固有模态函数
固有模态函数的相关文献在2003年到2022年内共计259篇,主要集中在无线电电子学、电信技术、电工技术、自动化技术、计算机技术
等领域,其中期刊论文245篇、会议论文14篇、专利文献22366篇;相关期刊179种,包括吉林大学学报(地球科学版)、浙江大学学报(工学版)、石油天然气学报等;
相关会议13种,包括2013年江西省电机工程学会年会、第十二届全国青年管理科学与系统科学学术会议、中国石油学会2010年物探技术研讨会等;固有模态函数的相关文献由714位作者贡献,包括关键、刘媛媛、张建等。
固有模态函数—发文量
专利文献>
论文:22366篇
占比:98.86%
总计:22625篇
固有模态函数
-研究学者
- 关键
- 刘媛媛
- 张建
- 张瑜
- 秦喜文
- 董小刚
- 吕回
- 孙小江
- 程磊
- 刘伟
- 周一宇
- 姜文利
- 孙云莲
- 张林
- 徐其惠
- 李峰
- 李轶
- 武安绪
- 王明阳
- 王瑞奇
- 瞿伟廉
- 范影乐
- 逯程
- 黄勇
- 于凤芹
- 何友
- 刘静
- 吴培稚
- 吴琛
- 吴立
- 周东岳
- 周丽霞
- 周小龙
- 周攀
- 周瑞忠
- 周红梅
- 唐胜武
- 姚艳华
- 孔祥翠
- 孙晖
- 孙苗
- 宋倩倩
- 崔争攀
- 张勇
- 张卫
- 张守成
- 张梅军
- 张永利
- 张洋
- 张玉洁
-
-
陈逸;
张闻中;
华守彤;
龚孜诣
-
-
摘要:
为实现对皮带运输机故障表现行为的准确诊断,最大化延长机械元件设备的寿命周期,针对基于图像识别的皮带运输机故障自动诊断方法展开研究。根据图像识别原则,处理故障信号的目标图像,再按照皮带运输机振动机理,建立完整的固有模态函数,完成对故障信号特征的提取与处理。按照动力学模型条件,确定故障行为的振动特性,得到时域同步诊断系数的计算数值,实现基于图像识别的皮带运输机故障自动诊断方法设计。实验结果表明,与基于改进堆叠降噪自动编码器的诊断方法相比,在图像识别原理作用下,对于皮带运输机故障表现行为的诊断准确度得到了明显提高,符合延长机械元件设备寿命周期的实际应用需求。
-
-
张程;
邱炳林;
刘佳静
-
-
摘要:
针对目前电力系统低频振荡模式识别和参数提取中的噪声干扰等问题,提出一种基于希尔伯特变换(Hilbert transformation,HT)和能量函数经验模态分解(energy function of empirical mode decomposition,EFEMD)相结合的低频振荡模态辨识方法。首先运用经验模态分解(empirical mode decomposition,EMD)对含有噪声的电力系统低频振荡广域测量信号进行经验模态分解得到各个固有模态函数(intrinsic modal function,IMF),随后应用EFEMD-HT能量法对IMF进行能量计算并权重,筛选出系统的主导振荡模式,最后通过Hilbert变换对主导振荡模式进行参数的提取。通过对理想信号、EPRI-36机系统仿真信号以及电网实测PMU信号的仿真验证了所提EFEMD-HT能量法的可行性与有效性,能够对系统的主导振荡模式进行准确地辨识。
-
-
代倩倩;
张卫;
李建浪;
杨浪;
陈伟
-
-
摘要:
为了研究随机噪声压制,将完备集合经验模态分解(complete ensemble empirical mode decomposition,CEEMD)与自适应小波阈值去噪方法相结合,提出一种新的随机噪声衰减方法,引入归一化自相关函数分析,确定需要进行自适应小波阈值去噪的固有模态分量,重构各分量及剩余分量,得到去噪后的地震数据。在进行小波阈值处理时,根据不同层数和小波分解次数选取合适的自适应阈值;并且在传统软、硬阈值函数的基础上改进小波阈值函数,克服传统阈值函数存在的缺陷。数值模拟和实际资料结果表明,相较于常规方法,所提方法具有更好的随机噪音衰减效果。
-
-
吴静;
吴立;
孙苗;
路亚妮;
韩燕华
-
-
摘要:
针对爆破地震波信号经验模态分解(Empirical Mode Decomposition,EMD)固有的端点效应问题,提出了一种基于边界局部特征尺度自适应匹配延拓(Boundary Local Characteristic Scale and Adaptive Matching Extension,BLCS-AME)的EMD端点效应抑制方法。该方法将原始信号全局时间参数之间的内在联系和信号在端点处幅值参数的局部变化趋势进行联合考虑,得到了延拓后的边界局部特征尺度(BLCS),再以BLCS为研究对象,在原始信号中找到与BLCS匹配度最高的一组时间序列,最后将该时间序列平移到端点处进行EMD,即可实现基于BLCS-AME的EMD端点效应抑制处理。通过多种方法仿真信号EMD端点效应抑制的对比分析,可得出结论:与常规端点效应抑制方法相比,BLCS-AME方法对EMD端点效应具有更好的抑制能力,能够得到精度更高的固有模态函数(Intrinsic Mode Function,IMF),研究结果更能反映信号的内在属性。最后将该方法用于实际爆破地震波信号EMD中,进一步验证该方法能够有效抑制爆破地震波信号EMD过程中产生的端点效应,有利于爆破地震波信号细节特征参数的提取,得到反映爆破地震波信号内在属性的特征参数,对爆破地震波危害控制具有重要的现实意义。
-
-
朱剑兵
-
-
摘要:
随着勘探精度的提高,弱信号在地震勘探信号里越来越被重视。识别弱信号的核心是通过去除噪音来提取有效信号,在众多去噪方法中,基于CEEMD与KSVD的去噪方法能够达到较好的去噪效果,但其计算效率相对较低。这里将改进的CEEMD(ICEEMD)与正则化近似KSVD(RAKSVD)有机结合起来,该方法首先利用ICEEMD将信号分解为主导模态和过渡模态,对于不同的模态,分别利用发挥RAKSVD对弱信号识别的优势,对不同类别模态进行相应地处理,使含噪弱信号中的噪声得到了很好的压制,模型测试和实际应用表明,该方法不仅提高了计算效率,而且取得了预期的去噪效果,有利于对弱信号的提取和识别。
-
-
陈友广;
陈云;
谢鲲鹏
-
-
摘要:
在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(MEEMD)方法对齿轮振动信号进行了分解,获得了能够反映齿轮振动信号信息的固有模态函数(IMF);然后,通过对称点图案(SDP)分解方法提取了IMF分量,将其变换到极坐标下的雪花图像特征,并组成了特征向量;最后,引入深度残差网络(DRN)模型,实现了对行星齿轮箱齿轮不同故障的识别与分类,同时将其与卷积神经网络(CNN)模型进行了对比,并在东南大学公开的齿轮箱数据集上进行了不同模型对齿轮状态故障识别准确率的对比实验。研究结果表明:SDP图像特征能够全面表征齿轮的状态信息,相较于CNN模型,采用DRN模型对齿轮进行诊断得到的平均准确率有明显提高,可达到98.1%,能验证基于MEEMD-SDP图像特征和深度残差网络方法的有效性;研究结果对提升现有行星齿轮箱齿轮故障识别的准确率具有一定的价值。
-
-
汪春华;
冯焱侠
-
-
摘要:
传统去噪方法一般难以适用于非平稳时间序列。为提高去噪性能,提出了结合改进变分模态分解(VMD)及维纳滤波的去噪模型。首先,依据余量序列与其它模态间的互相关性来优化VMD模态个数;其次,采用改进VMD对时间序列平稳化并去除了高频噪声;最后采用维纳滤波器模态序列进行去噪。结果验证了提出方法的有效性。
-
-
赵博;
李鹤
-
-
摘要:
针对原始振动加速度信号中存在的低频趋势项信号在通过数学积分变换时存在严重失真的问题,提出了采用最小二乘法(least squares fit,简称LSF)和经验模态分解(empirical mode decomposition,简称EMD)相结合的方法,实现过滤原始信号中干扰信号的目的。该方法通过对经验模态分解得到的固有模态函数(intrinsic mode function,简称IMF)去除趋势项后进行重构以达到信号降噪的目的。采用该方法分别对模拟信号和某型号干式真空泵的振动实测数据进行了降噪处理,再进行信号积分变换,通过对比证明了该方法能够弥补单一方法在处理信号低频趋势项时的不足,提高了振动信号分析的可靠性。
-
-
吴达;
王康;
叶紫燃
-
-
摘要:
为了提升有载分接开关振动信号降噪效果及故障识别准确率,研究了一种基于经验模态分解的有载分接开关振动信号识别方法。该方法对有载分接开关振动信号进行采用掩膜的经验模态分解,降低模态混叠;采用阈值滤波方法对各个固有模态函数进行处理,降低噪声影响;再采用相关系数法选取特定固有模态函数并进行信号重构,采用时频分析和卷积神经网络方法进行特征提取和故障识别,得到故障识别结果。实验结果表明,利用所提出的方法进行降噪处理后的识别准确率得到有效提高。
-
-
孙苗;
李兴明;
吴立
-
-
摘要:
经验模态分解(empirical mode decomposition,EMD)固有的端点效应和模态混淆导致其在进行爆破网络延时分析时出现不容忽视的误差。为了获得爆破现场实际网络延时,判断批次雷管的安全性,必须对EMD进行改进。通过对爆破地震波监测信号进行端点处理(endpoint processing,EP),改善EMD在处理信号实际端点时出现的端点突变现象,进而抑制EMD端点效应,提高固有模态函数(intrinsic mode function,IMF)的稳定性和精度。对EMD进行改进,得到自适应补充集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),抑制低频趋势项模态混淆,并结合排列熵检测(permutation entropy detection,PED)来控制高频模态混淆。得到的EP-CEEMDAN-PED算法能识别微差爆破实际延期时间,且能有效克服EMD固有的端点效应和模态混淆现象,结合干扰减振法,可计算实际隧道扩挖爆破合理减振微差时间为55.14~57.93 ms,对爆破振动控制具有重要的现实意义。
-
-
肖茂华;
张存义;
熊龙飞
- 《第十四届切削与先进制造技术学术会议》
| 2017年
-
摘要:
滚动轴承是旋转机械中的重要部件,它的异常又是诱发机器故障的重要原因,因此对滚动轴承进行准确、及时的检测和诊断具有十分重要的意义.在工作状态下采集振动信号对于呈现滚动轴承实际状况是十分重要的.因此,信号处理技术被认为是从振动信号中提取故障特征最直接、有效的方法,并且一直是大量不同种信号处理的首选分析工具.本文提出的带有自适应白噪声的完全集合经验模态分解法,其在分解的每一阶段添加上自适应的白噪声,得到固有模态函数和相应的一个残差信号.这种方法可以解决集合经验模态分解法中由于固有模态函数数目不同而导致的取平均值困难的问题.
