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79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LOF-EEMD-LSTM模型的污水水质预测研究
1
作者 游旭 陈会娟 余昭旭 《自动化仪表》 2025年第2期51-56,共6页
为了精准预测污水中溶解氧(DO)浓度值,通过局部异常因子(LOF)算法对深圳某污水处理厂5个月的数据进行分析。利用集合经验模态分解(EEMD)-长短期记忆(LSTM)神经网络模型,对曝气控制系统的出水水质影响较大的DO浓度进行准确预测。首先,通... 为了精准预测污水中溶解氧(DO)浓度值,通过局部异常因子(LOF)算法对深圳某污水处理厂5个月的数据进行分析。利用集合经验模态分解(EEMD)-长短期记忆(LSTM)神经网络模型,对曝气控制系统的出水水质影响较大的DO浓度进行准确预测。首先,通过LOF算法剔除数据中的异常值。然后,使用EEMD算法筛选出输入数据中强相关的特征子序列。最后,将特征子序列输入LSTM模型中以得到DO预测值。试验结果表明,LOF-EEMD-LSTM模型的准确率可达95.4%、平均绝对误差(MAE)为0.036、均方误差(MSE)为0.0038、均方根误差(RMSE)为0.0614、平均绝对百分比误差(MAPE)为0.046。以上指标相比于反向传播(BP)神经网络、随机森林、LSTM、LOF-LSTM、EEMD-LSTM和变分模态分解-最小二乘支持向量机(VMD-LSSVM)预测模型皆有明显的提升。所提模型的预测精度较高,具有较高的实用价值。 展开更多
关键词 污水处理 水质预测 溶解氧 局部异常因子算法 集合经验模态分解 长短期记忆神经网络
在线阅读 下载PDF
基于EEMD能量熵和GJO-KELM的滚动轴承故障诊断
2
作者 史书杰 赵凤强 +2 位作者 王波 杨晨昊 周帅 《电子测量技术》 北大核心 2024年第6期116-122,共7页
滚动轴承在旋转机械中发挥着重要作用,若出现故障,轻则引起设备停机,重则危及现场人员生命安全,因此有必要对其进行故障诊断。针对滚动轴承故障特征难以提取,传统分类方法正确率不高的问题,本文提出一种基于集合经验模态分解(EEMD)能量... 滚动轴承在旋转机械中发挥着重要作用,若出现故障,轻则引起设备停机,重则危及现场人员生命安全,因此有必要对其进行故障诊断。针对滚动轴承故障特征难以提取,传统分类方法正确率不高的问题,本文提出一种基于集合经验模态分解(EEMD)能量熵和金豺优化算法(GJO)优化核极限学习机(KELM)的故障诊断方法,实现了提取滚动轴承故障特征并正确分类的目标。通过实验数据进行验证,该方法能够提取到滚动轴承原始信号中隐含的故障信息特征,其诊断正确率高达98.47%。 展开更多
关键词 eemd 能量熵 金豺优化算法 核极限学习机 故障诊断
在线阅读 下载PDF
EEMD在雷暴日趋势特征分析中的应用 被引量：6
3
作者 陈则煌 张云峰 +2 位作者 谢菲 霍光 曹洪亮 《热带地理》 2015年第4期601-606,共6页
首先利用整体经验模态分解算法（EEMD）对加入高斯白噪声后的香港地区雷暴日时间序列进行本征模态函数（IMF）分解;其次对各IMF分量进行Hilbert变换,提取雷暴日波动特征参量,并给出雷暴日序列的Hilbert谱和边际谱;最后对各雷暴日IMF分... 首先利用整体经验模态分解算法（EEMD）对加入高斯白噪声后的香港地区雷暴日时间序列进行本征模态函数（IMF）分解;其次对各IMF分量进行Hilbert变换,提取雷暴日波动特征参量,并给出雷暴日序列的Hilbert谱和边际谱;最后对各雷暴日IMF分量进行显著性检验。结果表明：香港地区近67 a雷暴日序列可分解为1项趋势项和5个中心频率不同的IMF分量,其中能量主要集中在0.35~0.5 Hz和0~0.05 Hz频段;通过分析IMF能量谱密度-周期分布,得出雷暴日变化周期为2.8 a左右的年际变化和25 a左右的代际变化为主要变化周期,其次是4.5和7.1 a左右的年际变化为次要变化周期,从趋势项可知香港地区雷暴日呈波动上升趋势。EEMD算法可较好地用于雷暴日趋势特征分析。 展开更多
