能量熵

摘要： 超声导波方法是实现大范围螺栓连接状态检测的有效手段,而探头位置的差异导致难以建立精确的识别模型。为实现连接状态特征的准确提取与分类,提出一种融合经验模态分解能量熵与支持向量机的螺栓连接状态检测方法,该方法针对超声导波检测中明显的非线性特性,将经验模态分解能量熵和支持向量机相结合,实现了有效的信息提取和精确的状态监测。首先采用经验模态分解技术提取各级固有模态函数,通过能量熵表征探头位置差异性;为消除超声探头位置的影响,进一步建立基于支持向量机的探头位置识别模型,并在此基础上,通过支持向量回归,对螺栓预紧力进行识别,最终建立起将经验模态分解能量熵与支持向量机融合的螺栓预紧力识别模型。试验结果显示6组螺栓预紧力识别试验平均相对误差为1.65%,从而验证了所提识别模型的有效性。

摘要： 针对多性能参数复杂电子产品可靠性评估存在过程复杂、计算量大、建模困难、针对性和适用性较差的问题,提出了基于小波熵的复杂电子产品可靠性评估方法,将能量熵用于处理电子产品各监测时刻的信号,将其作为随机退化量建立了多性能参数电子产品的可靠性评估模型,给出了具体建模步骤和流程。最后以具体实例,验证了方法的有效性。

摘要： 针对小样本情况下齿轮箱复合多种故障特征难以提取和分类的问题,提出了基于局部均值分解(LMD)能量熵和支持向量机(SVM)的故障诊断方法。首先利用LMD方法对采集的齿轮箱振动信号进行分解,得到有限个PF分量;然后根据不同故障下齿轮箱振动信号在频域区间内分布不均的特性,分析出PF分量能量在不同频域范围离散情况,即求出LMD能量熵;最后利用SVM多故障分类器对提取出的特征展开训练和测试,进行齿轮箱故障分类。实验结果显示,即使在小样本情况下,且同时存在非单一、多种齿轮箱故障时,基于LMD能量熵和SVM方法也可以对齿轮箱故障进行特征提取和精准分类,实现齿轮箱故障诊断。

摘要： 针对目前含逆变型分布式电源配电网故障选线方法无法在各种故障类型下准确选线的问题,提出一种利用组合模量特征结合S变换算法和信息熵理论的有源配电网故障选线方法。提取配电网各出线端的电流信号,通过组合模量行波电流变换以消除在不同故障类型下故障特征失效的情况;将组合模量行波电流进行S变换以提取故障信号处的幅值和相角信息,结合信息熵理论通过故障信号最大幅值处的短窗数据在多频段下求取各条出线的多尺度能量熵;通过故障线路与非故障线路之间能量熵差值的实例分析,选取差值最大的频段作为求解能量熵的固定频段以减少运算量;以各条出线固定频段下的熵值大小作为判据来定位故障线路。数值仿真结果表明,该方法对各种故障类型均能准确地选出故障线路,且不受故障初始角、故障距离以及过渡电阻的影响,特别是在高阻情况下仍然能够实现准确、高效的故障选线。

摘要： 为解决在复杂电磁环境中雷达辐射源个体识别准确率低的问题,提出基于参数优化VMD和LightGBM的雷达辐射源个体识别技术。首先对雷达辐射源的无意特征进行分析,仿真添加了相位噪声作为雷达辐射源的指纹特征;其次利用麻雀搜索算法(SSA)对变分模态分解(VMD)的分解参数进行自动寻优,准确快速地得到最优分解参数组合为[2,2950];然后基于最优VMD分解参数对辐射源信号提取能量熵与样本熵作为特征向量;最后将特征向量送入LightGBM分类器完成辐射源个体识别。通过实测数据的验证,信噪比在25 dB时识别率能够达到85%以上,具有较为理想的识别结果。

摘要： 正弦辅助多元经验模式分解算法(SA-MEMD)通过在额外的通道中加入正弦辅助信号来减少模式混合,但该算法对噪声敏感,辅助信号的主频率比需要根据经验确定,为此,提出了一种改进的正弦辅助多元经验模式分解算法。首先使用非局部均值降噪对原始信号进行预处理,减少噪声对算法的干扰,其次使用短时傅里叶变换确定信号频谱范围,然后以最小集成EMD能量熵准则选择最优主频率比,最后根据正弦辅助多元经验模式分解算法的步骤进行信号处理。模拟信号和实际信号的对比分析结果证明,改进的方法可以减少传统的多元经验模式分解方法存在的模式混合现象。

