具有较强的泛化能力。验证了所提出模型的有效性,为热力系统供热负荷的精准调控提供了参考。 展开更多

关键词 热负荷预测 TimesNet 逐次变分模态分解 白鲸优化算法

在线阅读 下载PDF 职称材料

不同激励下基于SVMD的结构响应重构方法

15

作者 苟志豪 彭珍瑞 《噪声与振动控制》 CSCD 北大核心 2024年第6期49-56,共8页

针对基于经验模态分解(Empirical Mode Decomposition,EMD)的响应重构方法需要设置繁杂的带通滤波器参数,且无法在时域中直接重构周期激励作用下的响应等问题,提出一种不同激励下基于逐次变分模态分解(Successive Variational Mode Deco... 针对基于经验模态分解(Empirical Mode Decomposition,EMD)的响应重构方法需要设置繁杂的带通滤波器参数,且无法在时域中直接重构周期激励作用下的响应等问题,提出一种不同激励下基于逐次变分模态分解(Successive Variational Mode Decomposition,SVMD)的响应重构方法。首先,分别考虑瞬态激励和周期激励两种工况,使用SVMD将传感器测得的动态响应信号分解为多个分量。其次,使用由模态分析推导出的模态转换矩阵和传递矩阵得到未测量位置的响应分量。最后,根据模态叠加法实现时域响应重构。对六层剪切框架和简支梁分别进行数值仿真和试验验证,结果表明,所提方法在使用单个传感器的条件下即可对不同激励下的结构响应实现有效重构,且对测量噪声具有一定的鲁棒性。 展开更多

关键词 振动与波 逐次变分模态分解 模态转换矩阵 传递矩阵 模态叠加法 响应重构

在线阅读 下载PDF 职称材料

融合SVMD和IGJO-LSTM的污水处理曝气量预测

16

作者 侯登云 南新元 +2 位作者 夏斯博 陈浩辉 李海龙 《科学技术与工程》 北大核心 2024年第26期11323-11331,共9页

污水处理过程中,曝气量数据波动大、周期性不明显,现有模型难以对曝气量进行准确的预测。因此,提出了一种优化模型,此模型利用逐次变分模态分解提取曝气数据特征,并采用改进的金豺算法优化长短期记忆网络的超参数,以提升模型预测能力。... 污水处理过程中,曝气量数据波动大、周期性不明显,现有模型难以对曝气量进行准确的预测。因此,提出了一种优化模型,此模型利用逐次变分模态分解提取曝气数据特征,并采用改进的金豺算法优化长短期记忆网络的超参数,以提升模型预测能力。首先,针对实际污水数据复杂的问题,利用逐次变分模态分解算法分解重构原始曝气数据序列。其次,用长短期记忆网络分别对每个序列依次预测,并采用柯西反向学习混合变异策略改进金豺算法对长短期记忆网络参数进行优化。最后,将各个序列预测结果进行重组,得到最终预测值。利用实际污水水质数据对该模型进行验证,结果表明该模型有效提高了曝气量的预测精度,具有很好的应用前景,能很大提升污水处理厂的经济效益。 展开更多

关键词 污水处理 曝气量预测 逐次变分模态分解 金豺优化算法 长短期记忆网络

在线阅读 下载PDF 职称材料

基于SVMD-ISSA-CNN-TGLSTM的供热负荷预测模型 被引量：1

17

作者 薛贵军 牛盼 +1 位作者 谢文举 李水清 《现代电子技术》 北大核心 2024年第11期131-139,共9页

针对目前集中供热负荷预测的研究中极少考虑换热站内部因素以及供热负荷预测精准度较低的问题,提出一种基于SVMD-ISSA-CNN-TGLSTM的混合预测模型。首先,利用卷积神经网络和转换门控长短期记忆神经网络构建具有空间提取能力的CNN-TGLSTM... 针对目前集中供热负荷预测的研究中极少考虑换热站内部因素以及供热负荷预测精准度较低的问题,提出一种基于SVMD-ISSA-CNN-TGLSTM的混合预测模型。首先,利用卷积神经网络和转换门控长短期记忆神经网络构建具有空间提取能力的CNN-TGLSTM模型;其次,考虑到负荷序列的非平稳特征,采用SVMD分解,并引用改进的麻雀搜索算法来优化模型的参数,避免调参陷入局部最优;最后,将不同模型之间的预测效果与经济效益进行对比。结果表明:SVMD-ISSA-CNN-TGLSTM模型经济效益最高,评价指标RMSE、MSE、MAE相比ISSA-CNN-TGLSTM模型分别降低了35.7%、59.0%、32.7%,且均优于其他不同模型,预测效果最佳。 展开更多

