注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. EMD方法及Hilbert变换中边界问题的处理

  2. 利用神经网络分析方法对一个给定信号的两端进行延拓，在数据的两端各得到两个附加的极大 值点和两个附加的极小值点.由此利用三次样条函数得到原始信号的上下包络线和平均包络线，实现 了准确的EMD分解.

  3. 所属分类：网络基础

    • 发布日期：2009-05-21
    • 文件大小：504kb
    • 提供者：qgb21041181

  1. 基于EMD和BP神经网络的大功率柴油机故障诊断

  2. 研究了将经验模式分解(EMD)和BP神经网络2种方法诊断大功率柴油机的振动故障信号。首先运用经验模式的分解方法对柴油机缸盖表面的振动信号进行分解并来提取特征参数;最后通过建立了BP神经网络模型对柴油机典型故障进行诊断。通过对150-12缸柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。

  3. 所属分类：其它

    • 发布日期：2020-05-22
    • 文件大小：671kb
    • 提供者：weixin_38695471

  1. 基于EMD能谱熵和概率神经网络的采煤机摇臂齿轮故障诊断

  2. 采煤机摇臂齿轮是采煤机故障高发区,对其进行故障诊断研究可提高摇臂可靠性,提高工效。结合摇臂工作特点,提出基于EMD能谱熵和概率神经网络的齿轮故障诊断方法,提取振动信号EMD分解的前9个IMF分量的能谱熵作为故障特征信息,并将其作为概率神经网络的输入向量进行齿轮故障的分类与识别。结果证明该方法可实现齿轮故障准确诊断,是一种有效的摇臂齿轮故障诊断方法。

  3. 所属分类：其它

    • 发布日期：2020-05-17
    • 文件大小：734kb
    • 提供者：weixin_38674124

  1. （原文+译文）基于EMD-SVD和模糊神经网络的轴承性能退化建模方法

  2. A Bearing Performance Degradation Modeling Method Based on EMD-SVD and Fuzzy Neural Network

  3. 所属分类：深度学习

    • 发布日期：2020-03-07
    • 文件大小：3mb
    • 提供者：laexl123

  1. 基于决策树与神经网络结合的滚动轴承故障诊断方法

  2. 基于决策树与神经网络结合的滚动轴承故障诊断方法，贾智涵，王晨升，提出了一种基于决策树与神经网络方法结合的改进滚动轴承故障诊断方法。该方法对滚动轴承振动信号进行EMD分解，使用决策树对分解信

  3. 所属分类：其它

    • 发布日期：2020-02-16
    • 文件大小：530kb
    • 提供者：weixin_38716460

  1. 基于EMD和BP网络的轴承故障诊断方法

  2. 故障轴承的振动信号是非平稳信号，传统的非平稳信号分析手段存在许多不足；BP网络能够出色地解决传统识别模式难以解决的复杂问题。提出了经验模态分解（EMD）与BP神经网络相结合的滚动轴承故障诊断方法。采用EMD方法对振动信号进行分解，得到组成信号的多个内禀模态分量（IMF），提取重要的IMF分量的能量作为信号的特征量；采用BP网络作为模式分类器，对轴承的故障类型进行分类。经试验数据分析证明，该方法能够准确地对轴承故障进行诊断。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：340kb
    • 提供者：weixin_38667581

  1. 基于EMD与神经网络的中国股票市场预测_王文波.pdf

  2. 基于EMD与神经网络的中国股票市场预测_王文波.pdf

  3. 所属分类：金融

    • 发布日期：2020-11-19
    • 文件大小：3mb
    • 提供者：qq_18822147

  1. 多角度光散射颗粒的粒径解析和属性识别

  2. 通过提取光散射信号中颗粒粒径和属性的非线性特征向量, 利用广义神经网络(GRNN)同时解析颗粒粒径和识别属性。采用经验模态分解(EMD)方法分解颗粒物的光散射信号, 提取三维能量分布, 计算3种相同粒径不同属性颗粒的样本熵, 发现样本熵能够反映颗粒的属性; 为了消除粒径和属性对散射的影响, 对散射信号进行Hilbert变换, 提取时频域特征, 与样本熵结合组成高维特征集, 通过局部线性嵌入(LLE)算法将特征集归为6个特征向量, 作为广义神经网络的输入层, 解析粒径和识别属性; 采用粒径为0.1

  3. 所属分类：其它

  1.  基于EMD和神经网络的短期电力负荷预测

  2. 提出了采用经验模态分解（EMD）和神经网络结合的方法对短期电力负荷进行预测。通过EMD算法将电力负荷的时间序列分解为若干个固有模态函数，采用神经网络对各个固有模态函数分别预测，然后求和重构各个固有模态函数的预测值，最后得出总的负荷预测值。通过仿真分析，该方法相对于采用单一的神经网络预测降低了预测误差，改善了短期负荷预测的有效性。

