基于改进的Hilbert-Huang变换的滚动轴承故障诊断

由于Hilbert-Huang变换中的EMD(empirical mode decomposition EMD)在低频段产生多余的IMF(intrinsicmode functions IMF)这一缺陷,故在滚动轴承故障诊断应用中也遇到相应的麻烦。文中提出用每个IMF的能量与原始信号的能量比作为判断标准来剔出分解中产生的多余IMF,并且选择能量比最大的IMF进行边际谱的计算,再选取幅值最大处的频率与轴的旋转频率之比作为表征滚动轴承状态的特征向量,然后采用线性神经网络进行状态识别。实验结果表明,该方法是一种非常有效的滚动轴承故障诊断方法。

改进的Hilbert-Huang变换在船舶电网谐波检测中的应用

本文首次将改进的Hilbert-Huang Transform(HHT)方法用于船舶电力系统谐波检测中。HHT方法在分析船舶电网谐波时存在模态混叠现象,不能有效得出各次谐波分量,本文采用基于Fourier变换的empirical mode decomposition(EMD)方法,根据Fourier谱进行频带滤波,然后再利用EMD分解得到准确的intrinsic mode function(IMF),最后进行Hilbert变换得到各次谐波分量的瞬时频率和瞬时幅值。有效解决了Fourier变换不具备时频局部特性以及HHT方法存在的模态混叠问题,实现了真正意义上的时频分析。在MATLAB/Simulink平台上建立船舶电网谐波源模型,仿真谐波电流信号,应用改进的HHT方法进行分析,并与小波包变换方法相比较,仿真结果表明改进的HHT对船舶电网谐波检测效果非常好。

用改进的Hilbert-Huang变换辨识电力系统低频振荡

针对Hilbert-Huang变换(HHT)在辨识电力系统低频振荡模态时易出现的模态混叠问题,提出了利用改进HHT辨识密频电力系统低频振荡模态参数的方法。首先通过Fourier变换确定每个模态频率的大致范围;然后在利用经验模态分解(EMD)求取每个模态时,根据所求得的模态频率的密集程度,或引入屏蔽信号,或通过滤波处理的方式,以分离频率相近的模态;最后通过对每个模态的瞬时幅值和频率进行线性最小二乘拟合,得到每个模态的模态参数。利用传统的HHT和改进的HHT分别对理想信号、仿真信号以及实际录波信号进行了分析,分析结果表明该方法能够准确辨识出低频振荡的特征参数,适用于密频电力系统低频振荡的辨识。

改进的Hilbert-Huang变换方法及其应用

针对Hilbert-Huang变换(HHT)方法出现的端点效应问题,提出了添加极值点与支持向量回归机相结合的延拓方法对其进行抑制。首先利用支持向量回归机预测信号极值点的幅值,然后用添加极值点法确定所预测极值点的位置。该改进方法解决了镜像延拓法对端点不是极值点的短数据序列处理效果不佳问题。通过仿真对比分析,用传统的镜像延拓和支持向量回归机延拓后得到的能量误差分别为0.007 4和0.023 8,而用改进方法延拓后得到的能量误差为0.003 0,表明改进方法对HHT端点效应的抑制效果要好于两种传统的方法。最后,将改进方法应用到电机转子不平衡故障特征提取上,验证了其可行性和准确性。

基于改进的Hilbert-Huang变换电力系统闪变研究方法

针对电能质量中闪变的准确测量问题进行研究,优化了Hilbert-Huang变换算法中端点效应和重构信号精度不高的问题。通过加入白噪声模拟真实的样本,处理时,通过基于斜率的方法确定端点并根据能量特性筛选固有模态函数(Intrinsic Mode Function,IMF)分量,从而精准重构信号。通过仿真验证了其可靠性。

基于改进Hilbert-Huang变换的管路环向裂纹故障诊断研究

在制造、加工、装配以及服役过程中,航空液压管路可能存在平面型缺陷。在适航载荷作用下,这些缺陷会萌生裂纹并发生扩展,最终导致管路破裂和油液泄漏。为了在管路产生微裂纹时对其进行故障诊断,采用了自行搭建的航空液压管路模态试验平台和测控系统,对存在环向裂纹航空液压管路的振动信号进行了采集和预处理。而在对管路振动信号进行分解时,由于经验模态分解(Empirical Mode Decomposition,EMD)算法存在模态混叠问题难以获得准确的本征模态函数(Intrinsic Mode Functions,IMF)。为提高信号处理精度,提出一种基于自适应噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和Hilbert变换理论相结合的改进Hilbert-Huang变换方法对航空液压管路环向裂纹进行故障诊断。研究结果表明,该方法能够更准确地诊断航空液压管路的环向裂纹故障。