关键词 雷暴日 eemd HHT变换 白噪声 香港
在线阅读 下载PDF
基于EEMD能量熵和LSSVM的传感器故障诊断 被引量：15
4
作者 丁国君 王立德 +1 位作者 申萍 杨鹏 《传感器与微系统》 CSCD 北大核心 2013年第7期22-25,共4页
传感器作为动车组制动系统的关键部件,其能否正常工作直接影响动车组的安全稳定运行。集成经验模态分解克服了经验模态分解的模态混叠现象,分解出的各个内禀模态函数突出了故障的局部特征,并求解其能量熵组成故障特征向量,然后把故障特... 传感器作为动车组制动系统的关键部件,其能否正常工作直接影响动车组的安全稳定运行。集成经验模态分解克服了经验模态分解的模态混叠现象,分解出的各个内禀模态函数突出了故障的局部特征,并求解其能量熵组成故障特征向量,然后把故障特征向量输入到最小二乘支持向量机(LSSVM)进行故障识别和分类。同时采用粒子群优化算法对LSSVM的结构参数进行择优。测试结果表明:该故障诊断模型对动车组AS压力传感器故障具有较高的正确分类率。 展开更多
关键词 传感器 集成经验模态分解 最小二乘支持向量机 粒子群优化算法 故障诊断
在线阅读 下载PDF
基于改进的EEMD方法与GA-SVM的液压系统泄漏故障诊断 被引量：12
5
作者 陈灏 张梅军 +1 位作者 黄杰 柴凯 《液压与气动》 北大核心 2014年第9期32-38,共7页
液压系统不同程度泄漏故障发生原因多样,特征十分相似,难以正确诊断。针对此问题,提出了改进的EEMD方法与GA-SVM结合的液压系统泄漏故障诊断方法。首先,在EEMD方法的基础上提出改进,抑制模态混叠和端点效应对振动信号分解的影响,保证信... 液压系统不同程度泄漏故障发生原因多样,特征十分相似,难以正确诊断。针对此问题,提出了改进的EEMD方法与GA-SVM结合的液压系统泄漏故障诊断方法。首先,在EEMD方法的基础上提出改进,抑制模态混叠和端点效应对振动信号分解的影响,保证信号分解的真实性。运用改进的EEMD方法将液压振动信号分解成若干个IMF分量,计算各IMF分量能量并归一化处理提取振动信号特征向量。然后运用遗传算法对SVM进行参数优化,将提取到的特征向量输入优化后SVM分类诊断,判断液压系统泄漏故障类型和严重程度。实验结果表明,该方法能够有效地应用于液压系统泄漏故障诊断。 展开更多
关键词 液压泄漏 改进的eemd 遗传算法 支持向量机(SVM) 故障诊断
在线阅读 下载PDF
基于Fast-ICA算法的改进EEMD算法在桥梁工程中的运用 被引量：5
6
作者 罗烨钶 陈永高 李升才 《公路交通科技》 CAS CSCD 北大核心 2021年第2期62-72,共11页
目前,以振动分析为基础的桥梁结构健康状态评估方法逐渐受到人们的重视,模态参数识别作为振动分析的关键问题之一,还需进一步完善。模态参数识别即是对结构的振动信号进行动力特性参数的识别,以得到结构的频率、振型以及阻尼比。为了精... 目前,以振动分析为基础的桥梁结构健康状态评估方法逐渐受到人们的重视,模态参数识别作为振动分析的关键问题之一,还需进一步完善。模态参数识别即是对结构的振动信号进行动力特性参数的识别,以得到结构的频率、振型以及阻尼比。为了精确地识别出桥梁结构的模态参数,需先对传感器采集的结构响应信号进行分解和重构以保留结构的真实信息,再对重构信号进行模态参数辨识。现阶段,集合经验模态分解算法作为常用的信号分解算法之一,存在两大缺陷,即所得本征模态函数间存在模态混叠现象和有效本征模态函数的定义没有统一的标准。基于此提出对应的改进算法,首先将夹角余弦法用于筛选有效IMF分量;其次将盲源分离算法中的Fast-ICA算法嵌入EEMD分解算法中以避免模态混叠现象的发生;接着将所提算法运用于模拟信号以验证其可行性;最后将所提改进算法运用于实际桥梁工程的响应信号中,并对比分析所得模态参数值以验证该算法的可靠性。结果表明,所提算法较现有EEMD算法具有更好的信号分解效率,且能够有效地剔除结构的虚假信息,保留实际桥梁结构的真实信息。 展开更多
