Results 81 to 90 of about 10,917 (169)
, 2020 变分模态分解（VMD）广泛应用于故障诊断中，从振动信号中提取故障特征是故障诊断过程中的关键部分。针对强背景噪声和脉冲干扰下滚动轴承早期故障特征难以提取的问题，提出了一种新的基于果蝇优化算法（FOA）的变分模态分解的轴承故障诊断方法。首先，利用果蝇优化算法自适应优化VMD的惩罚参数α和分解数K，获取最优参数组合；然后，对信号进行VMD分解，得到K个模态分量；最后，基于峭度最大化准则选取最优模态分量进行包络解调分析，提取出故障特征频率。通过仿真信号分析 ...
刘畅, 杨建伟, 王衍学
core +1 more source
Dianci bileiqi当架空线路遭受雷击时，故障行波中存在丰富的故障信息，从暂态分量中准确提取特征量并分类是雷击故障识别的核心。提取过程中会存在模态混叠、最优小波基问题，同时雷击距离、落雷点与短路点不一致也会影响识别效果。针对上述问题，本研究提出了一种KL散度(Kullback-Leibler divergence)改进变分模态分解(Variational Mode decomposition,VMD)的雷击故障识别方法。依据实际故障搭建了220 kV架空线路模型，模拟绕击、反击和短路场景，选取三相电压进行凯伦贝尔 ...
刘举成 +6 more
doaj
Gaoya dianqi, 2021 电力设备绝缘裂化常常伴随着局部放电,如何提高电力变压器局部放电的检测精度对于研究其绝缘状态具有重要意义。集合经验模态分解法(ensemble empirical mode decomposition,EEMD)在局部放电的去噪过程中得到良好的应用,然而对于如何准确的选取EEMD分解过程中的固有模式函数(intrinsic modefunctions,IMFs),还原局部放电真实信号是关键。针对这一问题,文中提出一种基于相关系数的EEMD电力变压器局部放电去噪方法。该方法基于两路同时采集的局部放电信号 ...
彭炜文 +5 more
doaj
The proposed method introduces a parameter determination approach based on the minimum Fractal box dimension (FBD) of Variational Mode Decomposition (VMD) components, aiming to address the issue of manual determination of VMD decomposition layers in ...
Min, Yu, Yan, Yu, Yuhang, Pei
core
Multirotor UAV-borne Vital Signs Sensing Using 4D Imaging Radar [PDF]
Unmanned Aerial Vehicle (UAV)-borne radar technology can solve the problems associated with noncontact vital sign sensing, such as limited detection range, slow moving speed, and difficult access to certain areas.
Chengyao TANG +3 more
core +1 more source
Gaoya dianqi, 2004 提出了一种能分析电弧炉系统分数谐波的频域模型。这个模型假设了一种动态、非线性的电弧u-i特性和一连续变化的电弧电流。经过计算机程序求解可得电弧炉系统的分数谐波。
高继森, 贾君霞
doaj
A ISAR Imaging Method for Space Targets Based on Fast Estimation of Joint Motion Parameters [PDF]
Inverse Synthetic Aperture Radar (ISAR) is an important tool for imaging and monitoring space targets. The large rotation angle of space targets can exacerbate the phenomenon of Migration Through Resolution Cells (MTRC), seriously affecting the ISAR ...
Chenyu LIU +5 more
core +1 more source
基于VMD和KFCM-SVM的高压断路器声振联合故障诊断方法
Gaoya dianqi针对高压断路器机械故障复杂、故障特征提取困难的问题，提出一种变分模态分解（variational mode decomposition，VMD）与KFCM-SVM相结合的高压断路器声振联合故障诊断方法。首先利用VMD对去噪后的振动和声音信号进行分解，得到一系列反映断路器操动过程机械状态信息的本征模态函数（IMF）；然后对各IMF分量进行Hilbert变换，构造相应的Hilbert边际谱，求取能量熵作为特征向量；最后采用模糊核C—均值聚类（kernel fuzzy C means，KFCM ...
马莉 +6 more
doaj
Gaoya dianqi, 2020 电压暂降信号中混杂的噪声会模糊暂降起止时刻的检测,而电压波动的干扰则会影响暂降幅值深度的确定,对此设计了一种基于变分模态分解（variational mode decomposition,VMD）的消噪方法及结合小波变换定位的三阶导数普罗尼（third derivative method-Prony,TDM-Prony）算法。首先将信号进行VMD分解,得到数个有限带宽的固有模态分量（band-limited intrinsic mode functions,BLIMFs ...
欧阳森, 陈义森
doaj
Gaoya dianqi, 2022 针对传统预测方法在变压器油中溶解气体预测时精度不高的问题，提出一种EMD和GCT联合应用的新型预测方法。首先使用EMD将溶解气体浓度、环境温度、油温及负载电流等时序信息分解成平稳的模态分量；然后使用GCT分析模态之间的预测关系，提取每阶模态的格兰杰原因；最后将待预测分量及其格兰杰原因所对应的历史时序输入到时间注意力机制LSTM网络进行预测，并采用改进的蚁狮算法优化网络参数，经叠加重构得到特征气体浓度最终预测结果。实验结果表明：与传统LSTM网络相比，所提方法具有更高的预测精度和可行性。
陈铁 +4 more
doaj