基于VMD-SSA-LSTM的闸门振动信号趋势预测

黄天雄; 董懿; 孔令超; 李初辉; 杨赛

doi:10.13599/j.cnki.11-5130.2024.01.012

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于VMD-SSA-LSTM的闸门振动信号趋势预测

更新时间：2026-07-27

- 基于VMD-SSA-LSTM的闸门振动信号趋势预测
- Vol. 47, Issue 1, Pages: 41-44(2024)
- 作者机构：
  
  中国长江电力股份有限公司
- 作者简介：
- 基金信息：
- DOI：10.13599/j.cnki.11-5130.2024.01.012
  CLC： TV663
- Published：2024
- 稿件说明：
移动端阅览
黄天雄, 董懿, 孔令超, et al. 基于VMD-SSA-LSTM的闸门振动信号趋势预测[J]. 2024, 47(1): 41-44.
DOI：

黄天雄, 董懿, 孔令超, et al. 基于VMD-SSA-LSTM的闸门振动信号趋势预测[J]. 2024, 47(1): 41-44. DOI： 10.13599/j.cnki.11-5130.2024.01.012.

摘要

闸门振动信号分析和预测是检测闸门运行状态的重要方式，由于闸门信号的复杂性和非平稳性，准确判断闸门状态成为难题。本文提出一种基于VMD多模态分解和SSA-LSTM网络结构，对输入的闸门信号进行分解和预测。首先采用VMD分解了闸门信号并取得信号特征，通过SSA优化LSTM网络超参数，提高对闸门信号预测的准确性和效率。实验结果表明:相比LSTM和VMD-LSTM，本文的算法效果最佳，采用SSA算法后，RMSE下降68.1%，为闸门振动信号检测和预测提供基础。

Abstract

关键词

Keywords

references

Jiankai Xue,Bo Shen.A novel swarm intelligence optimization approach: sparrow search algorithm[J].Systems Science & Control Engineering,2020.

Hochreiter S,Schmidhuber J.Long short-term memory.[J].Neural computation,1997.

王军,马小越,张宇航,崔云烨.基于SSA-LSTM模型的黄河水位预测研究[J].人民黄河,2023(09).

杨晶显,张帅,刘继春,刘俊勇,向月,韩晓言.基于VMD和双重注意力机制LSTM的短期光伏功率预测[J].电力系统自动化,2021(03).

严根华,董家,孙云茜.上翻式拱形闸门的流激振动控制及原型观测验证[J].水利水电科技进展,2020(05).

王岩,尚振兰,周威.闸门自动化监控系统在水利工程中的实际应用[J].智能城市,2020(03).

张翌娜,马晓君,张建伟,侯鸽.基于排列熵算法的弧形闸门振动状态监测[J].水电能源科学,2018(07).

上官林建,许闯,孔垂雨.水工金属结构钢闸门振动响应测试试验研究[J].水利技术监督,2018(01).

钱林,康敏,傅秀清,王兴盛,费秀国.基于VMD的自适应形态学在轴承故障诊断中的应用[J].振动与冲击,2017(03).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于图注意力网络的短期负荷预测模型

泄洪闸门液压启闭远程控制方式策略研究

应急操作器在水电站泄洪闸门安全运行中的必要性

基于PSO-BP的泄洪闸门液压启闭机信号预测

泄洪闸门在线监测数据挖掘应用的现状分析与讨论

Related Author

谷卫

何群英

刘佳佳

薛萍萍

陈柏

韩斐

聂朋

刘绪军

Related Institution

浙江同济科技职业学院机电工程学院

南京信息工程大学自动化学院

江苏省洪泽湖水利工程管理处

南水北调东线江苏水源有限责任公司

四川大唐国际甘孜水电开发有限公司

AI问答

⁰