摘要： 为提高混合双端高压直流输电线路故障快速清除能力,确保输电系统安全运行,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)能量熵的混合双端直流输电线路纵联保护方法。根据高压直流输电线路边界元件两侧的电压能量不同,同时考虑故障类型以及过渡电阻的影响,构造了电压故障分量的能量熵保护方案。将故障时测量点采集的电压故障分量进行VMD分解,得到若干固有模态分量并计算能量熵。根据区内外故障时电压故障分量的能量熵大小不同构造区内外故障判据,由正负极电压故障分量的能量熵之比构造故障极判据。通过PSCAD/EMTDC建模仿真,并利用Matlab结合保护判据对该方法进行验证。结果表明,该保护方法快速性好、可靠性高、耐过渡电阻能力强。

摘要： 为提升船舶电机轴承故障诊断精度,确保船舶航行的安全性,研究对抗神经网络算法在船舶电机轴承故障诊断中的应用。采用集合经验模态分解方法求取船舶电机轴承振动信号各固有模态函数分量的能量熵,并使用相关系数法清除虚假分量,将筛选后的有效数据作为船舶电机轴承故障特征。利用对抗神经网络构建轴承故障诊断模型,通过引入条件对抗损失函数解决模型训练过程中的不确定性问题,利用二人零和博弈问题能够描述对抗神经网络的训练过程,将船舶电机轴承故障特征向量与实际船舶电机轴承故障的标签信息作为诊断模型的输入,输出船舶电机轴承故障类别。实验结果显示该方法能够准确提取轴承故障振动信号,故障诊断精度高达99.7%。

摘要： 针对小样本情况下齿轮箱复合故障特征难以识别的问题,提出了基于局部均值分解(Local mean decomposition,LMD)能量熵的齿轮箱故障诊断方法。利用LMD方法对齿轮箱振动信号进行处理,得到若干个PF分量;利用不同状态下齿轮箱振动信号在频域区间内分布不均的特性,计算出分量能量在频域区间离散的值,即LMD能量熵;通过不同状态下LMD能量熵的分布进行了齿轮箱故障分类。结果显示,在小样本情况下,基于LMD能量熵方法能够精确地对齿轮箱故障类型进行特征提取和故障诊断,也表明了该方法对齿轮箱故障诊断的优越性。

摘要： 对于电机故障诊断中的特征值提取不够精确的问题,发现一种新的特征提取方法叫做麻雀优化算法(SSA)变分模态分解(VMD),然后将能量熵输入故障诊断模型-改进麻雀搜索优化算法支持向量机(SVM)中诊断。第一步,对变分分解模态个数K和惩罚参数a进行优化,紧接着通过使用VMD来对原始信号进行处理从而得到模态分量,选取特征值明显的能量熵作为特征向量。第二步,将特征值输入到SSA-SVM中对电机信号故障诊断。通过实验,可以提高电机故障的识别率,并且准确率可以达到98.75%。

摘要： 现有城市轨道牵引供电系统中直流保护所采用的主保护DDL难以区分故障电流及具有相似电流量特征的非故障电流.本文基于短路故障电流的特点及其与非故障电流的差异性,提出一种利用EMD分解电流信号并选取各IMF分量的能量权重为参数计算残余分量能量权重占比与能量熵的方法判定故障电流信号.该方法应用于识别城市轨道交通直流牵引网的短路故障电流,可用作DDL保护的后备保护.

摘要： 介绍了EMD能量熵的方法对电压跌落扰动源进行识别.EMD能量熵是经验模态分解和信息熵的结合,对电压跌落信号进行EMD分解,再求出每个IMF分量的能量熵值,采用标准差进行数字量化,通过对比标准差对电压跌落扰动源进行识别.该方法计算简单,不需要引入神经网络便可实现电压跌落扰动源的分类,并且理论简单,具有较强的实用性。

摘要： 为了解决复杂环境中水声目标难以有效检测的问题,提出了一种基于经验模式能量熵的目标检测新方法.该方法通过对水声信号进行经验模式分解,提取信号的本征模式分量并转化为能量特征向量,从而观测子频带能量特征的变化;然后由能量特征向量计算出经验模式能量熵,实现了对水声目标的检测.将这种方法应用在仿真和实测的水下航行体辐射噪声数据的目标检测中,测试结果表明,该方法不仅能有效地监测水声信号子频带的能量特征,而且还可以对水声目标的存在做出准确判断。

摘要： 本文介绍了一种主动目标回波特征提取方法,该方法首先通过对目标回波进行经验模态分解(EMD),得到回波的多个本征波动模态(IMF).然后估计每个本征模态的概率密度函数,计算各个本征模态的概率密度函数与输入回波信号的概率密度函数的相似度,通过相似度测量结果提取出信号的主模态.将提取出来的主模态转化成能量特征向量,由能量特征向量计算出重建信号的能量熵,实现对目标的分类识别.通过仿真实验和对实测数据进行处理,验证了利用EMD滤波提取本征模态能量熵可以进行有效的目标分类识别.

