基于改进希尔伯特黄变换的变压器励磁涌流识别

变压器空载合闸或者短路故障切除后产生的励磁涌流会导致变压器差动保护误动作,因此需要对励磁涌流和故障电流进行识别。根据励磁涌流与故障电流的特点,前者中含有大量的二次谐波,研究了用改进希尔伯特黄变换方法对电流信号进行分解,根据分解后产生能量较大的IMF个数来区分励磁涌流和故障电流。改进希尔伯特黄变换方法用集成经验模态分解(EEMD)和经验模态分解(EMD)的组合,克服了经典法必然会出现模态混叠的问题,使信号能够被清晰的分解开来。经过Matlab仿真软件验证,该方法可以很好识别励磁涌流。

改进希尔伯特–黄变换方法提取水轮机动态特征信息

常规的希尔伯特–黄变换(Hilbert-Huang transform,HHT)方法能较好地分析水轮机轴系信号,但经经验模态(empirical mode decomposition,EMD)分解后,在原始信号的低频区易产生虚假的内禀模态函数(intrinsic mode function,IMF)分量,干扰特征信息的提取,引发误判。该文提出基于能量波动的改进HHT方法及其判别条件。该方法利用分量信号能量递减原则并设定判别阈值来跟踪筛选虚假分量。通过仿真信号对该方法进行了有效性验证,并以原型水轮机非最优工况下动态信号为例,进行了应用检验。结果表明,该方法具有良好的虚假分量识别能力,提取真实的水轮机特征参量,更加适合分析复杂而特殊的水轮机动态特征信息。

基于改进希尔伯特-黄变换的电力系统谐波检测方法

由于电力系统谐波谐振点检测结果存在较大噪声,导致谐波检测精准度较低,由此提出了基于改进希尔伯特-黄变换的电力系统谐波检测方法.通过希尔伯特-黄变换建立相应的解析信号,并分解模态,使信号呈局部对称形式,获取瞬时变化频率和幅度.经过模态分解后,检测谐波参数,将特征值的倒数定义为模态阻抗,获取最小特征值,以该点为电力系统谐振点,采用希尔伯特-黄变换方法,从间接谐波次数开始逐渐递增,得到最大模态阻抗图,从图中获取最大模态阻抗的峰值,也就是谐波谐振点.设计谐振点检测流程,并进行去噪处理,在改进希尔伯特-黄变换方法支持下,获取真实信息,完成电力系统谐波检测.由仿真实验结果可知,该方法在有无噪声环境下,都具有较高检测精准度,保证电力系统的稳定运行.

基于改进希尔伯特-黄变换的电力系统谐波检测系统设计

随着电力系统规模的不断扩大及电力电子设备的广泛应用,电力系统中谐波污染问题愈发严重。为实现对电力系统谐波的有效检测,本文提出基于改进希尔伯特-黄变换的谐波检测方法。首先提出基于改进镜像延拓的端点效应抑制方法,该方法将波形匹配方法与镜像延拓方法相结合,解决传统镜像延拓方法需对信号有一定程度截断而造成误差较大的问题;同时,引入自适应噪声完全经验模态分解方法,有效解决经验模态分解易产生模态混叠效应、集合经验模态分解结果受噪声影响较大且易产生虚假模态分量的问题。为验证本文所提方法的有效性,设计谐波检测仿真实验及实测信号谐波检测实验。结果表明,本文所提方法可对具有间断点的谐波信号、含高次谐波衰减、突变谐波信号进行有效跟踪与检测。基于本文所提方法在LabVIEW平台中开发谐波检测系统,验证了本文所提方法的准确性及有效性。

基于改进希尔伯特-黄变换的超窄带激光器气体检测消噪研究

为降低电路及光路噪声等对痕量气体检测精度的影响,达到进一步提高痕量气体检测系统精度的目的,选用超窄带激光器作为系统光源并以谐波检测原理及改进希尔伯特-黄变换(IHHT)滤波算法作为数据处理的核心算法构建高精度痕量气体检测系统平台。选取甲烷作为被检测对象,理论计算得当光源输出中心波长为1650.959nm时,该系统甲烷气体体积分数C与输出光强一、二次谐波比值I2f/If的相关系数为0.084639。将一定体积分数的甲烷气体通入平台光纤气室中进行灵敏度实验,实验结果表明应用IHHT降噪处理后C与I2f/If的相关系数由使用傅里叶变换(FFT)处理的0.062585提升到0.074884,且气体体积分数越低,IHHT的降噪效果越好。

