系统工程理论与实践
繫統工程理論與實踐
계통공정이론여실천
SYSTEMS ENGINEERING--THEORY & PRACTICE
2013年
5期
1298-1306
,共9页
白春华%周宣赤%林大超%王仲琦
白春華%週宣赤%林大超%王仲琦
백춘화%주선적%림대초%왕중기
振动信号%粒子群算法%支持向量机%经验模态分解%端点效应
振動信號%粒子群算法%支持嚮量機%經驗模態分解%耑點效應
진동신호%입자군산법%지지향량궤%경험모태분해%단점효응
经验模态分解(empirical mode decomposition,简称EMD)的端点效应使得EMD分解结果产生严重失真,为了减小分解过程中产生的端点效应,将支持向量机(SVM)这一智能算法引入EMD,提出采用SVM模型解决分解中产生的端点效应问题.通过支持向量机对其原始数据两端进行延拓,以获得一个或者多个极大值和极小值.为了使端点处的延拓变得更加合理,引入粒子群(PSO)智能算法对支持向量机算法参数进行优化,使其两个端点处的数据延拓得更加准确,从而使得三次样条曲线在端点处不会发生大的摆动,实现EMD分解的固有模态函数(IMF)更加准确可靠.通过对仿真信号的研究表明,基于PSO-SVM方法的延拓方法能够很好地抑制了分解的端点效应.
經驗模態分解(empirical mode decomposition,簡稱EMD)的耑點效應使得EMD分解結果產生嚴重失真,為瞭減小分解過程中產生的耑點效應,將支持嚮量機(SVM)這一智能算法引入EMD,提齣採用SVM模型解決分解中產生的耑點效應問題.通過支持嚮量機對其原始數據兩耑進行延拓,以穫得一箇或者多箇極大值和極小值.為瞭使耑點處的延拓變得更加閤理,引入粒子群(PSO)智能算法對支持嚮量機算法參數進行優化,使其兩箇耑點處的數據延拓得更加準確,從而使得三次樣條麯線在耑點處不會髮生大的襬動,實現EMD分解的固有模態函數(IMF)更加準確可靠.通過對倣真信號的研究錶明,基于PSO-SVM方法的延拓方法能夠很好地抑製瞭分解的耑點效應.
경험모태분해(empirical mode decomposition,간칭EMD)적단점효응사득EMD분해결과산생엄중실진,위료감소분해과정중산생적단점효응,장지지향량궤(SVM)저일지능산법인입EMD,제출채용SVM모형해결분해중산생적단점효응문제.통과지지향량궤대기원시수거량단진행연탁,이획득일개혹자다개겁대치화겁소치.위료사단점처적연탁변득경가합리,인입입자군(PSO)지능산법대지지향량궤산법삼수진행우화,사기량개단점처적수거연탁득경가준학,종이사득삼차양조곡선재단점처불회발생대적파동,실현EMD분해적고유모태함수(IMF)경가준학가고.통과대방진신호적연구표명,기우PSO-SVM방법적연탁방법능구흔호지억제료분해적단점효응.
