emd 源码搜索结果, 第86页, Verysource

EMD滤波在煤矿电动机故障诊断中的应用针对煤矿电动机信号故障特征难以提取的问题,提出将EMD滤波方法应用于煤矿电动机的振动信号分析,通过分析电动机故障特征频率的分布特征,采取不同的EMD滤波方法来去除振动信号中的噪声。现场应用结果表明,该方法可以有效降低噪声,提高信号的信噪比。
基于EMD和能量算子解调的采煤机截割部振动故障诊断研究针对采煤机截割部振动剧烈,振动故障特征不易提取的问题,应用基于经验模态分解(EMD)和能量算子解调的故障诊断方法,首先对采煤机截割部振动信号进行EMD分解,进而得到一定数量的本征模态函数(IMFs)分量;其次对IMFs进行能量算子解调,提取出故障特征频率.通过对采煤机井下现场试验研究,结果表明,该方法能够有效地对采煤机截割部进行故障诊断,对及时发现采煤机故障,避免事故的发生具有重要的作用.
论文研究 - 感应电动机故障检测的自适应EMD技术 ... 行业中非常有用，可以诊断IM缺陷并提高运行性能。提出了一种自适应经验模态分解（EMD）技术，用于IM中的转子条故障检测。由于特征故障频率将随与负载和速度有关的工作条件而变化，因此所提出的自适应EMD技术将不同频带和固有模式函数（IMF）边带上的故障特征关联起来。自适应EMD技术使用第一个IMF检测故障类型，并使用第二个IMF作为预测故障严重性的指标。它可以克服 ... 速度和负载振荡有关的边带频率灵敏度问题。通过在不同电机条件下的实验测试，验证了所提出的自适应EMD技术的有效性。
基于EMD能谱熵和概率神经网络的采煤机摇臂齿轮故障诊断采煤机摇臂齿轮是采煤机故障高发区,对其进行故障诊断研究可提高摇臂可靠性,提高工效。结合摇臂工作特点,提出基于EMD能谱熵和概率神经网络的齿轮故障诊断方法,提取振动信号EMD分解的前9个IMF分量的能谱熵作为故障特征信息,并将其作为概率神经网络的输入向量进行齿轮故障的分类与识别。结果证明该方法可实现齿轮故障准确诊断,是一种有效的摇臂齿轮故障诊断方法。
基于EMD和BP神经网络的大功率柴油机故障诊断研究了将经验模式分解(EMD)和BP神经网络2种方法诊断大功率柴油机的振动故障信号。首先运用经验模式的分解方法对柴油机缸盖表面的振动信号进行分解并来提取特征参数;最后通过建立了BP神经网络模型对柴油机典型故障进行诊断。通过对150-12缸柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。
论文研究 - 基于EMD和BP_AdaBoost神经网络的油价预测本文采用经验模式分解（EMD）和BP_AdaBoost神经网络对油价进行建模。基于这两种方法的优势，我们通过使用它们来预测油价。在一定程度上有效地提高了短期价格预测的准确性。将该模型的预测结果与ARIMA模型，BP神经网络和EMD-BP组合模型的结果进行比较。实验结果表明，EMD和BP_AdaBoost模型的均方根误差（RMSE），平均绝对误差（MAE），平均绝对百分比误差（MAPE）和Theil不等式（U）均低于其他模型，并且组合模型具有更好的预测精度。
基于小波包分解和EMD的滚动轴承故障诊断方法研究提出了一种基于小波包分解与EMD的故障诊断特征提取方法。对故障振动信号进行小波包分解,并将其高频部分节点信号进行重构,对2个节点的重构信号分别进行EMD分解,得到一系列的IMF分量;提取每个节点的各个IMF分量的能量值并归一化后作为轴承的故障特征量输入神经网络进行诊断。通过实验证明2种方法的结合具有良好的局部分析能力及自适应分解的特点,可以提取更加有效的特征值,因此在进行诊断时,具有更快的速度与更高的准确率。
基于EMD-ARMA的矿井瓦斯涌出量预测以矿井瓦斯涌出量预测方法为主要研究目的,针对瓦斯涌出量影响因素多,各因素间耦合机理及瓦斯涌出量变化规律复杂等诸多预测难点,提出了一种基于经验模态分解(EMD)和ARMA时间序列的综合分析方法,采用经过处理的时间序列对矿井瓦斯涌出量进行具体预测。根据各样本数据的不同特点选取合适的模型,建立EMD-ARMA预测模型,对矿井瓦斯涌出量及其变化趋势进行预测。
基于EMD的支持向量回归机振动数据挖掘提出了基于经验模态分解的支持向量回归机方法。该方法首先利用经验模态分解(EMD)方法对信号分解,得到若干平稳分量,然后对各分量进行回归建模,对各分量的回归结果求和得到原信号的回归结果。经实验分析验证,该方法不但提高了回归的准确度,而且运算时间也大大减少,实现了准确而又快速的拟合和预测。
Matlab-EMD工具箱+最新版emd. Matlab-EMD工具箱+最新版emd.

关键字：emd