Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "ensemble empirical mode decomposition" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Investigation of supra-harmonics through signal processing methods in smart grids
    Autorzy:
    Yalcin, T.
    Ozdemir, M.
    Kostyla, P.
    Leonowicz, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/136245.pdf
    Data publikacji:
    2017
    Wydawca:
    EEEIC International Barbara Leonowicz Szabłowska
    Tematy:
    ensemble empirical mode decomposition
    power quality
    Fourier analysis
    Short Time Fourier Transformation
    Opis:
    Nowadays supra-harmonic distortion studies are gaining attention day by day in power quality research area. When handling communication systems especially Power Line Carrier (PLC) systems in frequency range 2-150 kHz, they are suitable for causing electromagnetic interference (EMI) to other systems. This study shows results of analysis employing advanced method called ensemble empirical mode decomposition (EEMD) to describe supra-harmonic distortion. Unlike the traditional method (short time fourier transform-STFT), EEMD gives extensive representation for supra-harmonic components.
    Źródło:
    Transactions on Environment and Electrical Engineering; 2017, 2, 2; 80-85
    2450-5730
    Pojawia się w:
    Transactions on Environment and Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fast bearing fault diagnosis of rolling element using Lévy Moth-Flame optimization algorithm and Naive Bayes
    Autorzy:
    Sun, Shuang
    Przystupa, Krzysztof
    Wei, Ming
    Yu, Han
    Ye, Zhiwei
    Kochan, Orest
    Powiązania:
    https://bibliotekanauki.pl/articles/1841936.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    malfunction diagnostics
    naive Bayes
    moth-flame optimization algorithm
    ensemble empirical mode decomposition
    Opis:
    Fault diagnosis is part of the maintenance system, which can reduce maintenance costs, increase productivity, and ensure the reliability of the machine system. In the fault diagnosis system, the analysis and extraction of fault signal characteristics are very important, which directly affects the accuracy of fault diagnosis. In the paper, a fast bearing fault diagnosis method based on the ensemble empirical mode decomposition (EEMD), the moth-flame optimization algorithm based on Lévy flight (LMFO) and the naive Bayes (NB) is proposed, which combines traditional pattern recognition methods meta-heuristic search can overcome the difficulty of selecting classifier parameters while solving small sample classification under reasonable time cost. The article uses a typical rolling bearing system to test the actual performance of the method. Meanwhile, in comparison with the known algorithms and methods was also displayed in detail. The results manifest the efficiency and accuracy of signal sparse representation and fault type classification has been enhanced.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 4; 730-740
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Pulsation signals analysis of turbocharger turbine blades based on optimal EEMD and TEO
    Autorzy:
    Wang, Fengli
    Powiązania:
    https://bibliotekanauki.pl/articles/259800.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
    Tematy:
    urbocharger turbine blades
    pulsation signals analysis
    ensemble empirical mode decomposition
    Teager energy operator
    correlation kurtosis
    Opis:
    Turbocharger turbine blades suffer from periodic vibration and flow induced excitation. The blade vibration signal is a typical non-stationary and sometimes nonlinear signal that is often encountered in turbomachinery research and development. An example of such signal is the pulsating pressure and strain signals measured during engine ramp to find the maximum resonance strain or during engine transient mode in applications. As the pulsation signals can come from different disturbance sources, detecting the weak useful signals under a noise background can be difficult. For this type of signals, a novel method based on optimal parameters of Ensemble Empirical Mode Decomposition (EEMD) and Teager Energy Operator (TEO) is proposed. First, an optimization method was designed for adaptive determining appropriate EEMD parameters for the measured vibration signal, so that the significant feature components can be extracted from the pulsating signals. Then Correlation Kurtosis (CK) is employed to select the sensitive Intrinsic Mode Functions (IMFs). In the end, TEO algorithm is applied to the selected sensitive IMF to identify the characteristic frequencies. A case of measured sound signal and strain signal from a turbocharger turbine blade was studied to demonstrate the capabilities of the proposed method.