关键词 桥梁工程 信号分解 FASTICA算法 eemd算法 本征模态函数 模态参数
原文传递
小波-SG-EEMD混合算法及混沌去噪应用研究 被引量：5
7
作者 位秀雷 林瑞霖 +1 位作者 刘树勇 王强 《振动与冲击》 EI CSCD 北大核心 2015年第17期100-104,110,共6页
混沌信号和噪声频谱部分甚至全部重叠,单一的去噪方法无法有效地从强干扰中提取有用信号,为此,提出了小波-SG-EEMD混合去噪算法。该算法将小波-SG作为EEMD的预滤波单元,有效降低白噪声和局部强干扰的影响,并结合EEMD抑制模式混叠的特性... 混沌信号和噪声频谱部分甚至全部重叠,单一的去噪方法无法有效地从强干扰中提取有用信号,为此,提出了小波-SG-EEMD混合去噪算法。该算法将小波-SG作为EEMD的预滤波单元,有效降低白噪声和局部强干扰的影响,并结合EEMD抑制模式混叠的特性,可以有效地将混沌信号从复杂干扰中提取出来。利用Lorenz时间序列详述了混合滤波算法的实施过程,并将该方法用于两自由度混沌振动信号中。结果表明该方法切实可行,具有非常好的应用价值。 展开更多
关键词 混沌信号 小波变换 SG算法 eemd
在线阅读 下载PDF
EEMD和布谷鸟搜索算法优化SVR的混沌时间序列预测 被引量：4
8
作者 乐洋 江畅 陈德良 《现代电子技术》 2022年第15期118-122,共5页
为了对混沌时间序列的预测精度进行提升,提出组合预测模型,它对支持向量回归(SVR)、布谷鸟搜索(CS)与经验模态分解(EEMD)进行了综合。首先对混沌时间序列通过集合经验模态分解为一组去除噪声且相对稳定的子序列;借助CS算法对SVR参量加... 为了对混沌时间序列的预测精度进行提升,提出组合预测模型,它对支持向量回归(SVR)、布谷鸟搜索(CS)与经验模态分解(EEMD)进行了综合。首先对混沌时间序列通过集合经验模态分解为一组去除噪声且相对稳定的子序列;借助CS算法对SVR参量加以优化,进而构建以SVR为基础的预测模型,由此获取原始序列的预测大小;接着以太阳黑子混沌时间序列为对象,对其进行预测实验,并与SVR、CS⁃SVR和EEMD⁃SVR的预测性能进行比较。结果显示,通过CS算法进行优化后,能够让SVR具有更快的收敛速度,使之预测精度有了明显的提升,同时也提升了它的泛化能力。 展开更多
关键词 混沌时间序列预测 集合经验模态分解 布谷鸟搜索算法 支持向量回归 太阳黑子 回归拟合
在线阅读 下载PDF
基于EEMD-LSTM的桥梁变形响应组合预测模型研究 被引量：5
9
作者 孟庆成 李明健 +3 位作者 胡垒 万达 吴浩杰 齐欣 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第5期25-34,共10页
为准确预测桥梁结构变形响应,提出了一种利用孤立森林(iForest)算法对桥梁原始变形数据进行降噪,集合经验模态分解法(EEMD)对桥梁变形数据进行分解,长短期记忆神经网络(LSTM)深度学习法对所得到的多尺度变形分量进行预测的EEMD-LSTM组... 为准确预测桥梁结构变形响应,提出了一种利用孤立森林(iForest)算法对桥梁原始变形数据进行降噪,集合经验模态分解法(EEMD)对桥梁变形数据进行分解,长短期记忆神经网络(LSTM)深度学习法对所得到的多尺度变形分量进行预测的EEMD-LSTM组合模型。以武汉沌口长江大桥作为研究对象,选取RMSE、MAE、MAPE和R^(2)等参数作为评价指标,对该模型进行了验证。研究结果表明:与单一的LSTM、SVM和Bayesian模型相比,EEMD-LSTM模型有着良好的鲁棒性、适用性和更高的预测精度。 展开更多
