EMD
EMD的相关文献在1991年到2023年内共计1223篇,主要集中在自动化技术、计算机技术、机械、仪表工业、电工技术
等领域,其中期刊论文843篇、会议论文9篇、专利文献371篇;相关期刊486种,包括大地测量与地球动力学、噪声与振动控制、机械科学与技术等;
相关会议9种,包括第五届中国管理学年会(MAM2010)、环渤海地区区域演变及可持续发展学术研讨会、第九届全国振动理论及应用学术会议暨中国振动工程学会成立20周年庆祝大会等;EMD的相关文献由3196位作者贡献,包括于德介、杨宇、程军圣等。
EMD
-研究学者
- 于德介
- 杨宇
- 程军圣
- 林振山
- 张学军
- 王建国
- 邵利平
- 丁志宏
- 何涛
- 成谢锋
- 孟宗
- 邢宗义
- 郭艳平
- 陈熙源
- 任平安
- 俞征
- 凌永权
- 张小凤
- 张洋
- 张进杰
- 杨宁
- 杨录
- 杨生恕
- 江志农
- 王龙强
- 苏明(译)
- 许嘉
- 贺升平
- 贺西平
- 郭雷
- 马明明
- 万玲
- 于志新
- 付春
- 刘会玉
- 刘彬
- 刘永亮
- 刘洋
- 刘福来
- 吕品
- 吕琛
- 夏熙
- 孙燕
- 崔冰波
- 崔高健
- 张扬
- 张真真
- 张艾怡
- 徐嘉良
- 时培明
-
-
黄家贤;
马晓晨;
郑智勇
-
-
摘要:
局部放电监测是目前高压电气设备亟需解决的重要问题。由于局部放电信号往往含有大量白噪声,会影响对真实放电信号的识别,因此提出了一种基于EMD与SVD结合的S变换改进模型进行去噪的新方法。该方法主要由经验模态分解(EMD)、S变换、奇异值分解(SVD)3个部分组成。首先利用经验模态分解对局部放电信号进行分解,提取其中主要的特征量;其次对得到的特征量进行S变换,得到时频矩阵;然后对该矩阵进行奇异值分解,去除噪声;最后进行逆S变换,重构信号,从而得到较为清晰的时域放电信号。
-
-
林赛燕
-
-
摘要:
作为经济政策变动的风向标,全球经济政策不确定性(Global Economic Policy Uncertainty,GEPU)指数的动态走势对于经济政策的制定和调整具有重要的参考价值。然而GEPU指数动态路径的影响因素复杂多变,其数据生成过程难以在一个时间序列模型中得到准确的体现。基于“先分解后集成”的建模思路,首先采用经验模态分解(Empirical Mode Decomposition,EMD)方法将全球经济政策不确定性指数分解为若干相互独立、频率不同的可读信号,其次运用非平稳时间序列ARIMA模型对可读信号分别进行建模预测,最后集成各类可读信号的预测结果。在此基础上,进一步应用VAR模型考察了全球贸易、新冠肺炎疫情等因素对GEPU指数的动态影响。研究发现:(1)通过对训练组和测试组数据的预测值与真实值的对比,发现EMD-ARIMA模型对训练组和测试组数据的拟合精度均优于ARIMA模型;(2)与ARIMA模型相比,EMD-ARIMA模型能够解决由原始数据不确定性、非线性以及不稳定性所导致预测偏差问题,得到精度较高的预测结果;(3)全球贸易、新冠肺炎疫情等因素对全球经济政策不确定性均产生了显著的影响,EMD-ARIMA模型的样本外预测结果显示,GEPU指数在2021年7月之前呈增加趋势,2021年7月至12月逐渐趋于稳定。
-
-
陈良;
毕晓英;
周新志
-
-
摘要:
准确可靠的径流预报在水资源的优化管理中发挥着越来越重要的作用。为了提高预测精度,提出了一种神经网络模型,来进行日径流预报。此模型将经验模态分解(EMD)方法、注意力机制、BiLSTM神经网络相结合,并且对输入数据采用了插值方法来提升精确度。EMD方法能够将非稳态非线性的径流时间序列分解成多组本征模态分量和趋势项,实现输入时间序列的稳态化,再经过注意力机制赋予时间序列不同关注度,然后通过BiLSTM分别预测再重构。将该模型应用于四川省宣汉县的清溪河站点的每日径流数据上,与另外三种神经网络模型即LSTM、ATT-LSTM和ATT-BiLSTM模型进行对比,其结果证实了该模型的优越性。结果表明,提出的组合模型具有更好的性能,其纳什效率系数为0.957,平均绝对误差为1.73,均方根误差为2.88。因此,EMD-ATT-BiLSTM模型是一种可行的日径流预报方法。
-
-
和丹;
张丽洁;
肖渊;
刘学婧
-
-
摘要:
针对大圆机的大型薄壁齿轮在制造与装配过程中容易产生偏心问题,提出一种基于振动信号的齿轮偏心故障检测方法。首先,利用偏斜度解卷积(Skewness Deconvolution,SED)增强振动信号中的齿轮偏心故障特征。其次,运用经验模态分解(Empirical Mode Decomposition,EMD)将目标信号分解为有限个固有模式分量(Intrinsic Mode Function,IMF)。然后,提出加权-相关频峭度指标(Weighted Correlation-frequency Kurtosis,WCK)自适应提取包含偏心故障特征的IMF分量,并结合峭度与峰值比指标刻画故障信息。最后,开展了大圆机齿轮偏心故障诊断实验研究,实验结果表明该方法可自适应提取故障分量,结合故障分量的频率、峭度与峰值比指标可以实现齿轮偏心故障判定与定位。
