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。

基于改进Hilbert-Huang变换的转子碰摩故障诊断

针对信号总体平均经验模式分解中的两个参数———所加白噪声标准差和总体平均次数难以设置的问题,通过仿真信号实验分析,给出了这两个参数设置的一般方法。以转子碰摩故障信号为对象,提出了改进的Hilbert-Huang变换(HHT)算法并将其用于提取转子碰摩故障特征。仿真和实验结果表明,改进的HHT算法能较好地提取出转子碰摩故障特征,与传统HHT算法相比,改进的HHT算法效果更好。

基于改进Hilbert-Huang变换的机械故障诊断

Hilbert-Huang变换(Hilbert-Huang transform,HHT)通过经验模式分解(Empirical mode decomposition,EMD)和Hilbert变换能够自适应地将复杂的非线性、非平稳信号刻画成Hilbert-Huang谱,突显信号的局部特征,具有良好的时频聚集能力,因此被广泛用于机械信号处理与故障诊断。然而,EMD存在的模式混淆问题使其难以获得准确的本征模式分量(Intrinsic mode function,IMF)。此外,通常只有部分IMF包含故障敏感信息、表征故障特征。因此基于EMD和所有IMF的Hilbert-Huang谱的故障诊断精度有待提高。为此提出一种基于总体平均经验模式分解(Ensemble empirical mode decomposition,EEMD)和敏感IMF的改进HHT。该方法利用EEMD获取无模式混淆的IMF,通过敏感度评估算法从EEMD所有的IMF中选择反应故障特征的敏感IMF,从而得到改进的Hilbert-Huang谱以更准确地诊断机械故障。通过仿真试验以及转子早期碰摩故障诊断的工程实例验证了改进HHT的有效性。

基于改进Hilbert-Huang变换算法的电气化铁路谐波检测

通过对电力机车负载电流进行仿真建模,得到电力机车在不同工况下的电流波形;使用改进的Hilbert-Huang变换算法对电流波形进行谐波检测;采用限制带宽经验模态分解算法对原始电流波形进行分解;通过引入屏蔽信号来控制本征模态函数的带宽,以有效抑制模态混叠.结果表明,所提出的改进Hilbert-Huang变换算法能够有效检测电气化铁路负载电流中各次谐波随时间变化的特征.

基于改进Hilbert-Huang变换的结构损伤识别方法研究

针对Hilbert-Huang变换(HHT)在信号处理中存在的模态混叠的问题,引入总体经验模态分解(EEMD)对HHT方法进行改进,并将改进的HHT方法应用于工程结构损伤识别中。建立一个三自由度剪切型结构模型,结构刚度退化模型采用双线性刚度退化模型,计算结构在地震作用下的响应,对结构加速度响应进行改进的HHT分析,提出了利用损伤前后结构响应一阶固有模态函数(IMF)特征能量比识别结构损伤位置的方法。结果表明:通过结构响应瞬时频率的变化可以判断结构是否损伤和出现损伤的时间,根据损伤前后各层一阶IMF能量比的变化可以识别损伤的位置。将改进的HHT应用到对实际工程的强震记录分析中,通过提取一阶瞬时频率和一阶IMF特征能量比较好地识别了结构在强震作用下的损伤。

基于改进Hilbert-Huang变换的暂态电能质量扰动定位方法

针对经验模态分解过程中容易过度筛选的问题,该文改进了筛选停止准则,对Hilbert-Huang变换进行了改进,并将改进Hilbert-Huang变换方法应用于暂态电能质量扰动信号的检测及时频分析中。该方法在对暂态电能质量扰动信号进行经验模态分解得到固有模态函数后,再进行希尔伯特变换,可以定量、准确地刻画扰动信号的时间、频率和幅值信息。实验结果表明:该方法可以实时准确检测扰动的起止时刻、持续时间和扰动幅度,适用于暂态电能质量扰动的监测系统。

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。

改进Hilbert-Huang变换在钢管混凝土脱空检测中的应用

在钢管混凝土脱空检测试验中,采用Hilbert-Huang变换对声音这种非线性非平稳信号进行采集分析。原信号先经验模态分解为固有模态IMF分量,然后对IMF分量进行Hilbert变换,但是经验模态分解出的IMF分量中可能有一部分的虚假分量。利用Kolmogorov-Smirnov拟合优度检验法,来判别出分解后的每一个IMF分量与原信号概率分布的相似概率,去除掉虚假分量,采用相似概率比较高的IMF分量,最后得出合理的Hilbert边际谱,正确反映了结构的局部特性,有效地实现了脱空的检测。

基于改进Hilbert-Huang变换和支持向量机的高压断路器触头超程状态识别

引入集合经验模态分解(EEMD)对Hilbert-Huang变换(HHT)方法进行改进,并将改进的HHT方法结合支持向量机(SVM)应用于高压断路器振动信号特征提取和触头超程状态识别中。采用EEMD提取反映振动信号局部特性的本征模态函数(IMF)分量,并计算IMF分量的Hilbert边际谱能量值,由此构造高压断路器触头超程状态特征量,利用得到的特征向量对SVM进行训练,实现高压断路器触头超程状态的自动识别。试验提取了高压断路器在不同触头超程下的振动信号并进行分析,结果表明所提方法能够有效识别高压断路器触头超程状态。

应用改进Hilbert-Huang变换下的Volterra模型诊断OLTC机械故障

为提高有载分接开关(OLTC)机械故障诊断的自适应性、特征分辨率以及识别效率,提出一种包含聚合经验模态分解(EEMD)分解和Hilbert边际谱分析的改进HHT方法,与混沌时间序列的Volterra模型相结合来提取OLTC的机械故障特征。具体应用时,首先对OLTC切换过程中的多通道振动信号进行EEMD分解得到固有模态函数(IMF)分量,然后应用Hilbert谱分析法求取各IMF的Hilbert边际谱。进一步,应用Volterra模型根据Hilbert边际谱构建Volterra特征矩阵,以矩阵奇异值为故障特征参量。最后搭建了OLTC典型机械故障真型实验平台,采用文中方法获取并分析了几种典型机械故障的振动信号,并借助多分类支持向量机对数据集进行分类识别,验证了所提出故障诊断方法的有效性。与其他方法对比得知,新方法取得了较高的故障识别准确率。

基于残差生成器的Buck双向变换器改进模型预测控制

在以光伏储能装置为主体的直流微网中,外部扰动容易引起直流母线电压波动,导致系统输出电能质量下降。为提升系统动态响应性能,针对直流微网中常用的Buck型双向DC-DC变换器,提出一种基于残差生成器的改进电流补偿模型预测控制策略。首先,对模型预测控制(MPC)环节进行线性等效,证明采用校正前PI+MPC控制时,系统在0 rad/s时存在失稳风险。然后,由此设计负低-高通滤波器校正环节,并从调节系数变化和模型参数不确定性等角度进行分析,验证改进后系统的稳定性和动态性能得到明显改善。仿真与实验结果表明,基于残差生成器的电流补偿能有效平抑外界扰动引起的母线电压波动,负低-高通校正环节在改善系统性能的同时又进一步抑制电感电流噪声,进而平滑母线电压曲线。最终,证明提出的改进策略可显著提升直流微网的动态响应性能。

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。