传感器故障后多变量经验小波变换多点预测

发布时间：2022-07-13 15:36

　　为有效应对多点风速传感器或风压传感器故障而造成的损失,同时为了降低运算的复杂性和工程应用的难度,需要提出同步恢复缺失数据的模型。传统的多通道信号诊断采用多元经验模态分解（multivariate empiricalmode decomposition,简称MEMD）,笔者提出多变量经验小波变换（multivariable empirical wavelet transform,简称MEWT）来同步恢复多点缺失数据。具体应用时,首先,运用MEWT将多点信号同时分解为一系列模态;然后,利用核函数极限学习机（kernel-based extreme learning machine,简称KELM）实现同步预测,同时运用杜鹃搜索（cuckoo search,简称CS）算法对模型的正则化参数以及核参数进行智能寻优。多步预测时,采用多输入多输出（multi-input multi-output,简称MIMO）策略代替传统的滚动策略。建筑物表面实测多点风压数据和实测多点下击暴流风速数据用于验证模型的可行性。与噪声辅助的多元经验模态分解核函数极限学习机的对比结果表明,该模型能更高精度地同步恢复多点多步... 

【文章页数】：14 页

【文章目录】：
引言
1 MEWT-KELM-CS-MIMO多点同步多步预测模型
    1.1 EWT基本原理
    1.2 MEWT技术框架
    1.3 KELM基本概念
    1.4 CS算法概述
    1.5 MIMO策略用于多步预测
    1.6 信号恢复流程
2 基于实测风压数据的模型验证
    2.1 迎风面模型验证
    2.2 背风面模型验证
    2.3 双面模型验证
3 基于实测强非平稳风速数据的模型验证
4 结论


【参考文献】：
期刊论文
[1]基于改进多元经验模态分解的多通道振动信号融合分析[J]. 王恒,杜世昌,奚立峰,任斐,梁鑫光.  机械设计与研究. 2018(02)
[2]利用窄带噪声辅助多元经验模态分解算法检测换流变压器用有载分接开关机械状态[J]. 段若晨,王丰华,周荔丹,姚钢.  电工技术学报. 2017(10)
[3]一种基于杜鹃搜索算法的图像自适应增强方法[J]. 叶志伟,赵伟,王明威,马烈.  测绘科学技术学报. 2016(01)
[4]矩形结构非高斯风荷载特性研究[J]. 李锦华,吴春鹏,陈水生.  振动.测试与诊断. 2014(05)
[5]齿轮点蚀的多通道数据融合识别方法[J]. 熊炘,杨世锡,甘春标,叶红仙.  振动.测试与诊断. 2014(01)



本文编号：3660303