摘要：常规的风力发电机组主轴承故障自动识别节点多设定为独立形式,自动识别范围受限制,导致误识率增加,为此,提出对基于小波和经验模态分解的风力发电机组主轴承故障自动识别方法的设计。根据目前的测试,采用多目标的方式,打破自动识别范围的限制,部署多目标故障监测节点,在此基础上提取主轴承故障振动信号特征,并构建小波+经验模态分解发电机组主轴承故障自动识别模型,采用交互标记实现故障自动识别处理。结果表明,此次设计的小波和经验模态分解风力发电机组主轴承故障自动识别测试组最终得出的误识率被较好地控制在10%以下,说明在小波和经验模态分解技术的辅助下,设计的主轴承故障自动识别方法更高效,针对性较强,具有实际的应用价值。

摘要：当前锅炉风机滚动轴承故障诊断识别结构设定多为单向,诊断识别的效率较低,故障诊断次数大幅度下降,因而提出基于经验模态分解的锅炉风机滚动轴承故障诊断方法的设计与实践分析。根据当前的诊断需求,先进行故障信号特征提取,采用多目标的方式,提升诊断识别的效率,设计多目标故障识别结构,以期提高故障诊断的准确性。

摘要：常规的电力设备运行状态在线监测方法以响应时间为主,并未针对设备运行状态特征进行监测,影响了在线监测准确性。因此,本文设计了基于经验模态分解的电力设备运行状态在线监测方法。基于经验模态分解提取电力设备运行状态特征,利用EMD从电力运行原信号中提取出IMF,突出原信号的运行状态特征信息,从而确保状态监测的准确性。监测电力设备运行状态暂态负荷,从暂态电流采样序列中,确定电力负荷启动、运行、停止等状态,避免电力设备运行状态监测失误的问题。采用对比实验,验证了该方法的监测准确性更高,能够应用于实际生活中。

摘要：数控锻床运行速度大幅增加对齿轮箱的运行稳定性提出了更高的要求,分析其故障信号并及时诊断是关键。为弥补经验模态分解EMD方法依然存在的模态混叠、包络过度以及包络不足等问题,筛分引入分解停止准则对其迭代计算进行加强,设计一种基于经验模态分解停止准则的齿轮箱故障诊断方法。数控锻床齿轮箱故障试验验证表明,在30 Hz转频工况下,信号幅值有较大上升,表明太阳轮发生了故障,应用所介绍的方法获得了准确的齿轮箱诊断结果。该研究有助于提高数控锻床齿轮箱故障诊断效率,也可以拓展应用于其他机械传动领域。

摘要：在数控振动筛运行速度大幅增加对轴承的运行稳定性提出了更高的要求,分析其故障信号并及时诊断是关键。为了弥补经验模态分解EMD方法依然有着模态混叠、包络过度以及包络不足等问题,筛分引入分解停止准则对其迭代计算进行加强,设计了一种基于经验模态分解停止准则的轴承故障诊断方法。通过仿真信号分析得到,该方法得到较少的本征模态函数(IMF)和均方根差(RMSE)数值,在算法时间层面具有优势性。所提方式在噪声较大的环境下对于分解信号有着较强的鲁棒性。

摘要：当多个角位移传感器工作在多个电平时,线路间的串扰会导致内部噪声,影响传感器信号输入和输出。设计了角位移传感器线间串扰信号的多层分解去噪方法。在计算角位移传感器信号线间的串扰电压后,分别计算电容耦合和电感耦合的总串扰电压。利用经验模态分解算法对传感器信号进行逐层分解后,得到一定量的残差项和信号分量(IMF),并将其相加生成新的信号。重复分解计算产生新的信号,然后计算信号分量(IMF)中包含的串扰信号,并根据硬/软阈值消除串扰噪声。仿真结果表明,所设计的方法可以有效地消除角位移传感器线间串扰信号噪声的影响,使传感器采集的角位移测量电路的电压信号更接近无串扰的电压信号,从而保证角位移传感器信号的有效性。

摘要：锂离子电池荷电状态(SOC)估计技术是电动汽车电池监测系统(BMS)设计的重要组成部分。该文提出一种基于经验模态分解(EMD)的门控循环单元(GRU)神经网络的锂离子电池荷电状态估计方法,在GRU估计SOC的基础上,引入EMD算法分解放电电流,不仅提高GRU模型对长时间电流信号保持长期信息的能力,而且提高锂离子电池荷电状态估计精度。仿真实验表明,与传统的循环神经网络和长短期记忆网络相比,该文所提基于EMD-GRU方法的锂离子电池SOC估计平均绝对误差为1.5093%,同比降低了20.7924%。

摘要：为降低汽车发动机进/排气管道内的噪声,提高发动机的稳定性和使用寿命,提出基于经验模态分解的汽车发动机进/排气管道低噪声经验模态分解抑制法。分别计算了发动机排气基频噪声与多气缸进气噪声,得到了发动机进/排气的共振噪声。基于经验模态分解算法构造了发动机的噪声分量,通过计算其极大值与极小值的包络平均值,得到每一个噪声点相对于极值点的残余量,并将发动机的噪声信号分解为不同的单元分量。在噪声收敛系数以及噪声模态分解机制下,设计了发动机进排低噪声抑制算法。实验结果表明:该算法对噪声的抑制具有一定的效果;消声器数量越多,噪声的传递损失越大;在消声器的消声容积中,传递损失分别与扩张比和扩张式结构长度成正比;管道直径大于36 mm且管道长度为150 mm时,噪声抑制效果最好,而在发动机全功率运行时,需要保证管道直径小于32 mm且长度为150 mm。

摘要：经验模态分解(EMD)的一个关键问题是处理边界效应。尽管目前除了Huang申请了NASA专利的边界处理方法,仍没有一个最终的解决方案,但工程上已经提出了多种处理方法。本文实现了工程上常用的5种EMD边界处理方法:线性外延,多项式拟合,镜像法,径向基(RBF)神经网络预测和AR预测方法,设计了一套消除了EMD处理中信号的相互作用及模式混淆影响的测试方法,并利用准周期信号和随机信号对它们的边界效应处理结果进行了定量测试。结果表明镜像法是目前相对最优的EMD边界处理方法。

摘要：采用滚动经验模态分解(EMD)方法对沪深300股指期货当月和下月合约的价差波动进行分解,分别利用Elman网络、随机森林(RF)、支持向量回归(SVM)3种机器学习模型及自回归移动平均模型(ARIMA)对不同频率信号进行分析,合成最终的预测结果,并根据预测结果设计跨期套利策略.研究结果表明:SVM,RF和ARIMA模型的预测精确度相对Elman网络较高,所有模型均能取得较高的套利收益,将非线性模型和线性模型融合使用能够改善模型的风险控制能力;将机器学习预测与EMD分解技术相融合可以在不提高风险的同时大幅度提高模型的收益率,从而使得模型的夏普比率和索提诺比率均有较大幅度上涨;分样本检验、全IMF信号预测以及基于商品期货市场的套利分析,均证明融合EMD的机器学习模型可以获得比纯机器学习模型更优异的套利效果.研究结论有助于促进人工智能与金融学的交叉融合研究,同时也为期货投资提供了理论和现实参考.