宽电压增益CLLLC谐振变换器的改进型电流解析方法

对谐振电流的精确解析是计算CLLLC谐振变换器损耗的重要环节。针对宽电压增益CLLLC谐振变换器励磁电感与谐振电感比值较小的特点,基于电流拟合近似法提出了一种改进型谐振电流解析方法。首先通过分析变换器在三元谐振期间的等效拓扑,列写出谐振电流的阶段解析式,其次在考虑到三角函数未知量求解计算复杂的情况下,提出了修正系数的概念以简化计算,最终根据谐振电流的波形特点得出谐振电流初始解,并进一步通过分段迭代的方法逐步逼近谐振电流真实值。仿真结果表明,所提出的改进型电流解析式相比于传统方法,在三元谐振期间能够更加准确地描述谐振电流的变化过程,验证了所提方法的正确性。

基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断

目的为了解决双向DC-DC电力变换器的软故障诊断精度不高的问题,方法提出基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断模型。首先,分析双向DC-DC电力变换器中电容、电感和MOSFET管的故障机理,通过仿真实验模拟各元件失效后变换器的输出电气参数变化,从而确定变换器不同元件故障时对应的故障特征参数;其次,构建改进的LSTM-SVM双向DC-DC电力变换器故障诊断组合模型,在LSTM中添加Mogrifier门机制,提高LSTM提取时间序列原始数据中微弱特征的能力;最后,由于传统LSTM的末端分类器为Softmax,其主要解决单一元件诊断问题,变换器故障类型较多,维数较高,所以采用麻雀搜索算法优化的SVM代替原有的Softmax函数,对LSTM输出的数据进行故障分类,提高故障诊断的准确率。设置双向DC-DC电力变换器充放电两种状态下,包含电解电容、电感和MOSFET单双管故障在内的24组故障,分别采用本文构建的改进的LSTM-SVM和原始的LSTM-SVM双向DC-DC变换器故障诊断模型进行诊断。结果结果表明,改进的LSTM-SVM故障诊断模型诊断准确率平均值为99.71%,原始的LSTM-SVM故障诊断模型诊断准确率平均值为88.48%,改进的LSTM-SVM故障诊断模型对各元件的故障诊断正确率均高于原始的LSTM-SVM故障诊断模型的。结论基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断模型实现了对双向DC-DC电力变换器中的电解电容、电感和MOSFET单双管故障的准确诊断。

基于神经网络的微电网交错并联变换器的改进自抗扰控制

针对混合储能微电网在负载突变、扰动加入等多种复杂工况下引起的用电端降压接口的电压质量降低的问题,文章设计了一种以改进线性自抗扰为主要控制器,以BP神经网络为辅助参数优化算法的闭环控制策略。首先,根据六路交错并联变换器的电路拓扑建立时域下的数学模型,并对系统总扰动进行重构,将总扰动分解为模型未知扰动和外界扰动,分别利用观测器进行估计,形成了改进线性自抗扰控制,提高系统的扰动观测能力和观测精度;其次,为使系统获得控制参数的实时优化能力,引入BP神经网络,对控制器参数进行实时整定;最后,搭建了混合微电网六路交错并联变换器的数字仿真模型和半实物仿真模型进行验证,并与PI,LADRC进行了比较。结果显示,所提控制策略不仅具备优异的输出电压质量,而且使系统获得了更好的稳定性与鲁棒性。

经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换(EWT)和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交(NDQ)算法和奇异值分解(SVD)算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法(IPSO)优化支持向量机(SVM)的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。

基于改进样条Chirplet变换的结构瞬时频率识别

为了提高结构瞬时频率识别的精度,对样条Chirplet变换进行改进,并结合能量集中度原则优化窗函数的参数.利用解析信号和两层框架模型验证改进样条Chirplet变换识别瞬时频率的准确性,再结合试验验证改进样条Chirplet变换能有效识别实际工程结构的瞬时频率.

