基于动态模式分解的移动用户信道容量预测算法

在多输入多输出环境下,为了能够连续预测出移动用户的信道容量并以此合理地分配用户资源,提出了一种基于动态模式分解（DMD）的信道容量预测方法及其优化方法：基于经验模态分解的选择性归一化动态模式分解（ESN-DMD）.仿真结果表明,DMD算法只适用于预测低移速低复杂度的用户信号,ESN-DMD算法可以预测不同移速的用户信道容量.     

基于PSO-VMD与贝叶斯网络的滚动轴承故障诊断

为解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难、故障诊断准确率低的问题,提出一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法优化的变分模态分解与Hilbert变换,提取故障信息并离散化处理,构建贝叶斯网络故障诊断模型,对滚动轴承故障发生概率推理,并利用完备、不完备数据集以及噪声试验验证该方法的准确性。仿真结果表明,该方法能高效提取特征信息,实现对不确定信息的推理估计,提高滚动轴承故障诊断的准确率,在滚动轴承的故障诊断预测中具有较好的理论与应用前景。     

平滑新能源波动的混合储能优化配置

针对新能源发电出力存在的波动性,提出一种基于滑动平均法的混合储能平滑新能源出力优化配置方法。首先通过滑动平均法对新能源出力进行平滑,平滑后的曲线与原始曲线之差即为储能参考功率;然后运用经验模态分解将储能参考功率分解为相应的本征模态函数(intrinsic mode function, IMF),根据瞬时频率-时间曲线中相邻IMF的叠加量来分配储能参考功率,高频部分通过功率型储能进行平滑,低频部分通过能量型储能进行平滑;最后,在考虑储能充放电效率的条件下配置混合储能的容量和功率,计算储能系统成本。采用实际数据进行仿真计算,结果验证了所提方法的可行性。     

基于VMD和样本熵的电磁式电流互感器故障诊断

针对电磁式电流互感器故障诊断效率低、准确率不高问题,提出一种变分模态分解(VMD)和样本熵相结合的故障诊断方法.将原始故障信号通过VMD分解成一系列本征模函数(IMF)并进行优选,计算其样本熵作为新的互感器特征提取对象的特征值,与常见时频域特征指标组合成新的特征向量输入K近邻分类器进行训练.Matlab仿真实验结果表明,该方法中新的特征指标用于低压电流互感器故障诊断是有效可行的,可为电磁式电流互感器故障诊断提供参考.     

基于EMD-WPT-SVD和指数加权平均的MOA阻性电流去干扰方法

金属氧化物避雷器(metal oxide arrester,MOA)阻性电流测量受环境干扰、高频噪声干扰和脉冲干扰等因素的影响,阻性电流实测信号必然含有多种强干扰成分.针对传统阻性电流去干扰方法在多种并发干扰情形下难以适用的难题,提出了一种基于EMD-WPT-SVD和指数加权平均的MOA阻性电流去干扰方法.首先,依据阻性电流中周期干扰的基波频率、采样频率和特征频率是否被间谐波浸没的特点,选取最佳分解层数和最优小波基;其次,对MOA阻性电流进行经验模态分解(empirical mode decomposition,EMD),将含有特征频率的模态分量再使用小波包变换(wavelet packet transform,WPT),使每个子信号最多含有一个特征频率;再采用奇异值分解(singular value decomposition,SVD)准确提取所有子信号中的周期分量;最后,从原信号中准确消除阻性电流受到的周期干扰,然后通过指数加权平均算法得到能真实反映MOA工况的阻性电流变化趋势.将模拟信号和工程实测数据与多种经典方法进行比较,结果证明:所提方法能消除阻性电流的多种干扰,得到能真实反映MOA实时工况的阻性电流,其结果满足实际工程测量的要求.     

基于 MEEMD-FN-LSTM 的冷热电联供系统负荷预测∗

针对当前冷热电联供(Combined Cooling,Heating and Power,CCHP)系统优化调度研究缺少冷热电负荷预测的问题,提出了基于改进集成经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)、模糊熵(Fuzzy Entropy,FN)和长短期记忆神经网络(Long Short Term Memory,LSTM)的CCHP系统负荷预测方法.使用M EEM D算法将原始数据分解为若干IM F分量,计算IM F分量的模糊熵并将模糊熵相近的分量相加,使用LSTM对相加后新的分量进行预测,最后将分量预测结果重构得到最终预测值.通过仿真并对比分析其他方法的负荷预测精度,证明所提预测方法具有良好的预测效果.     

CY4102BZQ柴油机机体模态分析

以东风朝阳柴油机厂最新开发的CY4102BZQ柴油机机体为研究对象，利用Pro／E三维软件和I-DEAS有限元软件建立了结构的实体模型和有限元模型，进行了机体的模态分析计算，获得了机体的基本振型和相关频率。应用模态试验验证了模型的精确程度，从而提出合理的改进方案。     

EMD-IT去噪算法的阈值估计方法

为解决EMD-IT去噪算法中阈值难以确定的问题,提出一种基于高斯白噪声能量分布的阈值估计方法。将含噪信号进行经验模态分解并估计各固有模态函数(IMF)中噪声的能量;根据模态单元阈值的含义,在各IMF中利用去除掉的模态单元包含的总能量等于噪声能量这一准则估计阈值。合成数据和实际心电信号的去噪仿真实验验证了该方法的有效性,其是自适应的且避免了阈值选择的主观性。     

基于EMD和互信息熵的微震信号自适应去噪

针对强干扰背景下的微震信号提取,提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）和互信息熵的自适应提取算法。通过EMD对微震信号进行分解,得到高频和低频两部分信号,并对分解得到的各阶固有模态分量求出能量和能量熵值。根据互信息准则,通过依次计算相邻分量能量熵之间的互信息值来区分高频和低频信号。将经过自适应阈值滤波后的高频信号和低频信号一起进行信号重构,得到新的微震信号。仿真结果表明,在对微震信号去噪时,该方法可以有效地去除噪声信号,信噪比均提升了10 dB以上。工程上的微震信号通过该方法处理后,也取得了较好的效果。     

一种在扩散加权图像降噪中的算法

扩散加权图像中的噪声为莱斯噪声并且图像本身含有丰富的边界信息,因而要求对DWI图像有效降噪的同时,能够较好地保留图像的边界信息。由于BEMD算法可将图像分解为细节图像及余项图像,其所分解的细节图像包括DWI图像的边界信息以及主噪声,而余项图像则描述图像的趋势信息。因此,提出一种将二维经验模态分解算法与改进的维纳滤波器相结合的降噪算法,并将该算法应用于DWI图像的降噪中。通过实验,将所提出的算法与其他算法应用于DWI图像的降噪处理,并通过对结果的分析比较证明所提出的算法能够更有效地对DWI图像进行降噪处理。