GIS不同耦合方式下注入脉冲的加权IMF局放信号等效性

注入脉冲模拟局放是气体绝缘金属封闭组合电器(gas insulated switchgear,GIS)特高频(ultra high frequency,UHF)局放监测装置功能校验的主要方法,由于现场校验脉冲注入的耦合方式不同,模拟局放与实际局放等效性规律尚不明确,无法保证监测装置功能校验的有效性。文中首先建立126 kV GIS典型局放缺陷(尖端、悬浮、绝缘子气泡)和内/外置式脉冲注入UHF局放检测平台,并对UHF信号有效脉冲进行归一化提取;接着提出基于经验模态分解的加权本征模函数(intrinsic mode functions,IMF)信号处理方法,通过计算局放信号欧式距离平均值和最大值表征其等效性;最后与常规信号偏差法进行对比验证。研究表明,相较于常规信号等效性分析方法,加权IMF法可有效解决UHF信号波形局部差异较大的问题;使用内置传感器脉冲注入的模拟局放信号与悬浮局放信号等效性最高,局放信号的欧式距离平均值M_(e)和最大值M_(a)分别为3.82%和10.28%。因此,UHF监测装置功能校验可采用恒定参数注入脉冲代替悬浮缺陷,且模拟局放可优先选择内置UHF传感器注入脉冲。文中研究可为UHF局放监测装置功能校验的脉冲注入方法提供参考。

基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法

为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。

经典模态分解方法中内禀模态函数判据问题研究

针对经典模态分解方法的内禀模态函数判据问题 ,根据内禀模态函数完备且正交的特点 ,提出了在内禀模态函数“筛选”过程中采用能量差跟踪法来确定内禀模态函数分量。通过仿真和实际信号的分析 ,验证了采用这种方法确定的内禀模态函数分量满足正交性要求 ,表现了信号内含的真实物理信息 。

利用正交本征模态函数分析日长变化的主要激发源

利用本征模态函数的正交分解方法对日长(LOD,length of day)数据序列进行分解,得到了日长变化的101个正交本征模态函数。通过对其中几个主要模态函数进行分析,发现日月地的相对位置与其中几个模态函数极值发生的时间极其吻合,并据此推断出日长变化的主要激发源。同时还发现日长变化存在准周期约为206 d的波动。

基于变模态分解的异步电机转子断条故障诊断

电机稳态运行时的故障特征频率与基频接近,难以实现转子断条时的故障电流分量的有效提取。对此,该文根据起动过程中转子断条故障特征信号频率易与基频区分的特点,采用变模态分解(VMD)方法对起动过程中的定子电流进行分析并对故障进行诊断。首先,基于平均瞬时频率对VMD的模态个数进行优化,准确分解出能量集中的断条故障特征信号。在此基础上,利用维格纳准概率分布高时频分辨率的特点绘制断条故障特征信号的时频分布图,引入大津算法对图片进行抗噪处理,突出故障特征部分。然后,以故障特征信号能量值作为故障量化因子,以不同故障状态下多组实验数据的均值和标准差为依据设置阈值,实现系统自动故障预警的目的。最后,在一台5.5 kW异步电机上进行了实验,结果表明,所提诊断方法不仅能够实现包括不完全断条在内的故障诊断,还能够实现对断条故障严重程度的判断。

基于低通滤波和经验模态分解的舰船耐波性试验信号分析方法研究

针对舰船耐波性实测信号中趋势项难以消除而影响滤波精度这一问题,采用经验模态分解方法消除趋势项的影响。根据舰船对波浪运动响应的低频特点,在经验模态分解前先进行低通滤波,可使实测运动信号中的谱峰频率处在相对高频位置,减少EMD迭代次数,并使有用信息包含在第一个IMF中,方便对有用模态的识别。还针对实船耐波性试验无法直接获得垂荡位移的实际问题,对垂向运动加速度联合采用低通滤波、数值积分和EMD去趋势项消除积分误差的方法获得垂荡,通过模型耐波性试验以及对实舰横摇角速度采用该方法求得的横摇与实测横摇的比较,验证了该方法在舰船耐波性实测信号分析中的有效性。

经验模态分解理论及其应用

阐述了经验模态分解(EMD)的概念、基本理论及其作为一种数据驱动的时频分析方法,能够根据信号特点自适应地将信号分解成一组具有物理意义的固有模态函数的线性组合,十分适合于非线性、非平稳信号分析的机理,然后综述了一维EMD算法在解决包络拟合、边界效应、模态混叠等关键问题上的研究进展,重点对新兴的多维经验模态分解的发展情况进行了详细论述;介绍了EMD在信号去噪,地球物理、生物医学信号处理,电力工程、机械工程故障诊断方面的主要应用,结合EMD研究中的难点问题,指出了下一步研究的五个重要方向。

基于改进的经验模态分解的滚动轴承故障诊断研究

传统的时频分析方法不能有效地处理非平稳信号，经验模态分解（EMD）非常适合处理非平稳信号，但结果可能出现伪内禀模态函数（IMF）和不敏感内禀模态函数。针对EMD的不足，提出能量门限法和敏感IMF选择法相结合来识别真IMF和敏感IMF的方法，对同时满足这两个条件的IMF作频谱变换，频谱图上可以清晰呈现故障特征信息。将改进后的EMD应用到滚动轴承故障诊断实例，证明了此方法的可行性和准确性。

局部经验模态分解算法

对经验模态分解算法中的异常事件干扰机制做了深入的探讨,指出发生频率混叠现象时必须满足的两个条件。为了避免出现频率混叠现象,提出了基于动态窗口的局部分解算法。利用信号的时间特征尺度检测出信号的突变并定位局部高频分量,在分解信号的过程中,局部分解算法并不对信号的整个时间区域进行分解,而是以定位好的局部高频分量位置为窗口,进行局部的经验模态分解,分离出高频分量。通过这种局部分解,就可以有效地消除模态间的频率混叠,得到的固有模态函数更可靠地反映了真实物理过程。和现有异常事件处理方法相比,局部经验模态分解算法在理论上和经验模态分解算法更为统一,方法更为简便。通过实例表明了局部经验模态分解算法的有效性。

重力固体潮IMF的AM-FM模型及其非线性拟合

首先建立AM-FM数学模型,用多个相近载波的调幅信号组合描述它。利用最小二乘法对幅度调制和频率调制两个部分分别进行非线性拟合;拟合以相关系数满足一定条件为精度控制原则,拟合项数以相邻相关系数不再显著变化为判定条件。有效性检验证明该方法切实可行。重力固体潮IMF的拟合结果表明,AM-FM数学模型可以很好地刻画重力固体潮IMF;重力固体潮是多个AM-FM信号合成的复合信号。为后续深入研究重力固体潮的AM-FM信号特征、循环平稳信号特征等性质建立了良好的数学基础。

重、磁异常的经验模态分解及其在鄂东张福山铁矿勘探中的应用

由Norden E Huang提出的经验模态分解(Empirical Mode Decomposition,即EMD)是一种以信号板值特征尺度为度量的时空滤波过程,其利用信号的上、下包络得到多个分量.这些分量包含了信号从高到低不同频率段的成分,也称固有模态函数,最后的余量为趋势分量,代表信号的平均趋势,这与地球物理场中的区域异常具有相似的意义.根据这一思想,本文提出一种基于EMD的地球物理位场分离方法.与一些常规方法相比,EMD分解结果更接近理论值.鄂东张福山为多年的老矿山,区内标高-400 m以上的铁矿已探明并正在开采,由于人文干扰严重,有效地分离出深部未知铁矿体的异常是该区深部找矿的关键.将EMD用于张福山磁异常分离,并通过对分离后的异常进行2.5D正、反演解释,发现深部铁矿体,表明经验模态分解是一种能有效分离复杂位场的新方法.

双线性单自由度体系强迫动力反应的Hilbert谱与本征振动模态:输入简谐波频率的影响

系统地研究了双线性单自由度体系在简谐波输入下表现出非线性力学行为时,输入简谐波频率对体系动力响应的H ilbert谱、H ilbert边缘谱及Fourier幅值谱的影响。研究结果表明,如果体系输入简谐波频率为f,那么体系动力响应H ilbert边缘谱的能量分布在f附近一个较宽的频带上,该频带的产生是体系动力响应H ilbert谱中所蕴含的波内调制的必然结果,它源自于体系某个本征振动模态瞬时频率的波动,而这种瞬时频率的波动描述了体系屈服与卸载的非线性力学行为;体系动力响应的Fourier幅值谱自3f起,每隔2f就会出现一个幅值明显高出周围其它分量的Fourier“伪”谐波分量,这也是体系非线性力学行为所造成的结果。

基于经验模态分解的去噪方法研究

在f-x域沿x方向进行经验模态分解,将地震记录分解成不同的固有模态函数IMFs,每个IMF成分代表了信息在空间方向变化的急剧程度。其中随机噪音和陡倾角相干噪音分布于低阶IMF中,而有效信号在空间方向呈现缓慢变化特征,主要分布于高阶IMF中,因而可以进行信噪分离。该方法是一种非平稳数据处理技术,没有常规空间傅立叶变换之类技术的假频问题,且能够处理不规则空间采样数据。实际处理结果表明,该方法去噪结果保真度较高。

