基于OSGMD-Hilbert包络对数分析的齿轮箱齿面磨损早期故障诊断

1

作者 俞香熔 王友仁 王胤博 《振动与冲击》 北大核心 2025年第7期225-231,274,共8页

针对环境噪声下齿轮箱齿面磨损早期微弱故障特征难以提取的问题,提出了一种基于优化型辛几何模态分解-Hilbert包络对数分析的齿轮磨损故障诊断方法。新方法中引入Cao算法和功率谱密度,提出最近邻波动偏差实现嵌入维数的自适应确定,利用... 针对环境噪声下齿轮箱齿面磨损早期微弱故障特征难以提取的问题,提出了一种基于优化型辛几何模态分解-Hilbert包络对数分析的齿轮磨损故障诊断方法。新方法中引入Cao算法和功率谱密度,提出最近邻波动偏差实现嵌入维数的自适应确定,利用奇异值分解进行降噪,采用Pearson-功率谱熵差和闵氏距离作为重构准则以获取特征模态分量,通过Hilbert包络对数分析法突出故障频率成分,并进行故障诊断。该新方法克服了辛几何模态分解嵌入维数依赖经验公式、重构准则单一和噪声鲁棒性欠佳的缺陷。仿真与试验结果分析表明,与辛几何模态分解(symplectic geometric mode decomposition,SGMD)、迭代SGMD、变分模态分解和经验模态分解相比,该新方法能够有效提取早期齿面磨损故障特征信息,表现出更好的鲁棒性。 展开更多

关键词 早期故障诊断 振动信号特征信息提取 优化型辛几何模态分解(osgmd) 齿轮磨损 Hilbert包络对数分析法 辛几何模态分解(SGMD)

在线阅读 下载PDF 职称材料

基于VMD-MPC法的并网型微电网多时间尺度能量协调优化调度 被引量：18

2

作者 赵凤展 张启承 +4 位作者 张宇 杜松怀 郝帅 苏娟 赵婷婷 《农业工程学报》 EI CAS CSCD 北大核心 2021年第7期190-198,共9页

对于含有不同类型储能和分布式电源(Distributed Generation,DG)的并网型微电网,如何优化调度这些设备以提高设备的使用寿命同时平抑DG出力和负荷的波动性与不确定性对配电网的影响具有重要的研究意义。该研究提出一种基于变分模态分解(... 对于含有不同类型储能和分布式电源(Distributed Generation,DG)的并网型微电网,如何优化调度这些设备以提高设备的使用寿命同时平抑DG出力和负荷的波动性与不确定性对配电网的影响具有重要的研究意义。该研究提出一种基于变分模态分解(Variational Modal Decomposition,VMD)和模型预测控制(Model Predictive Control,MPC)相结合的、多时间尺度滚动优化兼具反馈矫正的微电网优化调控模型,该模型在调度过程中考虑了不同类型储能和可控微电源在不同时间尺度上的运行特性,设计了1 h和15 min相结合的调度控制策略,有效解决了含多种微电源及储能设备的微电网的经济优化调度问题;最后,通过算例对比验证了此模型能比较显著地降低铅酸蓄电池充放电频率和系统的运行成本、改善了调度经济性,证明了该方法的有效性和优越性。 展开更多

关键词 模型 预测 控制 并网型微电网 变分模态分解 多时间尺度 可控微电源 能量优化调度

在线阅读 下载PDF 职称材料

基于EMD分解的孤岛型综合能源系统混合储能规划 被引量：6

3

作者 韩中合 张策 高明非 《热力发电》 CAS CSCD 北大核心 2022年第9期72-78,共7页

孤岛型综合能源系统作为依靠内部能源满足用户需求的系统,可以通过储能技术保障其连续运行。提出了一种基于经验模态分解(EMD)的超级电容器-蓄电池-压缩空气储能的混合储能系统配置方法,采用EMD对通过主动储能策略得到的混合储能系统功... 孤岛型综合能源系统作为依靠内部能源满足用户需求的系统,可以通过储能技术保障其连续运行。提出了一种基于经验模态分解(EMD)的超级电容器-蓄电池-压缩空气储能的混合储能系统配置方法,采用EMD对通过主动储能策略得到的混合储能系统功率进行处理,并重构经EMD分解得到的模态分量,确定储能功率分配并完成功率、容量规划,以混合储能全寿命周期成本为优化目标,确定混合储能系统的最佳优化方案。最后,通过具体算例验证了该规划方法的有效性与经济性。研究结果可为孤岛型综合能源系统规划运行提供一定技术参考。 展开更多