-
-
时丕旭;
杨志强;
计国锋
- 《2015年中国测绘地理信息学会工程测量分会年会》
| 2015年
-
摘要:
磁悬浮陀螺仪在观测过程中容易受到外界环境的影响,使陀螺数据产生随机噪声,进而影响陀螺寻北的精度.本文提出了针对陀螺数据随机噪声的希尔伯特-黄变换(HHT)方法,该方法首先对陀螺数据进行经验模式分解(EMD)得到固有模态函数(IMF),然后对每一阶的IMF进行希尔伯特变换得到边际谱,判断出应该去掉前几阶的IMF函数.通过试验分析表明,希尔伯特-黄变换方法非常适合于分析非线性非平稳数据,完全自适应,并且不受Heisenberg测不准原理的制约,能有效去除随机噪声,还原信号的有用成分,提高陀螺定向精度.
-
-
-
-
-
孙勇;
卢晓亭;
程健
- 《2009年浙苏黑鲁津四省一市声学学术会议》
| 2009年
-
摘要:
在介绍HHT(Hilbert Huang Transform)理论的基础上,将这种理论引入到实测海水温度时间序列的分析中。HHT方法主要通过经验模式分解方法(Empirical Mode Decomposition,EMD)将原始信号分解成有限的固有模态函数,并对每个固有模态函数进行Hilbert变换从而得到Hilbert谱。经过与小波谱对比分析,结果表明:在海水温度时间序列分析中,利用经验模式分解不需要固定的基函数,可将原始信号分解为少量的、周期自小至大排列的固有模态函数,分解过程具有自适应性、高效性;再通过Hilbert变换所得的谱图能清晰地反映原始温度序列在同一时间点上不同周期成分的分布及同一周期成分随时间的分布。去除趋势项后的序列的小波谱相比原序列的小波谱能表示出更有用的信息。HHT法能有效地提取海水温度信号的主要特征,更能适应信号非线性、非稳定的特征,为进一步认识海洋温度的变化规律提供了新的途径。海水中的声传播受温度、盐度等的影响,研究海水温度的变化规律对研究声传播具有重要意义。
-
-
-
-
周丽霞;
范影乐;
李轶
- 《2009年全国理论计算机科学学术年会》
| 2009年
-
摘要:
研究目标注视任务,即类"思维拨号"任务下的脑电信号模式自动分类技术.基于时频分析原理,对循环扫视6×6字符矩阵所得的脑电信号进行Hilbert-Huang变换,用EMD(Empirical Mode Decomposition)方法把信号分解成数个本征模态函数(Intrinic Mode Function,IMF);对每个IMF进行Hilbert变换,得到时频平面上的能量分布,即Hilbert谱;将各频率分量累加谱按时间变化特性作为关注与非关注某字符的特征量;最后通过K-近邻法对所视字符进行自动识别.对第3届国际脑机接口竞赛的数据进行分析测试,识别准确率达到84.21%.经Hilbert-Huang变换的时频分析方法,可以得到目标注视任务下的脑电信号有效特征,从而有助于脑机接口系统的实际应用.
-
-
周丽霞;
范影乐;
李轶
- 《2009年全国理论计算机科学学术年会》
| 2009年
-
摘要:
研究目标注视任务,即类"思维拨号"任务下的脑电信号模式自动分类技术.基于时频分析原理,对循环扫视6×6字符矩阵所得的脑电信号进行Hilbert-Huang变换,用EMD(Empirical Mode Decomposition)方法把信号分解成数个本征模态函数(Intrinic Mode Function,IMF);对每个IMF进行Hilbert变换,得到时频平面上的能量分布,即Hilbert谱;将各频率分量累加谱按时间变化特性作为关注与非关注某字符的特征量;最后通过K-近邻法对所视字符进行自动识别.对第3届国际脑机接口竞赛的数据进行分析测试,识别准确率达到84.21%.经Hilbert-Huang变换的时频分析方法,可以得到目标注视任务下的脑电信号有效特征,从而有助于脑机接口系统的实际应用.