摘要： 声波信号能反映断路器的运行状态。通过对断路器合闸声波和环境噪声作双谱分析，发现合闸声波高频分量能量分布比较均匀，而环境噪声能量集中在低频；通过希尔伯特-黄变换分析，发现合闸过程中声波信号高频分量持续时间较短，频带范围较宽，与环境噪声的时频域特征有明显区别。根据高频分量经过经验模态分解后的各固有模态函数能量分布特点，提出了基于固有模态函数能量熵的故障特征提取方法，对断路器故障进行了诊断。最后通过实验验证了该方法的有效性。

摘要： 本文在分析目前对飞行器电子设备故障定位方法存在不足的基础上,提出了运用遗传算法对各部件的故障概率进行求解的方法,针对遗传算法本身的易陷入局优及进化速度慢等缺陷,将能量熵的选择加入到算法的退火选择中,将伪梯度搜索应用于对个体的邻域搜索,以充分地利用当前种群的有效信息及系统信息.对实际系统的仿真结果证明,改进遗传算法能有效地解决系统故障定位问题,其全局优化性能优于标准遗传算法.

摘要： 本发明公开了一种基于时频能量的符号传递熵及脑网络特征计算方法，首先，基于共平均参考对采集的运动想象脑电信号(MI‑EEG)进行预处理；然后，对各导联MI‑EEG进行连续小波变换，求得其时‑频‑能量矩阵，并将与运动想象密切相关的频带内各频率所对应的时间‑能量序列依次拼接，得到该导联的一维时频能量序列；进而，计算任意两个导联时频能量序列之间的符号传递熵，构建大脑连通性矩阵，并使用皮尔逊特征选择算法优化矩阵元素；最后，计算脑功能网络的度和中间中心性，构成特征向量，用于MI‑EEG的分类。结果表明，本发明可以有效地提取MI‑EEG的频域特征和非线性特征，相比于传统的基于脑功能网络的特征提取方法具有明显的优势。

摘要： 本申请公开了一种基于小波时频熵能量序列的焊点间歇故障诊断方法，该方法包括：步骤1，获取放置于信号采集平台上、在振动应力作用下的故障电路板中各个连接通路的间歇故障焊点电压信号、以及正常电路板中各个连接通路的正常焊点电压信号；步骤2，根据间歇故障焊点电压信号、正常焊点电压信号，采用小波变换分解的方法，构造间歇故障焊点电压信号的小波时频熵能量序列；步骤3，根据小波时频熵能量序列的幅值，判断故障电路板中发生间歇故障的焊点的类型。通过本申请中的技术方案，充分考虑了间歇故障信号的非平稳信号，通过将间歇故障信号进行小波变换，充分综合间歇故障信号时域和频域信息，快速、准确地实现焊点间歇故障的定位。

摘要： 本发明提出一种基于熵能量的点云各向异性邻域搜索方法，属于三维信号处理领域。该方法对点云数据中的每个待搜索点，首先搜索距离该待测点最近的K个点构成的K邻域并作为初始邻域，然后从初始邻域中选取不同的点的组合计算该待搜索点在对应组合下的结构张量特征值，并以特征值计算包括线性度和三维散度的几何特征，将结构张量特征值与几何特征组成熵能量函数，通过遗传算法搜索使得熵能量函数最小的初始邻域内的点的组合构成最终邻域。本发明可提高点云邻域搜索的准确性，使邻域集中于同一平面，避免因邻域存在多平面造成的法向量等相关几何特征求解偏差，该方法具有通用性，在三维重构、导航、定位、虚拟现实等领域具有较大的应用前景。

摘要： 本发明的目的是提出一种基于Shannon熵‑能量比的小波神经网络钟差预报模型。本发明有效解决了小波神经网络模型未能根据实际情况选取合适的小波函数的问题。本发明首先利用小波函数对钟差一次差分数据进行连续小波变换，得到变换后的小波系数。其次，分别计算小波系数的能量值和Shannon熵值，将Shannon熵‑能量比作为最优小波函数选择的评价指标，来指导选择最适合的小波函数作为小波神经网络模型的激活函数。本发明可以提高小波神经网络预报卫星钟差的精度，不但可以提高小波神经网络模型预报的精度，而且使小波神经网络模型本身还具有更好的抗差性，为小波神经网络模型在钟差预报中如何选择合适的小波函数提供了一种可靠的评价指标。

