基于对称差分能量算子解调的局部均值分解端点效应抑制方法

局部均值分解(Local mean decomposition,LMD)在分析非线性、非平稳信号时表现出特有的分析能力,能够有效获得非平稳信号的时频特征,但是局部均值分解过程中的端点效应会导致分解结果失真,针对这一问题,从振动信号解调分析角度出发,提出基于对称差分能量算子解调的局部均值分解端点效应抑制方法,采用局部均值分解方法将原信号分解为一系列单分量信号,然后对每一个单分量信号进行三点对称差分能量算子解调,得到各单分量信号的瞬时幅值和瞬时频率,从而获得原信号的时频分布。为评价该端点效应抑制方法的抑制效果,定义一种评价标准,通过与其他两种端点效应抑制方法进行比较,验证该方法的优越性。仿真和试验结果表明该方法能够有效抑制LMD端点效应,实现旋转机械故障的有效诊断。

基于DEMD和对称差分能量算子解调的滚动轴承故障诊断

针对机械故障振动信号多为调制信号的特点,为了更好地提取多分量调幅调频信号的幅值和频率信息,提出了基于微分的经验模式分解(DEMD)与对称差分能量算子相结合的解调方法。利用DEMD算法将原始振动信号进行分解,得到若干个单分量信号;对每一个单分量信号进行三点对称差分能量算子解调,得到各单分量信号的瞬时幅值和瞬时频率,并计算出包络谱。将该方法应用于仿真信号和滚动轴承故障信号的诊断,实验结果表明,该方法能有效地提取机械故障信号的故障特征,实现旋转机械故障诊断。

变分模态分解与对称差分能量算子解调在滚动轴承故障诊断中的应用

针对滚动轴承信号的不规则特性及振动信号表现出强非平稳性给滚动轴承故障特征提取带来困难的问题,提出VMD变分模态分解与对称差分能量算子解调的滚动轴承故障诊断方法。仿真实验结果表明所提方法能够有效地对滚动轴承进行故障诊断。

基于VMD和对称差分能量算子解调的滚动轴承故障诊断方法

针对滚动轴承早期故障振动信号非平稳、强噪声,故障频率难提取的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和对称差分能量算子解调的滚动轴承故障诊断方法。首先,利用VMD方法将滚动轴承待分析信号分解成若干个模态分量;其次,根据峭度最大准则来选取被对称差分能量算子解调的模态分量,解调后获取待分析信号的幅值、频率信息并计算包络谱。实验结果表明:与传统能量算子相比,所提方法能突显故障特征频率并有效抑制虚假干扰频率,更有利于滚动轴承故障诊断。

复杂背景下对称差分解析能量算子在轴承故障诊断中的应用

针对对称差分能量算子对噪声和振动干扰较为敏感的不足,在其基础上提出了对称差分解析能量算子。对称差分解析能量算子在很大程度上克服了噪声和振动干扰的影响,能从重度污染的信号中提取出微弱的故障信号频率,因此具有更强的鲁棒性。将该方法应用于模拟实验和真实轴承故障诊断实验中,并且与对称差分能量算子和传统能量算子进行对比,该方法取得了良好的诊断效果,体现了优越性。将该方法应用于故障诊断领域,尤其是工作背景复杂的环境下,有着很大的实际意义。

三点对称差分能量算子与经验小波变换在轴承故障诊断中的应用

实际应用中研究机械系统的工作状态时,通常会对其所产的信号进行研究分析,从而得出相关结论。这些由机械系统产生的信号一般含有多种不同波动的混合成分,为了得出可靠的结论,必须从复合信号和背景噪声中分离出有物理意义的成分。因此引入一种新的故障提取方法,首先利用一种较新的模态分解算法——经验小波变换,将一组信号分解成多个具有紧支撑傅里叶频谱的调幅-调频(AM-FM)分量;然后利用K-L散度值挑选出具有物理意义的分量;最后将挑选出的分量通过三点对称差分能量算子运算,得到其能量谱的同时也能得到瞬时频率,从而提取出故障特征。将该方法用于模拟信号和实际轴承故障信号,并且同之前的方法进行对比。结论表明,该方法不仅能很好的提取轴承故障特征,而且证明该方法具有更好的优越性。