关键词 孤岛型综合能源系统 混合储能 经验模态分解 优化配置

在线阅读 下载PDF 职称材料

基于多尺度分解集成组合模型的碳价格预测研究 被引量：6

4

作者 王喜平 于一丁 《分布式能源》 2022年第1期1-11,共11页

准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成... 准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)算法对碳价原始序列进行分解,并以综合贡献度指数(comprehensive contribution index,CCI)对分量进行重构,得到短期、长期和趋势分量;然后,采用门限广义自回归条件异方差(threshold generalized auto-regressive conditional heteroscedasticity,TGARCH)模型预测短期分量,以布谷鸟搜索(cuckoo search,CS)算法优化超参数的长短期记忆(long-short term memory,LSTM)神经网络预测长期和趋势分量;在此基础上,采用非线性集成算法对各分量预测结果进行集成,得到最终的碳价预测结果。以湖北碳市场为样本数据进行实证分析,结果表明所构建的预测模型性能最优,预测结果更准确,可为监管部门和企业决策提供有效信息。 展开更多

关键词 碳价格预测 长短期记忆(LSTM)模型 门限广义自回归条件异方差(TGARCH)模型 改进型自适应白噪声完备集成经验模态(ICEEMDAN)分解 超参数优化

在线阅读 下载PDF 职称材料

基于OVMD-HWOA-KELM模型的变压器油中溶解气体体积分数预测方法 被引量：1

5

作者 谢明浩 张林鍹 +1 位作者 董小刚 许晋闻 《高电压技术》 EI CAS CSCD 北大核心 2024年第8期3793-3804,I0037,I0038,I0039,共15页

针对变压器油中溶解气体序列波动性、随机性较强难以精确预测的问题,提出一种基于最优变分模态分解(optimal variational mode decomposition,OVMD)、混合型鲸鱼优化算法(hybrid whale optimization algorithm,HWOA)和核极限学习机(kern... 针对变压器油中溶解气体序列波动性、随机性较强难以精确预测的问题,提出一种基于最优变分模态分解(optimal variational mode decomposition,OVMD)、混合型鲸鱼优化算法(hybrid whale optimization algorithm,HWOA)和核极限学习机(kernel extreme learning machine,KELM)的组合预测模型。首先,运用OVMD获取最优分解参数,并将原始序列分解为一系列相对平稳的分量;其次,通过在鲸鱼种群中融入混沌映射、非线性收敛参数、自适应权重因子和改进的算术优化算法提出HWOA算法,并利用测试函数验证HWOA算法的优越性;然后,对各分量分别构建KELM预测模型,使用HWOA优化KELM的关键参数。最后,将各分量的预测结果叠加重构,得到最终预测结果。案例分析表明,所提模型对变压器正常和异常案例预测的决定系数分别可达97.7%和93.46%,相较于现存方法,该模型具有更好的准确性和适应性,可为电力变压器运维管理提供有利技术支撑。 展开更多

关键词 油中溶解气体 最优变分模态分解 融合型鲸鱼优化算法 核极限学习机 变压器状态预测

在线阅读 下载PDF 职称材料

基于SGMD及LWOA-ELM的有限元模型修正 被引量：1

6

作者 赵宇 彭珍瑞 《计算力学学报》 CAS CSCD 北大核心 2023年第2期255-263,共9页

为得到待修正参数与结构响应之间的关系,提高模型修正的效率和精度,提出了一种基于辛几何模态分解(SGMD)和Lévy飞行鲸鱼优化算法(LWOA)优化极限学习机(ELM)的有限元模型修正(FEMU)方法。首先,对加速度频响函数(AFRF)进行SGMD分解,... 为得到待修正参数与结构响应之间的关系,提高模型修正的效率和精度,提出了一种基于辛几何模态分解(SGMD)和Lévy飞行鲸鱼优化算法(LWOA)优化极限学习机(ELM)的有限元模型修正(FEMU)方法。首先,对加速度频响函数(AFRF)进行SGMD分解,采用能量熵增量法确定重组辛几何分量(SGC)构成SGC矩阵。然后,利用LWOA对ELM的权值和阈值进行优化,提高ELM模型的预测效率,以LWOA-ELM为代理模型映射出待修正参数与SGC矩阵之间的关系。最后,以试验频响函数SGC矩阵与LWOA-ELM模型输出所得矩阵差值的F-范数最小为目标函数,结合LWOA求解待修正参数。算例分析表明,提出的方法用于有限元模型修正有较好的可行性和有效性。以SGC矩阵表征AFRF的修正方法,有较好的噪声鲁棒性;LWOA-ELM作为代理模型预测精度高,泛化能力强。 展开更多