关键词 桥梁工程 深度学习 孤立森林算法 eemd-LSTM 变形响应
在线阅读 下载PDF
基于改进EEMD滤波原理及TLS-ESPRIT算法的低频振荡模式识别 被引量：3
10
作者 杨小明 刘涤尘 +1 位作者 张红丽 赵一婕 《陕西电力》 2012年第7期23-27,共5页
针对不稳定信号PRONY辨识的噪声敏感和辨识精度低的局陷,提出一种改进的低频振荡模式辨识方法,实现了在复杂噪声干扰情况下的低频振荡模式的准确辨识。该方法基于EEMD算法设计改进了EEMD滤波器,可以有效滤除噪声,保留更多的信号模态特... 针对不稳定信号PRONY辨识的噪声敏感和辨识精度低的局陷,提出一种改进的低频振荡模式辨识方法,实现了在复杂噪声干扰情况下的低频振荡模式的准确辨识。该方法基于EEMD算法设计改进了EEMD滤波器,可以有效滤除噪声,保留更多的信号模态特征。对滤波后的信号采用基于总体最小二乘法-旋转不变技术的信号参数估计(TLS-ESPRIT)算法进行参数辨识,从而获取低频振荡各个模式信息。通过算例仿真验证了该方法的有效性。 展开更多
关键词 低频振荡 eemd滤波 TLS-ESPRIT算法 模式识别
在线阅读 下载PDF
EEMD样本熵的扬声器异常音分类方法 被引量：6
11
作者 周静雷 房乔楚 颜婷 《电子测量与仪器学报》 CSCD 北大核心 2019年第4期195-201,共7页
为了更准确的对扬声器异常音进行分类,提出一种基于集合经验模态分解(EEMD)与样本熵的扬声器异常音特征提取方法并利用极限梯度提升(XGBoost)算法进行分类。在基频陷波预处理后,对信号进行EEMD,结合相关性分析选取固有模态函数(IMF)分... 为了更准确的对扬声器异常音进行分类,提出一种基于集合经验模态分解(EEMD)与样本熵的扬声器异常音特征提取方法并利用极限梯度提升(XGBoost)算法进行分类。在基频陷波预处理后,对信号进行EEMD,结合相关性分析选取固有模态函数(IMF)分量并计算其样本熵构成特征向量。实验结果表明,针对扬声器异常音分类问题,在小样本的情况下,扬声器声响应信号经基频陷波预处理后,XGBoost算法使用EEMD与样本熵的特征提取方法取得了95. 33%的分类准确率,高于小波包变换和样本熵特征提取方法所取得的准确率,验证了特征提取及分类方法的有效性。 展开更多
关键词 扬声器异常音 基频陷波 集合经验模态分解 样本熵 XGBoost算法
在线阅读 下载PDF
基于EEMD和MFFOA-SVM滚动轴承故障诊断 被引量：20
12
作者 何青 褚东亮 毛新华 《中国机械工程》 EI CAS CSCD 北大核心 2016年第9期1191-1197,共7页
针对滚动轴承发生故障时,振动信号的时域和频域特征都会发生变化的特点,提出了基于集合经验模态分解(EEMD)、改进果蝇优化算法(MFFOA)和支持向量机(SVM)的滚动轴承故障诊断方法。该方法主要是利用EEMD方法对故障信号进行分解,并计算各IM... 针对滚动轴承发生故障时,振动信号的时域和频域特征都会发生变化的特点,提出了基于集合经验模态分解(EEMD)、改进果蝇优化算法(MFFOA)和支持向量机(SVM)的滚动轴承故障诊断方法。该方法主要是利用EEMD方法对故障信号进行分解,并计算各IMF分量的均方根值和重心频率,以此进行归一化处理得到特征向量。为了提高诊断精度,采用果蝇优化算法优化SVM参数,建立MFFOA-SVM模型,然后对提取的特征向量进行训练与测试,从而识别故障与否及发生点蚀故障的程度。利用该方法对实测信号进行分析与诊断,并与遗传算法的优化结果进行对比,验证了该方法的有效性,说明其具有良好的应用前景。 展开更多