基于ITD和邻域差分能量算子解调的内燃机瞬时转速计算

针对内燃机瞬时转速计算精度低、对采样频率鲁棒性差的问题,提出了基于固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)和邻域差分能量算子解调(Energy Operator Demodulation,EOD)的瞬时转速计算方法。利用自适应波形匹配算法对原采样信号进行端点延拓,然后基于ITD算法从信号中提取包含瞬时转频的单分量信号,再对单分量信号进行邻域对称差分,并将差分结果输入传递函数计算能量算子,进而求出内燃机的瞬时转频和瞬时转速。仿真和实测信号研究证明了本方法计算速度快、精度高且频率鲁棒性好。

时变滤波经验模态分解与对称差分解析能量算子在轴承故障诊断中的应用

经验模态分解算法作为一种经典的模态分解技术,在许多科研领域得到了广泛应用。然而分离问题和间歇性问题仍未解决,这可能导致模态混叠现象。因此,采用一种基于时变滤波的改进的经验模态分解方法。该种改进的模态分解算法可以确保了一个故障信号被精确地分解为多个含有独特故障特征的分信号。然后,采用对称差分解析能量算子对含有故障特征的分信号进行故障特征提取。实验结果表明,该方法是一种有效的轴承故障诊断工具。

基于CEEMD和3点对称差分能量算子的滚动轴承故障诊断方法

为解决传统信号处理方法提取滚动轴承故障特征不精确和Teager能量算子解调信号的解调频率和幅值误差较大的问题,课题组提出一种基于互补集合经验模态分解和3点对称差分能量算子结合的轴承故障特征提取方法CEEMD-DEO3S。课题组首先对滚动轴承进行CEEMD分解前进行去噪处理来增强信号的故障脉冲;然后利用CEEMD将去噪后信号分解为一系列固有模态函数,并依据相关系数原则选择最能表征故障的敏感分量,重构后进行DEO3S解调,依据解调后得到的幅值和频率计算信号的包络谱。实验分析表明:所提方法解调信号的误差更小,提取轴承故障频率更精确。

高阶对称差分解析能量算子在微弱轴承故障信号提取中的应用

针对对称差分解析能量算子在高幅值振动干扰频率影响下性能较差的不足,在对称差分解析能量算子的基础上提出了一种改进的解析能量算子.该能量算子改用高阶对称差分序列替代对称差分序列以达到提高信号干扰比的目的,从而提高在高幅值振动干扰频率存在下提取故障特征的能力.此外,为了防止能量出现负值,该改进的能量算子采用了绝对值对其能量表达式进行加权处理.通过模拟实验证明了该方法在抗噪和抗振动干扰方面的优越性,及其它的非负特性.最后将其应用于真实轴承故障数据,发现该方法可以在恶劣工况下提取出故障特征频率.

三维麦克斯韦方程的对称分裂时域有限差分方法能量守恒性分析

考虑三维电导率为零的麦克斯韦方程的对称分裂时域有限差分（SS—FDTD）方法的能量守恒性．通过新的能量方法与差分算子δx，δy，δz，笔者首次给出了数值逼近格式SS—FDTD在离散的H^1模下的能量守恒式，并证明了格式在离散的H^1模下的守恒性．数值算例验证了格式解的能量守恒性．

