基于HHT的绝缘子泄漏电流分析及放电状态分类识别

泄漏电流是污秽绝缘子在线监测参数,能动态地反映绝缘子表面的放电状态。文中开展了瓷绝缘子人工污秽放电试验,利用Hilbert-Huang变换分析了不同污闪阶段的泄漏电流固有模态函数分量、Hilbert边际谱与时频熵,从时频域及波形细节提取了15个特征量,使用主成分分析法与最小二乘支持向量机分类器对污秽放电状态进行识别。结果表明:起始放电阶段与闪络阶段的泄漏电流固有模态函数分量较多;泄漏电流的Hilbert边际谱上频率主要分布在0~150 Hz、200~250 Hz范围内;闪络前泄漏电流的时频熵值总是大于闪络后的;当训练样本数为测试样本数5倍及以上时,分类器的综合评判准确率可达99%,准确实现了污秽放电状态的分类识别。文中研究结果可为建立绝缘子污闪预警系统提供依据。

基于IHHT‑RF的配电网单相接地故障选线方法

小电流系统发生单相接地故障时故障特征易受高接地过渡电阻、小初相角等弱故障条件影响而导致选线准确率低。为此,提出一种基于改进希尔伯特黄变换—随机森林(improved Hilbert⁃Huang transform⁃random forest,IHHT⁃RF)的配电网单相接地故障选线方法。首先,提取每条线路在故障发生时的电流暂态信号,通过IHHT提取纯净的暂态电气量,构造标准差、能量熵和幅值畸变度3类特征向量;然后,将特征向量输入RF分类器建立故障选线模型,把故障选线问题转化为二分类问题;最后,将测量数据输入RF分类器中得出分类结果,实现故障线路的自动识别。仿真结果表明,该选线方法综合利用暂态信号的幅值、频率和能量等特征信息,不受弱故障条件、馈线结构等因素的影响,能有效提高故障选线的准确率,具有较强的适应性和可靠性。

基于声信号递归Hilbert变换的轴承故障诊断研究

轴承缺陷检测与损伤程度检测一直是旋转机械领域内非常重视的问题,虽然目前针对振动信号的研究已经取得相当好的结果,但是对于难以安装振动传感器的情况,诊断效果仍需改进。针对强背景噪声下故障轴承产生的声音,提出一种基于递归Hilbert变换和一维卷积神经网络的诊断方法来提取抽象特征并进行模式识别。卷积神经网络结构中引入了全局平均池化层来加速网络的运行。最后,通过数据集验证了所提方法的有效性,与其他常用分类方法进行对比,验证了该方法的优越性。结果表明:所提算法不仅能够准确识别轴承的损伤部位,而且能够准确区分部件的损伤程度。

基于改进Hilbert-Huang变换的管路环向裂纹故障诊断研究

在制造、加工、装配以及服役过程中,航空液压管路可能存在平面型缺陷。在适航载荷作用下,这些缺陷会萌生裂纹并发生扩展,最终导致管路破裂和油液泄漏。为了在管路产生微裂纹时对其进行故障诊断,采用了自行搭建的航空液压管路模态试验平台和测控系统,对存在环向裂纹航空液压管路的振动信号进行了采集和预处理。而在对管路振动信号进行分解时,由于经验模态分解(Empirical Mode Decomposition,EMD)算法存在模态混叠问题难以获得准确的本征模态函数(Intrinsic Mode Functions,IMF)。为提高信号处理精度,提出一种基于自适应噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和Hilbert变换理论相结合的改进Hilbert-Huang变换方法对航空液压管路环向裂纹进行故障诊断。研究结果表明,该方法能够更准确地诊断航空液压管路的环向裂纹故障。

基于CEEMDAN-HT的永磁同步电机匝间短路振动信号故障特征提取研究

由于长时间处于高负荷运行状态,永磁同步电机(permanent magnet synchronous motor, PMSM)定子绕组线圈匝与匝之间的绝缘性能容易降低,导致出现匝间短路,此时电机的振动强度会发生改变。针对此现象,提出将自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)与希尔伯特变换(Hilbert transform, HT)结合,构成一种CEEMDAN-HT非线性信号分析方法,并将其应用于提取振动信号故障特征。首先,利用CEEMDAN算法分解振动信号,得到一系列本征模态函数(intrinsic mode function, IMF),并将主元分析中的方差贡献率用于识别包含故障特征信息的IMF。其次,使用HT对方差贡献率较高的IMF进行分析,并以三维联合时频图呈现时间、瞬时频率与幅值,得到了主要故障特征。最后,使用ANSYS有限元软件建立了电机短路故障模型,并搭建了短路故障试验平台,通过对比有限元仿真结果与试验结果,对提出的方法进行了有效性和准确性验证。

