基于EEMD多尺度模糊熵与BP神经网络的滚动轴承故障表征诊断

针对滚动轴承故障振动时间序列非线性与非平稳性特征,提出一种基于多尺度模糊熵的滚动轴承故障诊断方法.首先通过集合经验模态分解对故障振动信号进行自适应分解;根据得到固有模态函数分量(IMF)求取相应的多尺度模糊熵;在此基础上以EEMD多尺度模糊熵作为故障特征输入到BP神经网络中进行学习和分类.实验结果表明该方法能够实现对轴...     

基于EEMD与SVM的滚动轴承故障诊断分析

针对滚动轴承故障振动信号的非平稳与非线性的特点,提出一种基于集合经验模态分解(EEMD)指标能量的滚动轴承故障诊断分析方法.首先利用集合经验模态分解对滚动轴承故障振动信号进行降噪处理,提取故障振动信号能量特征,在此基础上构建相应的故障特征向量;然后通过SVM对滚动轴承故障进行分类,从而实现了对滚动轴承不同故障的有效诊断...     

基于CEEMDAN-WD-PSO-LSSVM模型的月径流预测研究

针对径流序列的非线性、非稳态化的特点导致直接预测精度低的问题,提出了一种二次分解径流时间序列,再经过最小二乘支持向量机(LSSVM)模型进行月径流预测的新途径.该方法首先利用自适应噪声的完整集成经验模态分解(CEEMDAN)算法来分解原始径流时间序列,得到一系列本征模态分量(IMF).再利用小波分解(WD)对高频分量进...     

基于VMD-PSR-BNN模型的月径流预测方法研究

径流过程是地球上水文循环中的关键一环,科学准确地预测月径流的来水量对于流域的水量调度、水资源规划及管理具有十分重要的意义。然而由于径流过程的复杂性以及人类活动的影响,在变化环境中精准捕捉月径流时间序列的变化规律变得十分困难。针对月径流时间序列预测中存在的对于样本数据中先验信息识别不够彻底以及对时间步长嵌入维度难以有效地自适应选取这两点问题,设计了基于VMD-PSR-BNN的月径流时间序列预测模型。基于变分模态分解（VMD）算法对噪声良好的鲁棒性和对时序信号精确分解的特性,将月径流时间序列视为一种时序信号,利用VMD方法将月径流时间序列分解为多个相对平稳的固有模态函数（IMF）,再基于相空间重构（PSR）理论对各个IMF分别进行重构,对各个重构后的IMF分别采用基于变分推理的贝叶斯神经网络（BNN）进行预测,最后将各个BNN的预测结果进行聚合重构得到月径流时间序列的最终预测结果。选取渭河流域咸阳和华县两个水文站1953-2018年的月径流时间序列进行实例分析。结果表明：VMD对月径流时间序列具有很好的分解效果,两个水文站基于VMD-PSR-BNN模型的月径流预测结果均可达到水文预报的甲级...     

EEMD多尺度熵和ELM在水电机组振动信号特征提取中的应用

机组的状态评价及故障诊断基于信号特征提取,水电机组非平稳、非线性振动信号的特征提取是水电领域研究热门.提出了一种基于集合经验模态分解(EEMD)和多尺度熵(MSE)的水电机组振动信号特征提取方法,采用极限学习机(ELM)实现模式识别.对降噪后水电机组振动信号进行EEMD分解,并根据峭度—标准相关系数指标筛选有效本征模态...     

基于样本熵的高水头混流式水轮机稳定性分析

机组的压力脉动是表征水轮机稳定性的主要参数之一,但仅基于压力脉动幅值判定水轮机的稳定性存在一定的局限性。采用多通道压力脉动同步采集系统同步采集某高水头混流式水轮机部分负荷下多部位压力脉动数据,然后综合互相关分析和互补集合经验模态分解(CEEMD)方法提取各压力脉动信号的主分量,对各压力脉动信号的主分量数据进行样本熵计算,获得不同测点在运行范围内的样本熵分布规律。结果表明：在部分负荷下,尾水管内部的空腔涡带仍然是影响高水头混流式水轮机稳定性的主要因素;可根据水轮机各部位压力脉动信号主分量的频率信息推断水轮机内部水力不稳定源的类型;关键测点处压力脉动幅值分布规律与样本熵分布规律的对比表明,压力脉动信号主分量的样本熵变化趋势能够反映水轮机内部流动状态的变化趋势。     

基于TVF-EMD与LSTM神经网络耦合的月径流预测研究

为了有效提高非平稳非线性径流序列的预测精度,采用具有自适应序列特征的时变滤波经验模态分解(TVF-EMD)与长短期记忆神经网络(LSTM)耦合,构成TVF-EMD-LSTM预测模型.首先利用TVF-EMD方法自适应地将径流序列分解为高频序列和低频序列;进而,利用LSTM神经网络对分解后的序列分别预测;最终,将预测结果加...     

