集合经验模式分解相关论文
小电流单相接地故障是目前配电网中最常见的故障之一，也是当前电力系统自动化领域中研究的热点课题。由于受到电网结构、线路类型、......
脑-计算机接口(Brain-computer Interface,BCI)创建了一个新的通信通道,并产生从大脑皮层到接收装置的信号。该技术主要运用的是非......
负荷预测是电力系统运行管理中的重要模块,旨在为电力系统安全经济运行提供支撑,通过对电力系统负荷的有效预测,平衡电力需求,以此......
燃气负荷受到天气状况和经济发展等多种因素的影响,造成燃气变化趋势具有较大的复杂性和特征因子较大的冗余性,造成预测精度的下降......
旋转机械是机械故障诊断的重点,而许多旋转机械的故障都和轴承相关。当轴承出现故障问题,严重时则会影响到整台机械的运行,所以对......
为了实现强背景噪声下的轴承故障诊断,采用了级联单稳随机共振及经验模式分解相结合的提取方法对特征量进行提取.先对振动信号进行......
在机械设备中，齿轮是一种必不可少的常用部件，广泛应用于现代工业设备领域中，据显示，在机械设备故障中由于齿轮的失效而引起的故障占了......
现在机械生产设备正朝着生产自动化、结构大型化、复杂化、运行高效化的方向发展,设备和设备之间联系更加紧密,这样势必会对其可靠......
针对风电机组齿轮箱中齿轮故障特征提取与故障诊断问题,提出一种基于集合经验模式分解(EEMD)、奇异谱熵和模糊C均值聚类的故障诊断......
结合集合经验模式分解（EEMD）和自然激励技术（NEx T）,基于广域测量系统（WAMS）的动态量测信息,提出低频振荡主导模式识别方法。该方法借助E......
心脏猝死疾病是一种由于各种心脏异常引起的以意识丧失为先导的自然死亡,每年因心脏猝死导致的死亡人数达数百万.提出一种新型心脏......
针对经验模式分解存在的模态混叠问题,提出了一种基于组合模型的自相似业务流量预测方法。首先通过对网络流量进行集合经验模式分......
针对癫痫脑电（EEG）信号的非平稳性和非线性,提出一种基于集合经验模式分解（EEMD）提特征并利用最小二乘支持向量机（LS-SVM）的脑电信号分类......
针对传统频谱占用度分析模型由于未考虑序列的非线性非平稳特性,导致无法准确描述频谱占用度特性的问题,该文提出将集合经验模式分......
针对转子振动信号周期性强的特点,应用集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)对转子振动信号降噪过......
针对室内环境下的非视距（non-line-of-sight,NLOS）及多径（Multipath）传播给定位结果带来较大误差的问题,本文先将通过超宽带（ultra wide......
针对人工干预的旋转轴承故障类型及损坏程度诊断问题,提出了一种基于自适应流形学习的故障诊断新方法。该算法借助集合经验模态分......
滚动轴承的故障信号具有非平稳性、非线性等特点,在经验模态分解过程中会出现模式混叠现象。集合经验模态分解算法（EEMD）是在原始信......
针对含强噪声周期信号的检测，提出基于混沌振子结合集合经验模式分解降噪的检测新方法；针对相位差对检测结果的影响，提出正反导入的检......
针对信号中的噪声影响基于振动信号的变压器早期故障诊断结果,提出一种基于集合经验模式分解自相关系数峰度阈值的降噪方法。该方......
为实现时频域高维信息辅助的振动信号微弱瞬态特征增强,提出了一种多尺度时频谱二值化方法.通过高分辨率时频谱切片提取能量突变点......
针对地面模拟真空环境实验中背景干扰与轴承振动信号频率相互重叠、难以滤除的问题,利用集合经验模式分解的抗混特性和滤波特性,提......
针对柴油机表面振动信号非平稳、非线性等特点,引入集合经验模式分解（EEMD）的信号分析方法,对原始振动信号叠加适当的随机高斯白噪声......
