采用改进互补集总经验模态分解的电能质量扰动检测方法

针对集总经验模态分解(EEMD)方法加噪参数(噪声幅值、集总次数)需人为确定、分解残余噪声大以及计算耗时长的缺点,提出一种自适应快速互补集总经验模态分解(AFCEEMD)方法.该方法分析不同频率形式噪声对极值点分布的影响,确定加噪频率采用高频辅助分解的优势,并以极值点分布特性作为评价指标自适应选择最优加噪频率.通过对EEMD加噪准则的研究,推导出加噪幅值和分解次数采取固定值:0.01SD和2次,且以正负成对的形式加入到原始信号中.通过仿真实验和搭建的电能质量扰动平台的实测数据验证了所提方法的自适应性和计算性能,而且适用于电能质量扰动检测与分析.

完全互补小波噪声辅助集总经验模态分解

经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的EMD方法能克服EMD方法在处理间歇信号时出现的"模态混叠"现象。在这些噪声辅助方法中,互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(CEEMDAN)恢复了EMD分解的完整性。在现有分析方法上提出了完全互补小波噪声辅助集总经验模态分解(CCWEEMDAN)算法。该算法能用更小的集总数、更少的迭代次数和极小的计算消耗获得更好的光谱分离效果和数目较少的筛选模态。

基于集总经验模式分解和支持向量机的液压泵故障预测研究

液压泵的性能直接影响整个液压系统的正常工作,为此需要对其进行状态监测和故障预测。采集液压泵的振动信号,运用集总经验模式分解(EEMD)和平滑能量算子解调相结合的方法进行包络解调;采取小波包分析方法得到了故障特征向量;在研究支持向量机回归估计基本原理的基础上,建立了小波包分解和支持向量机相结合的预测模型。采用液压泵历史数据对模型进行了验证,结果表明,基于支持向量机的预测模型和故障映射模型可以有效地对液压泵进行故障预测。

基于迭代的集总经验模式分解算法的齿轮箱故障特征提取

针对集总经验模式分解方法(Ensemble Empirical Mode Decomposition,EEMD)在实际应用中存在的盲目添加白噪声的问题,提出了一种迭代的集总经验模式分解方法(Iterative Ensemble EmpiricalMode Decomposition,IEEMD)。首先介绍了IEEMD方法,然后将EEMD方法与IEEMD方法用于实际齿轮箱故障信号的特征提取。结果表明,与EEMD方法相比,IEEMD方法可以得到更高分辨率的HHT时频谱图,可以从信号中提取更多的有用信息。说明IEEMD方法较好地克服了EEMD方法中存在的盲目添加白噪声的问题,适合于作为齿轮箱故障信号的特征提取方法。

基于互补集总经验模态分解和局部异常因子的有载分接开关状态特征提取及异常状态诊断

为了及时发现和诊断有载分接开关(OLTC)的异常状态,在特征提取方面,结合驱动电机电流信号选取OLTC振动信号的特定时段,以突出状态特征;利用互补集总经验模态分解(CEEMD)得到振动信号的固有模态函数(IMF),针对OLTC振动信号的特点,提出基于IMF能量特征的降噪算法;设计了时频矩阵划分算法,提取划分线、峭度、包络谱熵、时频矩阵能量密度、时频矩阵变异系数等特征参量。在异常状态诊断方面,通过多个振动测点,同时实现OLTC本体和传动机构的异常状态诊断;建立了以局部异常因子(LOF)为诊断参量的OLTC异常状态诊断方法,通过待测样本与正常样本集的比较来发现和诊断OLTC的异常状态,具有较好的普适性。仿真和实验结果表明,基于该文提出的方法能有效发现和诊断OLTC的异常状态。

基于时频谱和集总经验模式分解(EEMD)包络谱分析的地铁车辆故障分析

在分析地铁车辆激扰源特征和影响的基础上,针对车辆振动信号非线性、非平稳性的特点,提出一种地铁车辆故障综合诊断方法:时频法(短时傅里叶变换、希尔伯特-黄变换)和基于集总经验模式分解(EEMD)的Hilbert包络谱分析法。对某异常地铁车辆进行测试,并运用该方法进行诊断分析。综合分析表明,该车辆转向架构架异常振动并开裂的故障源为车轮。这与车轮检测结果一致,说明此综合诊断方法准确有效。

微弱信号检测的变尺度Duffing振子方法

针对强噪声背景下微弱信号检测问题,本文把互补集总经验模式分解(CEEMD)方法和变尺度Duffing振子结合,提出了一种新的微弱信号检测方法.利用CEEMD将复杂含噪信号分解为不同的固有模态函数(IMF),通过Duffing系统分岔图及其变化找到相轨迹变化的临界阈值,实现含噪信号的信息检测.结果表明,本文所提方法不仅可以很好地免疫噪声,而且能有效检测出信噪比低至-73dB的多频率周期信号.