基于注意力机制的光伏系统故障电弧检测与定位研究

由于绝缘损坏等原因产生的串联故障电弧严重威胁着光伏系统的安全稳定运行。同时,光伏系统中阻抗网络会影响检测故障电弧的能力,降低时频检测方法的可靠性。针对阻抗网络带来了故障电弧检测与定位困难的问题,文中搭建含光伏阻抗网络模块的直流故障电弧实验平台,开展不同电流等级、不同负载、不同线路模拟长度的故障电弧实验。通过傅里叶变换频谱和小波变换分析电流信号,构建幅值比、提升比指标,定量评估光伏阻抗网络前后的故障电弧特征差异,分析光伏阻抗网络对故障电弧特征的弱化影响,并对小波重构信号做三点对称差分能量算子处理,使100 k Hz内各频段特征得到增强,有效改善了故障电弧检测。根据特征随线路增长而衰减的规律,提出基于长短期记忆网络和注意力机制的故障电弧检测与定位算法,实现了0~80 m的串联故障电弧定位,最大误差不超过4 m。研究可为光伏系统故障电弧检测模块的设计提供一定理论和方法基础。

基于ASTFA和SDEO解调的行星齿轮箱故障诊断方法

针对行星齿轮箱故障信号的调制特点,提出基于自适应最稀疏时频分析(Adaptive and Sparsest TimeFrequency Analysis,ASTFA)和对称差分能量算子(Symmetric Difference Energy Operator,SDEO)相结合的解调方法,用于提取故障信号的瞬时幅值和瞬时频率信息。采用ASTFA方法分解行星齿轮箱故障信号,得到若干个单分量信号,采用SDEO进行解调,得到各单分量信号的瞬时幅值和瞬时频率,并计算得到包络谱。采用该方法分析行星齿轮箱故障仿真信号和故障实际信号,结果表明,该方法能准确地提取故障特征,实现行星齿轮箱故障诊断。

多频调制下电气化铁路电压波动特性分析及频率估计

针对多车整备时电气化铁路牵引供电系统电气量不稳定现象,通过挖掘多车接入牵引网时牵引变电站内部中压评估点的电压录波数据,提取多分量调幅调频信号的幅值和频率信息,并对其波动细节进行详细分析。首先设计高阶Butterworth滤波器对信号进行低通滤波。其次基于集成局域均值分解(ensemble local mean decomposition,ELMD)研究了牵引网电压波动包络线提取方法,分解出若干个单分量信号。为改善网压信号的端点效应,基于最小二乘法(least mean square,LMS)自适应滤波器对电压数据端点处进行波形延拓;随后使用对称差分Teager能量算子对调制频率信号的突变时刻检测,实现ELMD包络信号的分段截取;最后对各分段信号进行集成经验模态分解(ensemble empirical mode decomposition,EEMD)从而实现电压波动的详细分析和频率估计。实验结果表明,该方法能有效地提取牵引供电系统的电压波动特征,实现电压波动的调制信号的频率、幅值的有效估计。

基于VMD和SDEO的低采样率行波故障定位算法

针对传统行波测距方法易受波速不确定性影响和需要在较高采样率下才能保证测距精度的问题,提出了一种基于变分模态分解(VMD)和对称差分能量算子(SDEO)的低采样率行波故障定位算法,该算法充分利用了初始行波波头的到达时刻和线路长度来消除波速对故障测距的影响,提高了定位精度。并将变分模态分解和对称差分能量算子相结合,利用分解的模态稳定性强的优点和能量算子优异的跟踪信号奇异性的特点,使该算法在较低采样率下也能精确地检测出波头的瞬时能量突变时刻,从而准确定位故障的发生点。EMTP仿真结果验证了所提方法的测量精度较小波故障定位方法有所提升,而且能够节约设备成本,适合于工程实际中的应用。

采用改进多点最优最小熵反褶积的齿轮箱复合故障特征提取

针对强背景噪声下齿轮箱复合故障中的微弱故障特征难以提取的问题,提出了一种改进多点最优最小熵反褶积的齿轮箱复合故障特征提取方法。将小波降噪作为前置滤波器,克服了多点峭度谱在强背景噪声下难以有效识别信号中的微弱故障周期成分的缺点,使信号峭度增加了65.9%,突出了微弱故障周期成分;根据多点峭度谱识别出的故障周期成分设置合理的故障区间,利用多点最优最小熵反褶积突出了信号中的故障周期,避免了对信号直接包络解调而出现的漏诊现象;将差分能量算子解调应用于改进算法处理后的信号,与传统的Hilbert解调方法相比,该算法得到的解调谱中故障特征频率的峰值更加明显。通过对仿真信号与齿轮箱中齿轮点蚀磨损复合故障振动信号的研究结果表明,改进多点最优最小熵反褶积方法能够完整地提取信号中的故障特征频率成分,成功率达到了100%;与变分模态分解进行了对比分析,改进算法有效消除了模态混叠现象。仿真和试验结果表明,改进算法可以有效提取强背景噪声下齿轮箱复合故障中的微弱故障特征。

