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...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。展开更多
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LM...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。展开更多
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...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。展开更多
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...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。展开更多
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)...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。展开更多
文摘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。
文摘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。
文摘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。
文摘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。
文摘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。