基于改进小波变换与卷积神经网络的干式空心电抗器红外图像去噪方法

针对传统小波变换法去除干式空心电抗器红外图像中夹带的噪声效果不理想的问题,提出了基于改进小波变换与卷积神经网络的干式空心电抗器红外图像去噪方法。首先利用卷积神经网络中的残差学习对图像中混合特征信息进行提取;然后通过改进小波变换对图像进行小波分解,并将分解后的分量输入至网络中进行训练;进而通过残差学习增强图像纹理细节信息,解决了传统图像去噪方法的不足;最后进行仿真比较。结果表明,所提方法可以降低网络计算难度,加快训练速度,同时具有良好的去噪性能,优于传统图像去噪方法。

多极小波包变换与改进浣熊算法优化的混合核极限学习机径流预测

为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和2个高频分量,并构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;其次,简要介绍COA算法原理,基于Circle映射等策略对COA进行改进,提出ICOA算法,通过8个典型函数对ICOA算法进行仿真验证,并与基本COA算法、鲸鱼优化算法(WOA)、灰狼优化算法(GWO)作对比,旨在验证ICOA算法的优化性能;最后,利用ICOA优化HKELM超参数(正则化参数、核参数、权重系数),建立MWPT-ICOA-HKELM模型,并构建MWPT-COA-HKELM、MWPT-WOA-HKELM、MWPT-GWO-HKELM、小波包变换(WPT)-ICOA-HKELM、小波变换(WT)-ICOA-HKELM、MWPT-ICOA-BP模型作对比分析,通过云南省景东、把边水文站2016-2020年日径流时间序列多步预测实例对各模型进行验证。结果表明:(1)ICOA具有较好的改进效果,仿真精度优于COA、WOA、GWO算法。(2)MWPT-ICOA-HKELM模型预测效果优于其他对比模型,其对实例单步预测效果“最好”,超前3步和超前5步“较好”,超前7步“较差”,预测精度随预测步长的增加而降低。(3)利用ICOA优化HKELM超参数,可显著提高HKELM预测性能,超参数优化效果优于COA、WOA、GWO算法。

基于改进的多分量频率-贝塞尔变换法研究郯庐断裂带潍坊段上地壳径向各向异性结构

郯庐断裂带潍坊段位于郯庐断裂带中部,具有复杂的地质结构,总体呈现“两堑夹一垒”的构造格局.相比于郯庐断裂带其他区域,潍坊段地震活动性较弱,属于地震空区,未来发生大地震的可能性尚不明确.前人对该地区的研究目前仅局限于速度结构和方位各向异性结构,对于上地壳径向各向异性结构特征鲜有报道.因此,研究该区域上地壳速度模型和径向各向异性结构,有助于更好地认识郯庐断裂带潍坊段浅地壳(<10 km)变形特征,评估该区域发生地震的可能性.我们利用2017年在潍坊段所布设的302个短周期地震仪采集的背景噪声数据,基于改进的多分量频率-贝塞尔变换(MMFJ)法,同时提取到潍坊段东南侧四个区域子阵列的Rayleigh波和Love波的基阶及高阶频散数据,并且进一步反演这些频散数据得到了SV波和SH波速度以及径向各向异性结构.数值实验结果表明,高阶模式频散数据的加入能够降低反演的非唯一性,更好地约束浅地壳径向各向异性结构.实例中的径向各向异性结果表明,郯庐断裂带潍坊段四个区域都有近似相同的变形特征:在约2 km以浅,径向各向异性为负(V_(SH)<V_(SV)),这可能主要源于潍坊段垂向断裂结构的控制作用;5~7.5 km,径向各向异性为正(V_(SH)>V_(SV)),这可能与早期地壳伸展沉积导致的水平变形结构有关.2~5 km,四个区域径向各向异性结构各有不同,但总体处于由负到正的转折状态.这可能因为2~5 km不仅受到断裂结构的控制作用,也受到水平沉积结构的影响,导致径向各向异性结构较为复杂.

