基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一种基于经验模态分解(EMD)和自回归(AR)模型的水轮机尾水管动态特征信息提取方法.对经过预处理的信号进行EMD分解,得到包含特征频率的本征模态函数(IMF),对每个IMF建立AR模型,取模型参数作为故障模式识别的特征矢量.以水轮机尾水管压力脉动信号为例,运用此方法进行了尾水管动态特征信息的提取.试验表明,基于EMD和AR模型的特征提取法是故障特征提取的有效方法.
推荐文章
EMD谱方法提取水轮机动态特征信息
水轮机
摆度
经验模态分解
快速傅里叶变换
EMD指标能量提取水轮机尾水管动态特征信息
水轮机
尾水管
特征提取
经验模态分解
指标能量
基于EMD多尺度特征熵的水轮机尾水管涡带信息提取
信号处理
特征识别
动态
水轮机
基于PEEMD的水轮机尾水管压力脉动分析
水轮机
压力脉动信号
集成经验模态分解(EEMD)
部分集成经验模态分解(PEEMD)
信号处理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于EMD和AR模型的水轮机尾水管动态特征信息提取
来源期刊 电力系统自动化 学科 工学
关键词 水轮机 尾水管 压力脉动 EMD AR模型 特征提取
年,卷(期) 2006,(22) 所属期刊栏目 研制与开发
研究方向 页码范围 77-80
页数 4页 分类号 TK73
字数 2768字 语种 中文
DOI 10.3321/j.issn:1000-1026.2006.22.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 贾嵘 西安理工大学电力工程系 101 1600 21.0 37.0
2 王小宇 西安理工大学电力工程系 9 123 6.0 9.0
3 张丽 西安电子科技大学计算机学院 25 178 9.0 12.0
4 罗兴铸 西安理工大学电力工程系 17 259 10.0 16.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (152)
参考文献  (11)
节点文献
引证文献  (24)
同被引文献  (51)
二级引证文献  (62)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(6)
  • 参考文献(1)
  • 二级参考文献(5)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(12)
  • 参考文献(3)
  • 二级参考文献(9)
2004(8)
  • 参考文献(3)
  • 二级参考文献(5)
2005(3)
  • 参考文献(3)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(2)
  • 引证文献(2)
  • 二级引证文献(0)
2008(4)
  • 引证文献(4)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(6)
  • 引证文献(3)
  • 二级引证文献(3)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(8)
  • 引证文献(5)
  • 二级引证文献(3)
2013(8)
  • 引证文献(1)
  • 二级引证文献(7)
2014(9)
  • 引证文献(2)
  • 二级引证文献(7)
2015(9)
  • 引证文献(0)
  • 二级引证文献(9)
2016(11)
  • 引证文献(1)
  • 二级引证文献(10)
2017(6)
  • 引证文献(0)
  • 二级引证文献(6)
2018(14)
  • 引证文献(2)
  • 二级引证文献(12)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
水轮机
尾水管
压力脉动
EMD
AR模型
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电力系统自动化
半月刊
1000-1026
32-1180/TP
大16开
江苏省南京市江宁区诚信大道19号
28-40
1977
chi
出版文献量(篇)
12334
总下载数(次)
31
总被引数(次)
449556
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导