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2,588篇文章
< 1 2 … 130 >
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：
基于变分模态分解的宽频信号估计算法 被引量：1
1
作者 符玲 郭颖 +2 位作者 李红艳 熊思宇 李小鹏 《电网技术》 北大核心 2025年第2期748-758,共11页
随着新能源并网的发展,电网宽频振荡频发,且具有频率范围宽、模态分量多等特点。而现有的宽频信号估计方法由于存在忽略各基波动态变化、未能很好降低分量间的相互干扰等情况而无法提供准确的宽频振荡相关参数信息。因此,该文提出一种... 随着新能源并网的发展,电网宽频振荡频发,且具有频率范围宽、模态分量多等特点。而现有的宽频信号估计方法由于存在忽略各基波动态变化、未能很好降低分量间的相互干扰等情况而无法提供准确的宽频振荡相关参数信息。因此,该文提出一种考虑基波动态、降低相互干扰的宽频信号估计方法,以实现信号参数的高精度辨识,为宽频振荡分析、扰动溯源定位等应用提供数据支撑。首先,利用变分模态分解(variational mode decomposition,VMD)提取宽频信号中多种模态分量的波形信息以及对应的中心频率;其次,考虑到实际电力系统中基波频率的动态变化,利用离散傅里叶变换(discrete fourier transform,DFT)跟踪基波分量的实际频率,并以此修正基波中心频率;最后,将中心频率、模态分量波形等信息代入动态相量模型,实现宽频信号参数估计。在频率线性变化、频率动态调制、噪声等工况下验证算法性能,仿真结果表明,所提算法能更准确地获取宽频信号的参数信息,保持总相量误差(total vector error,TVE)低于3%。 展开更多
关键词 宽频振荡 参数估计 变分模态分解(VMD) 基波动态
在线阅读 下载PDF
基于参数优化变分模态分解的信号降噪方法
2
作者 何玉洁 李新娥 贺俊 《现代电子技术》 北大核心 2025年第2期70-76,共7页
针对心电信号中肌电干扰噪声难以去除的问题,提出一种基于参数优化变分模态分解(VMD)的信号降噪方法。通过设计动态边界策略和反向种群生成方式,对白鲸优化(BWO)算法进行改进;采用改进白鲸优化算法对VMD参数自适应寻优,确定分解层数K与... 针对心电信号中肌电干扰噪声难以去除的问题,提出一种基于参数优化变分模态分解(VMD)的信号降噪方法。通过设计动态边界策略和反向种群生成方式,对白鲸优化(BWO)算法进行改进;采用改进白鲸优化算法对VMD参数自适应寻优,确定分解层数K与惩罚因子α;对含噪心电信号进行分解,得到k个本征模态函数(IMF)分量,同时采用相关系数法进行有效模态和含噪模态识别;对噪声主导的模态分量采用小波阈值降噪,并重构信号主导模态与降噪后模态。对仿真信号与含真实肌电干扰的心电信号进行降噪处理,实验结果表明,所提方法去噪效果优于小波阈值去噪法、EMD法、EMD-小波阈值去噪法,真实含噪的心电信号经该方法去噪后自相关系数可达0.91以上。 展开更多
关键词 变分模态分解 信号降噪 参数优化 改进白鲸优化算法 心电信号 IMF分量 小波阈值降噪 肌电干扰
在线阅读 下载PDF
基于变分模态分解的地面磁共振谐波消噪方法
3
作者 王琦 刘钊闻 +2 位作者 杜海龙 玄玉波 刁庶 《吉林大学学报(理学版)》 北大核心 2025年第2期559-566,共8页
