利用改进经验模式分解和相关分析综合方法的区间振荡同调性追踪研究

为了丰富区间振荡动态特性中同调性指标的获取手段,提出了一种基于改进经验模式分解(R-EMD)技术和相关分析(CA)方法相结合的追踪机电振荡同调性的综合方法。它首先利用R-EMD技术从广域测量系统(WAMS)采集的联络线有功功率、母线电压相角等信号中提取各主导区间模式的分量信号,然后对各通道信号进行时域相关性分析,借助互相关系数确定主导区间模式下机群或机组的同调性。该方法较Prony等参数化方法具有对非平稳非线性信号适应性强,对噪声敏感性弱的特点;较标准经验模式分解技术(EMD)和希尔伯特黄变换(HHT)方法具有频率分辨率更高,避免前者应用于低频振荡分析时可能出现的频率混叠问题;较谱相关分析法反映相位关系直观性更好。案例分析在一个新英格兰39节点系统和一个澳大利亚东南部简化系统中展开,借助PSS/E仿真工具自定义了一个随机时变负荷模型以模拟系统运行环境,结果验证表明了该方法的有效性。

基于改进的经验模式分解的旋转设备振动信号特征提取

针对旋转设备局部碰摩故障振动信号的特征,提出了一种基于经验模式分解(Emp iricalMode Decomposition,EMD)与小波分析相结合的故障特征提取的改进方法,先利用小波分析方法将振动信号分解为低、中、高3个频段,然后对各个频段的信号进行EMD分解,实现碰摩、背景和噪声信号分离,从而提取旋转设备局部碰摩振动信号的故障特征。在某热电厂2号汽轮发电备用机组的碰摩故障诊断的应用中,仿真信号和试验数据的分析结果表明,该方法正确、有效,可应用于工程实践。

基于改进的互补因散经验模式分解法的谐波检测法

提出了基于改进的互补因散经验模式分解(CEEMD)算法的谐波电流检测法。该方法能将电流信号分解成内在模式函数(IMF),并创新地在分解过程中加入正负成对的高斯白噪声,抵消噪声余量,抑制了模式混叠问题,同时在筛分过程中加入平滑处理这个改进措施。使用新方法设计谐波检测电路,并做了与EEMD算法的对比仿真实验,结果表明:两个算法都可以分解出电流信号的谐波和基波分量,但是改进的CEEMD算法抑制了模式混叠问题,分解出来的基波分量与原信号基本吻合,两者的相关系数(CORR)为0.997,相对均方根误差(RRMSE)为0.00411,说明该法能够准确有效地分解谐波电流信号,同时该算法做了平滑处理的改进,可满足有源电力滤波器(APF)的需要。

钢铁企业高炉煤气发生量的在线预测建模

针对钢铁企业高炉煤气(BFG)发生量难于有效预测的问题,建立了基于数据滤波和最小二乘支持向量机的BFG发生量在线预测模型.提出改进经验模式分解阈值滤波(IEMDTF)方法对训练数据进行滤波处理;并设计了在线学习算法和贝叶斯优化法构建和优化预测模型,缩短了建模时间,同时提高了预测精度.现场实际数据预测结果表明所建模型在小样本和随机噪声数据环境下能保持很高的预测精度,与其它预测模型相比,适合于高炉煤气发生量的实时在线预测.

机车车辆运动稳定性动态检测的时变阻尼比方法

为了研究在途检测车辆运行的动态稳定性问题,在分析机车车辆动力学响应特点的基础上,基于响应信号的非平稳特征提出一种动态检测车辆运动稳定性的时变阻尼比的新方法。该方法的核心是对横向振动加速进行改进经验模式分解,得到信号的基本模式分量。分别对信号的基本模式分量进行归一化希尔伯特变换得到模式分量对应的瞬时频率和瞬时幅值,应用瞬时幅值和瞬时频率计算该模式下信号的时变阻尼比。由时变阻尼比的正负来判断车辆的运行稳定性,正的时变阻尼比表明车辆运行稳定,零或负时频阻尼比表明车辆运行失稳,负的时频阻尼比的绝对值大小表明了车辆失稳的严重程度。通过仿真算例和线路实测信号对该方法进行理论和试验验证,结果表明该方法能够从响应信号中准确、有效地捕捉系统稳定性的动态时变特征,为机车车辆运动稳定性的在途监测提供有效方法。