摘要： 本发明公开一种基于瞬时频谱熵与信噪能量差的故障能量区域边界识别及特征提取方法，本发明能够在水下机器人动态信号的时频功率密度谱中，有效确定能量集中区域的时域边界和频域边界，并将该边界内的总能量作为故障特征,所提取的时频能量故障特征与故障程度映射关系唯一；而且，采用该故障特征构造故障样本，用于推进器故障程度分类时，测试样本的故障程度分类精度为100％。

摘要： 本发明公开了一种适用于高熵合金的变体能量密度激光增材方法，激光选区熔化成形过程中，通过建立相应的函数模型精确的调控每扫描一层的激光体能量密度，来达到整体上控制高熵合金试样激光体能量密度的大小。本发明与现有技术相比，其优势在于开发了激光选区熔化成形高熵合金领域中新的成形方法，该方法在保证能熔融高熵合金粉末的激光体能量密度范围内，在成形的过程中，通过建立的指数函数模型精确的调控每扫描一层的激光体能量密度，来达到试样整体上激光体能量密度的控制。本增材方法能很大程度上的抑制因残余应力导致热裂纹的形成，从而提高试样成形的质量。

摘要： 本发明属于机电故障分类技术领域，公开了一种基于小波包能量谱熵的机电故障分类方法，包括步骤1：机械信号熵的特征提取；步骤2：小波包能量谱熵的特征提取；步骤2.1：根据声纹信号的特点选取合适的小波包基函数对信号进行小波包分解；步骤2.2：对小波包系数进行重构，并求出每个频带分量所含能量占信号总能量的比重；步骤2.3：计算出各频带的能量谱熵。本发明以信号的小波包能量谱熵的提取原理为核心，通过对不同故障信号对应的故障信息进行特征提取，结合支持向量机技术实现对不同故障特征的学习训练，实现对机电系统具体故障的分类识别。该方法对不同的故障声纹信号的分类识别的准确率较高，可实现对非同源声纹信号的检测与分类。

摘要： 本发明公开了一种基于声信号的EMD能量熵的车重识别系统及方法，该系统包括：行车声信号采集模块、声信号数据库模块以及行车声信号分析模块；所述行车声信号数据采集模块用于在伸缩缝装置处采集车辆正常行驶过程中的行车声信号；所述声信号数据库模块用于存储所述行车声信号；所述行车声信号数据分析模块用于对所述行车声信号数据库模块中的行车声信号进行特征提取，得到声信号数据，并以标定库的标定的声信号数据作为参考，进行车重的识别；所述声信号数据库模块用于存储所述行车声信号数据分析模块特征提取得到的声信号数据。本发明公开的基于声信号的EMD能量熵的车重识别系统，能够高效、高准确度地对车重进行识别。

摘要： 本发明公开了一种基于CEEMD能量熵和优化PNN的轴承故障诊断方法,包括：S1、采集不同故障状态下的轴承振动信号；S2、采用互补集合经验模态分解算法将轴承振动信号进行分解处理，获得本征模态分量；S3、计算本征模态分量和轴承振动信号数据的相关系数并进行筛选处理，获得有效本征模态分量；S4、提取有效本征模态分量的能量熵，组成特征向量矩阵；S5、构建概率神经网络模型，将特征向量矩阵输入概率神经网络模型，训练优化概率神经网络模型，获得概率神经网络轴承故障诊断模型；S6、将特征向量矩阵输入所述概率神经网络轴承故障诊断模型，构建由改进麻雀搜索算法优化的概率神经网络故障诊断模型，完成故障识别和分类。

摘要： 本实用新型公开了一种基于小波能量熵的配电网选线设备，包括选线设备主体，所述选线设备主体包括有显示屏和开关按钮，所述显示屏、开关按钮固定安装在选线设备主体的正面，所述选线设备主体的侧面固定安装有散热装置，所述选线设备主体的底部设置有防潮装置，所述散热装置包括有散热装置箱体和散热基板，所述散热基板设置在散热装置箱体的内部，所述防潮装置包括有防潮装置底座和防潮胶条。本实用新型通过风扇一将设备侧面的散热孔所散发出来的热量进行抽取后，经过散热基板散热后，空气向两边进行扩散，然后利用冷凝板经过冷却后，再通过通风孔排放出箱外，从而达到了提高选线设备的散热效果。