基于自适应CEEMD方法的电能质量扰动检测与分析

针对现有时频分析方法处理非线性、非稳态信号自适应性的不足,提出了一种自适应互补集总经验模态分解(ACEEMD)方法。该方法通过对加噪辅助分解方法噪声准则的研究,引入相关均方根误差与信噪比两个参数作为加噪评价指标,自适应确定最优加噪幅值和集总分解次数。且加入的噪声以正负成对的形式加到目标信号中,克服了原始分解方法存在的模态混叠问题、端点效应以及残余噪声大的缺点。最后将改进的方法与Hilbert变换相结合运用在电能质量扰动检测中,通过仿真实验验证所提方法既可以有效提取扰动的频率、幅值等特征参数,也可以准确定位扰动的时间,为电能质量检测与分析提供了一种新思路。

基于自适应CEEMD的非平稳信号分析方法

由于标准的互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理模态混叠问题时缺乏自适应性,其本质是分解信号获得的本征模态函数(intrinsic mode function,简称IMF)之间产生了一定的信息耦合现象,使IMF分量不能正确地反映信号的真实成分。因此,提出了在使用CEEMD分解信号的过程中嵌入网格搜索算法(grid search algorithm,简称GSA),以最小二乘互信息(least squares mutual information,简称LSMI)为网格搜索算法的适应度函数,构造一个自适应CEEMD方法。该算法通过自适应地搜索最佳的白噪声幅值,修正信号分解过程中产生的少量的耦合频率成分,确保每个IMF分量之间信息的正交性,以进一步抑制模态混叠问题。最后,通过仿真实验验证了该方法的有效性,并将该方法用于提取滚动轴承微故障的特征频率。实验结果表明,该算法在滚动轴承的微故障特征提取应用中具有更少的迭代数、IMF分量以及相对更小的计算量。

回转窑筒体变形数据的混合编程处理新方法

回转窑筒体变形对窑衬砖及窑运转会产生不利影响,在对窑筒体变形测量原始数据处理时,存在难以把高、低频振动及仪器共振噪声从测量原始数据中分离的问题。本文提出采用集总经验模式分解(EEMD)方法,结合动态链接库(DLL)技术,以混合编程方式应用于对筒体变形原始测量数据的处理程序中。相比本研究组已有数据处理程序,新方法的程序分离筒体轴向弯曲偏心量和表面变形量的效果更好,可以有效消除振动噪声影响,具有工程应用价值。

基于EEMD-样本熵和Elman神经网络的短期电力负荷预测

针对电力负荷序列的非线性、非平稳性等特点,提出了一种基于集总经验模式分解EEMD-样本熵和El-man神经网络的短期负荷预测方法。为了减小电力负荷序列局部分析的计算规模以及提高负荷预测的精度,先利用EEMD-样本熵将原始电力负荷序列分解成一系列复杂度差异明显的子序列;然后在综合考虑温度及日期类型等因素对各子序列影响的基础上,根据各子序列的特点构造不同的Elman神经网络对各子序列分别进行预测;最后将各子序列的预测结果叠加得到最终预测值,并对EUNITE国际电力负荷预测竞赛公布的数据进行仿真实验。仿真结果表明该方法能有效地提高负荷预测的精度。

基于HLS-SVDR和SPPCS的CEEMD的滚动轴承微故障特征提取

针对互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理非平稳随机信号时能够有效地消除模态混叠,却仍然存在包络拟合过冲/欠冲和端点效应问题,提出了同伦-最小二乘支持向量双回归(homotopy least squares-support vector double regression,简称HLS-SVDR)的保形分段三次样条(shape-preserving piecewise cubic spline,简称SPPCS)的完备CEEMD改进方法。首先,使用SPPCS插值法消除在构造上、下包络曲线过程中产生的拟合过冲/欠冲问题,获得有效的包络线;其次,使用HLS-SVDR对各层信号极值点的包络均值曲线两端进行左、右预测覆盖以抑制端点效应;最后,将该方法用于滚动轴承的微故障特征提取的实例分析中。实验结果表明,该方法能够更有效地提取滚动轴承微故障特征,实现了一种既保持CEEMD原有特性,同时又能够抑制过冲/欠冲和端点效应的完备CEEMD算法。

基于EEMD和Hilbert边际谱的四轮车辆非平稳路面不平度分析

采用EEMD和Hilbert边际谱对四轮车辆的非平稳路面不平度进行了研究。应用EEMD算法对SY6480轻型客车在C级路面上变速行驶得到的非平稳路面不平度进行了分解,得到了C级路面不平度高频滤波后的Hilbert边际谱,确定了C级路面对变速行驶四轮汽车激励的频带范围和峰值频率,并把该结果与A级、B级和D级路面进行了比较,发现该车在A级、B级、C级和D级路面上变速行驶时受到的路面激励除了幅值随着路面不平度等级升高而增加外,其频谱结构没有明显的变化,这个结果为汽车在变速行驶时的主动悬架设计、振动控制和平顺性分析提供了理论依据。

