近似熵、互近似熵的性质、快速算法及其在脑电与认知研究中的初步应用

本文从信号处理的角度介绍了近似嫡、互近似熵的概念、性质与应用，并给出了一种计算近似熵、互近似熵的实用快速算法．本文还通过实际算例说明了近似烟在表征信号的复杂性、互近似熵在表征信号的模式相似性方面的能力及其在脑电与认知研究中的初步应用。

基于MEMD互近似熵及FCM聚类的轴承故障诊断方法

提出了一种基于掩蔽经验模式分解(MEMD)互近似熵及模糊C均值聚类(FCM)的滚动轴承故障诊断新方法。MEMD可以有效抑制经验模式分解存在的模态混叠问题;互近似熵是近似熵的改进,能更好体现信号的不规则度和复杂度。信号经掩蔽经验模式分解后得到一组平稳的本征模函数(IMF),通过能量分析筛选出与原始信号最为相关的几个IMF分量,计算其互近似熵值以作为故障特征向量,能够直观体现设备的运行状况。故障模式识别采用的FCM算法,计算相对简单,聚类效果好。实验分析证明了该方法的优越性。

基于多元经验模态分解互近似熵及GG聚类的轴承故障诊断

提出了一种基于多元经验模态分解(Multi-EMD)、互近似熵和GG聚类的滚动故障轴承诊断方法。首先,将振动信号进行多元经验模态分解,得到若干个内禀模态函数(IMF)分量和一个趋势项。然后,将IMF分量分别与原始信号进行相关性分析,筛选出前7个含主要特征信息的IMF分量,并将筛选的IMF分量的互近似熵作为特征向量。最后,将特征向量输入到GG模糊分类器中进行聚类识别。通过聚类三维图,对两种算法机械运行的4种状态进行了对比,验证了多元经验模态分解方法不仅可解决采样的不均衡问题,而且可解决EMD算法聚类的混叠问题。

换流站桥差保护误动机理及基于互近似熵的闭锁新方案

针对高压直流输电工程在运行过程中多次发生换流站桥差保护误动的情况,对换流站桥差保护误动机理开展研究。利用PSCAD/EMTDC搭建特高压直流输电仿真模型,对空载合闸和外部故障切除情况下桥差保护误动行为进行仿真分析,揭示其误动原因,并提出一种基于互近似熵算法的桥差保护防误动闭锁新方案,以防止因电流互感器(TA)传变异常引起的桥差保护误动作。仿真结果表明所提闭锁方案在励磁涌流和恢复性涌流情况下能够有效防止桥差保护误动作。

基于互近似熵的微电网并网同步检测方法

针对经典的微电网并网同步检测方法需同时比较两侧电压相位、幅值和频率的繁琐过程,提出基于互近似熵的微电网并网同步检测方法。该方法只需利用单一的互近似熵值就能比较并网开关两侧电压的相似度。分析基于互近似熵的微电网并网同步检测方法的原理和优势,研究微电网并网同步检测方法中互近似熵参数取值等关键问题,进而具体介绍基于互近似熵的微电网并网同步检测方法的实现步骤。最后在Matlab中搭建微电网通过断路器并入配电网的简化模型,仿真微电网开关两侧电压相位、幅值和频率变化时的互近似熵值。仿真结果证明了该方法的有效性。

基于互近似熵的输电线路两相短路接地故障诊断

针对现有电力系统输电线路故障信号分析方法存在故障信号特征遗失等问题,提出了一种基于互近似熵(CAp En)的输电线路两相短路接地故障诊断方法,以提高输电线路故障诊断的准确率。阐述了CAp En法能够进行故障诊断的原理,在PSCAD中建立了输电线路两相短路接地故障的仿真模型,利用MATLAB对所得故障数据进行了分析,又将EEMD-CAp En法与CAp En法诊断的结果进行了仿真对比。结果表明,文章提出的CAp En方法准确可靠,避免了传统故障信号分析方法故障特征遗失的问题,能更有效地诊断出输电线路两相接地故障所在相,极大提高了故障相的识别率,具有很好的实用性。

基于互近似熵的电压暂降波形匹配方法

随着越来越多电压暂降敏感设备接入电网,因电压暂降干扰带来的直接及间接经济损失日趋严重,这对供电质量提出了更高要求,准确识别暂降源是治理电压暂降问题中必不可少的步骤。文中分析了各类短路故障引起的电压暂降类型及其经变压器传变后暂降波形的变化情况,并根据理论分析建立各类暂降的标准样本波形。提出了一种基于互近似熵原理的电压暂降源辨识方法,通过计算实测波形与样本波形之间的互近似熵,直接进行相似度匹配,实现故障暂降类别的准确识别,并利用电网实测数据对该方法进行验证。结果表明该方法与实际工程相贴合,具有很强的实用性。

基于CEEMD互近似熵和FCM滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特性,提出一种结合互补的总体经验模式分解(CEEMD)互近似熵和模糊C均值(fuzzy C means,FCM)聚类的诊断新方法。CEEMD可以有效抑制经验模式分解(EMD)在非线性非平稳信号处理中存在模态混叠和总体经验模式分解(CEEMD)添加的白噪声不能完全被中和问题;互近似熵是能更好体现信号的不规则度和复杂度。首先对正常信号和故障信号进行CEEMD分解,提取真实IMF分量互近似熵表达故障信息,最后采用FCM对数据样本进行分类,并通过计算分类系数和平均模糊熵对分类性能进行评价。结果表明,与基于EMD和EEMD算法的轴承故障诊断方法相比,基于CEEMD互近似熵和模糊C均值聚类相结合的方法可以更准确、有效地实现轴承的故障判别,为实际滚动轴承故障诊断提供一定的理论参考。

基于互近似熵数据筛选的谐波源责任划分方法

针对背景谐波波动影响谐波责任划分准确性的问题,提出了基于互近似熵数据筛选的谐波源责任划分方法。计算谐波电压、电流数据段的互近似熵(Cross Approximation Entropy, CAE)值,利用阈值筛选的方法,保留波形模式相似的数据区段,以达到排除背景谐波干扰的目的。利用M估计稳健回归法对保留数据进行回归计算,规避异常值对系统谐波阻抗回归计算的干扰,实现准确的谐波责任划分。仿真分析结果验证了该方法的准确性和优越性。

基于变分模态分解互近似熵和相关向量机的轴承故障诊断

针对轴承故障振动信号非线性、非平稳性的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)互近似熵(Cross Approximate Entropy)和相关向量机(Relevance Vector Machine,RVM)的轴承故障诊断方法。该方法首先利用VMD将信号分解成不同尺度下的本征模态分量(Intrinsic Mode Function,IMF);然后,选取主要IMF进行互近似熵计算并将其组成故障特征向量;最后,采用RVM作为分类器,将故障特征输入其中进行故障诊断。将该方法应用到实际的轴承故障信号中,分析结果表明该方法是有效的,在轴承故障诊断中具有一定优势。

基于LCD互近似熵和相关向量机的轴承故障诊断方法

针对滚动轴承的故障诊断问题,提出了基于局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)互近似熵(Cross Approximate Entropy,CAE)和相关向量机(Relevance Vector Machine,RVM)的滚动轴承故障诊断方法。该方法首先利用LCD将轴承振动信号分解成若干个具有不同频率成分的内禀尺度分量(Intrinsic Scale Component,ISC);然后通过能量筛选出包含主要故障信息的ISC分量,计算其CAE并作为故障特征向量以体现不同的运行状态;最后将故障特征输入RVM进行故障识别。滚动轴承不同类别和不同损失程度故障实验验证了该方法的有效性。

基于多维度互近似熵的滚动轴承故障诊断方法研究

针对滚动轴承的故障诊断问题,引入互近似熵的方法对轴承振动信号进行分析。通过研究嵌入维数和延迟时间对信号互近似熵的影响,提出多维度互近似熵的特征提取方法。利用多维度互近似熵方法所提取的特征,建立了基于支持向量机的轴承故障诊断模型。对轴承不同类型、不同程度的故障数据进行分析,证明了多维度互近似熵方法可以有效提取轴承不同状态的特征信息,与支持向量机结合可以精确地诊断轴承不同类型、不同程度故障,具有一定的优势。

近似熵在混凝土结构损伤识别中的应用

基于近似熵理论,利用自由振动信号对钢筋混凝土梁结构进行损伤动力识别研究.通过自功率谱密度函数对衰减信号进行分类,针对不同的信号模式提出不同的近似熵计算方法进行结构的损伤识别.使用互相关函数将不具有规则性的衰减信号转化成具有规则性的互相关-时间序列,采用数值模拟结合试验的方法论证了对衰减信号引入近似熵理论的可行性.对由试验测得的不同损伤工况下的自由振动信号引入互相关近似熵理论发现,互相关近似熵能够识别混凝土结构的小损伤,体现了良好的敏感性;对试验数据添加不同强度的噪声,再进行互相关近似熵计算,发现互相关近似熵在信噪比很低的情况下仍然能够对测试的梁结构进行损伤识别,体现了很强的抗噪能力.