基于Hilbert变换的条纹-灰度线性投影三维测量

针对传统的条纹投影测量中绝对相位求解方法存在投影图像数量较多以及算法复杂程度高的问题,提出了一种基于Hilbert变换的条纹-灰度线性投影策略及相位求解方法,该方法仅使用3幅投影图像——1幅高频条纹图和2幅灰度线性变化图,通过Hilbert变换求得包裹相位,采用灰度线性变化图像得到基础相位,联立包裹相位和基础相位可得到条纹级数,进而得到绝对相位。通过构建的主动双目系统得到的三维重构结果发现,该方法可以有效恢复被测物体的三维形状,测量精度可达0.1 mm。

基于CEEMDAN-Hilbert变换的水下爆炸信号时频分析方法研究

研究水下爆炸冲击波信号的时频特性,对于舰艇利用弹药水下爆炸信号对抗自导鱼雷具有重要的实际意义。本文针对EMD-Hilbert方法中经验模态分解(EMD)存在模态混叠的问题,提出CEEMDAN-Hilbert方法实现水下爆炸冲击波信号精确的时频分析。在水深100 m处单发炸药爆炸,产生爆炸信号的频率主要分布在56.5 kHz以下的低频段,特别是0~28.3 kHz以下的能量最大,高于56.5 kHz的能量较少。通过与EMD-Hilbert方法相比,CEEMDAN-Hilbert方法在28.3~56.5 kHz频段的能量分布会更加明显,具有一定的优越性。

基于CEEMDAN-INHT的地下洞室爆破振动时频分析应用研究

爆破地震波信号采集会因监测环境、测试系统等因素导致实测信号中混有噪声,噪声的存在将导致信号希尔伯特-黄变换(Hilbert-Huang Transform,HHT)时频分析结果失真。原因有二:其一是经验模态分解(Ensemble Empirical Mode,EMD)处理含噪爆破地震波信号会得到具有模态混淆现象的固有模态函数(Intrinsic mode function,IMF)分量;其二是Hilbert变换受Bedrosian定理的约束在处理模态混淆分量时会产生负值瞬时频率,从而造成巨大的分析误差。为获得真实的爆破振动属性需对HHT进行改进,在EMD中添加自适应噪声信号得到自适应补充集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)算法;再对CEEMDAN得到的IMF进行归一化Hilbert变换,得到改进归一化Hilbert变换(Improved Normalized Hilbert Transform,INHT)。通过上述两步可建立CEEMDAN-INHT时频分析算法,为验证该算法可有效提高含噪爆破地震波振动信号时频分析精度,进行HHT和CEEMDAN-INHT含噪仿真振动信号时频分析对比研究。最后将CEEMDAN-INHT用于某地下洞室爆破地震波信号时频分析中,发现该算法能有效克服EMD固有的模态混淆现象,同时得到反映真实爆破振动属性的时-频-能特征参数,对从频率-能量的角度进行洞室爆破开挖共振分析,实现爆破地震波危害控制具有一定的现实意义。

基于HHT-LSTM的冬奥会临时设施运行趋势预测方法研究

针对冬奥会延庆赛区临时设施的安全性和可使用性,本文充分结合信号处理算法与深度神经网络,提出了一种由希尔伯特黄变换(Hilbert-Huang transform,HHT)对时序数据进行信号分解和信号特征提取,长短期记忆网络(long short-term memory,LSTM)进行临时设施运行趋势预测2部分构成模型。该模型基于受严寒天气和大客流诱发的看台振动等一系列外因影响所测得的真实振动和倾角数据,实现对设施进行有效的预测,以避免发生安全问题,解决了由于受数据中一些无关特征因素的干扰导致预测准确度低的问题。论文提出的方法与循环神经网络(recurrent neural network,RNN)、门控循环网络(gated recurrent neural network,GRU)、双向RNN和双向GRU等运行趋势预测方法进行比较,验证了本文方法的可行性和有效性,实验结果也说明所提出的模型在此类任务中表现非常出色。

基于ISGMD-DHT的电压暂降特征提取方法研究

针对电压暂降特征信号在谐波、噪声环境下的准确提取问题,提出了一种基于迭代辛几何模态分解-差值希尔伯特变换(iteration symplectic geometry mode decomposition-difference Hilbert transform,ISGMD-DHT)的提取方法。首先,基于哈密顿矩阵与辛QR分解构造重构轨迹矩阵,结合辛几何相似变换得到初始辛几何分量。其次,根据相似度准则拟合初始辛几何分量并计算残余分量,再根据残余分量构造轨迹矩阵。然后,重复上述操作直至满足迭代终止条件获得最终相互独立的辛几何分量。最后,通过差值希尔伯特变换提取暂降特征量。仿真和实测数据的分析结果表明,该方法能在严重噪声、谐波扰动情况下准确提取暂降特征量。