    Źródło:
    Polish Maritime Research; 2019, 3; 78-86
    1233-2585
    Pojawia się w:
    Polish Maritime Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    New gas-liquid two-phase flow pattern maps based on the energy ratio of pressure fluctuation through a Venturi tube
    Autorzy:
    Sun, Zhiqiang
    Chen, Luyang
    Yao, Fengyan
    Powiązania:
    https://bibliotekanauki.pl/articles/220955.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    gas-liquid two-phase flow
    flow pattern map
    Venturi tube
    pressure fluctuation
    energy ratio
    ensemble empirical mode decomposition
    Opis:
    To find effective and practical methods to distinguish gas-liquid two-phase flow patterns, new flow pattern maps are established using the differential pressure through a classical Venturi tube. The differential pressure signal was first decomposed adaptively into a series of intrinsic mode functions (IMFs) by the ensemble empirical mode decomposition. Hilbert marginal spectra of the IMFs showed that the flow patterns are related to the amplitude of the pressure fluctuation. The cross-correlation method was employed to sift the characteristic IMF, and then the energy ratio of the characteristic IMF to the raw signal was proposed to construct flow pattern maps with the volumetric void fraction and with the two-phase Reynolds number, respectively. The identification rates of these two maps are verified to be 91.18% and 92.65%. This approach provides a cost-effective solution to the difficult problem of identifying gas-liquid flow patterns in the industrial field.
    Źródło:
    Metrology and Measurement Systems; 2019, 26, 2; 241-252
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Noise Source Identification Method for a Warp Machine Based on MEEMD_AIC
    Metoda identyfikacji źródła hałasu maszyny dziewiarskiej oparta na MEEMD_AIC
    Autorzy:
    Xu, Yang
    Zhang, Ziyu
    Li, Angang
    Sheng, Xiaowei
    Powiązania:
    https://bibliotekanauki.pl/articles/231620.pdf
    Data publikacji:
    2020
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    warp knitting machine
    noise source identification
    modified ensemble empirical mode decomposition
    MEEMD
    Akaike Information Criterion
    maszyna dziewiarska
    źródło hałasu
    zmodyfikowany zespół dekompozycji trybu empirycznego
    kryterium informacyjne Akaike
    Opis:
    In order to recognise the noise source of a warp knitting machine, a method based on Modified Ensemble Empirical Mode Decomposition (MEEMD) and Akaike Information Criterion (AIC) is proposed. The MEEMD_AIC method is applied to measure the noise signal of a warp knitting machine and analyse every single effective component selected. Noise source identification is realised by combining the vibration signal characteristics of the main parts of the warp knitting machine. Firstly, MEEMD is used to decompose the measured noise signal of the warp knitting machine into a finite number of intrinsic mode function (IMF) components. Then, singular value decomposition (SVD) is performed on the covariance matrix of the component matrix to get the eigen value of the matrix. Next, the number of effective components is estimated based on the AIC criterion, and the effective components are selected by combining the energy characteristic index and the Pearson correlation coefficient method. The results show that the noise signal of the warp knitting machine is a mixture of multiple noise source signals. The main noise sources of the warp knitting machine, including the vibration of the pulling roller, the main shaft of the loop forming mechanism and the push rod of the guide bar traverse the mechanism, provide theoretical support for recognition of the active noise reduction of the warp knitting machine using the MEEMD_AIC method.
    W celu rozpoznania źródła szumu maszyny dziewiarskiej zaproponowano metodę rozpoznawania źródła hałasu opartą na zmodyfikowanym zespole dekompozycji trybu empirycznego (MEEMD) i Akaike Information Criterion (AIC). Metodę MEEMD_AIC zastosowano do pomiaru sygnału szumu maszyny dziewiarskiej i do analizy każdego elementu maszyny dziewiarskiej. Identyfikacja źródła hałasu odbywała się poprzez połączenie charakterystyki sygnału wibracji głównych części maszyny dziewiarskiej. Po pierwsze, MEEMD zastosowano do dekompozycji zmierzonego sygnału szumowego maszyny dziewiarskiej na skończoną liczbę elementów składowych funkcji trybu wewnętrznego (IMF). Następnie przeprowadzono rozkład wartości pojedynczej (SVD) na macierz kowariancji macierzy składowej uzyskując wartość własną macierzy. Następnie oszacowano liczbę składników efektywnych na podstawie kryterium AIC, a składniki efektywne wybrano poprzez połączenie wskaźnika charakterystyki energetycznej i metody współczynnika korelacji Pearsona. Wyniki pokazały, że sygnał szumu maszyny dziewiarskiej jest mieszaniną wielu sygnałów źródeł hałasu. Na główne źródło hałasu maszyny dziewiarskiej składają się wibracje wałka ciągnącego oraz hałas głównego wału mechanizmu formowania pętli i popychacza mechanizmu poprzecznego prowadnicy. Przeprowadzona za pomocą metody MEEMD_AIC identyfikacja zapewnia teoretyczne wsparcie dla aktywnej redukcji hałasu dziania.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2020, 3 (141); 55-61
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies