自适应Chirp模式分解（ACMD）是一种基于变分模态分解（VMD）框架的非平稳信号处理方法，解决了VMD 处理频率重叠的多分量信号效果不佳的问题，并且无需提前设定信号模态数，一定程度上提高了信号的时频分辨率。

2024年1月22日 · 本文介绍了一种称为自适应啁啾模式分解（ACMD）的VNCMD的可处理版本，以提取摩擦冲击转子振动信号的快速波动IF。 ACMD 采用贪婪算法来单独捕获每个信号分量。 此外，利用ACMD估计的瞬时振幅和IF，我们得到了高分辨率的自适应TF谱，可以清楚地表示振动信号的摩擦冲击特征。 首先通过动态仿真验证了基于ACMD的故障检测方法的有效性。 然后，将该方法应用于某稠油催化裂化机组的振动信号，表明该方法在故障早期检测和多特征提取方面具有 …

2024年9月2日 · In recent years, adaptive chirp mode decomposition (ACMD) has been proposed as a nonstationary signal decomposition technique with strong adaptability. However, ACMD exhibits unsatisfactory performance in analyzing signal components with mode-close or instantaneous frequency (IF) intersected.

2018年10月16日 · The matlab codes permit to reproduce some results in the paper: Chen S, Yang Y, Peng Z, et al, Detection of Rub-Impact Fault for Rotor-Stator Systems: A Novel Method Based on Adaptive Chirp Mode Decomposition, Journal of Sound and Vibration, 2018.

针对复杂电磁环境下出现多个辐射源信号混叠造成的多分量信号分离问题，提出了基于改进带宽自适应线性调频模态分解（ACMD）的信号分离方法。 该方法利用频谱集中性指标对各信号分量的瞬时频率进行估计，将估计的瞬时频率值作为改进算法的预设频率；利用递归框架和改进带宽自适应更新方法对各信号分量进行循环迭代；直到剩余信号能量小于阈值，完成所有信号分离。 仿真实验表明，该方法能够在复杂电磁环境下分离出多分量信号，相比较已有算法对紧邻信号具有更好 …

Abstract submission deadline: March 15, 2024: Notification of acceptance: April 12, 2024: Camera-ready abstract submission deadline: April 30, 2024: Full paper submission deadline (optional)

MATLAB code for "Adaptive Variational Nonlinear Chirp Mode Decomposition". If you use the code, please cite our paper: Liang, Hao and Ding, Xinghao and Jakobsson, Andreas and Tu, Xiaotong and Huang, Yue.

2021年12月10日 · 针对此类问题，提出了一种基于自适应chirp模式分解（ACMD）、基尼指数融合和Aquila优化器（AO）优化的长短期记忆（LSTM）神经网络的复合故障诊断方法。

The ACMD will address Australia’s health and healthcare challenges and research priorities by translating innovations in: Medtech – smart devices, bionics, implantables, prosthetics, artificial materials; Biotech – regenerative medicine, biomaterials, targeted delivery systems; Digital Health – analytics, precision medicine, machine ...

2024年2月29日 · 受tf融合技术和变分信号分解方法acmd和gdmd的启发，提出了一种变分广义非线性模式分解（vgnmd）框架，用于自适应地对模式进行分类，并进一步精确地提取这些模式及其if或gd。