基于水质光谱检测数据的改进型HHT算法研究

希尔伯特-黄变换(Hilbert-Huang Transform,HHT)是一种适用于处理非线性和非平稳信号的自适应方法。着重探讨了该算法在应用中可能出现的模态混叠问题,分析了其产生的机理和目前的研究进展。针对微试剂光谱水质检测数据中希尔伯特-黄变换存在的模态混叠问题,结合顺序注射微试剂水质在线检测技术,提出了一种微试剂水质光谱在线检测改进型HHT算法。这种改进方法采用EEMD来分析信号,有效地解决了传统HHT中EMD分解时出现的模态混叠问题,从而提高了信号分解的性能。通过改进型HHT算法与传统HHT算法水质光谱检测效果对比,研究结果表明,改进型HHT算法处理相较于基础型在校正决定系数上提高了31.78%,三种不同浓度总氮的RSD都有显著增加。与HHT算法相比,该方法有效解决了经验模态分解方法存在的模态混叠问题,同时也提高了微试剂水质光谱在线检测系统的准确性与稳定性,为微试剂水质光谱信号的准确测量提供了一种新思路。

基于Hilbert谱的行星齿轮箱故障诊断应用研究

行星齿轮箱以其诸多的传动优点广泛应用在双馈风力发电机组中,行星齿轮箱因其特殊的结构导致振动信号传递路径复杂和多路径调制特点。当行星齿轮箱的太阳轮、齿圈、行星轮关键部件出现局部故障时,频谱不能清晰地呈现部件损伤的特征频率,且频谱容易被噪音淹没。本文提出了一种Hilbert变换谱,把低频故障信号从高频的载波信号中解调出来,通过与理论计算的故障特征频率进行对比,可精确地对行星齿轮箱的故障进行定位。结果表明,通过Hilbert解调的低频故障频率能精确和部件理论计算特征频率一一对应,对故障进行准确定位,Hilbert变换在行星齿轮箱故障诊断中优势明显。

HHT的理论依据探讨——Hilbert变换的局部乘积定理

希尔伯特-黄变换(Hilbert-Huang Transform,简称HHT)是上世纪90年末才出现的一种非平稳信号分析方法,对于这种方法的理论框架还有值得深入探讨的空间。为了进一步,探索HHT的理论依据,本文从分析HHT的固有模态函数(Intrinsic Mode Function,简称IMF)的定义入手,在Hilbert变换的Bedrosian乘积定理基础上提出了Hilbert变换的局部乘积定理,采用理论推导和物理意义分析相结合的方法巧妙地论证了这一定理,从而首次为HHT中IMF的定义、瞬时频率的计算公式、经验模态分解(Empirical Mode Docomposition,简称EMD)及其收敛性等系列问题提供了较统一的理论依据。

基于MEEMD与HT的谐波检测方法

为解决采用希尔伯特-黄变换进行谐波分析对信号进行分解时出现的模态混叠、端点效应、抗噪能力弱及虚假分量等问题,提出一种基于改进型总体平均经验模态分解和改进的自适应波形匹配延拓结合希尔伯特变换的谐波检测新方法。首先,采用改进型总体平均经验模态分解算法和改进的自适应波形匹配延拓方法对谐波信号进行分解,获得一系列固有模态函数,再对各个固有模态函数进行希尔伯特变换,从而得到各次谐波的瞬时幅值和瞬时频率。采用经验模态分解、总体平均经验模态分解、完全经验模态分解算法和文中所提方法分别与希尔伯特变换结合进行谐波分析,仿真结果表明,所提方法能有效抑制模态混叠和端点效应,其受参数影响较小,自适应性较强,产生较少的虚假分量,且在强噪声下仍然具有很高的谐波检测精度。

