基于 EMD 和神经网络石家庄风机厂风机运行状态预测
石家庄风机厂 石家庄风机 石家庄市风机厂 石家庄风机维修 石家庄风机销售
基于 EMD 和神经网络石家庄风机厂风机运行状态预测
5.1 概述
Hilbert-Huang 变换是美国国家宇航局的 Norden E．Huang 于 1998 年首次提出的，它包括经验模态分解(EMD)和 Hilbert 变换两部分。它能对信号进行时频局部化分析。这一方法是通过信号本身确定一组各不相同的基函数，由于 EMD 的分解结果取决于基函数，也就是说分解结果具有自适应的特点，该方法同时给出了表征信号局域性特点的基本函数，真正分析了信号的局部特征，更适合处理复杂的非平稳信号，是一种更具适应性的时频局部化分析方法。该方法已经广泛应用于地球物理学、生物医学、设备诊断等领域，并取得了较好的效果。
目前人们主要采用参数模型对监测所得的历史数据进行分析，常用的模型有TAR 模型、基因线性回归、灰色模型、投影寻踪回归、未确知模拟模型、模糊预测、组合预测等预测模型，这些模型都有各自的特点，但对于有些数据有时很难建立合适、有效的数学模型。人工神经网络技术,适合于研究复杂非线性系统和不确定过程，因此在很多领域得到了较为广泛的应用，但信号的非平稳性给神经网络预测也带来了一些难度。本文将 EMD 分解和神经网络相结合,利用 EMD 分解过程隔离振动信号中的非平稳性，从而使分量信号的非平稳性减弱，以提高神经网络预测的准确性。
5.2 EMD 的原理和方法
经验模态分解方法 EMD 和 Hilbert 变换是由美籍华人 N．E．Huang 等人在对瞬时频率研究之后得出的一种心的数据分析方法。对于具有信号局部特性的 IMF的引入是 HHT 的一个很大的创新，这就具有了比其他信号分析方法无法比拟的优点。利用 EMD 的对信号的分析可以消除信号骑行波，而且振动的幅值的大小有很大差别，EMD 可以对这些振幅做平滑的处理，让 IMF 满足必要的条件。
在对信号 EMD 分解，获得 IMF 必须满足两个条件:第一，待分解的信号所有极大值、极小值和过零点的数目一定要相等或者数目差不能超过一个。第二，待分解信号的局部极大、极小值组成的包络线的平均值必须是零。
5.3 BP 神经网络
对神经网络的拓扑结构和数学模型进行了介绍，实验验证神经网络的可行性。
5.3.1 概述
P.Werbos博士在1974年首先提出了一种利用多层的网络来进行学习的算法。在当时，由于种种原因，这个算法没有受到学术界的重视。直到BP算法的出现和《Parallel Distributed Processing》一书的发表，神经网络算法开始让人们熟知，以至于把BP算法利用到神经网络的学习中。从此由多个网络层进行的学习算法进行训练的神经网络即BP神经网络开始进入到普及和应用。