EMD方法基于径向基神经网络预测的数据延拓与应用

• 作者: 杨世锡 胡劲松
• 来源期刊: 机械强度
• 关键词: 经验模态分解(EMD)方法 径向基(RBF)神经网络预测 数据延拓 时频分析
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 振动·噪声·监测·诊断
• 页码范围: 894-899
• 页数: 6页
• 分类号: TP206|TH113.1|TH165.3
• 语种: 中文
• DOI: 10.3321/j.issn:1001-9669.2007.06.006

摘要

把基于径向基神经网络(radbas function,RBF)预测的数据延拓技术引入经验模态分解(empirical mode decomposition,EMD)时频分析领域,论述基于RBF神经网络预测的数据延拓技术原理,通过对非线性仿真信号基于RBF神经网络预测延拓研究表明,该延拓技术是有效的,并且把该延拓技术应用于转子横向裂纹的时频分析,获得良好的效果.该研究成果能广泛用于信号时频分析领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨世锡	浙江大学机能学院	155	2860	30.0	48.0
2	胡劲松	宁波工程学院电信学院	23	430	10.0	20.0