基于广义支路能量时空分布熵测度的线路脆弱度评估

为研究大扰动事故注入系统扰动能量对线路和系统冲击大小,从熵的基本原理出发,结合广义支路能量在系统中的空间分布聚集程度,建立基于能量分布熵的线路后果脆弱评估模型;依据近似熵原理和广义支路能量在线路中的周波时段振荡态势,提出基于能量周波互近似熵的线路周波冲击脆弱评估模型。通过对新英格兰10机39节点系统的模拟计算发现:线路发生大扰动后,扰动注入系统的总能量越大,能量分布熵越小,局部空间聚集的能量越多,该线路后果脆弱度越高;既定扰动故障模式下,线路的周波互近似熵越小,周波脆弱度越高,周波脆弱度动态反映了线路随周波时段推移的脆弱度,计及各周波受扰冲击的综合脆弱指标全面反映了线路的扰动冲击强度。通过与其他方法评估结果的比较分析可知,基于广义支路能量时空分布熵测度的线路受扰冲击脆弱度评估模型物理意义明确,评估结果符合实际。

基于CEEMD和GG聚类的电能质量扰动识别

提出一种基于完备总体经验模态分解(complete ensemble empirical mode decomposition,CEEMD)和GG(gath-geva)聚类的电能质量扰动识别方法。CEEMD是一种对EEMD(ensemble empirical mode decomposition)的改进算法,其特点是向原始信号中以正负成对的形式加入白噪声,有利于减少重构信号中残余的辅助噪声;且在分解的每一个阶段都加入特殊噪声,计算一个唯一残差以得到每个IMF,因此分解的结果是完整的,优于EEMD。CEEMD不仅有效解决了EEMD的模态混叠的问题,同时也保留了EEMD处理非平稳信号的优势,再将CEEMD分解的IMF分量的互近似熵值作为特征向量输入到GG模糊分类器中进行电能扰动的分类识别。为了验证该方法的有效性,进行了仿真和实测实验,结果表明,该方法有较好的频谱分离效果,且仅需要较少的迭代次数,减轻了计算成本。

脑电非线性分析在尿毒症脑病诊断中的应用

目的运用近似熵(ApEn)和互近似熵(Cross-ApEn)对尿毒症脑病患者脑电图进行非线性定量分析,期望寻找一种客观而又敏感的尿毒症脑病早期诊断指标。方法选择尿毒症脑病患者15例为观察组,尿毒症患者但不伴有尿毒症脑病表现者14例为对照组,所有患者采集安静状态下的脑电信号,并计算脑电信号的ApEn及Cross-ApEn非线性指数。结果安静状态下,观察组脑电的非线指数ApEn及Cross-ApEn均明显低于对照组,差异均有统计学意义(P<0.05)。结论脑电非线性分析能够较早地客观判断脑功能的改变,对尿毒症脑病的早期诊断有一定的辅助价值。

基于MEMD和RVM的滚动轴承外圈故障评判

针对经验模态分解(EMD)分析同一轴承的多通道故障信号不全面的问题,创建出一种将多元经验模态分解(MEMD)、互近似熵与相关向量机(RVM)相结合的方法,以全面分析滚动轴承外圈故障。首先,利用MEMD将滚动轴承外圈3点钟、6点钟和12点钟方向的多通道振动信号分解为多通道独立的多元本征模函数(MIMF)分量;然后,计算每个MIMF分量信号与原信号之间的相关系数,并求出相关系数最大的前两个MIMF分量的互近似熵值;最后,通过得到的近似熵值构建相关向量机分类模型,对滚动轴承外圈故障样本进行故障分析和评判,将该方法与EMD单一通道分析的方法相对比,结果表明了该方法的有效性和可行性。

基于放电脉冲波形匹配的局部放电类型识别

针对局部放电类型识别中不易全面提取特征等问题,提出将采集到的局部放电脉冲信息与经典的局部放电类型信息直接进行波形相识度匹配的方法,该方法只需通过表征波形相似性的互近似熵值便可识别出局部放电类型。首先讨论不同局部放电类脉冲所具有的不同分布特点和样式,归纳分析五种典型局部放电的脉冲波形。具体研究基于互近似熵进行局部放电信号识别的原理方法、识别系统和实现流程。实验结果证实了基于互近似熵的局部放电识别方法的准确性和高效性。

基于非线性动力学的脑血流自动调节能力评估

脑血流自动调节能力反映了循环系统的代偿能力,它的量化评估对脑血管疾病治疗与预防具有重要研究意义。本文利用非线性动力学中的互近似熵对脑血流自动调节能力进行了研究。实验结果发现该方法能实现实时、连续量化评估脑血流自动调节能力,为脑血流自动代偿能力及脑血管病的预后评估提供了一种有益的方法。

基于粒子轨迹的危岩体损伤识别研究

危岩体损伤早期识别是边坡地质灾害防治的重点。针对传统监测方法准确性低、敏感性差的问题,提出用于评价危岩体损伤前后运动形式变化的指标——粒子轨迹。通过分析危岩体运动学机理,推导危岩体粒子轨迹与主控结构面粘结面积相关性。引入互相关近似熵概念并拓展至三维,用于评价危岩体损伤前后粒子轨迹差异程度,实现对粒子轨迹的定量分析。开展模型试验,监测危岩体不同后缘裂缝深度下的自由振动响应,利用三维互相关近似熵分析粒子轨迹差异性。试验结果表明,随岩桥损伤程度加强,粒子轨迹熵值逐渐增大。相比传统监测方法,粒子轨迹对危岩体结构面损伤更敏感且普适性强,为危岩体损伤识别及崩塌早期预警提供了新的研究思路。