针对地面磁共振信号非常弱,极易受电磁噪声干扰的问题,提出一种基于变分模态分解的地面磁共振谐波消噪方法.该方法采用基于改进变分模态分解的工频谐波消除方式,并根据频谱分析设定模态分量数与初始中心频率,解决了常规谐波建模消噪方... 针对地面磁共振信号非常弱,极易受电磁噪声干扰的问题,提出一种基于变分模态分解的地面磁共振谐波消噪方法.该方法采用基于改进变分模态分解的工频谐波消除方式,并根据频谱分析设定模态分量数与初始中心频率,解决了常规谐波建模消噪方法仅能处理单次采集数据而导致的运算效率慢等问题.实验结果表明,该方法在多基频或基频随时间变化等复杂噪声场景中,得到了良好的谐波分量估计效果,并可快速、有效地消除工频谐波干扰,大幅度提升了地面磁共振探测数据信噪比. 展开更多
关键词 变分模态分解 地面磁共振 谐波干扰 基频变化
在线阅读 下载PDF
变分模态分解融合特征熵的直流微电网电弧检测
4
作者 李欣 李奎秀 +2 位作者 李新宇 陈德秋 郭攀锋 《电力系统及其自动化学报》 北大核心 2025年第3期47-58,共12页
针对直流微电网不同单元发生的串联电弧故障和易被误判问题,提出一种变分模态分解融合多特征熵值的故障电弧检测方法。首先,通过麻雀搜索算法优化变分模态分解参数,将各单元电压和电流信号分解为若干本征模态函数,并结合多尺度排列熵的... 针对直流微电网不同单元发生的串联电弧故障和易被误判问题,提出一种变分模态分解融合多特征熵值的故障电弧检测方法。首先,通过麻雀搜索算法优化变分模态分解参数,将各单元电压和电流信号分解为若干本征模态函数,并结合多尺度排列熵的绝对差值确定故障特征模态分量;其次,融合能量熵、近似熵、样本熵、模糊熵将选定的模态函数量化为熵值,并据此设定检测阈值;最后,通过对比实验和抗干扰实验对所提方法进行验证。结果表明该方法电弧识别率达到98%以上且具备良好的抗干扰性。 展开更多
关键词 直流微电网 串联电弧故障 变分模态分解 对比试验 电弧识别率
在线阅读 下载PDF
基于射流瞬态流速变分模态分解法的纬纱波动幅度预测
5
作者 沈敏 欧阳灿 +4 位作者 熊小双 王真 杨学正 吕永法 余联庆 《纺织学报》 北大核心 2025年第1期187-196,共10页
为降低柔性纬纱在引纬过程中因辅助喷嘴高速气流曳力而产生过大形变,使用基于分解层数优化的变分模态分解(VMD)方法,获得辅助喷嘴射流瞬时速度信号的本征模态分量(IMF),利用IMF预测柔性纬纱运动形变,降低断纬率。首先采用大涡模拟(LES)... 为降低柔性纬纱在引纬过程中因辅助喷嘴高速气流曳力而产生过大形变,使用基于分解层数优化的变分模态分解(VMD)方法,获得辅助喷嘴射流瞬时速度信号的本征模态分量(IMF),利用IMF预测柔性纬纱运动形变,降低断纬率。首先采用大涡模拟(LES)方法数值模拟了圆锥形、圆弧形及圆柱形入口辅助喷嘴射流的瞬态流场分布,监测了辅助喷嘴射流在势核与势尾区域瞬态速度信号;继而,通过VMD方法,得到监测点速度的本征模态分量,讨论了各本征模态信号波动的方差,最后通过双向流固耦合法得到纬纱的径向偏移来验证预测的准确性。结果发现:3种辅助喷嘴势核与势尾处主模态IMF1速度幅值稳定,为辅助喷嘴的主速度模态;次模态IMF2波动大且与纬纱径向偏移具有同步性,可用于预测纬纱波动;第3模态IMF3为高频振荡信号,可视为流场高频噪声信号去除。 展开更多
关键词 喷气织机 辅助喷嘴射流 瞬态流场 大涡模拟 变分模态分解 纬纱波动
在线阅读 下载PDF
自适应变分模态分解算法在高温高压水空化特性分析中的应用
6
作者 许博 胡鸿飞 王海军 《西安交通大学学报》 EI CAS 北大核心 2025年第1期56-67,共12页
