基于改进ELMD和sinc插值校正的电压闪变参数检测

新能源发电并网及大量非线性、冲击性负荷的应用造成的电压波动与闪变已成为不可忽视的电能质量问题。为实现非稳态电压闪变参数的准确提取,提出一种基于改进集合局部均值分解(ensemble local mean decomposition,ELMD)和sinc插值校正的闪变参数分析方法,通过sinc插值法替代局部均值分解法中移动平均插值,并利用噪声的统计特性构建改进集合局部均值分解方法,基于改进ELMD将非稳态电压闪变信号分解成一系列的本征模函数(intrinsic mode function,IMF)分量,然后对各分量进行Hilbert变换获得非稳态电压闪变包络信号的瞬时幅值和瞬时频率,最后针对局部均值分解(local mean decomposition,LMD)测量大于12 Hz闪变分量幅值误差较大的局限性,构建基于sinc插值的幅值误差校正模型,据此实现非稳态电压闪变参数的完整检测与分析。通过仿真和实验证明所提出的改进ELMD和sinc插值校正闪变检测相比传统基于LMD的闪变检测方法具有更高的准确度,受电网基波频率波动的影响很小,抗干扰性强,能有效实现非稳态电压闪变包络参数准确检测。

基于改进LMD和IED-SampEn的齿轮故障特征提取方法

提出基于改进的局部均值分解(Local mean decomposition,LMD)和瞬时能量分布(Instantaneous energy distribution,IED)-样本熵(Sample entropy,Samp En)的齿轮故障特征提取方法。针对LMD存在的端点效应问题,提出最大相似系数法改进的LMD方法,该方法通过在信号内部寻找与两端指定波段相似系数最大的波段,来实现端点效应的改善。进行仿真验证,结果表明该方法能有效改善LMD的端点效应问题。采用改进的LMD方法分解信号得到瞬时幅值函数,由此可以获得信号的瞬时能量分布,将其作为样本熵输入获得IED-Samp En,通过试验研究并与PF-Samp En进行对比,结果表明IED-Samp En能够合理地、有效地反应齿轮的故障状态,作为齿轮振动信号的特征矢量具有典型性,可以作为一种有效的故障特征。

改进LMD和排列熵的滚动轴承故障诊断

针对滚动轴承故障振动信号的复杂特性和局部均值分解(Local Mean Decomposition,LMD)方法存在的端点效应问题,提出了基于振动信号自相似性对左右端点两侧延拓来抑制端点效应问题的改进LMD、排列熵(Permutation Entropy,PE)及优化K-均值聚类算法相结合的轴承故障诊断方法。首先通过改进LMD将非线性、非平稳的原始故障振动信号分解出一系列的乘积函数(Production Function,PF)分量,对包含主要故障信息的PF分量提取PE值作为故障特征分量,在提取特征量的基础上,最后采用优化后的K-均值聚类算法对故障类型进行识别分类。将该方法应用在滚动轴承实验数据,实验结果表明该方法可以准确、有效的实现滚动轴承的故障诊断。

基于改进LMD算法的齿轮箱故障诊断研究

齿轮箱是机械传动系统中最关键,也是最易发生故障的零部件之一。针对齿轮箱的故障诊断问题,提出了一种改进局部均值分解算法(Improved Local mean decomposition,ILMD),并将其应用于齿轮箱微弱故障特征的提取。首先,为了降低局部均值分解(Local mean decomposition,LMD)算法的模态混叠效应,将一种优化的有理样条插值算法应用于ILMD包络线的构造;然后,采用ILMD算法将原始振动信号分解为一系列乘积函数分量(Product function,PF),并根据峭度值筛选出分解结果中包含故障信息最多的有效分量;最后,通过对有效分量的包络分析实现齿轮箱故障的有效诊断。实验结果表明,所提出方法能有效抑制LMD的模态混叠现象,并且能准确地识别出齿轮磨损故障。

基于算法的风电齿轮箱早期故障诊断研究

在新能源形势的推动下,风电产业的发展日新月异。然而,风电齿轮箱作为关键组成部分,其运行状态直接影响到整个风电场的稳定性和效率,为及早识别齿轮箱故障,文章提出了一种改进局部均值分解算法(Improved Local Mean Decomposition,ILMD),可对生产运维提供有效诊断指导。结果表明,通过ILMD算法可以有效抑制LMD的模态混叠现象,进而准确识别出齿轮早期磨损故障。

基于阻抗分离的工业谐波源非侵入式识别方法

针对传统非侵入式负荷识别方法难以直接应用于工业谐波源负荷识别的问题,本文提出一种基于阻抗分离的工业谐波源非侵入式识别方法。首先,构建等值阻抗参数计算模型,分析多负荷并联网络中综合等值阻抗与各支路等值阻抗间的关联关系;然后,采用改进型复局部均值分解和复值快速独立分量分析,分离支路等值阻抗信号;最后,通过分析支路等值阻抗信号特征以识别谐波源负荷类型。仿真与实测结果表明,本文识别方法具有较好的工程实用性和适应性。

用ILMD多尺度时频熵识别直流牵引网振荡电流与故障电流

针对城市轨道交通直流牵引网的振荡电流容易引起继电保护系统频繁误动的问题,提出了一种基于改进局部均值分解的多尺度时频熵识别直流牵引网振荡电流与短路故障电流方法。利用改进局部均值分解法分析直流牵引网的馈线电流信号,获得其时频分布;将信息熵理论引入时频分布,对时频平面进行频段划分,计算各频段的时频熵,求出时频平面的整体多尺度时频熵;定量描述馈线电流信号的能量在时频平面分布的均匀性,均匀性的不同可以反应直流牵引网运行状态的差别,从而可通过多尺度时频熵的大小区分直流牵引网的振荡电流与短路故障电流。算例分析验证了该方法的有效性。

基于MELMD-ICA的光纤振动信号降噪方法

针对分布式光纤传感系统所采集含噪信号,提出一种改进集成局部均值分解(MELMD)联合独立成分分析(ICA)的降噪方法,引入排列熵判决机制提高抑制模态混叠与虚假分量能力。首先使用MELMD方法分解含噪信号得到乘积函数(PF)并进行信号重构;将含噪信号和重构信号求差得到虚拟噪声,构造虚拟通道;然后使用ICA对含噪信号和虚拟通道进行信噪分离,得到最终结果。通过实验验证,该方法与EMD-ICA,EEMD-ICA,MELMD相比,能更好地消除信号中的噪声,保留信号的特征信息。

基于有理样条插值ILMD算法的齿轮箱故障诊断

齿轮箱早期故障的诊断识别对实际运行控制性能对整体设备安全性和稳定性起关键作用。为弥补LMD算法容易出现模态混叠的问题,设计了一种通过有理样条插值方式实现的改进型局部均值分解算法(ILMD),以实现对齿轮箱早期故障的高效诊断。以乘积函数峭度值作为判断条件挑选出含有较多故障信息的有效分量,再利用包络分析的算法完成齿轮箱故障的诊断过程。研究结果表明:选择超参数P优化处理的RSI算法建立包络线,实现了对插值曲线超调的明显抑制作用。PF4分量包络谱中形成了明显故障特征频率f(1.2 Hz)与2倍频f(5.8 Hz),采用本文算法可以准确提取得到齿轮箱故障特征,完成诊断从动轮磨损故障的功能。与LMD及EEMD算法相比,本文设计ILMD算法可以更加高效诊断出齿轮磨损故障。