基于MSST-HT的次同步振荡参数辨识研究

次同步振荡是在电力系统运行平衡点受到扰动后产生的一种异常电磁及机械振荡现象。针对希尔伯特黄变换在次同步振荡分量提取时存在噪声干扰和模态混叠问题,提出一种适用于次同步振荡参数辨识的多重同步压缩变换(MSST)和希尔伯特变换结合的方法。该方法在傅里叶同步压缩变换基础上,对次同步振荡信号时频谱进行多次同步压缩,以此来提高信号时频分布的重构精度和能量聚集程度。通过仿真并结合实际工程录波数据进行验证,首先使用多重同步压缩变换方法对信号进行时频分析,得到信号时频图,然后用多重同步压缩变换变换逆变换分解重构出各个模态分量,最后用希尔伯特变换对提取出来的单个模态分量进行参数辨识,识别其频率、阻尼比、衰减因子等主要参数。仿真结果表明,相比于短时傅里叶变换(STFT)、同步提取变换(SET)和傅里叶同步挤压变换(FSST),MSST能够提高信号时频分布的能量聚集程度和重构精度,能够实现多分量的次同步振荡模态分解。实际数据结果表明该方法能有效克服噪声干扰和模态混叠问题,准确辨识次同步震荡参数,对电力系统安全稳定运行具有一定的参考意义。

基于小波阈值去噪与HHT滚动轴承故障诊断

针对噪音比较强烈环境下的故障诊断问题,提出了一种小波阈值去噪与希尔伯特黄变换(HHT)相结合提取轴承信号故障的方法。首先采集滚动轴承在运作时的振动信号,选取合适的小波阈值对采集到的时域信号进行去噪处理。采用HHT对信号进行时频分析,将去噪信号分解为若干个固有模态函数分量(IMF)并对其进行希尔伯特变换(HT),最终从希尔伯特边际谱得到故障频率从而判定轴承是否发生故障。试验结果表明,上述方法可以有效地降低噪声信号对HHT对轴承故障诊断的影响,更好的保留了有用的信息,提高故障诊断的准确性和可靠性。

基于自适应VMD-Hilbert的球磨机负荷参数预测

提出一种自适应变分模态分解(VMD)—希尔伯特(Hilbert)边际谱样本熵和最小二乘支持向量机(LSSVM)提取球磨机振动信号组合特征并预测负荷参数的方法。首先,使用自适应VMD的振动敏感信号调制来分解振动,得到反映振动特性的本征模态函数(IMF)分量;之后,进行Hilbert变换,得到边际谱样本熵;最后,将其作为输入特征向量输入到LSSVM,实现球磨机负荷参数预测。试验结果表明:该方法可以有效地提取球磨机的非线性不稳定的信号特征,较为精确地预测球磨机负荷参数。

基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术

针对电网环境噪声导致自适应噪声的CEEMDAN谐波检测精度低的问题,文中提出了一种基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术。利用修正因子T j自适应调整阈值,通过可调参数τ调节阈值函数软、硬特性,并将改进的小波阈值去噪方法应用于谐波信号的预处理。经预处理的信号再进行CEEMDAN分解,可有效抑制模态混叠束缚。运用相关度判据去除虚假分量,并利用Hilbert变换解调包含谐波特征的分量,准确提取其幅频信息。经MATLAB仿真可知,改进小波阈值去噪与CEEMDAN-HT的融合算法可将稳态谐波检测平均误差被控制在1%以下,暂态谐波检测平均误差被控制在2.1%以下,呈现出良好的抗噪性能。

基于HHT时频分析的水声信号特性提取与建模

为了完成对实测水下冲击信号的建模,充分提取信号声学特性是非常有必要的。本文以水池实测信号为研究对象,采用不同分析方法处理信号,最终发现希尔伯特黄变换(HHT)时频分析方法优势明显,在HHT时频谱图上可以看到非常清晰的时间、频率分布信息。在此基础上,使用多段线性调频(LFM)信号模拟实测水下冲击信号。比较实测信号与建模信号的HHT谱图可知,建模信号的频谱走势与实测信号相同,具有与实测水声信号非常相似的时频特性,验证了HHT时频分析的优势与建模效果。

基于CWT-HHT的玉米叶片铜离子污染信息探测

为了准确探测农作物在不同浓度重金属污染下叶片光谱间微弱的畸变信息,本研究通过设置不同浓度铜离子(Cu2+)胁迫下的玉米盆栽实验,在采集了不同梯度下玉米叶片光谱并测定同期叶片Cu2+含量的基础上,采用连续小波变换(CWT)结合希尔伯特-黄变换(HHT)的方法,构建CWT-HHT算法以探测玉米叶片光谱重金属污染信息,同时与红边位置(REP)、红边归一化指数(NDVI705)和红边植被胁迫指数(RVSI)等常规的植被指数监测方法进行对比分析。结果表明:基于CWT-HHT探测方法提取的瞬时能量峰值呈现先升高、后降低的趋势,与玉米叶片Cu2+含量变化趋势一致。而且通过与植被指数监测农作物重金属污染的方法对比,证明CWT-HHT探测结果最优,表明CWT-HHT方法在玉米叶片重金属Cu2+污染信息探测方面具有可行性。