相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 11 条结果
- 多重分形去趋势波动分析在滚动轴承损伤程度识别中的应用北大核心CSCDCSTPCD摘要:为了评估多重分形去趋势波动分析(MFDFA)在滚动轴承损伤程度识别中的性能,采用MFDFA 计算了轴承故障信号的多重分形谱,多重分形谱的左右端点和极值点可以近似描述多重分形谱的形状和位置,提取这三个特征点的坐标作为刻画轴承动力学行为的特征参数。将 MFDFA、4个常用的时域统计参数、小波变换(WT)方法和经验模态分解(EMD)方法分别用于识别轴承滚动体和外圈损伤的严重程度,然后分别采用马氏距离判别法、BP 神经网络和支持向量机对 WT…查看全部>>
- 多重分形去趋势波动分析及改进决策树在电能质量分析中的应用北大核心CSCDCSTPCD
- MF-DFA在癫痫发作期及发作强度检测中的应用北大核心CSCDCSTPCD摘要:癫痫患者的脑电特征是临床诊断、分类和预报癫痫的重要依据.作为测度时间序列内在模式变化的近似熵和样本熵成为一种临床癫痫分类和发作预报的重要方法,由于受到序列长度、嵌入维数以及阈值设置的影响,难以准确检测序列内模式突变的时刻.为准确检测脑电癫痫样放电时刻及其强度,提出了一种癫痫发作及强度检测的多分形去趋势波动分析方法(MF-DFA),并与基于样本熵的癫痫放电检测作进一步比较分析.采用头皮表面脑电与颅内脑电临床数据做测试实验,结果表明:MF…查看全部>>
- 生物炭添加对盐渍土CT孔隙序列分形特征来源的影响CSCD摘要:为了揭示生物炭改良土壤孔隙的复杂结构及其影响因素,以江苏滨海盐渍土为研究对象,采用添加生物炭改良盐渍土,设置0,2%,5%(占表层0—20 cm土重比)3个生物炭添加水平。每年10月在水稻收割后,采用塑料环刀取表层(0—20 cm)原状土,进行Micro-CT扫描获取土壤CT孔隙序列。基于多重分形去趋势波动分析理论,并结合数据重排,分析施加生物炭对CT孔隙序列多重分形特征及其来源的影响。结果表明,所有处理的CT孔隙序列的复杂度均随着年…查看全部>>
- 基于EEMD-MFDFA的镇江港PM2.5演化特征分析CSTPCD摘要:为定量分析镇江港PM2.5浓度时间序列的内在演化特征,以镇江港2019-2020年的205 667组PM2.5时均浓度数据为基础,采用基于集合经验模态分解(EEMD)的多重分形去趋势波动分析(MFDFA)算法进行研究.结果表明:各监测点PM2.5日均浓度演化均具有显著的长期持续性特征,现阶段PM2.5浓度升高可能会导致未来一段时间内PM2.5浓度的持续升高,不同监测点PM2.5浓度的多重分形谱参数存在差异性,多重分形特征强的区域应侧重…查看全部>>
- 基于替代数据法和MF-DFA的合意工业产能利用率区间估计方法及应用北大核心CHSSCDCSCDCSSCICSTPCD摘要:为实现工业产能过剩的精准判别与调控,提出了一种基于替代数据法与多重分形去趋势波动分析的合意工业产能利用率区间估计方法.首先判断原始时序的长程相关性和多重分形特征;然后采用替代数据法与多重分形去趋势波动分析计算出所有重排序列的Hurst指数,据此确定指数序列收敛情况和合意产能利用率区间;最后以煤炭行业为例验证了模型的有效性.结果表明:该方法能够从数据自身演化规律中自适应确定阈值,有效克服了传统统计与经验方法的主观性和缺乏理论依据的局限性…查看全部>>
- 基于摩擦振动信号的缸套-活塞环磨损状态识别研究北大核心CSTPCD摘要:基于摩擦振动信号的多重分形特征,提出利用多重分形去趋势波动分析(multi-fractal detrended fluctuation analysis,MF–DFA)和支持向量机(support vector machine,SVM)相结合的方法识别缸套—活塞环磨损状态.在Bruker UMT—3摩擦磨损试验机上进行了柴油机气缸套—活塞环的摩擦磨损模拟试验.应用总体模态分解(ensemble empirical mode decom…查看全部>>
- 基于多重分形去趋势波动分析的高速列车运行状态识别方法北大核心CSCDCSTPCD摘要:针对高速列车运行中的状态识别问题,提出基于多重分形去趋势波动分析的高速列车状态识别新方法.通过分析发现,高速列车在不同运行状态下的多重分形奇异谱和广义Hurst指数谱均有明显的区别,因此提取多重分形奇异谱参数和广义Hurst指数谱参数作为高速列车运行状态的特征,并使用支持向量机对其状态进行识别.实验结果表明,高速列车在运行速度200 km/h及以上时,状态识别率达到100%.多重分形奇异谱参数和广义Hurst指数谱参数能够有效地描述高…查看全部>>
- 基于多重分形去趋势波动的机械故障诊断新方法北大核心CSCDCSTPCD
- 基于多重分形去趋势波动分析的电力负荷风险预警阈值北大核心CSCDCSTPCD摘要:针对传统电力风险预警研究带有主观性、缺乏动态性以及设定风险阈值缺乏理论依据等问题,基于历史负荷数据,提出了一种基于替代数据法与多重分形去趋势波动分析(multifractal detrended fluctuation analysis,MF-DFA)确定电力负荷风险预警阈值的方法,简称SMF-DFA。该方法首先利用替代数据法对原始数据进行替换和重新排列,消除非线性自相关性,然后根据长程相关性指数的收敛情况,甄别对原始序列整体波动没有…查看全部>>