RFOA优化EEMD阈值和SampEn的水电机组振动信号重构与特征提取

董利江; 朱霄珣; 刘伟; 杨春旭; 林翔; 高晓霞; 吕朝阳; 胡乔良; 苏海鹏

doi:10.20040/j.cnki.1000-7709.2023.20222298

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

RFOA优化EEMD阈值和SampEn的水电机组振动信号重构与特征提取

机电与控制工程 | 更新时间：2026-02-25

- RFOA优化EEMD阈值和SampEn的水电机组振动信号重构与特征提取
- RFOA优化EEMD阈值和SampEn的水电机组振动信号重构与特征提取
- 水电能源科学 2023年第11期页码：178-182
- 作者机构：
  
  1. 新疆新能集团有限责任公司乌鲁木齐电力建设调试所
  2. 国网新疆电力有限公司电力科学研究院能源技术研究所
  3. 华北电力大学动力工程系
- 作者简介：
- 基金信息：
  
  重庆市科学基金重点项目(035679);2002年高等学校博士学科点专项科研项目(20020183061)
- DOI：10.20040/j.cnki.1000-7709.2023.20222298
  中图分类号： TV734
- 纸质出版：2023
- 稿件说明：
移动端阅览
董利江, 朱霄珣, 刘伟, 等. RFOA优化EEMD阈值和SampEn的水电机组振动信号重构与特征提取[J]. 水电能源科学, 2023,(11):178-182.

董利江, 朱霄珣, 刘伟, et al. RFOA优化EEMD阈值和SampEn的水电机组振动信号重构与特征提取[J]. 2023, (11): 178-182.
董利江, 朱霄珣, 刘伟, 等. RFOA优化EEMD阈值和SampEn的水电机组振动信号重构与特征提取[J]. 水电能源科学, 2023,(11):178-182. DOI： 10.20040/j.cnki.1000-7709.2023.20222298.

董利江, 朱霄珣, 刘伟, et al. RFOA优化EEMD阈值和SampEn的水电机组振动信号重构与特征提取[J]. 2023, (11): 178-182. DOI： 10.20040/j.cnki.1000-7709.2023.20222298.

摘要

针对EEMD在水电机组振动信号降噪处理中的不足，提出一种基于改进果蝇算法(RFOA)优化EEMD噪声IMF分量阈值的降噪算法。通过EEMD算法将噪声信号分解，得到IMF分量，进而通过相关系数法确定噪声信号与有效信号，利用RFOA确定噪声信号IMF分量阈值；将求得的IMF分量的样本熵当作特征向量输入GRNN算法中，进行振动模式识别。研究结果表明，与小波阈值法、EEMD-GA方法相比，所提算法降噪时信噪比最高，降噪效果最佳。

Abstract

关键词

Keywords

references

Self adaptive fruit fly algorithm for multiple workflow scheduling in cloud computing environment[J]. Ambika Aggarwal;Priti Dimri;Amit Agarwal;Ashutosh Bhatt.Kybernetes,2021

Wind speed time series forecasting method in wind farm based on EEMD[J]. Dongyang Yu;Fengchang Sun;Xiaochuan Deng;Zheng Wang;Jiahua Wu;Zhichao Zhang.IOP Conference Series: Earth and Environmental Science,2021

Blind audio source separation based on a new system model and the Savitzky-Golay filter[J]. Xu Pengfei;Jia Yinjie;Jiang Mingxin.Journal of Electrical Engineering,2021

Research on Fault Vibration Signal Features of GIS Disconnector Based on EEMD and Kurtosis Criterion[J]. Zhao Lihua;Hong Guo;Wang Zelong;Chen Weiwei;Long Wei;Ren Junwen;Wang Zhong;Huang Xiaolong.IEEJ Transactions on Electrical and Electronic Engineering,2021

ON INTRINSIC MODE FUNCTION[J]. GANG WANG;XIAN-YAO CHEN;FANG-LI QIAO;ZHAOHUA WU;NORDEN E. HUANG.Advances in Adaptive Data Analysis,2010(3)

ENSEMBLE EMPIRICAL MODE DECOMPOSITION: A NOISE-ASSISTED DATA ANALYSIS METHOD[J]. ZHAOHUA WU;NORDEN E. HUANG.Advances in Adaptive Data Analysis,2009(1)

水电机组非平稳信息特征提取及其振动预测[D]. 胡润志.河北工程大学,2021(04)

基于变分模态分解和最大重叠离散小波包变换的齿轮信号去噪方法[J]. 周小龙;徐鑫莉;王尧;刘薇娜;姜振海;马风雷.振动与冲击,2021(12)

基于MIC与BiGRU的水电机组振动趋势预测[J]. 毕扬;郑波;张亚武;朱溪;江亚兰;李超顺.水利学报,2021(05)

基于LTSA与谱聚类的水电机组振动故障诊断方法[J]. 卢娜;张广涛;刘付鑫;周廷鑫;边宏光.武汉大学学报(工学版),2021(11)

基于样本熵和SVM的滚动轴承故障诊断方法研究[J]. 但长林;李三雁;张彬.中国测试,2020(11)

基于振动信号时频分解-样本熵的受电弓裂纹故障诊断[J]. 施莹;林建辉;庄哲;刘泽潮.振动与冲击,2019(08)

改进EEMD算法在心电信号去噪中的应用[J]. 潘广贞;王凤;孙艳青.数据采集与处理,2018(04)

改进EEMD方法及混沌降噪应用研究[J]. 位秀雷;林瑞霖;刘树勇;杨庆超.振动与冲击,2017(17)

EMD自相关阈值去噪法在水电机组振动信号中的研究[J]. 徐艳春;方绍晨.中国农村水利水电,2017(07)

基于FastICA-EEMD的振动信号特征提取[J]. 赵佳佳;贾嵘;武桦;董开松;党建.水力发电学报,2017(03)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多层感知机和编码器解码器架构的混凝土坝长期变形预测

基于引力搜索优化的多重分形算法在水电机组振动中的应用

基于EEMD-IPSO-BiLSTM的闸基渗压预测模型研究

黑河流域讨赖河段水质参数及强相关因子特征研究

融合自适应滑动集合经验模态分解的机器学习月径流预测方法