基于CCWEEMDAN和包络谱熵的轴承故障诊断研究

完全互补小波噪声辅助集总经验模态分解(CCWEEMDAN)是经验模态分解(EMD)的改进算法,是一种噪声辅助的自适应非线性非平稳数据处理方法。噪声辅助能克服EMD方法处理间歇信号出现的“模态混叠”问题。而相比较互补集总经验模态分解(CEEMD),完全互补小波噪声辅助集总经验模态分解能实现更优的性能。在轴承故障诊断的应用中,这里的方法利用小波分解高频段噪声细节成分,添加到原始轴承故障信号中,提取出本征模态信号。利用包络谱熵判断轴承故障导致的冲击响应特征所在本征模态信号,通过对轴承外圈、内圈局部故障状态下的特征提取进行故障诊断,结果表明该方法能有效提取故障冲击响应特征。

基于最大相关谱峭度解卷积的滚动轴承故障周期冲击特征提取

滚动轴承广泛应用于重型旋转机械支撑和传送负载,经常工作在低速、重载等恶劣工况下,特别容易损坏,从而导致机械设备停运停产的事故,因此有必要提出一种基于最大相关谱峭度解卷积的滚动轴承故障周期冲击特征提取方法。该方法利用轴承运行过程中局部故障激发起的周期性冲击特征,通过最大化相关谱峭度选择最佳有限冲击响应滤波器参数;通过迭代卷积运算,消除振动信号中的噪声,提取出滚动轴承故障激发起的周期性冲击特征;依据冲击特征的周期判断轴承故障所在位置,从而实现轴承故障诊断。通过仿真和滚动轴承实验数据验证提出方法的可行性,并与广泛应用的集总经验模式分解方法提取结果进行对比,结果表明该文提出的方法在轴承故障诊断中展现出更好的优势。

基于ELCDCAN与EAM-FMD的电能质量扰动分析

针对集总局部特征尺度分解方法分解残余噪声大的问题,将正负自适应噪声对引入分解过程,提出一种互补自适应噪声的集总局部特征尺度分解方法。该方法在集总平均次数较少的情况下,能够减少单个内禀尺度分量的残余噪声,提高分解速度并保证分量的准确度。结合经验调幅-调频分解,提出一种基于自适应噪声的集总局部特征尺度分解和经验调幅-调频分解的电能质量扰动检测方法。首先利用自适应噪声的集总局部特征尺度分解方法对含噪电能质量扰动信号进行分解,获得不同特征时间尺度的内禀尺度分量;其次采用相关系数法剔除高频噪声及虚假分量,得到真实的电能质量扰动分量;最后利用经验调幅-调频分解对各阶内禀尺度分量进行解调,可以准确得到稳态扰动的瞬时幅值和瞬时频率等特征参数,并根据瞬时频率突变点对暂态扰动进行定位。仿真及实测数据检测结果验证了本文所提方法的可行性和有效性。

基于EEMD和状态空间分析的汇市和股市动态关系研究

本文使用集总平均经验模态分解方法 (EEMD)将上证综指和人民币兑美元汇率分解为波动频率不同的分量,并在对各分量进行分析的基础上将其划分为短期分量、中长期分量和趋势项后,采用滚动窗口相关系数、状态空间模型实证研究了两者之间动态传导机制。结果发现,趋势项决定了两者的长期走向,是其内在特征的体现,中长期分量反映了重大事件对两者变动趋势的影响,短期分量反映了市场上噪音对两者变动趋势的影响;汇率和上证综指之间存在相互传导机制,不论是短期分量、中长期分量还是趋势项,汇率对股市的传导大于股市对汇率的传导,且两者的短期分量和中长期分量的传导随着国家政策和外界环境的变动而变动,趋势项基本不受外界环境的影响。

基于EEMD和CWT的挖掘机座椅振动分析

针对某型液压挖掘机座椅振动加速度信号,应用集总经验模式分解(ensemble empirical mode decomposition,EEM D)方法进行处理,提出以能量贡献率与相关性分析相结合的方法,实现本征模态函数(intrinsic mode function,IM F)中冗余项和伪信号的剔除;并应用连续小波变换(continuous w avelet transform,CWT)对各有效IM F分量进行时频分析,实现振源特征提取和定位。试验分析表明:影响驾乘舒适性的分量主要来源于发动机的发火激励和2阶转动激励,同时缸内气体压力循环作用产生的发动机切向、径向激励力也是一个重要的来源。该方法可有效地实现座椅振源信号的分解、筛选及定位,对于研究挖掘机振动舒适性具有一定的应用价值。

名义汇率和名义利率之间联动关系的动态研究——基于EEMD、滚动窗口相关系数和状态空间模型的分析

该文首先基于汇率和利率联动关系的经典理论分析了两者在短期和中长期内的不同传导路径,接着采用集总平均经验模态分解方法(EEMD)将名义汇率和名义利率分解为波动频率不同的分量,并在对各分量进行分析的基础上将其划分为短期分量、中长期分量和趋势项,最后采用滚动窗口相关系数、状态空间模型实证研究了两者之间的动态联动关系,结果发现,名义利率和名义汇率不同波动频率的分量之间均存在异质性,即波动频率不同,两者之间的关系体现出不同的特性。