基于IHHT‑RF的配电网单相接地故障选线方法

小电流系统发生单相接地故障时故障特征易受高接地过渡电阻、小初相角等弱故障条件影响而导致选线准确率低。为此,提出一种基于改进希尔伯特黄变换—随机森林(improved Hilbert⁃Huang transform⁃random forest,IHHT⁃RF)的配电网单相接地故障选线方法。首先,提取每条线路在故障发生时的电流暂态信号,通过IHHT提取纯净的暂态电气量,构造标准差、能量熵和幅值畸变度3类特征向量;然后,将特征向量输入RF分类器建立故障选线模型,把故障选线问题转化为二分类问题;最后,将测量数据输入RF分类器中得出分类结果,实现故障线路的自动识别。仿真结果表明,该选线方法综合利用暂态信号的幅值、频率和能量等特征信息,不受弱故障条件、馈线结构等因素的影响,能有效提高故障选线的准确率,具有较强的适应性和可靠性。

基于改进HHT的一体化电液作动器故障诊断

介绍了机载变排量变转速一体化电动静液作动器(EHA-VPVM,Electro-Hy-drostatic Actuator with Variable Pump displacement and Variable Motor speed)的系统结构,根据EHA-VPVM早期故障信号非平稳、时变等特点,采用一种新的时频分析方法希尔伯特黄变换(HHT,Hilbert-Huang Transform)进行信号分析.针对HHT方法的模态混叠和虚假本征模态函数问题,提出两点改进:通过集合经验模式分解算法抑制模态混叠的发生;采用相关系数法保留真实本征模态函数.对EHA-VPVM工程样机进行早期故障诊断实验,用Hilbert边际谱和HHT谱分析永磁无刷直流电机两种工作状态下的振动信号.实验结果表明:改进HHT方法较好解决了HHT的模态混叠和虚假本征模态函数问题,能准确提取研究对象的早期故障特征,对EHA-VPVM早期故障具有良好的诊断效果.

基于改进HHT的分钟级超短期风速预测

针对分钟级的风速具有更强随机性和非线性的问题,建立了一种基于改进希尔伯特黄变换(HHT)的分钟级超短期风速预测模型。首先,利用HHT对原始风速数据进行分解;然后,采用希尔伯特变换(HT)对分解所得各本征模态函数(IMF)进行谱分析,针对其频谱特性分别建立不同的神经网络模型进行预测;最后,分别运用权重浮动区间模型和数学解析模型求取各分量权重系数,按权重叠加各分量预测结果得到2组风速预测值,再通过优化组合得到最终预测结果。采用某风电场实际运行数据,对所建模型的可靠性进行了验证。结果表明:该方法预测效果优于原HHT组合预测模型,可有效提高风速预测精度。

基于改进HHT分析车轮椭圆化对高速列车时频特征的影响

研究车轮椭圆化对高速列车时频特征影响。建立车辆/轨道空间耦合模型,模拟计算高速车轮椭圆化与轨道谐波不平顺共同激励下车辆系统动力响应。将基于改进经验模态分解的希尔伯特-黄变换方法应用于车辆/轨道耦合系统振动信号分析中,计算分析动力响应的时频分布及振动能量分布。结果表明:车轮椭圆化会引起车辆系统振动响应频率调制及车辆系统蛇形运动与振动能量分布的非线性变化。

基于小波包和改进HHT的瞬时特征分析

希尔伯特—黄变换(HHT)目前还只能算是一种经验方法,其理论依据尚不完备,有待于进一步地完善。分析了HHT中三次样条插值法进行包络线或均值线拟合时引起的过冲和欠冲原因,提出了基于B样条曲线的分段插值算法和混合插值算法的改进HHT,解决了三次样条插值算法容易引起的过冲和欠冲现象;将改进的HHT和小波包变换(WPT)相结合,得到一种有效的瞬时特征分析方法,很好地解决HHT分析带来的模态混叠现象,减少噪声对信号的干扰,提高了信号特征提取的准确性。实验结果表明,该方法用于故障特征提取是有效的。

改进型HHT在混合线路故障选线中的应用

改进型希尔伯特-黄变换(HHT)能够准确地从非平稳的故障信号中提取出故障暂态信息,并能抗模态混叠。在混合线路故障选线中应用HHT提取零序电流中的特征信息,从得到的IMF分量的波头方向来判定故障相,实现故障线路的选择。Matlab仿真试验结果表明,改进型HHT能够准确可靠地选出中性点经消弧线圈接地配电网的故障相,且不受故障条件的限制和影响,选线方法简单。