基于内禀模态符号熵的滚动轴承故障分析

经验模态分解(EMD)方法是一种自适应的局部化分析方法。首先采用EMD方法将滚动轴承振动信号分解为若干个内禀模态(IMF)分量,IMF分量是根据频率由高到低进行分解的。EMD分解得到的IMF分量突出了信号的局部特征,而轴承的故障特征通常在前几个IMF分量中集中体现出来。在此基础上将含有轴承故障特性的IMF分量转化为符号序列,再根据符号序列Shannon熵方法计算其熵值。由实测数据计算表明,内禀模态符号熵能够反映轴承不同的故障特征。

基于高斯核函数支持向量机的脑电信号时频特征情感多类识别

为了找到一种综合分析方法,提高对脑电信号情感多分类识别的分类精确度,将DEAP数据库中的脑电数据采用经验模态分解的方法分解为多个本征模函数,并对本征模函数按不同的时长窗口进行分片,提取其功率谱密度作为脑电信号特征.将被试对音乐视频的情感评价指数用于生成情感分类标签,按"唤醒度"和"效价"2个维度将评价指数映射到二维情感模型中,分成4类.采用"一对一"的高斯核函数支持向量机对脑电特征进行多分类分析.实验结果表明:高斯核函数支持向量机的最高分类准确度达到90.9%(22号被试),平均分类准确度达到68.3%.高斯核函数支持向量机能有效地从脑电信号中识别出不同的情感状态;同时,对于相同刺激,不同的被试产生的情感状态不同;并且,在清醒状态下,脑电信号的高频子波对情感分类有更高的分类精确度.

基于Wigner分布和经验模态分解的谐波分析方法

在电力系统中,谐波对电网的危害日益严重,准确地对电力系统谐波进行检测有着重要的意义。Wigner分布是采用非线性变换处理非平稳信号一种常用的时频分析方法。本文将Wigner分布与经验模态分解结合起来,将经验模态分解作为Wigner分布的一个预处理环节,将信号分解为一系列固有模态函数,分别对单个固有模态函数进行Wigner分布。该方法用于多分量谐波的信号分析,具有很好的时频聚集性,且能够很好的抑制交叉项的干扰。仿真结果表明了该方法的有效性。

应用经验模态分解下的AR模型提取电动机故障特征

为有效地诊断电动机断条故障,提出了一种基于EMD-AR模型的电动机断条诊断的信号分析新方法。该方法将时间序列的AR模型引入到电动机断条故障诊断中,采用了经验模态分解方法将电动机的电流信号分解成若干个平稳的IMF分量,对前三个分量建立AR模型,并对固有模态函数进行功率谱分析。通过对比正常电动机、一根断条满载电动机和一根断条空载电动机的A相电流信号的IMF1(V)~IMF3(V)分量,通过AR模型估计的功率谱图提取故障特征并分析。仿真和实验结果表明,此方法能有效识别电动机断条故障。

基于IMF能量矩和SVM的煤矸识别

针对综放工作面的煤矸识别问题,提出了一种基于固有模态函数(IMF)能量矩和支持向量机(SVM)的煤矸识别方法。使用仿真信号验证了该方法所提取的IMF能量矩可以反映信号的能量沿时间轴的分布情况,相较于IMF能量可以更好地表征信号的特征。使用该方法进行煤矸识别时,对放顶煤过程中采集到的顶煤和矸石冲击液压支架的振动信号进行集合经验模态分解分解(EEMD),得到若干个IMF,根据分解结果提取包含振动信号主要信息的前8个IMF分量,进一步计算其能量矩,将待测样本信号的IMF能量矩作为特征向量输入训练好的支持向量机进行放煤和放矸石两种工况的识别。试验结果表明,该方法能有效的完成对煤矸振动样本数据的识别,平均识别准确率达到90%。

全矢IMF信息熵用于高速列车转向架故障诊断

针对高速列车转向架振动信号具有非线性、非平稳的特征,以及单通道故障诊断带来的信息不完整问题,提出了一种多元经验模态分解(multivariate empirical mode decomposition,简称MEMD)和全矢本征模态函数(intrinsic mode function,简称IMF)信息熵相结合的高速列车故障特征提取方法。首先,使用MEMD方法对同源双通道的振动信号进行分解,得到一系列的2元本征模态函数;其次,分别计算前6个IMF的全矢IMF信息熵,通过特征评价方法进行特征维数约简;最后,将得到的特征向量作为支持向量机的输入来识别转向架的故障类型。实验结果表明,该方法能有效提高转向架的故障识别率,最高可达到100%,验证了全矢IMF信息熵在高速列车故障诊断中的可行性。

基于自适应变分模态分解的佤语孤立词共振峰估计

基于变分模态分解算法实现对语音共振峰的提取,针对其存在共振峰合并和虚假峰值2个主要问题,通过对分解模态数、平衡约束参数的分析,提出了自适应变分模态分解法.并从的正交性、能量保存度2个方面证明了该方法的可行性;最后,利用该方法实现对佤语共振峰的估计.实验结果表明,基于自适应变分模态分解对佤语孤立词的共振峰估计平均正确率可达85.50%.