高压断路器振声联合故障诊断方法

针对现有的高压断路器机械故障诊断方法存在的不足,本文提出了一种新的高压断路器振声联合诊断机械故障的方法。此方法首先利用快速核独立分量分析(fast KICA)对采集到的声波信号进行盲源分离处理,并对处理后的声波信号和采集到的振动信号进行改进集合经验模式分解(EEMD)。其次,对分解后的每一个固有模态函数(IMF)求其二维谱熵,并以此二维谱熵矩阵的变换矩阵作为支持向量机的输入特征向量对断路器机械状态进行识别。最后实验表明,振声联合复合分析方法有效提高了高压断路器机械故障诊断的正确性和实用性。

一种新的水声目标辐射噪声特征提取模型

针对复杂环境中水声目标辐射噪声特征难以准确提取的问题,提出了一种新的基于第二代小波变换(SG-WT)、改进的经验模式分解(EMD)和Hilbert包络解调分析(HESA)的水声目标辐射噪声特征提取模型。首先,该模型利用SGWT滤除水声目标的非平稳辐射噪声信号中的噪声成分;其次,通过改进的EMD方法对滤波后的信号进行分解,提取信号的本征模式分量;最后,对这些本征模式分量进行HESA处理,从而实现辐射噪声特征的提取。将该模型应用在仿真和实测的水声目标辐射噪声数据的特征提取中,测试结果表明,同常规的小波滤波和HESA相比,该模型能够有效地提取出辐射噪声特征。

基于ICEEMDAN-MSE的左室舒张功能障碍心音信号的识别研究

左室舒张功能障碍(LVDD)加重会导致左室重构、室壁僵硬、顺应性降低,从而走向不可逆阶段并进展为射血分数保留型心力衰竭。为早期诊断LVDD,本文提出一种基于改进的自适应噪声完全集合经验模式分解(ICEEMDAN)多尺度样本熵(MSE)的心音特征结合逻辑回归模型的无创检测方法。首先,采用改进的小波去噪方法对心音信号进行预处理。其次,通过ICEEMDAN方法将非平稳的心音信号分解为多个反映心音本体特征的平稳的固有模态函数(IMF),再利用互相关系数准则筛选IMF,并提取所筛选IMF的MSE,以构成特征向量作为分类器的输入。最后,通过与其他3种分类模型的性能比较,将逻辑回归应用于LVDD识别。结果表明,该方法能有效提取心音特征,其准确率为89.85%,灵敏度为92.17%,特异度为87.63%,证明了采用心音信号对LVDD进行早期诊断的有效性。

基于FastICA与ICEEMDAN的人脸视频心率检测

现有的非接触式心率检测方法存在噪声干扰、准确率低等问题。针对这些问题,提出一种基于FastICA与改进的自适应噪声完全集合经验模态分解(ICEEMDAN)相结合的算法,采用人脸视频进行心率检测。用摄像头采集人脸视频,并从视频中提取R、G、B通道源信号,即皮肤颜色变化信号,分别求出RGB这3个颜色通道的像素平均值;然后利用FastICA对RGB这3组像素平均值进行解混,得到3组独立源信号,再用ICEEMDAN将其中一组独立源信号进行模态分解,并选取合适频段内的固有模式函数(IMF)估计心率的信号,最后用频谱分析计算得到心率。设计实验对8名人员进行了人脸视频检测,将检测结果与多参数监护仪进行对比分析。实验结果表明,该方法与多参数监护仪测量结果的平均误差与均方根误差均小于1 beat/min,因此基于FastICA与ICEEMDAN的人脸视频心率检测对人体心率检测具有良好的稳定性和准确性。

基于ICEEMDAN的连续梁桥车致振动信号的HHT分析

改进的带有自适应噪声的完备集合经验模式分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)是传统经验模式分解(empirical mode decomposition,EMD)方法的发展,在桥梁结构损伤识别领域具有较好的应用前景.首先,以数值模拟信号为对象,采用ICEEMDAN方法进行桥梁车致动信号的数据分解和Hilbert谱分析,提取损伤引起的频谱特征变化和建立损伤识别方法;然后,利用该方法对实测振动信号的振型分量进行识别;最后,以实测信号的一阶振型分量为对象,对其Hilbert瞬时频率谱的特征进行了分析和讨论.研究结果表明:模拟信号中的振型振动分量数比实测信号中多,其中模拟信号中不显著的高阶竖弯振动分量在实测信号中没有发现;一阶振型振动分量的瞬时频率可作为桥梁损伤识别的特征参数,用于进行损伤有无、损伤定位甚至损伤定量的判断;损伤识别效果受测点位置影响很小;该方法不依赖有限元模型即可完成桥梁损伤有无的识别和损伤定位,且数据采集简单,具有实际工程中应用可行性.