基于改进坐标变换的某型航空装备成像画面研究

为帮助某型航空装备飞行员排除干扰快速精准地锁定目标,提出一种基于改进坐标变换的某型装备成像画面预测方法。将其同仿真软件的图形用户界面功能相结合开发了一套预测系统,通过利用该套预测系统进行目标成像画面预测,仿真输出结果可辅助飞行员排除干扰从而提升制导率。结果表明:该方法填补了某型装备成像画面预测方面的技术空白,具有实际意义与推广价值。

基于改进多重同步挤压样条Chirplet变换的结构瞬时频率识别

为提高样条Chirplet变换的结构频率识别精度,提出了一种基于改进多重同步挤压样条Chirplet变换(improved multi-synchrosqueezing spline-kernelled Chirplet transform, IMSSSCT)的瞬时频率识别方法。首先通过引入三参数高斯窗函数和能量集中度原理对样条Chirplet变换进行改进,然后结合多重同步挤压算法进一步提高改进样条Chirplet变换(improved spline-kernelled Chirplet transform, ISCT)的时频能量聚集度。通过单自由度Duffing系统和三层剪切框架结构的数值仿真及悬臂梁结构试验对所提方法进行了验证。研究结果表明,IMSSSCT能有效识别非线性结构和时变结构的瞬时频率。

模块化多电平变换器改进两段式模型预测控制

基于有限控制集的模型预测控制应用于模块化多电平变换器(MMC)时通常会暴露出计算复杂与交流侧输出电流严重失真等问题。提出一种双矢量优化谐波电流模型预测控制策略,即改进两段式模型预测控制,可减少开关状态组合计算量,进一步优化交流侧输出电流。推导了MMC离散数学模型,并构建无权重因子的代价函数,通过计算实际电流与参考电流包围的最小面积重新定义同一周期内两阶段开关信号的占空比,并引入一种附加冗余子模块的方法抑制桥臂环流,接着提出一种败者树多路归并排序算法均衡电容电压。在MATLAB/Simulink平台搭建三相23电平MMC仿真模型验证该策略的有效性。相比于两段式模型预测控制,所提策略的交流侧输出电流跟踪更加精准,谐波畸变率更小。

基于Hilbert-Huang变换的水环式真空泵故障诊断研究

为提高水环式真空泵设备的运行可靠性,保障生产安全,利用Hilbert-Huang变换,开展水环式真空泵故障诊断研究。采用振动传感技术,对真空泵的振动信号开展采集;采用经验模式分解法,把繁杂的振动信号分割成几个相对简易的单独行星际信号,理解和分析信号的特性和结构;利用Hilbert-Huang变换,对真空泵进行全面故障诊断,获取故障类型与故障程度。实验分析证明提出的诊断方法可行,针对不同故障类型的水环式真空泵,在准确性方面均展现显著优势。

基于Hilbert-Huang变换的配电自动化主站FA故障识别

由于电力系统中的故障信号往往具有非平稳、非线性的特性,传统的故障识别方法往往难以取得理想的效果。因此,现提出基于Hilbert-Huang变换的配电自动化主站FA故障识别。首先,对配电自动化系统主站结构进行了设计与分析,其次,基于Hilbert-Huang变换提取FA故障信号,通过IMF的特性来捕捉电流波动的重要时刻点,最后,实现配电自动化主站的馈线自动化故障识别。实验结果表明:通过本次实验,验证了基于Hilbert-Huang变换的配电自动化主站FA故障识别的有效性和可靠性。该方法能够在故障发生后迅速准确地识别出故障的位置,为配电网的故障处理和恢复提供了有力的技术支持。

基于改进经验小波变换模型的供能管道移动GIS综合智慧巡检策略

当前供能管道巡检策略由于对管道的缺陷特征提取不够纯净,导致缺陷定位准确度差,因此,提出了基于改进经验小波变换模型的供能管道移动GIS综合智慧巡检策略。利用移动GIS技术采集管道数据,根据管道数据采用改进经验小波变换模型对管道缺陷特征进行提取,其树状结构的子频带自分解能够准确分辨出缺陷源信号与其他干扰信号,提取到更加纯净的缺陷特征,并对缺陷特征向量特征集进行滤波,从而计算出管道缺陷的具体位置。在实验论证中,对提出的策略的定位准确性进行了验证,结果表明,提出的策略应用于供能管道巡检中,对管道缺陷定位的准确性较高。