针对高温高压流动工况下,空化状态判断困难、传统分析方法难以有效提取压力脉动信号中的有效信息的问题,以孔板为对象,开展了高温高压水的空化实验,并提出了一种基于遗传算法的自适应变分模态分解(AVMD)算法。该算法通过结合中心频率法... 针对高温高压流动工况下,空化状态判断困难、传统分析方法难以有效提取压力脉动信号中的有效信息的问题,以孔板为对象,开展了高温高压水的空化实验,并提出了一种基于遗传算法的自适应变分模态分解(AVMD)算法。该算法通过结合中心频率法、遗传算法、功率谱熵和相对能量等技术,自适应地确定变分模态分解算法中的超参数并有效去除信号中的噪声成分,提高了空化特征的提取精度。结果表明:AVMD算法能够精确捕捉到高温高压水流经孔板时空化现象的发生和发展,识别空化起始点、转捩点以及空化强度的变化;当高温高压水流经孔板后,压力脉动的无量纲频率在0.04~0.35、压力脉动的无量纲幅值在0.014~0.067时,空化现象开始出现;随着空化强度增加,管内压力脉动幅值和频率整体呈增大趋势;空化起始转捩点及空化严重转捩点与入口压力和工质入口过冷度密切相关。AVMD算法能够有效提高空化特性分析的精度,尤其是在复杂流动条件下的空化预测,为压水堆核电站冷却剂系统和高压蒸汽系统的稳定运行提供理论依据和参考。 展开更多
关键词 高温高压水 空化特性 自适应变分模态分解 孔板
在线阅读 下载PDF
基于峭度的自适应变分模态分解信号提取重构
7
作者 张霄翔 刘林顶 +2 位作者 宋德宽 马建明 吴明宇 《产业与科技论坛》 2025年第5期49-51,共3页
在核电站中存在大量旋转机械设备,其大多数内部结构复杂、工作环境恶劣,导致所监测采集的振动信号中存在大量干扰,信号严重失真,无法直接用于后续的分析处理,失去信号原有意义。针对这一问题,本文对现有的信号分析方法进行分析,阐述其... 在核电站中存在大量旋转机械设备,其大多数内部结构复杂、工作环境恶劣,导致所监测采集的振动信号中存在大量干扰,信号严重失真,无法直接用于后续的分析处理,失去信号原有意义。针对这一问题,本文对现有的信号分析方法进行分析,阐述其优缺点;并对变分模态分解这一方法进行优化改进,以峭度为指标对变分模态分解信号进行优选提取重构;用该方法对试验数据进行处理,证明本文所提方法在信号提取重构上具有一定优势。 展开更多
关键词 核电站 变分模态分解 信号提取重构
在线阅读 下载PDF
多变分模态分解下的湿地植被高光谱识别特征波长优选与模型研究
8
作者 李璇 袁希平 +3 位作者 甘淑 杨敏 龚伟圳 彭翔 《光谱学与光谱分析》 北大核心 2025年第3期601-607,共7页
高光谱数据以其高维度为特征,拥有更丰富的地物信息。在植被分类中,这种高维度数据为提升分类准确性和精度提供了更多机会。传统的特征波长建模往往因输入变量过多而导致分类精度不佳。为了克服这一问题并提高模型对湿地植被细微光谱差... 高光谱数据以其高维度为特征,拥有更丰富的地物信息。在植被分类中,这种高维度数据为提升分类准确性和精度提供了更多机会。传统的特征波长建模往往因输入变量过多而导致分类精度不佳。为了克服这一问题并提高模型对湿地植被细微光谱差异的捕捉能力,以洱海东岸海滨作为研究区域展开探索,测取了3种典型湿地植被(菰、芦、槐叶蘋)的高光谱数据作为目标样本。对样本光谱曲线进行SG平滑后作为原始光谱(OS)、对原始光谱进行包络线去除变换(CR)、一阶微分(FD)并分析其光谱特征;再将原始光谱通过变分模态分解(VMD)为8个尺度。接着,用竞争性自适应重加权(CARS)算法选择出的波长作为特征波长。最后,利用寻找出的最佳参数组合放入经贝叶斯算法优化的支持向量机(Bayes-SVM)进行建模。结果表明:CARS算法提取的特征波长数量减少,且大都分布于植被的吸收特征区间内,降维效果显著;经过分解后的第4模态构建的模型(S_(4)-CARS-Bayes-SVM)分类效果最好,其精确率PR为0.9333,召回率RR为0.8889、F1分数为0.8963、AUC值为0.9286,即此模型具有很强的鲁棒性以及识别性能。 展开更多
关键词 光谱学 湿地植被 变分模态分解 特征波长 支持向量机 贝叶斯算法
在线阅读 下载PDF
基于变分模态分解的自适应交叉融合模型及其在月径流预测中的应用
9
作者 孙瑜辉 王庆杰 岳春芳 《水电能源科学》 北大核心 2025年第3期1-6,共6页
基于“分解—集成”策略的径流预测模型是现有研究中提高预测精度的主流方式之一。分解—集成建模方式主要有后验试验(HE)、预测试验(FE)和自适应预测试验(AFE)3种方式,已有研究主要聚焦于HE的改进,忽视了各建模方式的实用性研究。基于... 基于“分解—集成”策略的径流预测模型是现有研究中提高预测精度的主流方式之一。分解—集成建模方式主要有后验试验(HE)、预测试验(FE)和自适应预测试验(AFE)3种方式,已有研究主要聚焦于HE的改进,忽视了各建模方式的实用性研究。基于此,在梳理各类建模方式特性的基础上,以天山山系中两条典型的内陆河为例,选用BP神经网络(BP)、支持向量机(SVM)和随机森林(RF)为基准预测模型,基于变分模态分解(VMD)和互补集合经验模态分解(CEEMD)分别构建多种分解—集成预测模型,并探索了AFE与基准模型交叉融合后的预测能力。仿真结果表明,HE建立时提前使用了测试数据信息,与预测实际不符;FE在测试数据分解时受端点效应影响严重,预测精度极低;AEF符合逐时段观测—滚动分解—实时建模预测的实际,基于VMD和CEEMD的AFE模型对径流极大值的预测精度较高。在AFE类模型中,VMD的适应性更强,可实现流域汛期月径流的高精度预报。基于VMD分解的自适应交叉融合模型能够取得与HE模型相当甚至更高的预测精度,对径流预测精度的提高具有实际意义。 展开更多
关键词 径流预测 端点效应 变分模态分解 后验试验 预测试验 自适应预测试验
在线阅读 下载PDF
基于变分模态分解和分段多项式截断奇异值分解的桥梁影响线识别
10
作者 万桂军 黎剑安 冯东明 《浙江大学学报(工学版)》 北大核心 2025年第3期460-468,共9页
为了提高桥梁影响线的识别精度,提出基于变分模态分解(VMD)和分段多项式截断奇异值分解(PPTS-VD)的桥梁影响线识别方法.该方法应用VMD技术将桥梁位移分解成若干固有模态函数(IMF),通过融合多个低阶IMF提取桥梁响应的准静态成分,利用PPT... 为了提高桥梁影响线的识别精度,提出基于变分模态分解(VMD)和分段多项式截断奇异值分解(PPTS-VD)的桥梁影响线识别方法.该方法应用VMD技术将桥梁位移分解成若干固有模态函数(IMF),通过融合多个低阶IMF提取桥梁响应的准静态成分,利用PPTSVD从准静态成分中识别桥梁影响线.为了验证所提方法的准确性,建立三跨连续梁桥和四轴车数值仿真模型,模拟不同车速、路面不平度和噪声水平,并针对500组数值仿真结果进行测试.将所提方法与经典方法进行对比,并全面讨论车速、路面不平度和噪声对识别结果的影响.进行验证试验,测试实验室环境下所提方法的准确性和适用性.研究结果表明,所提方法能从桥梁响应中准确识别出桥梁影响线,最大误差仅为1.38%;相比传统方法,所提方法显著减少了车速、路面不平度和噪声对识别结果的干扰,提高了识别的鲁棒性和精度. 展开更多
关键词 桥梁健康监测 桥梁动力分析 车桥耦合系统 影响线识别 变分模态分解
在线阅读 下载PDF
基于参数优化变分模态分解和马田系统的工业缝纫机故障诊断方法
11
作者 周中华 刘祖斌 《高技术通讯》 北大核心 2025年第1期73-84,共12页
针对工业缝纫机出厂质检的人耳听音传统方式准确率不高、耗时耗力的问题,提出了一种基于参数优化变分模态分解(variational mode decomposition,VMD)和马田系统(Mahalanobis-Taguchi system,MTS)的工业缝纫机故障诊断方法。首先,通过樽... 针对工业缝纫机出厂质检的人耳听音传统方式准确率不高、耗时耗力的问题,提出了一种基于参数优化变分模态分解(variational mode decomposition,VMD)和马田系统(Mahalanobis-Taguchi system,MTS)的工业缝纫机故障诊断方法。首先,通过樽海鞘群算法(salp swarm algorithm,SSA)对变分模态分解的相关参数进行迭代寻优,并利用获得最优参数的VMD对工业缝纫机声信号进行分解得到不同中心频率的固有模态函数(intrinsic mode function,IMF);然后,分别对IMF分量进行多域特征融合,并且采用正常样本构建了MTS的基准空间,进一步利用了少量故障样本来验证和优化基准空间;最后,结合马氏距离的阈值实现了准确的故障识别分类。通过仿真信号的对比分析,证明了SSA-VMD算法分解信号的可行性和优越性;实验数据和实测数据的研究结果表明了所提出的故障诊断方法具有一定的实际应用价值。 展开更多
关键词 工业缝纫机 故障诊断 变分模态分解 马田系统 多域特征融合
在线阅读 下载PDF
基于改进变分模态分解与深度学习的多因素电力负荷预测
12
作者 赖小玲 贺嫚嫚 +5 位作者 胡伟 张艺 杜璞良 刘蕊 宋晓彤 郑婷婷 《计算机工程》 北大核心 2025年第2期375-386,共12页
针对传统电力负荷预测方法存在精度较低、负荷数据噪声大等问题,提出一种基于改进变分模态分解(VMD)、卷积神经网络(CNN)和形变长短期记忆(Mogrifier LSTM)网络的多因素电力负荷预测方法。首先,运用麻雀搜索算法(SSA)对变分模态分解进... 针对传统电力负荷预测方法存在精度较低、负荷数据噪声大等问题,提出一种基于改进变分模态分解(VMD)、卷积神经网络(CNN)和形变长短期记忆(Mogrifier LSTM)网络的多因素电力负荷预测方法。首先,运用麻雀搜索算法(SSA)对变分模态分解进行优化,得到最佳效果的分解子序列,有效减轻负荷数据噪声对预测精度的影响;其次,分析各因素对负荷预测的影响机理,利用皮尔逊相关系数推导各影响因素与负荷之间的相关性,剔除冗余特征,大幅降低模型失准的发生概率;最后,采用CNN提取特征向量,将分解后的负荷数据及温度、湿度等特征数据输入到CNN-Mogrifier LSTM深度网络模型中,通过CNN-Mogrifier LSTM深度网络模型对特征数据进行多维分析,提高短期负荷预测精度。算例分析结果表明,所提出的多因素电力负荷预测模型具有较好的适配性和预测效果,与次优VMD-CNN-Mogrifier LSTM模型相比,在两份所用真实数据集上的预测精度分别提升0.5和2.4百分点,为短期电力负荷预测提供一种可行的解决思路。 展开更多
关键词 负荷预测 麻雀搜索算法 变分模态分解 长短期记忆网络 相关分析