-
-
鄢章华;
刘亚娟;
曹玥
-
-
摘要:
本文在通过试验数据对比小波分解与经验模态分解(EMD)的基础上,选择EMD对猪肉价格、猪肉供给(生猪存栏量、生猪出栏量)等数据进行模态分解,从短期高频波动和长期发展趋势的角度分析生猪行业的数据规律。研究成果从数据层面阐明了猪肉价格的变化规律,并进一步给出了稳定猪肉价格的政策建议。
-
-
陈俊君;
孙桓五;
徐冰
-
-
摘要:
为了研究推焦装置工作过程中的自激振动特性,采用有限元仿真的方法对推焦装置进行了模态和谐响应分析,提取出的推焦装置在x,y,z方向上的自激振动频率均为51Hz,表明推焦装置在推焦过程中发生的振动形式与第14阶模态相同。通过对现场试验采集到的振动信号进行分析发现推焦装置在x,y,z方向上的自激振动频率分别为51.06Hz,50.25Hz和47.22Hz,试验分析提取的频率成分与有限元分析求取的频率成分基本一致,表明推焦装置工作过程中在51Hz频率处发生了自激振动,实际中应采取方式避开此工作频率,减少推焦装置发生自激振动的可能。
-
-
缪惠全
-
-
摘要:
工程系统中常采用测试加速度信号以获取物体振动速度或者位移,而加速度信号中不可避免的噪声信号则会导致积分速度和位移的基线漂移问题,从而导致真实信号的失真,严重时甚至完全掩盖真实信号的数值。文中在时域范围内系统性地对比研究了常见的4类针对这一问题的处理方法,分析了各类方法的基本原理和对某加速度信号样本的处理结果,指出了各类方法的局限性。在此基础上,文中于时域内提出了Iwan-EMD方法,并利用仿真信号验证了该方法的合理性。
-
-
周笑天;
陈益玲;
李芸;
李长军;
张平;
张茜茹
-
-
摘要:
以土壤水分时间序列特征提取和形态匹配为基本操作,提出了一种基于特征曲线的自动土壤水分观测数据异常值检测新方法。首先确定检测序列X和模板序列Y的长度和范围,利用经验模态分解(EMD)方法对序列X和Y进行分解,分别获得特征重构序列C和序列Q,然后利用动态时间归整(DTW)算法对重构序列做匹配对齐操作,分别形成序列C’和Q’,通过序列C’和Q’计算获得变异序列D’,并将序列D’中变异系数超过门限值threshold的异常元素或异常片段标记出来,最终实现检测序列X中异常点的定位。运行实例表明:(1)检测方法无需引入土壤物理常数和气象条件等外在影响因素,避免了土壤水分计算过程中加入高低阈值、变化率阈值等相关参数。(2)方法使用同一站点相同深度的土壤水分连续数据,无需多站数据对比,且对于检测序列X和模板序列Y没有严格的长度一致性要求,因而计算更加灵活,适用性较强。(3)方法流程清晰,输入和输出对象简单明确,较为适合进行计算机编程开发和业务化运行部署。
-
-
张美林;
李俊萩;
张晴晖;
何鑫;
蓝增全;
李明
-
-
摘要:
为了通过声发射信号(AE)对木材内部损伤状态进行评估,本研究选择能够表征信号复杂程度(熵值)以及波形变化(脉冲因子、裕度因子、峰值因子、波形因子)的特征,并通过对木材试样三点加压弯曲实验采集原始声发射信号。另外,为了抑制干扰,提高信号特征对损伤状态的敏感性,提出了一种采用EMD分解方法,基于信号能量、瞬时频率、峭度值的信号预处理方法和信号重构机制。最后,获取重构AE信号的熵值(信息熵、指数熵)和波形特征参数(脉冲因子、裕度因子、峰值因子、波形因子),探索了它们与木材内部损伤与断裂过程的关系,并从中提取6段时序信号进行特征值前后对比分析。结果表明:通过这些特征,可以将木材受力激发出的声发射信号分为4个类别,分别是屈曲AE信号、形变AE信号、微裂AE信号和断裂AE信号,并与木材损坏过程中微观结构变化的4种形式(胞壁屈曲与塌溃、胞壁界面损伤与层裂、微裂隙损伤区的形成与扩展、胞壁断裂)相对应。相比较波形特征,声发射信号的熵值能够更加敏感地反映出木材内部损伤状态的变化。波形特征能够较好地反映出木材断裂后载荷逐渐减小的趋势。本研究提出的信号预处理方法和重构机制,能够提高上述特征对不同损伤状态的区分度,同时本研究所选特征在木材AE信号识别中具有重要作用。
-
-
刘洋
-
-
摘要:
针对我国北斗系统变形监测数据中存在的噪声问题,本文利用自适应信号分析方法经验模态分解(EMD)对某北斗实测变形监测数据进行降噪处理。首先对E、N、U 3个方向的分量进行分解获取本征模态函数及趋势项,其次根据相关系数分离出噪声的本征模态函数,最后根据重构方法得到干净的位移序列。结果表明:EMD方法在北斗变形监测数据中的去噪是可行的,能有效分离信号与噪声,进一步提高了北斗观测的精度。