基于STOA-VMD的串补输电线路故障测距

由于串补电容的存在,串补输电线路中发生故障时,故障行波过程十分复杂,行波波头检测困难;故障行波信号中存在较大噪声时,传统的故障特征提取方法无法准确提取故障行波的特征信号。为此在串补线路中故障行波信号存在噪声条件下,提出一种基于乌燕鸥优化算法(sooty tern optimization algorithm,STOA)对变分模态分解(variational mode decomposition,VMD)优化的故障行波特征提取方法。该方法利用最大峭度准则对STOA的目标函数不断优化,从而选取VMD中更合适的模态量和惩罚因子值,避免人为设定模态量和惩罚因子值时,VMD对故障行波信号的分解不足或分解过剩造成的故障定位误差。通过对称差分能量算子(symmetric differential energy operator,SDEO)提取VMD后最佳的模态分量的能量突变点,结合双端行波测距方法,实现故障测距。仿真结果表明,所提方法能够实现串补输电线路的故障测距,测距精度高,且不受故障类型、过渡电阻的影响。

基于参数优化变分模态分解的间谐波检测

变分模态分解(VMD)已在谐波检测领域得到应用,但人为设定分解参数K,导致误差较大。为提升VMD在间谐波检测中的准确性,首先,采用施密特正交化理论对VMD预分解得到的各分量进行正交化处理,以避免模态混叠。然后求得不同K值对应的残差能量,利用残差能量值最小化法优化参数K,进而提取间谐波信号。最后采用对称差分能量算子,获得间谐波信号幅值与频率等特征信息。仿真实验表明:所提出的方法能有效优化参数K,降低VMD分解误差。同经验模态分解(EMD)、集合经验模态分解(EEMD)以及近年新提出的同步挤压小波变换(SST)相比,参数优化变分模态分解在间谐波检测上效果显著提升,具有更高的检测精度。

基于循环相关和LPSO算法的自适应MCKD方法的滚动轴承早期故障特征提取

针对强噪声情况下滚动轴承早期故障信号特征难以提取的问题,提出了MCKD与对称差分能量算子解调的特征提取方法。MCKD算法进行滤波时,滤波器长度L和故障周期T对滤波效果的影响至关重要,因此提出基于循环相关和LPSO算法结合的自适应的MCKD算法,自动搜寻MCKD算法所需最优参数;原信号经滤波后,故障特征被明显突出,为了剔除剩余噪声,对滤波后信号进一步做对称差分能量算子解调,剔除剩余噪声同时获得解调谱,进而提取滚动轴承的早期故障。实验分析验证了该方法的有效性。

基于MRSVD-VMD的多分支配电网故障定位

针对配电网行波定位中受噪声干扰导致波头标定困难和传统定位方法不适用于多分支配网结构的问题,提出基于多分辨率奇异值分解-变分模态分解MRSVD-VMD(multi-resolution singular value decomposition-variational mode decomposition)的自适应波头标定算法和不受行波波速影响的T域定位算法。利用MRSVD和VMD分解故障行波,根据峭度值和峭熵比筛选有效分量,然后通过对称差分能量算子SDEO(symmetrical differencing energy operator)实现波头标定;最后利用行波到达时间筛选故障T域,实现故障点的区段定位和精确测距。仿真结果表明,MRSVD-VMD行波波头标定方法在不同噪声下能有效标定波头,T域定位算法排除波速影响,能实现多分支配电网故障的精确定位。