在线阅读 下载PDF
基于连续变分模态分解的多端柔性直流电网单端量保护方法
13
作者 王晓卫 田影 +2 位作者 林德力 王林海 屈新宇 《电网技术》 北大核心 2025年第1期353-365,I0112,共14页
针对现有多端柔性直流电网线路保护不耐受高阻和易受噪声影响等问题,提出一种基于连续变分模态分解(successive variational mode decomposition,SVMD)的多端柔性直流电网单端量保护方法。具体为:首先,采用直流极电压突变量构建保护启... 针对现有多端柔性直流电网线路保护不耐受高阻和易受噪声影响等问题,提出一种基于连续变分模态分解(successive variational mode decomposition,SVMD)的多端柔性直流电网单端量保护方法。具体为:首先,采用直流极电压突变量构建保护启动判据,进而满足保护速动性要求;其次,利用零模电压总和构造故障类型检测判据;最后,基于线模电压的高频分量在区内故障和区外故障之间存在差异这一特征,利用SVMD对线模电压进行分解,提取最高频的时频分量作为故障特征分量,进而利用故障特征分量的峰值实现故障区域的检测。大量仿真实验表明,所提保护方法可适应不同故障过渡电阻、不同故障类型、不同故障距离以及不同故障线路等工况,且能够识别雷击干扰。 展开更多
关键词 多端柔性直流电网 线路保护 连续变分模态分解 高频分量 峰值
在线阅读 下载PDF
基于传声器阵列与变分模态分解的管道泄漏定位技术
14
作者 夏丹 刁生林 《舰船科学技术》 北大核心 2025年第6期55-61,共7页
确保船舶管道系统安全运行是一项关键任务,特别是现代的大型运输船舶,这些船舶负责输送燃油、压缩空气等化学性质活跃的物质,一旦船舶管道发生泄漏,不仅会导致资源浪费,甚至可能引发安全事故。为了实现利用传感器阵列对船舶管道泄漏进... 确保船舶管道系统安全运行是一项关键任务,特别是现代的大型运输船舶,这些船舶负责输送燃油、压缩空气等化学性质活跃的物质,一旦船舶管道发生泄漏,不仅会导致资源浪费,甚至可能引发安全事故。为了实现利用传感器阵列对船舶管道泄漏进行准确的定位,本文提出一种结合变分模态分解(VMD)和广义互相关(GCC)的泄漏定位方法。考虑到船舶在海上航行时复杂的环境噪声,研究首先应用VMD对从各个传感器获得的泄漏信号进行多重分解,随后基于互相关系数自适应地选取主要的固有模态函数(IMF)分量,并消除噪声成分。此外,本文考虑到广义互相关权函数的特性,进一步提出一种改进的权函数,以纳入信噪比对时延估计精度的影响。以五元十字形传感器阵列为例,本文详细阐述了声源定位的计算方法。通过实施管道泄漏实验,研究结果验证了所提方法在不同工况下都能实现鲁棒且精确的时延估计,从而准确地定位管道泄漏。 展开更多
关键词 传声器阵列 时延估计 变分模态分解 管道泄漏定位
在线阅读 下载PDF
基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法
15
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
基于能量聚焦和改进变分模态分解的人体生命体征检测算法
16
作者 孙绪杰 黄晓红 邓振淼 《计算机应用研究》 北大核心 2025年第3期735-741,共7页
