EMD方法基于径向基神经网络预测的数据延拓与应用

被引：21

作者：

胡劲松 ^{[1
]}

杨世锡 ^{[2
]}

机构：

[1] 宁波工程学院电信学院

[2] 浙江大学机能学院

来源：

机械强度 | 2007年 / 06期

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;

D O I：

10.16579/j.issn.1001.9669.2007.06.033

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

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 decompo-sition,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。

引用

页码：894 / 899

页数：6

共 3 条

[1] 基于EMD和HT的旋转机械振动信号时频分析 [J].