轴承早期故障引起的微弱振动变化信号往往淹没在机械传动系统的背景振动噪声中,其故障特征提取困难.本文针对滚动轴承故障振动信号......
针对机械振动信号特征提取中的去噪问题,联合集合经验模式分解(EEMD)和最小均方算法(LMS)发展了一种自适应去噪方法。首先研究了LM......
经验模式分解(EMD)及其改进算法作为实用的信号处理方法至今仍然缺少严格的数学理论。该文尝试从数学理论上分析集合经验模式分解......
为了抑制经验模式分解中的模式混淆现象,提高分析精度,引入集合经验模式分解（EEMD）算法。在分析信号上叠加适当的随机高斯白噪声序列......
针对轴承振动信号非平稳性以及故障特征难于提取等特点,提出结合集成经验模式分解和Teager能量算子解调,构造Teager能量谱提取轴承......
脑-机接口技术实现了大脑意识与外部设备直接相连,不仅对于残疾人有很大的帮助,对于正常人的生活娱乐也有诸多益处,是现如今研究的......
针对齿轮发生故障时，其不同频带能量分布与其故障状态间存在一定的映射关系，提出一种基于集合经验模式分解与灰色相似关联度相结合的......
针对经典K-奇异值分解算法构造的字典中原子形态受噪声、谐波干扰影响,进而降低冲击故障特征提取精度的问题,提出了基于集合经验模......
针对变压器绕组多种故障并发的工况,在分析变压器绕组振动机理的基础上,提出一种基于集合经验模式分解（EEMD）的振动信号特征提取方法......
文章在实验研究的基础上提出了EEMD与RBF网络相结合的齿轮故障诊断方法。重点讲述了EEMD的故障特征提取研究的方法和基本原理,简述......
针对癫痫脑电（EEG）信号的非平稳性和非线性,提出一种基于集合经验模式分解（EEMD）脑电的方法,首先利用EEMD将EEG信号分解,得到各阶本征......
为较好解决复合材料结构损伤难以有效识别问题,提出一种基于集合经验模式分解(EEMD)和核函数极限学习机(K-ELM)的复合材料结构损伤......
提出一种基于深度置信网络(DBN)和信息融合技术的轴承故障诊断新方法。首先采用集合经验模式分解将轴承振动时域信号分解为若干个......
针对变转速下的齿轮箱中复合故障的故障特征提取,提出一种基于线调频小波路径追踪算法与集合经验模式分解的齿轮箱复合故障诊断方......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
售电量的准确预测是电力市场课题研究的重要内容之一,目前已有许多模型用于售电量预测。在此背景下,考虑售电量时间序列的非线性、......
在较大的背景噪声中,对旋转机械进行监测,包络分析不能从测得的振动信号中解调出故障。基于旋转机械振动信号具有非平稳、非线性特......
为了实现变压器故障的直观分类和故障识别,在分析变压器振动机理的基础上,提出一种基于自组织特征映射(SOM)神经网络的变压器故障......
燃气负荷预测受到社会经济、天气因素、日期类型等多种复杂因素的影响,而多因素的共同作用则必然会导致燃气负荷序列变化趋势具有......
随着化石能源的枯竭、人类生存环境的恶化,开发可再生能源成为当今世界广泛关注的热点。其中风能由于其清洁、分布广泛的特点受到......
短期风速概率预测对实现大规模风电并网具有重要意义。当前风速预测方法大多为点预测,无法描述风能的随机性。提出了一种基于集合......
睡眠分期是睡眠评估的基础,在睡眠紊乱症的早期诊断和干预中起着重要的作用。本文利用集合经验模态分解对单通道脑电信号进行预处......
针对卫星网络业务具有自相似的特点，介绍了一种基于集合经验模式分解的业务组合预测方法（EEMD）。该方法利用EEMD的分解特性，将具有自相......
经验模式分解和集合经验模式分解方法存在模态混叠和端点效应问题,难以有效提取故障特征频率.为此,提出一种基于自适应时变滤波分......