针对调频连续波(frequency modulated continuous wave,FMCW)雷达生命体征检测在存在大规模的随机人体运动场景中检测准确性过低的问题,提出了一种高精度的人体生命体征检测算法。该算法首先通过能量聚焦选取胸部最佳距离窗,消除运动伪... 针对调频连续波(frequency modulated continuous wave,FMCW)雷达生命体征检测在存在大规模的随机人体运动场景中检测准确性过低的问题,提出了一种高精度的人体生命体征检测算法。该算法首先通过能量聚焦选取胸部最佳距离窗,消除运动伪影的干扰;然后利用多项式拟合距离窗序列,消除距离窗的剧烈跳变,准确提取相位信号;最后,通过基于自相关功率谱密度与加权排列熵的改进变分模态分解(variational mode decomposition,VMD)算法去除相位信号中的大规模随机人体运动成分,进而可以精确估计出生命体征信号的呼吸速率(RR)和心率(HR)。使用77 GHz雷达模拟生活场景中存在大规模随机人体运动时的生命体征检测实验,尽管人体前后晃动的幅度达到20 cm,RR和HR的估计精度依然可以达到97.7%和96.9%,与RETF-TVF-EMD算法对比,精度分别提高了5.2和2.7百分点,与IAP-VMD算法对比,精度分别提升了14.3和7.9百分点,实验结果证明该算法能够精确估计大规模随机人体运动场景下的生命体征参数。 展开更多
关键词 调频连续波(FMCW)雷达 大规模随机人体运动 变分模态分解(VMD) 最佳距离窗选择
在线阅读 下载PDF
基于变分模态分解和时间卷积网络的发电侧 碳排放预测模型
17
作者 王浩翔 安之 +3 位作者 魏楠 徐尧宇 邓畅宇 贾鸿屹 《电力需求侧管理》 2025年第1期107-112,共6页
发电企业是碳排放的重要来源之一,精细化发电侧碳排放量预测对我国碳排放政策的制定具有积极意义。在此背景下,为了准确反映发电侧碳排放的变化趋势,针对发电侧碳排放存在不规律性、非线性和时序性的特征,提出一种基于变分模态分解(vari... 发电企业是碳排放的重要来源之一,精细化发电侧碳排放量预测对我国碳排放政策的制定具有积极意义。在此背景下,为了准确反映发电侧碳排放的变化趋势,针对发电侧碳排放存在不规律性、非线性和时序性的特征,提出一种基于变分模态分解(variational modal decomposition,VMD)和时间卷积网络(temporal convolutional network,TCN)的碳排放量预测模型。首先,利用VMD对碳排放量时序数据进行平稳化预处理,将原始碳排放数据拆分成若干个模态分量数据,降低数据序列的不规律性和非线性;其次,考虑到已有机器学习算法在网络训练过程中的性能退化问题,基于TCN对各模态分量分别进行预测,实现碳排放时序数据利用效率的最大化。最后,重构预测结果,获取最终的碳排放预测值。结果表明,相比于传统4种预测模型,方案通过创新性的将VMD模型与TCN相结合,有效提高了预测模型的效果和准确率。 展开更多
关键词 碳排放预测 时序性 变分模态分解 时间卷积网络 发电侧
在线阅读 下载PDF
在APO算法与GWO算法背景下的变分模态分解优化对比研究
18
作者 任庆欣 孙莉 《物联网技术》 2025年第7期49-54,共6页