关键词 供热负荷预测 逐次变分模态分解 改进的麻雀搜索算法 卷积神经网络 转换门控长短期记忆神经网络 空间提取能力

在线阅读 下载PDF 职称材料

基于SVMD-Informer-XGBoost的风电功率区间预测

18

作者 黄丹 张历卓 +1 位作者 陈思羽 匡迎春 《长江信息通信》 2024年第10期34-37,共4页

为了提高风电功率区间预测的精度,文章提出逐次变分模态分解(SVMD)、Informer和XGBoost算法模型的结合,实现风电功率区间预测。首先,SVMD算法自适应地分解出风电功率数据的各模态分量(IMF)和残差分量。其次,通过网格搜索算法(CV)对Infor... 为了提高风电功率区间预测的精度,文章提出逐次变分模态分解(SVMD)、Informer和XGBoost算法模型的结合,实现风电功率区间预测。首先,SVMD算法自适应地分解出风电功率数据的各模态分量(IMF)和残差分量。其次,通过网格搜索算法(CV)对Informer和XGBoost模型算法进行优化,并通过网格搜索算法确定Informer-XGBoost输出预测值的最优权重,构建基于SVMD-Informer-XGBoost的预测模型。最后,通过分位数回归法(Quantile regression)输出预测值和真实值的误差,得到风电功率的区间预测。实验结果表明,所提出的方法相较于传统单一模型,在区间预测的准确度和稳定性上有了显著提升。在95%置信度水平下,区间预测指标区间覆盖率(PICP)和区间平均宽度(PINAW)分别可达94.96%和0.0362。 展开更多

关键词 逐次变分模态分解 XGBoost INFORMER 网格搜索

在线阅读 下载PDF 职称材料

基于SVMD-SES的滚动轴承故障诊断

19

作者 陈志刚 姜云龙 +2 位作者 王莹莹 王衍学 徐明智 《噪声与振动控制》 CSCD 北大核心 2024年第5期107-113,共7页

针对在进行复杂工业设备滚动轴承故障诊断时,由于强噪声影响使故障微弱瞬态冲击特征难以识别的问题,提出一种基于平方包络谱逐次变分模态分解的机械故障诊断方法。首先在变分模态分解的基础上进行逐次变分模态分解推导,降低模态混叠现... 针对在进行复杂工业设备滚动轴承故障诊断时,由于强噪声影响使故障微弱瞬态冲击特征难以识别的问题,提出一种基于平方包络谱逐次变分模态分解的机械故障诊断方法。首先在变分模态分解的基础上进行逐次变分模态分解推导,降低模态混叠现象和计算复杂度。其次利用峭度指数和互相关系数的加权值构造相关峭度,通过筛选所得分量得到真实的故障模态成分。通过平方包络谱凸显信号瞬态冲击信息并进行特征提取。最后通过实验室平台采集轴承振动数据进行验证分析,实验结果表明:采用所提方法能准确识别周期性瞬态冲击,有效提取微弱特征,提高对复杂机器进行故障诊断的准确性和效率。 展开更多

关键词 故障诊断 滚动轴承 逐次变分模态分解 平方包络谱 相关峭度

在线阅读 下载PDF 职称材料

基于多算法融合的锂离子电池故障诊断方法

20

作者 张浚坤 雷二涛 +3 位作者 罗崴 金莉 马凯 李盈 《广东电力》 北大核心 2024年第7期50-57,共8页

锂离子电池的安全和热失控问题,限制了其在各领域的广泛应用。为了更准确地检测电池异常情况中的内短路与开路故障,提出一种基于多算法融合的锂离子电池故障诊断方法。首先,采用逐次变分模态分解(sequential variational mode decomposi... 锂离子电池的安全和热失控问题,限制了其在各领域的广泛应用。为了更准确地检测电池异常情况中的内短路与开路故障,提出一种基于多算法融合的锂离子电池故障诊断方法。首先,采用逐次变分模态分解(sequential variational mode decomposition,SVMD)计算每个电池单体的最大电压波动,并通过箱线图和离群点检测来识别异常单体。其次,根据SVMD得到的电压均值差的绝对值,结合斜率计算和统计分析,检测潜在的内短路或开路故障。最后,利用实际锂离子电池的热失控数据对所提方法进行验证。结果表明,该方法可以在热失控发生前55 min进行预警,并能精确识别内短路或开路故障单体,具有较高的可靠性和工程应用价值。 展开更多

关键词 锂离子电池 内短路故障 逐次变分模态分解 离群点检测 安全预警

在线阅读 下载PDF 职称材料