vmd-python 可安装的VMD作为python模块 新:3.0版具有以下新功能 原子选择属性可以更容易地访问或设置: atomsel.get("x")可以写为atomsel.x ! 删除了转储到标准输出的额外信息 所有方法和模块的文档字符串 作为Python方法的功能更多! atomsel.hbonds等 selection模块可让您定义自定义原子选择宏 更严格的引用计数/更少的内存泄漏 更漂亮的代码 新:支持Python 3 !!! 特征 1.9.4树中的VMD的所有功能,以及一些不包含在二进制发行版中的可选插件: 读取和写入MAE文件的正式费用 用于DESRES分子文件格式的DMS插件 HOOMD插件 导入时不会崩溃 不在乎您编译哪个numpy 支持Python 2或Python 3 包含的模块 以下子模块是VMD的一部分。 现在,导入系统更加有意义,因此像from vm
2023-02-14 19:29:54 13.87MB C
1
首先声明,本篇文章直接包含所有matlab源代码,直接复制粘贴即可运行,全部都是源代码,可以自己更改的源代码!(不是.p文件!!!,浅浅痛斥一下很多文章为了盈利,还给程序加密!谴责!!)以西储大学数据集为例,选用105.mat中的X105_BA_time.mat数据。 首先进行VMD分解,采用麻雀优化算法(SSA)对VMD的两个关键参数(惩罚因子α和模态分解数K)进行优化,以最小包络熵为适应度值。其他智能优化算法同样适用,关键要学会最小包络熵代码的编写,实验过程中,会实时显示每次寻优后的最小包络熵值和VMD对应的两个最佳参数。本次寻优共100次(自己可以随意更改寻优次数)。
1
变分模态分解(Variational Mode Decomposition,VMD)是由 Dragomiretskiy 等人提出的一种自适应信号处理方法,通过迭代搜寻变分模态 的最优解,不断更新各模态函数及中心频率,得到若干具有一定宽带的模态函数。利用VMD对凯斯西储大学轴承进行信号分解,效果较好,可作为对比实验。
1
文献为“基于 VMD 与 PSO 优化深度信念网络的 短期负荷预测”的caj文件,为提高短期负荷预测精度,采用变分模态分解(variational mode decomposition,VMD)技术将原始历史负荷序列分解为一系列特征互异的模态函数,对每个模态函数进行特征分析并分别建立负荷预测模型。
2022-12-29 16:18:38 1.33MB VMD 负荷预测 电网技术 EI
1
变分模态分解,用于分解各种信号,可用来故障诊断,特征提取。
2022-11-08 10:32:51 2KB vmd分 vmd 变分模态分解 故障特征
1
能实现冲击信号的特征提取,包括语音信号,超声信号,轴承,齿轮故障信号
2022-11-08 10:27:06 3KB 齿轮特征 齿轮故障 vmd 超声信号
1
针对小波包去噪对含强白噪声的信号处理效果不理想问题,提出了基于互相关分析优化的VMD-小波包阈值去噪方法。该方法融合了VMD和小波包去噪的优势,通过VMD把含噪信号分解成若干个模态分量,根据互相关分析提出的临界相关系数从所有模态分量中搜寻极优模态分量,之后利用小波包阈值去噪对极优模态分量进行处理。实验结果表明,该方法对含强白噪声的信号去噪效果具有优势,能够保全信号的有效分量,克服了传统VMD去噪的盲目性,保证了去噪后信号的真实性。
1
根据奇异值分解出来的奇异值,画出奇异值分布曲线,根据公式算出奇异值的突变点,此时突变点即是VMD分解分量数的K值
2022-11-06 23:40:19 13KB K值VMD K. vmd VMD奇异值
1
vmd分解之后分解信号和原信号的对比图、频谱图等
2022-11-01 16:34:32 2KB vmd频谱 vmd频谱图 vmd分解 信号分解
1
1.采用鲸鱼算法优化VMD分解层数和惩罚系数的MATLAB代码,目标函数根据样本熵计算。直接运行,可以换数据。 2.核心算法加密,有需要请在CSDN联系作者。
2022-10-30 15:05:11 1.3MB VMD优化
1