变模态分解相关论文
随着电力物联网的高速发展,电力系统正朝着更加智能、灵活的交互式系统过渡。电力系统负荷预测在未来的电网规划、电力需求侧管理......
滚动轴承是数控机床机械传动系统的重要部件之一。进行数控机床滚动轴承的性能和诊断的研究,是评估数控机床健康状况的重要环节,具......
短延时微差起爆时间的精确识别,对复杂环境下隧道爆破优化设计和减振控制具有重要意义.针对经验模态分解(empirical mode decompos......
本文介绍了一种完全非递归的变模态分解方法,它可以将有用的输入信号分解成离散数量的子信号（模式）.使用该方法对模拟信号和实际微地......
经验模态分解（EmpiricalModeDecomposition,EMD)是一种自适应信号分解方法，将数据从高频到低频分解成一系列的本征模式函数（Intrinsic......
为解决传统变模态分解(VMD:Variable Mode Decomposition)结合算法中,K值选择没有标准,从而导致信号提取存在一定程度误差的问题,......
为解决天然气管道运行过程中采集到的泄漏声波信号含有大量噪声的问题,通过研究小波、经验模态分解、变模态分解等常见去噪算法,分......
在故障诊断领域,时延自相关已是一种重要的信号处理工具,而变模态分解则是新兴起的信号处理方法.文中利用时延自相关函数对信号进......
为了准确提取齿轮箱中复合故障特征,该文选用变模态分解(variational mode decomposition,VMD)对振动信号进行处理,它能够将信号分......
针对滚动轴承早期故障振动信号信噪比低、故障特征提取困难的问题,提出了基于变分模态分解和能量算子的滚动轴承故障特征提取方法......
针对滚动轴承早期故障信息微弱,频率切片小波变换(FSWT)在强背景噪声中提取故障特征的不足,提出变分模态分解(VMD)奇异值分解(SVD)......