关键词 模型修正 辛几何模态分解 能量熵增量法 极限学习机 鲸鱼优化算法

在线阅读 下载PDF 职称材料

基于SPBO-RF的飞跨型逆变器故障诊断 被引量：1

7

作者 郝通 帕孜来·马合木提 李高原 《现代电子技术》 2023年第24期54-60,共7页

开关管故障在并网逆变器中普遍存在,然而现阶段对开关管的故障诊断率低,在检测精度方面仍有提升空间,基于此,提出一种故障特征识别方法。该方法利用经验模态分解(EMD)算法进行故障特征提取,然后用学生心理优化算法(SPBO)优化随机森林(RF... 开关管故障在并网逆变器中普遍存在,然而现阶段对开关管的故障诊断率低,在检测精度方面仍有提升空间,基于此,提出一种故障特征识别方法。该方法利用经验模态分解(EMD)算法进行故障特征提取,然后用学生心理优化算法(SPBO)优化随机森林(RF)的树深和树数目两个重要的超参数来进行故障特征识别。该方法兼具SPBO和RF的优点,可进行多管故障诊断并提高收敛速度和精度。最终仿真结果表明,所提方法的故障诊断率可达98%,对比其他方法,所提方法具有更好的诊断效果,验证了所提算法的有效性。 展开更多

关键词 飞跨电容型逆变器 故障诊断 学生心理优化算法 随机森林算法 经验模态分解 故障特征提取

在线阅读 下载PDF 职称材料

基于迭代SGMD与改进MOMEDA的滚动轴承微弱故障诊断

8

作者 王富珂 高丙朋 蔡鑫 《组合机床与自动化加工技术》 北大核心 2024年第12期145-150,157,共7页

针对强背景噪声下滚动轴承故障特征微弱的问题,提出一种基于迭代辛几何模态分解(ISGMD)与改进多点最优最小熵解卷积调整(IMOMEDA)相结合的故障诊断方法。首先,利用ISGMD对故障信号进行分解并基于综合指标选取最优分量;其次,根据多点峭... 针对强背景噪声下滚动轴承故障特征微弱的问题,提出一种基于迭代辛几何模态分解(ISGMD)与改进多点最优最小熵解卷积调整(IMOMEDA)相结合的故障诊断方法。首先,利用ISGMD对故障信号进行分解并基于综合指标选取最优分量;其次,根据多点峭度谱确定MOMEDA的故障周期,利用白鹭群优化算法(ESOA)对滤波器长度进行自适应寻优,通过IMOMEDA对最优分量进行解卷积处理;最后,对解卷积处理后的信号进行包络谱分析,提取故障特征频率完成故障诊断。仿真及实验分析结果表明,所提方法能有效提取强背景噪声下的滚动轴承微弱故障特征信息。 展开更多

关键词 滚动轴承 迭代辛几何模态分解 改进多点最优最小熵解卷积调整 综合指标 白鹭群优化算法 故障诊断

在线阅读 下载PDF 职称材料

基于CEEMD和GWO的超短期风速预测 被引量：23

9

作者 王静 李维德 《电力系统保护与控制》 EI CSCD 北大核心 2018年第9期69-74,共6页

风电场风速预测对电力系统的合理调度、安全运行等方面有重大的影响。针对风速时间序列的非线性特征造成其预测精度不佳的问题,采用基于互补型集成经验模态分解和灰狼优化算法优化支持向量回归机的超短期风速组合预测模型来解决。首先... 风电场风速预测对电力系统的合理调度、安全运行等方面有重大的影响。针对风速时间序列的非线性特征造成其预测精度不佳的问题,采用基于互补型集成经验模态分解和灰狼优化算法优化支持向量回归机的超短期风速组合预测模型来解决。首先利用该模型对非平稳的风速时间序列进行CEEMD分解,分解为一系列的相对平稳分量。然后对各个分量利用灰狼算法优化SVR进行预测。最后,将每一个分量的预测结果集成输出作为最终的风速预测结果。结果表明,该预测模型比其他智能算法基准模型预测精度高,且在风速预测中具有优越性。 展开更多

