经验小波变换
经验小波变换的相关文献在2014年到2022年内共计215篇,主要集中在机械、仪表工业、电工技术、自动化技术、计算机技术
等领域,其中期刊论文158篇、会议论文7篇、专利文献48567篇;相关期刊95种,包括大地测量与地球动力学、西安交通大学学报、中国测试等;
相关会议4种,包括2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议、第十一届全国随机振动理论与应用学术会议、第28全国结构工程学术会议 等;经验小波变换的相关文献由715位作者贡献,包括刘自然、叶柯华、张荣等。
经验小波变换—发文量
专利文献>
论文:48567篇
占比:99.66%
总计:48732篇
经验小波变换
-研究学者
- 刘自然
- 叶柯华
- 张荣
- 曾周末
- 李健
- 李春
- 李青
- 林建辉
- 段晨东
- 肖启阳
- 胡璇
- 邓飞跃
- 颜丙生
- 丁浩
- 刘东瀛
- 刘永强
- 刘雪梅
- 刘震
- 卫志农
- 司晓东
- 孙国强
- 张征
- 张瑞
- 李晶
- 林琳
- 梅飞
- 潘海洋
- 王俊海
- 王昌明
- 程铁栋
- 童卓斌
- 胥永刚
- 臧海祥
- 许刚
- 赵妙颖
- 赵若妤
- 邓艾东
- 郑近德
- 马宏忠
- 鲁铁定
- 黄佳伟
- 乔乔
- 于晶
- 于永军
- 伏丽娜
- 余利斌
- 余新明
- 俞朝春
- 刘慧宇
- 刘立华
-
-
胡少梁;
李宏坤;
王朝阁;
胡瑞杰
-
-
摘要:
针对强噪声背景下行星齿轮箱早期微弱故障难以提取以及经验小波变换对信号频率区间边界划分不恰当以及不能有效确定模态数目的问题,提出了一种基于改进经验小波变换(modified empirical wavelet transform,简称MEWT)和自适应稀疏编码收缩(adaptive sparse coding shrinkage,简称ASCS)的早期微弱故障特征提取方法。根据信号频谱的尺度空间表示,将原始故障信号自适应地分解为一系列的窄频带本征模态分量。利用包络谱峭度(envelope spectrum kurtosis,简称ESK)值选择敏感分量,为了进一步凸显分量中的故障信息,使用ASCS算法对敏感分量进行稀疏降噪处理,从其包络谱中即可提取到清晰的故障特征频率成分。数值仿真和实际数据分析结果表明,本研究方法能够自适应地实现故障信号的模态分解并增强微弱的故障冲击特征。此外,与经验小波变换(empirical wavelet transform,简称EWT),EWT-ASCS和ASCS进行对比,本研究方法可有效提取包含故障信息丰富的分量,经ASCS处理后信号故障特征得到凸显,实现了行星齿轮箱早期微弱故障的准确识别。
-
-
庞博;
董辛旻;
李长伟
-
-
摘要:
滚动轴承故障信号能量较弱,故障信息在实际工况下更容易受到噪声的影响,致使很难有效地实现信噪分离。针对这一问题,提出经验小波变换(EWT)和核独立分量分析(KICA)联合的振幅解调方法消噪。使用经验小波变换对轴承故障信号进行分解,根据相关系数准则对分解获得的IMF分量信号进行筛选,重组分量信号并构造虚拟噪声信号。使用核独立分量分析算法对重构的信号进行增强处理并分解,实现信号和噪声的分离。采用包络谱法对分离后的信号进行分析。仿真对照实验表明,该方法具备较强的特征提取能力。
-
-
江慧娜;
吕高冲;
李首德;
余新明;
李伟
-
-
摘要:
为解决非接触式睡眠监测系统中呼吸和心跳信号的有效分离和准确提取问题,采用经验小波变换手段,根据信号频谱特征利用尺度空间变换实现频域的自适应划分,然后依据频谱划分的边界构造正交小波滤波器组,实现了从所获取的混合压力信号中有效提取出心冲击和呼吸信号等单模态分量。初步实验结果表明,与常规滤波方法相比,该方法具有较高的自适应性和可重复性,且提取出的心冲击信号波形特征更为明显,有利于对心跳时刻进行精确定位。
-
-
张文广;
李浩瀚;
蔺媛;
王维建;
吴凯利;
马艳华
-
-
摘要:
采用现有的方法对控制系统执行器(气动执行器/电液执行器)进行故障诊断时,无法同时满足诊断的准确性和快速性要求,针对这一问题,提出了一种基于经验小波变换(EWT)和双核极限学习机(DKELM)的控制系统执行器故障诊断方法。首先,利用经验小波变换对执行器故障信号进行了分解,得到了若干经验小波分量,以信息熵(IE)为依据筛选分量,计算了保留分量的模糊信息熵(FIE),构成了特征向量;其次,将小波核函数和RBF核函数引入至极限学习机(ELM)构造了双核极限学习机,以特征向量作为输入,进行了双核极限学习机模型训练和分类测试;最后,采用执行器故障半物理试验平台,对基于EWT-DKELM的方法进行了重复试验,以验证该方法的有效性。研究结果表明:经验小波变换能够有效分离执行器故障信号的各个独立模态,其提取的模糊信息熵特征具有较高的区分度;双核极限学习机的模型训练速度快、误差小,具有较高的分类准确率。
-
-
吴建章;
梅飞;
郑建勇;
张宸宇;
缪惠宇
-
-
摘要:
针对电能质量复合扰动分类方法在分类数目和分类性能方面存在的不足,提出一种基于改进经验小波变换(MEWT)和极限梯度提升(XGBoost)的电能质量复合扰动分类方法。首先,对传统经验小波变换进行改进,使之适用于复合扰动特征提取;然后,根据基本扰动MEWT分析结果,从时频域多角度提取能够有效刻画不同扰动特性的特征序列;最后,基于问题转换策略构造以XGBoost为子分类器的多标签复合扰动分类模型,并通过特征选择与超参数优化相结合的模型训练方法进一步提升分类效果。实验结果表明,所提方法可实现48类扰动的有效辨识,较之传统多标签扰动分类方法在分类精度和噪声鲁棒性方面表现更优,且运算速度更快,适用于工程实践。
-
-
唐诗尧;
何佳;
任锦胜;
吴仕明;
柳亦兵
-
-
摘要:
经验小波变换方法被证明是一种有效的滚动轴承故障诊断方法,但该方法的分析精度依赖于频谱的合理分割。因此,文章提出了一种基于改进经验小波变换的故障特征提取方法。首先,通过连接若干个信号频谱的局部极大值来获取频谱包络线;然后,设定阈值,消除噪声干扰;最后,根据频谱包络线的局部极小值来自适应地确定频谱分割边界。工程实例分析表明,基于改进经验小波变换的故障特征提取方法,提高了对故障特征频带的分离精度,在滚动轴承故障特征提取方面表现出一定的优越性。
-
-
马宁;
董泽;
冯斌
-
-
摘要:
针对传统短期风功率预测模型在功率变化较大情况下的预测精度不高问题,提出了一种基于信号分解和量子粒子群算法优化核极限学习机的短期风功率预测模型。首先利用经验小波变换将原始风功率序列分解成为若干个模态分量,再利用核极限学习机建立每个模态分量的预测模型,为了提高模型预测精度,采用量子粒子群算法优化核极限学习机参数,最后将每个模态分量预测值相加得到最终的功率预测结果。以实际风电场发电功率为例,并与其他预测模型进行比较,结果表明所提模型具有较高的预测精度。
-
-
赵雅琴;
孙蕊蕊;
吴龙文;
聂雨亭;
何胜阳
-
-
摘要:
心冲击图(BCG)信号中含有睡眠时期的心跳等生理参数,采用非接触式测量,但易受干扰影响应用受限;心电图(ECG)信号应用很广,但采用接触式测量,操作不便。为了实现非接触式测量并监测心电信号,该文将无参数尺度空间法(PSA)引入并与经验小波变换(EWT)算法结合,从BCG信号中分解得到心跳分量,结果表明所提分解方法能有效地从BCG信号中最大限度地分解出心跳信号;并在此基础上通过改进的深度卷积生成对抗网络(DCGAN)重构出ECG信号。实验结果表明,该文所提信号重构算法能从心跳分量重构恢复出ECG信号,均方根误差为–16.8422 dB。
-
-
崔芮华;
张振;
佟德栓;
崔建平
-
-
摘要:
针对时频域分析方法经验模态分解(EMD)在处理电弧信号上存在模态混叠现象,提出一种基于改进经验小波变换(IEWT)多特征融合与极限学习机(ELM)的电弧故障检测方法。该方法首先将电弧电流信号进行IEWT变换,自适应分解为5个经验模态分量(EMFs),提取EMFs的权重能量熵、EMF4的样本熵及EMF1的方均根值作为特征量。在进行数据标准化后,将3个电弧故障特征融合并形成多维特征矩阵,最后通过ELM进行故障识别。在分析中对IEWT和EMD分解进行比较,结果表明,IEWT方法要优于EMD对信号的处理,并且在多特征提取下也避免了单一特征造成的误判,再结合ELM可以准确识别出电弧故障,经试验验证平均准确率为97.85%。
-
-
尚海昆;
李宇才;
林伟
-
-
摘要:
为了有效提取局部放电信号故障特征,进而对电力变压器故障进行诊断,提出一种基于经验小波变换(Empirical Wavelet Transform,EWT)和多尺度量子熵(Multiscale Quantum Entropy,MQE)的变压器局部放电特征提取方法。首先,该方法利用EWT对局部放电信号进行分解,得到多个不同的固有模态分量(Intrinsic Mode Function,IMF)和残余分量。其次,计算信号分解出的每个IMF的多尺度量子熵序列。然后,对多尺度量子熵序列利用局部切空间排列算法(Local Tangent Space Arrangement,LTSA)进行降维处理。最后,采用层次聚类算法(Hierarchical Agglomerative Clustering,HAC)进行聚类分析,得到不同放电类型的识别结果。通过与不同诊断方法对比,仿真结果及实验数据验证了所提方法的有效性和优越性。
-
-
李洲;
李春祥
- 《第28全国结构工程学术会议》
| 2019年
-
摘要:
风速多步预测研究对超高层建筑、桥梁、高速铁路抗风和风电场平稳运行有重要意义.本文基于目前常用的"分解—预测—重构"策略,提出一种改进经验小波算法,用于实测非平稳风速分解,并建立最小二乘支持向量机预测模型对分解得到的子信号开展多步预测,粒子群优化算法被用来优化最小二乘支持向量机核参数和惩罚参数.对两组实测非平稳台风进行风速多步预测试验,并引入集合经验模态分解和离散小波变换作为对比.试验结果表明,改进经验小波变换能显著提高非平稳风速多步预测精度.
-
-
LI Tong;
李童;
XU Yonggang;
胥永刚;
CHEN Junran;
陈俊燃;
LI Shuang;
李爽
- 《2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议》
| 2018年
-
摘要:
在实际生产过程中,机械设备的运行环境十分复杂,所采集的振动信号中存在大量的噪声,且常呈现非平稳特性,若对原始的振动信号直接进行包络解调处理,往往难以达到理想的效果.提出一种基于经验小波变换和奇异值分解的故障轴承诊断方法.首先利用经验小波变换(EWT)对原始信号进行分解,将复杂信号分解成多个固有模态函数(IMF),然后选取故障特征最明显的IMF分量进行奇异值分解(SVD)降噪,根据奇异值差分谱自适应地选择奇异值个数进行重构,最后对重构后的信号进行Hilbert包络解调,从而得到故障轴承的特征频率.实验结果表明,该方法能够有效地应提取滚动轴承的故障特征.
-
-
-
-
LI Zheng;
李政;
ZHANG Wei;
张炜;
MING Anbo;
明安波;
QIN Zhaoye;
秦朝烨;
WANG Tianyang;
王天杨;
CHU Fulei;
褚福磊
- 《2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议》
| 2018年
-
摘要:
针对经验小波变换(Empirical Wavelet Transform,EWT)对滚动轴承早期微弱故障诊断的不足,提出一种基于改进EWT与Teager能量算子分析相结合的早期故障识别方法.首先采用改进EWT方法对原信号进行频段划分,获得一系列含故障信息的信号分量,对各个信号分量进行分析,去掉噪声和其他干扰信号分量,然后对最优信号分量进行Teager能量算子分析,根据Teager能量算子谱上明显的特征频率成分来诊断故障.该方法能有效降低噪声的干扰、增强信号中的周期性冲击特征.通过对含外圈、内圈故障的滚动轴承进行试验分析,结果表明,相比于传统EWT方法,该方法提取出的故障特征更加明显,能有效实现滚动轴承早期微弱故障的识别.
-
-
DU Xiaolei;
杜小磊;
CHEN Zhigang;
陈志刚;
ZHANG Junling;
张俊玲;
ZHONG Xinrong;
钟新荣;
LU Ning;
卢宁
- 《2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议》
| 2018年
-
摘要:
针对压裂车动力系统野外工作时振动信号的强时变性和强噪声特性,提出了一个基于经验小波变换(Empirical Wavelet Transform,EWT)和深度残差网络(Deep Residual Net,DRN)的故障诊断模型.根据该模型对2000型压裂车动力端采集的振动信号进行经验小波变换,得到时频图像,然后对图像进行灰度化和归一化,再将灰度图降维至适当大小,并将压缩后的时频图像作为深度残差网络DRN的输入,建立基于EWT和DRN的Softmax分类模型,以实现压裂车动力系统的故障诊断.实验结果表明,该方法能有效识别压裂车动力系统的故障类型,具有优于传统卷积神经网络的较强的泛化能力、特征提取能力和识别能力.
-