.png){kind=icon}
返回
Application of CEEMDAN algorithm in roundness error evaluation
.png){kind=icon}
PRE
AI
DOI：10.1088/2631-8695/ae0f09.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
圆度误差是评价加工误差的一个重要评价标准。一些先进算法已应用于圆度评定，如经验模态分解（EMD）算法。然而，由于EMD算法存在模态混叠问题，本文采用自适应噪声完备集合经验模态分解（CEEMDAN）算法来评价圆度误差。首先，将同一组模拟圆孔半径测量数据分别通过EMD和CEEMDAN进行分解。然后，利用分解后生成的每个固有模态函数（IMF）的直接分量（DC）计算各IMF的截止波数。根据JB/T9924-2014标准筛选IMF，并在消除干扰信号后对剩余的IMF分量进行重构（求和）。通过EMD和CEEMDAN算法计算得到的圆度误差结果被获取并进行了比较。利用实际圆度轮廓坐标的数据点，通过最小二乘法拟合圆心，并计算每个采样点的半径值。通过比较实验结果发现，CEEMDAN算法的精度高于EMD算法，验证了CEEMDAN算法在圆度误差评价中的有效性。
Keyword:
roundness error evaluation
CEEMDAN decomposition
EMD decomposition
signal denoising
IMF screening
期刊
E
IF:
1.6
论文数:
2.1K
被引数:
0
机构
引用论文
Applying particle swarm optimization algorithm to roundness error evaluation based on minimum zone circle.png)
MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏分享收藏PM2.5 Prediction Based on the CEEMDAN Algorithm and a Machine Learning Hybrid ModelSUSTAINABILITY
OAAI
SUSTAINABILITYIF3.3
OAAI分享收藏The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis非线性非平稳时间序列分析的经验模态分解和Hilbert谱
OAAI
OAAI分享收藏Friction Signal Denoising Using Complete Ensemble EMD with Adaptive Noise and Mutual InformationEntropyOAAI
EntropyIF0
OAAI分享收藏
查看更多内容