关键词 集合经验模态分解 改进果蝇优化算法 支持向量机 滚动轴承 故障诊断
在线阅读 下载PDF
基于EEMD-SSA组合模型的短期电力负荷预测 被引量：4
13
作者 曹广华 陈前 +1 位作者 齐少栓 闫丽梅 《吉林大学学报（信息科学版）》 CAS 2022年第3期362-370,共9页
由于电力系统运行受多种因素的影响,因此电力负荷呈现较强的波动性和不稳定性,从而影响电网短期负荷预测的准确性。为减小预测误差,提出一种组合模型策略。首先采用集合经验模态分解将原始数据分解为若干分量,根据各分量数据所含信息量... 由于电力系统运行受多种因素的影响,因此电力负荷呈现较强的波动性和不稳定性,从而影响电网短期负荷预测的准确性。为减小预测误差,提出一种组合模型策略。首先采用集合经验模态分解将原始数据分解为若干分量,根据各分量数据所含信息量的不同,将分量分为两组,分别利用反向传播神经网络和长短时记忆网络进行预测。并在此基础上,利用樽海鞘群优化算法对每个分量预测网络中的神经元个数与输入变量的滞后项进行优化,得到最终的EEMD-SSA(Ensemble Empirical Mode Decomposition-Salp Swarm Algorithm)的组合预测模型。最后,将此模型应用于某地实测数据进行负荷预测。实验结果表明,该组合模型比单一网络模型及其他模型具有更好的预测效果。 展开更多
关键词 负荷预测 组合模型 eemd分解 SSA优化算法
在线阅读 下载PDF
基于EEMD算法的三相四线制APF谐波检测
14
作者 杨新华 委晓翠 +2 位作者 孙艳军 吴丽珍 谢兴峰 《兰州理工大学学报》 CAS 北大核心 2016年第1期96-99,共4页
针对总体平均经验模态分解(EEMD)法进行信号分解时计算量大、实时性差的问题,提出在EEMD分解过程中,通过对利用三次样条拟合曲线求取上下包络线的样条函数进行优化,来减小EEMD算法的运算时间.并将该算法用于提取三相四线制APF谐波中的... 针对总体平均经验模态分解(EEMD)法进行信号分解时计算量大、实时性差的问题,提出在EEMD分解过程中,通过对利用三次样条拟合曲线求取上下包络线的样条函数进行优化,来减小EEMD算法的运算时间.并将该算法用于提取三相四线制APF谐波中的基波分量,提高谐波检测的有效性和实时性.为验证该方法的检测效果,将EEMD算法和基于瞬时无功功率理论的ip-iq算法分别应用于提取基波分量.检测结果表明,所提方法的检测精度更高、动态响应速度更快. 展开更多
关键词 eemd算法 谐波检测 拟合曲线优化 基波提取
在线阅读 下载PDF
EEMD-GSSA-SVM滚动轴承故障诊断方法研究 被引量：8
15
作者 宋立业 孙琳 《传感器与微系统》 CSCD 北大核心 2022年第4期56-59,共4页
针对现有滚动轴承故障诊断算法诊断准确度不高的问题,提出了一种基于集合经验模态分解(EEMD)以及全局麻雀群搜索算法(GSSA)优化支持向量机(SVM)的滚动轴承故障诊断方法。所提方法利用EMMD以及能量矩对原始信号进行模态分解与特征提取。... 针对现有滚动轴承故障诊断算法诊断准确度不高的问题,提出了一种基于集合经验模态分解(EEMD)以及全局麻雀群搜索算法(GSSA)优化支持向量机(SVM)的滚动轴承故障诊断方法。所提方法利用EMMD以及能量矩对原始信号进行模态分解与特征提取。为提高诊断精度,提出一种GSSA-SVM算法。首先提出一种对原始麻雀搜索算法(SSA)中的探索粒子更新方式进行全局化改进,以提高其迭代速度与计算精度的GSSA,然后建立GSSA-SVM模型。最后,利用所提算法对实测信号进行诊断分析,验证了所提方法的有效性与优越性。 展开更多
关键词 故障诊断 集合经验模态分解 全局麻雀搜索算法 支持向量机
在线阅读 下载PDF
基于EEMD的谐波检测方法 被引量：96
16
作者 朱宁辉 白晓民 董伟杰 《中国电机工程学报》 EI CSCD 北大核心 2013年第7期92-98,14,共7页