基于小波分析的黄河上游径流变化周期研究

为了研究黄河上游径流变化周期,在综合评述已用方法的前提下,引入了小波分析法;然后采用Morlet连续小波变换,对兰州和贵德2站84年(1920～2003年)年径流时间序列变化特征进行了多时间尺度分析,揭示出黄河上游年径流在不同时间尺度下的小波变换时频特征及其丰、枯交替变化的周期规律;进一步分析其径流变化规律,发现黄河上游年径流变化具有同步性,现正处于偏枯期;最后对分析结果进行小波系数过程线及方差图检验,得出黄河上游年径流具有32年的主周期变化规律,同时预测2007年后的17年(2008～2024年)时期内,将处于偏丰期。     

一种改进的基于混沌吸引子的径流

基于混沌理论,研究水文科学的尺度问题,将混沌分析方法应用于径流的降尺度计算。通过分析大时间尺度的年径流量分解到小时间尺度的月径流量的分解系数的混沌特征量,论证了分解系数具有混沌特性。在此基础上,对分解系数的预测方法提出改进意见并给出具体算法。然后根据预测结果进行月径流量的降尺度计算。实例研究表明,改进的算法用于径流量的降尺度分析具有明显的优点。     

基于改进综合赋权法的塔里木河流域“三源一干”水资源承载力评价

科学客观的评价流域水资源承载力,对于合理、高效利用水资源,促进经济社会的可持续发展具有重要意义。根据干旱区水资源特点,并结合塔里木河流域实际情况,建立了涵盖4个方面、12项指标的水资源承载力评价体系。利用可变模糊集理论与综合赋权法对研究区不同水平年水资源承载力进行评价,结果表明:2015年,阿克苏河流域与塔里木河干流水资源承载力评价等级为2级,和田河流域与叶尔羌河流域水资源承载力已达到2～3级,若继续恶化必将阻碍流域可持续发展;至2035年,叶尔羌河流域与和田河流域水资源承载力等级均为2级,表明研究区水资源复合系统有好转趋势,承载力有所增强;阿克苏河流域水资源承载力评价等级为2级,水资源复合系统相对稳定;塔里木河干流水资源承载力等级稳定在2级,说明该流域水资源系统可支撑当地生产生活与生态用水。所建模型评价结果稳定、精准程度高,研究结果为流域水资源优化配置提供了重要参考。     

基于改进二叉树支持向量机的离心泵工况识别方法

为保证离心泵的安全高效运行,需要对离心泵的运行工况进行识别研究.首先,使用测试函数对比研究了经验模态分解、集合经验模态分解和互补集合经验模态分解3种振动信号特征提取方法,基于性能最优的特征提取方法提取不同工况下运行的离心泵振动信号特征数据.然后,对支持向量机模型进行改进,提出了一种使用k-means聚类算法优化的二叉树支持向量机模型,并将改进模型应用到离心泵4种不同运行工况的识别中.同时,使用其他2种多分类支持向量机模型作为对比.研究结果表明:3种特种提取方法中,互补集合经验模态分解无模态混叠迹象性,噪声干扰小,性能表现更好;改进支持二叉树向量机模型分类准确率可达82.17%,对设计的4种工况具有很好的分类效果;改进支持二叉树向量机模型结构简单,训练时间短,实时性好,综合性能优于其他2种模型.     

三峡调蓄前后径流变化的多尺度分析

径流时间序列复杂多变,既存在着非周期成分(趋势、突变等)变化特征,又存在着多尺度的周期变化特征,水文径流的多尺度分析研究具有重要价值。主要利用极点对称模态分解(ESMD)方法,对宜昌水文站多年实测径流量进行模态分解及时频分析,得出不同的时间尺度下,该站径流的趋势、突变及周期变化,进而分析三峡水库调蓄前后的径流变化规律;同时分别利用传统径流分析方法中的Mann-Kendall(M-K)法、小波变换法及希尔伯特-黄变换法三种方法对ESMD法所得结论进行验证。研究结果表明:三峡调蓄前后,不同时间尺度下的径流均存在2003年6月左右的突变点,趋势项上均表现为不显著的递减变化趋势,这表明三峡工程的正式蓄水对径流量产生了较为明显的影响;年、月、日的周期则表现出了一致性,证实了径流研究具有不同尺度上的嵌套性,同时ESMD法在径流多尺度分析上具有较好的应用效果。     

