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...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。展开更多
端点检测是语音识别中一个重要的环节。当信噪比较低时,传统的基于短时能量和短时过零率的端点检测方法不能有效地工作。由于Teager能量算子TEO(Teager Energy Operator)和差分算法可以有效地抑制噪声,因此,提出了一种基于TEO和差分算...端点检测是语音识别中一个重要的环节。当信噪比较低时,传统的基于短时能量和短时过零率的端点检测方法不能有效地工作。由于Teager能量算子TEO(Teager Energy Operator)和差分算法可以有效地抑制噪声,因此,提出了一种基于TEO和差分算法的端点检测方法。实验证明,该算法在信噪比较低的情况下,能够随着环境自适应门限,准确地检测出语音信号。通过对两种不同的端点检测算法的比较,证明了基于差分和Teager能量算子的算法的检测正确率较高。展开更多
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...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。展开更多
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...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。展开更多
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)...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。展开更多
文摘局部均值分解(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。
文摘端点检测是语音识别中一个重要的环节。当信噪比较低时,传统的基于短时能量和短时过零率的端点检测方法不能有效地工作。由于Teager能量算子TEO(Teager Energy Operator)和差分算法可以有效地抑制噪声,因此,提出了一种基于TEO和差分算法的端点检测方法。实验证明,该算法在信噪比较低的情况下,能够随着环境自适应门限,准确地检测出语音信号。通过对两种不同的端点检测算法的比较,证明了基于差分和Teager能量算子的算法的检测正确率较高。
文摘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。
文摘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。
文摘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。