基于改进型HHT的转子断条故障诊断方法的研究

随着工业自动化的提高,工业上对异步电动机要求越来越高。由于承受重载、频繁启停、环境恶劣等原因,导致定、转子出现各种故障问题。针对转子断条故障,文中提出基于巴特沃斯滤波和相关理论相结合的改进型希尔伯特-黄变换算法,将本征模态函数与原始信号做相关分析来判断本征模态函数的真假性,可以有效解决虚假分量和模态混叠问题。通过仿真分析和大量实验验证了改进的希尔伯特-黄变换算法准确性和可靠性。

基于行波瞬时频率的高压直流输电线路故障测距方法

在线路行波类测距方法中,存在行波到达时刻与行波传播速度难以有机统一的问题。在研究直流线路故障行波速度与行波到达时刻的特定瞬时频率关系的基础上,分析瞬时频率影响行波测距的机理,提出一种基于行波瞬时频率且波头到达时刻与波速相有机统一的故障测距思想。利用改进的希尔伯特–黄变换形成故障暂态信号的时频图,依据时频图标定行波到达时刻与该时刻特定的瞬时频率,再经由瞬时频率求取相应的波速度,形成高压直流线路故障测距实用算法。在PSCAD软件上进行的仿真测试,表明所提测距方法及其算法受过渡电阻、故障类型影响较小,不同故障距离下测距精度都较高,也得到了现场实测数据的验证。

面向智能轮椅脑机导航的高频组合编码稳态视觉诱发电位技术研究

针对目前基于低频稳态视觉诱发电位的脑-机接口(Steady state visual evoked potential-brain-computer interface,SSVEP-BCI)系统存在目标数目少、刺激时间长、易诱发疲劳和癫痫等不足导致的系统稳定性不高、信息传输率低问题,提出高频组合编码稳态视觉诱发电位(Combination coding-based high-frequency SSVEP,CCH-SSVEP)范式,通过n个稳态高频排列组合实现刺激编码,理论上可呈现nn个刺激目标,解决单频率呈现目标数量受限的问题;同时,针对组合刺激编码产生的变频脑电信号时序特征,提出基于改进的希尔伯特-黄变换(Improved Hilbert-huang transform,IHHT)的变频脑电信号特征提取与局部频谱极值目标识别方法,针对经验模态分解(Empirical mode decomposition,EMD)在变频脑电信号处理应用中的端点和停止准则优用问题,分别对比优选端点切线预测法和固定筛选10次停止准则,提出广义过零点(Generalized zero-crossing,GZC)算法计算瞬时频率,并在应用中通过差异化组合优化选择频率刺激编码,最终提高了目标信号的辨识效率,从而提升CCH-SSVEP的通讯传输速率和可靠性;再利用高频SSVEP(高于25 Hz)的刺激闪烁融合效应,提高使用者的舒适度,降低诱发疲劳和癫痫的可能。将该方法应用于智能轮椅脑-机导航控制中,通过3个基本频率的对比试验(低频传统SSVEP范式呈现3个目标和高频CCH-SSVEP范式呈现6个目标)验证该方法的技术优势,保障了基于高频组合编码稳态视觉诱发电位的智能轮椅导航高效无损功能实现。

环境激励下鹤洞大桥模态参数识别分析与比较

在已建立的鹤洞大桥结构健康监测系统的基础上,同时采用GPS变形监测和加速度振动测试系统,在环境激励下对桥塔和桥主跨段进行位移和加速度响应的同步测试.采用基于总体平均经验模态分解法(EEMD)的改进HHT方法,对GPS系统监测位移进行时频域联合分析,同时对于桥面加速度振动测试数据则采用常规的功率谱峰值法进行频域模态识别.通过2种不同信号采取2种不同模态参数识别方法,进行系统辨识结果对比分析,发现GPS监测位移可以较好地反映主整体结构的低阶振型响应,基于EEMD的改进HHT方法能较好地处理低频非平稳随机信号的干扰及模态混叠现象的发生;相对于常规的功率谱峰值法,本文所采用的改进HHT方法对模态参数辨识结果具有更强的优越性.同时通过2种不同测试信号对于部分阶次模态的系统参数识别结果,与有限元数值分析结果较为相近,验证了上述2种测试结果的正确和可靠性.GPS变形监测系统与加速度动力测试子系统相结合,能较好地识别鹤洞大桥主要模态参数,为大桥的安全有效运作提供坚实依据.