基于EEMD的水资源监测数据异常值检测与校正

提出利用中位数法与集成经验模态分解(EEMD)相结合的方法对时间序列数据的异常值进行检测,首先通过中位数法对明显异常的数据进行初步筛选,再用EEMD对剩余数据进行分解,通过叠加低频分量可以拟合出大多数数据的整体变化趋势,而不受异常值的影响,从而根据偏差比率可有效检测出异常值。然后根据异常值检测后的时间序列数据的凹凸性变化趋势,用分段曲线拟合对异常值校正。最后,以H1自来水厂的日取水量数据为例进行实证分析。结果表明:提出的中位数法与EEMD相结合的方法能够有效地检测异常值,校正后得到的数据能够真实反映该水厂取用水情况,可为后续分析提供更加真实可靠的数据。     

基于集合经验模态分解和支持向量机的滚动轴承故障诊断

针对滚动轴承振动信号的非线性、非平稳特征及强噪声特性,提出了一种基于集合经验模态分解和支持向量机的滚动轴承故障诊断方法。该方法首先对原始信号进行集合经验模态分解,将其分解为若干个固有模态分量,利用固有模态分量构造初始特征向量矩阵,然后对初始特征向量矩阵进行奇异值分解,计算奇异谱,将奇异谱作为特征向量,送入支持向量机训练、识别。分析结果表明,与经验模态分解相比,集合经验模态分解能有效解决模态混叠问题,从而准确、有效地提取滚动轴承的故障特征。     

龙羊峡水库对下游水沙条件变化的影响分析

为了研究龙羊峡水库对下游水沙条件变化的影响,以水库下游贵德水文站年径流量和年输沙量作为研究数据,采用互补集合经验模态分解方法对建库前后径流和泥沙进行多时间尺度分析,结合多时间尺度熵和纳什效率系数分析建库前后径流和泥沙各分解序列的复杂波动特征及各分量对原始序列的贡献程度。结果表明:水库运行对下游水沙变化均有显著影响,且对泥沙的影响大于径流,同时不同时间尺度下的水沙相关关系均发生改变;水库运行会加剧水沙系统的复杂性,但随着多时间尺度波动周期的增大,水沙各分解序列复杂性降低,可预测性升高;径流和泥沙的信息量集中在中高频分量上,综合考虑建库前后水沙波动周期的变化,建议黄河上游水沙监测和研究周期分别为4~7 a和3~4 a。     

基于SWAT模型的金华江上游土地利用变化对径流影响的研究

流域内土地利用变化对水文循环有着重要影响.本文通过在金华江上游建立SWAT模型,模拟了不同土地利用情景下流域径流的变化特点,结果表明:SWAT模型模拟精度高,其中验证期Ens=0.85,R2=0.85,Re=0.07,可以模拟及分析流域水文对土地利用变化的响应;在该流域内,林地有减少径流量的作用而草地和耕地相反;保护耕地使流域内农业产量增加但也使径流量增加,且增加量集中在雨季.     

基于HHT的滨海降水多尺度时频特征研究

基于EEMD的改进型HHT方法,深入剖析了滨海围垦滩涂区域降水的多尺度周期特征进行。结果表明,滨海地区赣榆、东台、上海测点年降水和季节降水变化的周期振荡主要体现在2~3a、5~7a左右的年际尺度上和10~15a、25~30a左右的年代际尺度上,与江淮地区的整体特征和气候背景基本一致,但滨海地区的地理位置与环境特殊性使其降水周期振荡的频域相对较宽且离散。与离散小波变换固定频带下的信号分解相比,HHT方法的EEMD分解具有更优的自适应性;与连续小波变换相比,HHT方法在滨海地区降水信号高频周期振荡特征的解译和信号分解中频域混叠现象的避免方面更具优势。     

基于EMD的黄河下游利津站年水沙量变化的多时间尺度特征

运用经验模态分解方法对黄河下游利津站1952~2009年的年水沙量的时间序列资料分别进行多时间尺度的分析,得到各自具有不同周期的波动分量以及趋势分量。研究结果表明：利津站年水沙量的变化过程具有复杂的多时间尺度特性,是各种波动成分共同作用的结果;年水量和年沙量变化过程均存在三个波动周期,且趋势项呈递减降低的态势,而各分量的波动周期大致相近;两者相同尺度下的分量之间具有显著的相关性,而不同尺度下的分量之间基本无相关性,揭示了水沙变化过程内在多时间尺度振荡结构和特征。     

基于集合经验模态分解与Elman神经网络的明渠流量模拟

为提高堰闸流量控制系统的有效性,本文基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)与Elman神经网络建模,提出一种新的流量预测方法.以新疆库塔干渠东干渠为例,分别对堰闸流量及其控制因子进行EEMD分解,对各尺度下的时间序列建立EEMD-Elman预测模型.结果表明:应用EEMD-Elman神经网络建立流量预测模型,模型预测值与实测值的平均绝对误差为0.079m3/s,相关决定系数为0.996,标准误差为1.104,模型预测结果与实测值呈极显著性相关.研究结果可为水情自动控制系统的控制目标优化提供有效参考.