针对谐波检测问题,比较几种常用谐波检测方法,总结出各自的适用条件。结合经验模态分解理论和总体平均经验模态分解(empirical mode decomposition,EEMD)算法,提出基于EEMD的谐波检测方法。给出离线谐波检测的具体过程,并在此基础上,首... 针对谐波检测问题,比较几种常用谐波检测方法,总结出各自的适用条件。结合经验模态分解理论和总体平均经验模态分解(empirical mode decomposition,EEMD)算法,提出基于EEMD的谐波检测方法。给出离线谐波检测的具体过程,并在此基础上,首先构造当前时刻采样值始终处于中心位置的向量,然后计算总体谐波分量的在线检测方法。另外,可以通过修改EEMD算法中的频率计算条件实现对特定次数谐波分量的检测。为验证该方法的检测效果,将EEMD算法与瞬时无功功率方法(ip iq)分别应用于仿真和实测数据。检测结果表明,所提方法不但在检测稳态信号时具有很好的精度,而且在检测波动信号时也具有较好的动态特性。 展开更多
关键词 经验模态分解 总体平均经验模态分解 谐波检测 基波提取 在线算法
在线阅读 下载PDF
基于时间序列分析法的地震智能预警系统
17
作者 张令 马梦丹 《微型电脑应用》 2025年第2期206-209,共4页
为了提升地震感知能力及等级判断准确性,提出基于时间序列分析法的地震智能预警系统。在系统硬件部分利用GNSS接收机实现卫星电文信号的接收及解码,配置加速度传感器测量地震波的加速度,结合串口通信与多个无线收发设备,满足系统内信号... 为了提升地震感知能力及等级判断准确性,提出基于时间序列分析法的地震智能预警系统。在系统硬件部分利用GNSS接收机实现卫星电文信号的接收及解码,配置加速度传感器测量地震波的加速度,结合串口通信与多个无线收发设备,满足系统内信号稳定无冲突传输需求。软件部分引入EEMD算法,提取GNSS接收机解码数据的时间序列的多尺度IMF分量,结合Hilbert变换得到描述地震信号内时间分布特征的Hilbert谱,以优化地震感知能力。将Hilbert谱转化为三元组形式后,输入Triplet-CNN网络,通过反复训练,使Triplet-CNN网络具备地震等级判断能力,并通过声光警报程序及液晶显示程序对地震等级判断结果实施预警输出。实验表明,所提系统对地震的感知能力较强,地震等级判断精准。 展开更多
关键词 地震 智能预警系统 GNSS接收机 eemd算法 Triplet-CNN网络
在线阅读 下载PDF
基于振动及EEMD-CMAC算法的鸭蛋散黄在线检测 被引量：1
18
作者 卢伟 丁婧 +2 位作者 罗慧 王玲 代德建 《农业工程学报》 EI CAS CSCD 北大核心 2016年第21期282-289,共8页
针对鸭蛋长期存储以及运输过程中造成的散黄问题,构建一种基于振动信息的鸭蛋散黄在线检测流水线,可实现鸭蛋的自动触压和随动检测。通过磁致伸缩振子对鸭蛋扫频振动进行音频信息增强,对音频振动信号进行集合经验模态分解,并通过主成分... 针对鸭蛋长期存储以及运输过程中造成的散黄问题,构建一种基于振动信息的鸭蛋散黄在线检测流水线,可实现鸭蛋的自动触压和随动检测。通过磁致伸缩振子对鸭蛋扫频振动进行音频信息增强,对音频振动信号进行集合经验模态分解,并通过主成分分析进行降维提取主要特征,基于此,构建基于小脑神经网络的鸭蛋散黄检测模型。试验中,对320枚鸭蛋进行检测(训练集200枚,测试集120枚),结果表明,基于累积贡献率达98.14%的前5个主成分的鸭蛋散黄检测模型训练集和测试集识别率分别达98.66%和97.03%,每枚鸭蛋在线检测时间约1 s。研究表明,所研制的检测流水线基于磁致伸缩振子扫频激励未知品质鸭蛋,再结合EEMD-CMAC进行鸭蛋散黄检测是可行的,可满足流水线在线检测的要求。 展开更多
关键词 无损检测 算法 模型 集合经验模态分解(eemd) 小脑神经网络(CMAC) 鸭蛋散黄