关键词 本征模态函数 互补型集成经验模态分解 支持向量回归机 灰狼优化算法 超短期风速预测

在线阅读 下载PDF 职称材料

基于SGMD-SE-AVOA-LSTM耦合模型的月径流预测

10

作者 王文川 顾淼 《应用基础与工程科学学报》 CSCD 北大核心 2024年第6期1755-1771,共17页

针对中长期径流时间序列具有强非线性和非平稳性特点、致使模型精准预测较为困难的问题,提出了一种结合辛几何模态分解(SGMD)、样本熵(SE)、非洲秃鹫优化算法(AVOA)和长短期记忆神经网络(LSTM)的新的SGMD-SE-AVOA-LSTM耦合模型.首先,采... 针对中长期径流时间序列具有强非线性和非平稳性特点、致使模型精准预测较为困难的问题,提出了一种结合辛几何模态分解(SGMD)、样本熵(SE)、非洲秃鹫优化算法(AVOA)和长短期记忆神经网络(LSTM)的新的SGMD-SE-AVOA-LSTM耦合模型.首先,采用SGMD和SE对历史径流数据进行预处理;再通过AVOA优化LSTM超参数;最后,将各序列的预测结果叠加重构得到月径流预测值.选取黑河流域的莺落峡水文站、乌江流域的洪家渡水电站的月径流数据进行实例验证,并与LSTM模型、AVOA-LSTM模型、EEMD-LSTM模型、SGMD-SE-LSTM模型和EEMD-AVOA-LSTM模型进行对比,结果表明:在莺落峡水文站SGMD-SE-AVOA-LSTM模型的NSE和R分别达到0.8961和0.9498,与对比模型相比,MAE分别减少了45.26%、18.95%、26.33%、20.09%、14.07%;RMSE分别减少了40.06%、25.74%、31.24%、19.24%、21.65%;在洪家渡水电站SGMD-SE-AVOA-LSTM模型的NSE和R分别达到0.7949和0.8935,与对比模型相比,MAE分别减少了39.87%、17.86%、27.61%、20.48%、13.58%;RMSE分别减少了39.08%、29.10%、31.86%、15.11%、22.66%.因此,本文提出的模型有效加强了LSTM模型的预测精度,为月径流预测提供了一种新的耦合模型. 展开更多

关键词 月径流预测 辛几何模态分解 样本熵 非洲秃鹫优化算法 长短期记忆神经网络 耦合模型 黑河流域 乌江流域

原文传递

基于ICEEMDAN能量矩和MFOA-PNN的轴承故障诊断 被引量：5

11

作者 逄英 高军伟 《现代制造工程》 CSCD 北大核心 2022年第3期122-126,153,共6页

为了提高滚动轴承故障诊断的准确性,实现对故障的精准定位,提出一种基于改进的自适应噪声的完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)能量矩和修正型果蝇优化算法... 为了提高滚动轴承故障诊断的准确性,实现对故障的精准定位,提出一种基于改进的自适应噪声的完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)能量矩和修正型果蝇优化算法-概率神经网络(Modified Fruit Fly Optimization Algorithm-Probabilistic Neural Network,MFOA-PNN)的轴承故障诊断方法。首先利用ICEEMDAN算法对滚动轴承原始序列信号进行预处理,通过能量矩计算公式求取特征值,并将其作为PNN模型的输入;其次运用MFOA搜索PNN模型的最优平滑参数,通过建立MFOA-PNN模型诊断故障类别。实验表明,MFOA-PNN模型相比PNN模型的诊断准确性有所提高,准确率可以达到99.50%,提高了滚动轴承的经济性和安全性。 展开更多

关键词 改进的自适应噪声的完备集成经验模态分解 能量矩 修正型果蝇优化算法 概率神经网络 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于VMD-EEMD-LSTM的涂层型关节轴承剩余使用寿命预测方法 被引量：6

12

作者 林亮行 马国政 +4 位作者 孙建芳 韩翠红 雍青松 苏峰华 王海斗 《机械工程学报》 EI CAS CSCD 北大核心 2023年第9期125-136,共12页

涂层型关节轴承由于其结构紧凑且具有较好的摩擦性能,在航天航空设备领域有广泛的应用前景,对其剩余使用寿命(Remaining useful life,RUL)进行有效预测,能够为设备的维护提供一定的理论依据。因此,提出了一种基于变分模态分解(Variation... 涂层型关节轴承由于其结构紧凑且具有较好的摩擦性能,在航天航空设备领域有广泛的应用前景,对其剩余使用寿命(Remaining useful life,RUL)进行有效预测,能够为设备的维护提供一定的理论依据。因此,提出了一种基于变分模态分解(Variational mode decomposition,VMD)、集成经验模态分解(Ensemble empirical mode decomposition,EEMD)以及长短期记忆神经网络(Long Short-term memory neural network,LSTM)模型的剩余使用寿命预测方法。首先,利用VMD以及EEMD对轴承摩擦扭矩信号进行特征提取,并根据时间相关性进行特征筛选,得到相关性较高的3组特征序列,对筛选出的特征进行相对归一化处理作为模型输入,减小不同工况下摩擦扭矩幅值变化带来的影响;最后,选择超参数优化区间对LSTM进行贝叶斯优化,得到贝叶斯优化-LSTM模型,对涂层型关节轴承的RUL进行预测。研究结果表明,该预测模型融入了能够表征涂层型关节轴承退化信息和寿命衰减的多个信号特征,对不同工作载荷下的轴承均有较高的RUL预测精度以及较好的泛化性能。 展开更多

关键词 涂层型关节轴承 变分模态分解 集成经验模态分解 长短期记忆神经网络 贝叶斯优化

原文传递