排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
作为武器装备的重要组成部分,复杂机械设备发生故障会严重影响其性能,如何将故障特征有效提取出来尤为重要。针对复杂机械设备振动信号非平稳非线性的特点,本文提出利用自适应噪声集合经验模态分解(CEEMDAN)结合能量熵的方法提取信号故障特征,并以某型装备柴油机为例进行验证。通过构建多分量调制信号,分析比较了EMD、EEMD、CEEMD以及CEEMDAN四种算法的分解效果。利用CEEMDAN对振动信号进行分解,提取相关性较大的IMF分量的能量熵作为特征向量,输入到支持向量机中进行模式分类。研究表明,CEEMDAN能够一定程度上抑制了模态混叠问题,对于不同类型的故障能够有效的识别。 相似文献
2.
AnthonyChen (2002)提出的基于起讫点的Frank-Wolfe (ODBFW)算法, 对同一起点的所有OD对搜索最短路树, 采用one-OD-at-a-time流量更新策略, 是一种收敛性能较好的均衡交通分配算法. 主要对ODBFW算法的初始化、线性搜索及最短路搜索算法进行改进, 提出ODBFW改进算法. 将ODBFW改进算法应用于国际上同类研究常用的SiouxFalls网络及我国山东省诸城市实际道路网, 比较标准FW算法、ODBFW算法及ODBFW改进算法的可行性、效率及稳定性. 结果显示, 改进算法效率较标准FW算法有显著提高, 稳定性较好. 在小型测试路网上改进算法较ODBFW算法达到收敛的时间减少近15%, 在大型测试路网上减少近5%. 相似文献
3.
1