  3. 所属分类：其它

  1. EMD信号分析方法端点问题的处理

  2. 经验模态分解（EMD）是一种新的处理非线性、非平稳的数据分析方法，但是在利用样条插值获得上下包络过程中存在着棘手的端点问题。在解决该问题已有的添加极值点算法的基础上，提出了通过添加极值点和对称延拓相结合的方法抑制端点问题的思路和策略。针对一个仿真振动信号，对比分析了直接以数据端点作为极值点、多项式拟合算法、神经网络延拓算法、极值点与对称延拓相结合4种算法的效果，结果显示了所提出方法能有效地抑制端点效应。

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：959kb
    • 提供者：weixin_38621553

  1. 基于经验模式分解和极限学习机的铀资源价格预测方法

  2. 针对国际铀资源价格预测问题, 提出一种基于经验模式分解(EMD)、相空间重构(PSR) 和极限学习机(ELM) 的非线性组合预测方法. 首先通过EMD分解, 将原始价格序列分解为若干固有模态分量(IMF), 按频率高低将各IMF 分组叠加成3 个新序列; 然后在重构相空间的基础上构建不同的ELM模型, 分别对各IMF 序列进行预测; 最后对预测结果进行合成. 将该方法应用于实际铀资源价格预测, 并与径向基神经网络(RBF) 方法及单独ELM方法进行比较, 仿真结果表明该方法预测精度有明显的提高.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：250kb
    • 提供者：weixin_38665822

  1. 基于EMD和PNN的故障电弧多变量判据诊断方法

  2. 故障电弧单变量判据诊断法受不确定因素影响大、特征量提取困难，针对此提出一种基于经验模态分解(EMD)和概率神经网络(PNN)的故障电弧多变量判据的诊断方法。利用经验模态分解分析法对电弧电流进行时频分解，并借助信号相关性理论自动提取故障特征信号；同时，通过分析故障特征信号的无量纲指标，形成多变量特征向量集。在此基础上，构建基于概率神经网络的故障电弧诊断模型。通过分析燃弧前后烧水壶、吸尘器、卤素灯、电钻、荧光灯、计算机的电流波形，验证故障诊断模型的准确性。结果表明，所提方法解决了单变量判据故障诊断中

  3. 所属分类：其它

  1. 基于EMD-分形理论的短期电力负荷预测

  2. 电力负荷预测是电力系统规划的重要组成部分。为了使电力系统安全经济平稳的运行，由此特别需要精确的电力负荷预测方法。为了实现更好负荷预测方法，文中将经验模态分解（EMD）与新兴的电力负荷预测模型分形理论相结合，提出了EMD-分形负荷预测模型。为了证明此方法的有效性，文中将这种新的预测模型跟分形预测模型和BP神经网络预测模型相比较。最终通过仿真算例说明了本文提出的这种新型预测方法精度更高，几乎所有的误差都在2％以下，预测结果更好，可以很好的应用在电力系统负荷预测中。

  3. 所属分类：其它

  1. 基于经验模态分解和ELM神经网络的逐时太阳能辐照量预测

  2. 准确的太阳能辐照量预测对于光伏发电系统具有重要意义。提出一种基于经验模态分解（EMD）和ELM神经网络的逐时辐照量组合预测模型。首先，根据预测日的环境信息，构建相似日逐时辐照量时间序列；然后，将时间序列进行EMD，分解为具有不同频率的信号，并对每个信号建立ELM神经网络预测模型；最后，将不同信号的预测值相加便可得到原始辐照量序列的预测值。算例比较表明，所提方法比传统的预测方法具有更高的预测准确度和更快的运算速度。

  3. 所属分类：其它

  1. 基于非结构数据流行学习的碳价格多尺度组合预测

  2. 碳交易价格的有效预测对制定符合国情的碳金融市场政策以及碳金融市场的风险管理都具有重要意义.对此,提出一种基于非结构数据流行学习的碳价格多尺度组合预测方法.首先,利用网络搜索指数提取碳价格相关的非结构化数据,基于等度量映射流行学习对其进行降维;然后,对降维后的非结构化数据、其他影响因素结构化数据、碳交易价格分别进行经验模态分解(Empirical mode decomposition,EMD),得到不同个数的本征模函数(Intrinsic mode function,IMF),并采用Fine-to

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：276kb
    • 提供者：weixin_38656337

  1. 基于EMD和DNN的高炉铁水硅含量预测。

  2. 在高炉炼铁过程中，对铁水中硅含量的预测是最重要但也是最困难的一项。提出了一种基于经验模态分解（EMD）和动态神经网络（DNN）的组合算法，用于预测高炉中铁水的硅含量。为了消除原始历史数据的不同频率分量的相互干扰，EMD算法将原始历史数据分解为一系列不同的频率和固定本征函数（IMF）和一个残差。然后将每个IMF和残差近似于其非线性自回归模型（NARM）并通过DNN进行预测，最后，通过将每个IMF和残差的预测相加，可以得出硅含量的预测。最后，通过对中国某钢铁厂采集的一些硅含量的样本数据进行实验以验证

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：518kb
    • 提供者：weixin_38735544