变分模态分解(VMD)是一种信号处理技术,它能够将复杂信号分解为多个本征模态函数(IMF)。在处理非线性和非平稳信号时,VMD相较于傅里叶变换、小波变换、经验模态分解和希尔伯特-黄变换等同类信号处理技术,具有明显优势。然而,VMD的性能... 变分模态分解(VMD)是一种信号处理技术,它能够将复杂信号分解为多个本征模态函数(IMF)。在处理非线性和非平稳信号时,VMD相较于傅里叶变换、小波变换、经验模态分解和希尔伯特-黄变换等同类信号处理技术,具有明显优势。然而,VMD的性能与上述这些信号处理技术一样,高度依赖参数的选择,特别是分解数k和惩罚因子α。为此,文中重点讨论了对这些参数的优化。基于上述情况,选用了性能较高的北极海雀算法(APO)来优化VMD参数,并采用传统的基础优化算法——灰狼优化算法进行对比实验,最终分析了原始信号图像、目标函数图像以及k个本征模态函数图像。成功优化VMD参数对计算机技术的现实应用有着重要意义,能让VMD在后续的研究和发展中适应各种复杂信号的处理需求。 展开更多
关键词 变分模态分解 参数优化 本征模态 北极海雀优化算法 灰狼优化算法 原始信号处理
在线阅读 下载PDF
基于变分模态分解和混合深度神经网络的短期电价预测
19
作者 刘羿萱 杨昭 《电气技术》 2025年第3期30-35,共6页
针对电力市场中电价数据的非线性、波动性及时序性等特征,提出一种基于变分模态分解(VMD)和混合深度神经网络的短期电价预测方法。首先利用变分模态分解法将原始电价序列分解为多个平稳的子序列,其次采用混合深度神经网络预测模型对各... 针对电力市场中电价数据的非线性、波动性及时序性等特征,提出一种基于变分模态分解(VMD)和混合深度神经网络的短期电价预测方法。首先利用变分模态分解法将原始电价序列分解为多个平稳的子序列,其次采用混合深度神经网络预测模型对各子序列分别进行预测并叠加,得到最终的电价预测结果。该模型将卷积神经网络(CNN)和双向长短期记忆(BiLSTM)网络组合,提取原始电价数据的空间特征和时间特征,并结合Attention机制,对原始电价序列中不同时刻电价数据的重要性进行区分。最后,以美国PJM电力市场实际电价数据进行仿真分析,并与多种电价预测模型进行对比,结果验证了本文所提方法的有效性。 展开更多
关键词 短期电价预测 变分模态分解(VMD) 卷积神经网络(CNN) 双向长短期记忆(BiLSTM)网络 注意力机制
在线阅读 下载PDF
基于改进变分模态分解和优化堆叠降噪自编码器的轴承故障诊断 被引量：4
20
作者 张彬桥 舒勇 江雨 《计算机集成制造系统》 EI CSCD 北大核心 2024年第4期1408-1421,共14页
针对滚动轴承在噪声干扰下故障特征难以提取的问题,提出一种改进变分模态分解(VMD)和复合缩放排列熵(CZPE)的特征提取新方法,并利用优化堆叠降噪自编码器(SDAE)进行故障分类。首先,提出由“余弦相似度—峭度—包络熵”新综合评价指标自... 针对滚动轴承在噪声干扰下故障特征难以提取的问题,提出一种改进变分模态分解(VMD)和复合缩放排列熵(CZPE)的特征提取新方法,并利用优化堆叠降噪自编码器(SDAE)进行故障分类。首先,提出由“余弦相似度—峭度—包络熵”新综合评价指标自适应优化分解参数的改进VMD方法,并通过该指标筛选分解后的本征模态函数(IMF)分量;然后,为提取更全面的故障特征,引入新的复合缩放排列熵对各有效IMF的故障特征进行量化;最后,提出一种基于鼠群优化算法(RSO)与麻雀搜索算法(SSA)的混合算法优化SDAE网络超参数,将故障特征输入优化后SDAE网络中得到分类结果。采用美国CWRU轴承数据集进行验证,实验结果表明该方法能全面稳定地提取背景噪声下的故障特征,且与其他方法相比具有更好的抗噪性能和更高的故障诊断准确率。 展开更多
关键词 变分模态分解 综合评价指标 复合缩放排列熵 混合算法 堆叠降噪自编码器
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 … 130 下一页 到第 页
使用帮助 返回顶部