在线阅读 下载PDF
基于EEMD自适应形态学在齿轮故障诊断中的应用 被引量：17
19
作者 侯高雁 吕勇 +1 位作者 肖涵 秦拓 《振动与冲击》 EI CSCD 北大核心 2014年第18期145-148,共4页
为了从齿轮故障信号中提取出包含故障信号的特征频率,提出了基于EEMD自适应形态学解调方法。首先采用EEMD(集合经验模式分解)进行降噪,将原始信号与不同的白噪声叠加组成目标信号,然后将目标信号分解为有限个IMF分量,选取主要信息求和重... 为了从齿轮故障信号中提取出包含故障信号的特征频率,提出了基于EEMD自适应形态学解调方法。首先采用EEMD(集合经验模式分解)进行降噪,将原始信号与不同的白噪声叠加组成目标信号,然后将目标信号分解为有限个IMF分量,选取主要信息求和重构,再用形态学滤波器提取故障信号的特征频率。针对形态学结构元素尺寸的选择问题,利用遗传算法来优化形态学结构元素,自适应寻求最优解。通过数字仿真试验和齿轮故障模拟实验,并与EMD(经验模式分解)、SVD(奇异值分解)方法进行了比较,结果表明该算法要优于其他两种方法,能够清晰地提取出故障信号的各种频率特征。 展开更多
关键词 形态学 特征频率 eemd 结构元素 遗传算法
在线阅读 下载PDF
基于EEMD-VMD-SSA-KELM模型的汛期日径流预测 被引量：5
20
作者 吴小涛 袁晓辉 +2 位作者 袁艳斌 毛雅茜 肖加清 《中国农村水利水电》 北大核心 2023年第7期27-34,共8页
受气象、气候变化和人类活动等因素的影响,径流序列呈现出非稳态、非线性等特征,给径流精准预测带来新的挑战。为了提高单一径流预测模型的预测精度,文章提出了一种新的基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EE... 受气象、气候变化和人类活动等因素的影响,径流序列呈现出非稳态、非线性等特征,给径流精准预测带来新的挑战。为了提高单一径流预测模型的预测精度,文章提出了一种新的基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法、变分模态分解(Variational Modal Decomposition,VMD)算法和麻雀搜索算法(Sparrow Search Algorithm,SSA)优化核极限学习机(Kernel Extreme Learning Machine,KELM)的组合径流预测模型(EEMD-VMD-SSA-KELM)。首先利用EEMD算法将径流序列分解为趋势分量、细节分量和随机分量,接着利用VMD算法将频率最大的随机分量进一步分解为若干个频率不同、较随机分量更加稳定的分量,从而降低径流序列的不稳定性;接着,对每个分量分别建立KELM模型进行预测,并采用SSA优化KELM模型的核参数和惩罚系数;最后,累加所有分量的预测结果得到径流序列的预测结果。提出的模型应用于湖北宜昌寸滩水文站的汛期日径流预测,并与BP神经网络模型、最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)模型、KELM模型等作对比。结果表明:组合了数据分解算法的预测模型的预测精度明显优于单一的BP模型、LSSVM模型和KELM模型;组合EEMD算法和VMD算法的预测模型的预测精度优于仅组合EEMD算法的预测模型;KELM模型的预测精度优于LSSVM模型;SSA的优化精度优于粒子群优化算法。EEMD-VMD-SSA-KELM模型的预测精度最高,能准确的模拟复杂多频信息的汛期日径流的变化趋势,可为水文预测及相关预测研究提供参考。 展开更多
关键词 径流预测 eemd算法 VMD算法 KELM 麻雀搜索算法
在线阅读 下载PDF
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