水力发电
水力髮電
수력발전
WATER POWER
2013年
12期
57-60,71
,共5页
蒲桂林%周建中%李超顺%李静%肖剑
蒲桂林%週建中%李超順%李靜%肖劍
포계림%주건중%리초순%리정%초검
水轮机%压力脉动%经验模式分解%集成平均经验模式分解%模态混叠%信号分析%特征提取
水輪機%壓力脈動%經驗模式分解%集成平均經驗模式分解%模態混疊%信號分析%特徵提取
수륜궤%압력맥동%경험모식분해%집성평균경험모식분해%모태혼첩%신호분석%특정제취
turbine%pressure fluctuation%EMD%EEMD%mode mixing%signal analysis%feature extraction
针对水轮机尾水管压力脉动信号的非平稳性以及经验模式分解(EMD)和集成平均经验模式分解(EEMD)的一些重要缺陷,以虚假分量识别和信号重构为基础,提出了一种混合经验模式分解方法.分别以仿真信号和某混流式水轮机尾水管压力脉动信号为例,验证了该方法相对于EMD和EEMD的优势.
針對水輪機尾水管壓力脈動信號的非平穩性以及經驗模式分解(EMD)和集成平均經驗模式分解(EEMD)的一些重要缺陷,以虛假分量識彆和信號重構為基礎,提齣瞭一種混閤經驗模式分解方法.分彆以倣真信號和某混流式水輪機尾水管壓力脈動信號為例,驗證瞭該方法相對于EMD和EEMD的優勢.
침대수륜궤미수관압력맥동신호적비평은성이급경험모식분해(EMD)화집성평균경험모식분해(EEMD)적일사중요결함,이허가분량식별화신호중구위기출,제출료일충혼합경험모식분해방법.분별이방진신호화모혼류식수륜궤미수관압력맥동신호위례,험증료해방법상대우EMD화EEMD적우세.
