基于改进EEMD的高压断路器振声联合故障诊断方法

高压断路器是电力系统中关键的控制和保护设备,针对其故障诊断方法的不足之处,将振声数据级融合和特征级融合应用于高压断路器故障诊断方法。振声特征级融合诊断方法首先将采集到的声波信号通过快速核独立分量分析(Fast KICA)实现盲源分离处理,其次利用改进集合经验模式分解(EEMD)提取振动信号和声波信号的特征向量。振声数据级融合诊断方法首先构建振声联合图像,其次利用改进的BEEMD提取特征向量。最后将两种方法提取的特征向量输入支持向量机模型(SVM)进行故障诊断,实验结果表明,所提方法诊断高压断路器故障能取得良好的效果。

基于改进EEMD方法的数字滤波器

提出一种基于改进的整体平均经验模态分解(EEMD)方法的数字滤波器。针对经验模态分解(EMD)滤波方法的不足,采用对含噪信号先用中值滤波法平滑处理,再对处理后的信号EEMD的方法。改进后的方法结合了平滑处理滤除脉冲噪声以及EEMD方法滤除随机噪声和高频连续噪声的优点,且不存在模态混叠。通过数字仿真,研究了其滤波性能并与小波滤波方法进行了比较,仿真结果表明:该方法可以有效抑制电力系统采样信号中的各种噪声,具有比小波滤波方法更好的滤波特性。

基于改进EEMD方法的因子动量组合绩效研究

集合经验模态分解(EEMD)方法用于分解具有复杂特性因子序列的变动趋势有较强的去噪效果,但用于因子组合构建时缺乏客观统一的去噪规则。基于此,本文提出了基于多尺度排序熵的改进EEMD方法,用于分解因子序列,并构建因子动量组合,采用2007年1月至2021年12月中国A股市场中94个异象因子数据,考察因子动量组合的绩效。研究结果表明,与指数移动平均方法、改进HP滤波方法、主成分分析方法和EEMD方法相比,采用改进EEMD方法构建的因子动量组合在提升因子动量组合绩效方面具有明显的优势;与未经趋势分解的原始因子动量组合相比,采用改进EEMD方法构建的因子动量组合的平均超额收益率提高了35.32%,夏普比率提高了37.74%,异常收益率提高了37.97%;因子动量组合中的因子个数、训练集长度和交易成本对因子动量组合绩效的影响有限。

基于改进EEMD样本熵的高速列车滚子缺陷AE信号提取

提出一种改进EEMD滚子缺陷声发射(AE)信号提取新方法,该方法根据EMD分解的二进滤波器组特性构造幅值与频率成线性-正弦规律变化的噪声添加进测试数据,给出了噪声构建原则,并按频率由高到低限定各阶IMF筛选次数,选取同一时段高频IMF归一化样本熵较小的数据段作为声发射事件参考。对实测数据计算表明特殊构造的噪声和筛选次数能有效抑制中低频段模态混叠和高阶IMF小波消失现象,改进后的EEMD方法分解出的IMF分量物理意义明确,性能优于传统EEMD方法。分段的IMF样本熵变化能在连续监测中捕捉声发射事件,对应的Hilbert谱能直观凸显出滚子缺陷声发射信号,滚动体AE信号事件周期与理论计算相吻合。

基于改进EEMD与GA-BP的谐振接地故障选线方法

针对谐振接地系统发生接地故障,存在暂态信号特征辨识度低,且单一特征作为选线判据易受故障条件影响等问题,提出一种基于改进EEMD与GA-BP神经网络的故障选线方法。首先使用边界局部特征尺度延拓法加集合经验模态分解和多尺度排列熵算法的混合算法(MEEMD)分解暂态电流信号,各项分解指标说明MEEMD能准确区分高频特征分量和基频分量并有效改进端点效应和抑制模态混淆。然后提取重构的高频分量能量、方向以及裕度因子等特征并将其用来训练、测试GA-BP神经网络。结果表明所提出的选线方法有较高的准确率且不受线路类型、接地电阻影响,有较强的鲁棒性和容错性。

基于改进EEMD的呼吸波提取算法

针对人体指端的光电容积脉搏波(PPG)提取呼吸波的缺点,并根据PPG信号的特点提出一种改进的整体平均经验模态分解(EEMD)算法。该算法利用PPG信号次波峰幅度平均值来确定添加噪声强度,计算每层分解的平均瞬时频率,在减少分解层数的同时选取较好的固有模态函数(IMF)重构呼吸波。采用MIMIC数据库中的4组数据进行测试,得到波形相对相关系数在0.65以上,幅度平方相干系数在0.98以上。实验结果表明,本文算法不但克服了EEMD算法提取呼吸波添加噪声和循环次数的不准确性,而且可以更有效、更准确的提取PPG中的呼吸波。

改进EEMD高速列车隧道交会横向振动研究

高速列车隧道交会时形成巨大的冲击压力,对列车横向振动产生巨大影响,同时,其横向振动也受轨道不平顺的影响。针对现有的经验模态分解(EMD)降噪过程中存在端点效应和模态混叠现象,提出一种改进的集合经验模态分解(IEEMD),并运用仿真信号验证该方法的有效性。对实测横向振动信号进行IEEDM分解,并结合相关性系数提取出气动载荷引起的横向振动;进一步分析轨道不平顺、气动载荷以及它们共同作用对列车横向振动的影响。研究结果表明:相比于轨道不平顺,气动载荷是引起横向振动的主要原因。

一种改进的EEMD方法及其应用研究

针对集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)中协助噪声幅值大小需要人为经验确定的不足,基于经验模式分解(Empirical Mode Decomposition,EMD)二进滤波器特性,讨论了EMD出现模式混淆的原因,研究了EEMD中协助噪声幅值大小的确定原则,提出基于极值点分布特性的改进EEMD方法,通过遍态历经,以极值点分布特性为评价参数,自适应确定EEMD方法中高斯白噪声优化幅值。通过数据仿真,验证了其有效性。最后,应用于转子早期故障诊断中,结果显示可以自适应确定噪声幅值,避免参数人为选择导致分解结果的盲目性,有效抑制了传统EMD方法的模式混淆现象,可有效识别转子早期碰摩引起的故障特征。

改进的EEMD算法及其在多相流检测中的应用

针对低信噪比下EEMD法在分解过程中产生模态混叠导致滤波效果变差的问题,提出了一种改进的EEMD滤波方法。该方法首先设计最优带通滤波器,滤除信号中的脉冲干扰,再将滤波后的信号进行EEMD分解,然后采用SG滤波器对筛选的IMF再进行滤波,最后对滤波后IMF进行重构。最后将改进的EEMD法和EEMD法分别用于多相流测量信号滤波及含水率测量,结果表明,改进的EEMD法与EEMD法相比,信噪比提高了约2~3 dB,滤波效果更好;含水率平均测量精度提高了约3%,测量误差更小。

基于改进的EEMD方法与GA-SVM的液压系统泄漏故障诊断

液压系统不同程度泄漏故障发生原因多样,特征十分相似,难以正确诊断。针对此问题,提出了改进的EEMD方法与GA-SVM结合的液压系统泄漏故障诊断方法。首先,在EEMD方法的基础上提出改进,抑制模态混叠和端点效应对振动信号分解的影响,保证信号分解的真实性。运用改进的EEMD方法将液压振动信号分解成若干个IMF分量,计算各IMF分量能量并归一化处理提取振动信号特征向量。然后运用遗传算法对SVM进行参数优化,将提取到的特征向量输入优化后SVM分类诊断,判断液压系统泄漏故障类型和严重程度。实验结果表明,该方法能够有效地应用于液压系统泄漏故障诊断。

改进的EEMD模型在英那河水库年径流预测中的应用分析

采用改进的经验集合模态分解EEMD模型,以大连英那河水库为实例,探讨改进前后模型对水库年径流预测的适用性。结果表明:改进模型可解决传统EEMD模型样本插值端点效应明显的局限,改进后模型在水库年径流预测的相对误差均值可从25.7%降低到16.2%,改进的EEMD模型可用于水库中长期来水预测。

基于改进小波去噪的EEMD—HHT信号处理方法

传统小波去噪虽然可在一定程度上去除噪声对原始信号的干扰,但去噪效果并不理想。针对传统小波去噪中存在的问题,提出一种改进的小波去噪方法,并将改进小波去噪与EEMD-HHT有机结合,进而提出一种基于改进小波去噪的EEMD—HHT信号处理新方法。基于MATLAB软件,分别利用EEMD-HHT方法、基于传统小波去噪的EEMD-HHT信号处理方法和基于改进小波去噪的EEMD-HHT信号处理方法对外圈故障滚动轴承进行故障诊断试验,试验结果与理论计算结果对比分析表明,基于改进小波去噪的EEMD-HHT信号处理方法最为有效。

形态滤波与平移不变量小波增强EEMD的故障诊断方法

针对集成经验模式分解(Ensemble empirical mode decomposition,EEMD)在轴承故障特征提取中的问题,提出一种混合故障诊断方法。首先,将"形态滤波-平移不变量小波"作为EEMD的前置滤波器,实现对原始信号中窄带脉冲和随机噪声干扰的有效消除;其次,针对本征模式分量(Intrinsic mode functions,IMFs)中真实分量的选取问题,提出一种轴承振动信号EEMD分解的筛选规则,即计算各IMFs和原信号的自相关函数并作归一化处理,然后计算各IMFs自相关函数和原信号自相关函数的相关系数,以最大相关系数的一半作为阈值剔除虚假的IMFs,与此同时保留第1和第2阶IMFs,从而实现对EEMD的改进。仿真和实验轴承故障诊断研究表明了该方法的有效性,方法的优点在于:将"形态滤波-平移不变量小波"作为集成经验模式分解的前置滤波器,可有效去除故障轴承振动信号中的窄带脉冲和随机噪声干扰;本文的筛选规则可有效选取去噪信号EEMD分解后的IMFs中真实分量,从而可靠地获取故障特征频率。本研究为轴承故障诊断提供了一种新的手段。

改进HHT算法在导弹工作模态辨识中的应用

提高振动模态辨识精度的关键在于提高密集固有模态的分离精确度,基于对集合经验模态分解(ensemble empirical mode decomposition,EEMD)筛分结果的分析,提出了一种多次加噪的改进筛分算法,与希尔伯特变换(Hilbert transform,HT)相结合,应用于导弹工作模态辨识。与经验模态分解、集合经验模态分解算法的筛分结果相比,新方法降低了误差,有效抑制了模态混叠现象。较之对数衰减法,利用希尔伯特变换进行模态辨识,提高了参数辨识精度,同时可以辨识出固有频率随时间变化趋势,更适合分析具有时变性的导弹工作模态。该研究可为信号处理中解决模态混叠问题提供参考。

基于改进的集成经验模态分解法的润滑油磨粒检测研究

为了提高油液磨粒检测问题的准确率,本文提出了改进的集成经验模态分解方法,其能够将带有噪声干扰的传感器输出信号分解为多个有真实物理意义的固有模态函数,分离出有效输出信号与噪声干扰,同时探究了改进的集成经验模态分解方法的参数值,实现了其超参数的自适应设定;然后确立了磨粒半径与分离出的有效信号的波峰值、波谷值、峰峰值等特征值的数学模型,之后采用多项式拟合方法拟合出磨粒半径与这些特征值的模型曲线,分析获取了磨粒的尺寸、数量、磁性等信息,并通过实验验证了拟合曲线的准确性。

高速列车表面压力测试信号的振动干扰分离研究

高速列车表面压力测试过程中,压阻式绝压传感器受列车振动冲击激扰,引起传感器输出干扰;同时,车体振动又会引起表面压力变化,导致有用信号与干扰信号难于准确分离。针对现有的经验模态分解(EMD)降噪过程中存在端点效应和模态混叠现象,提出了一种改进的集合经验模态分解(IEEMD),并利用仿真信号进行验证。模型车在单自由度方向振动激励下,运用IEEMD方法对车体表面压力信号进行经验模态分解,再计算各固有模态函数(IMFs)分量自相关函数与原始信号自相关函数的相关性系数,提取振动引起的压力。同时利用CFD计算模型车在同一激励下振动压力,从而分离出振动干扰,并建立振动与振动干扰的回归关系,为准确提取列车表面压力提供理论指导。

强噪声背景下的低频振荡模态辨识

传统Prony法存在着对噪声敏感的缺点,因此提出一种基于改进的整体平均经验模式分解(ensem-ble empirical mode decomposition,EEMD)方法滤波和改进Prony方法相结合的低频振荡分析方法。该方法先用改进的EEMD对低频振荡信号进行自适应滤波,再用改进Prony法对滤波后的信号进行分析。仿真结果表明:在较大噪声环境下,该方法仍能准确辨识出低频振荡模态参数。

设备冷却水泵配套电机抗震鉴定试验中的振动分析

核级设备必须通过抗震鉴定,验证其结构完整性和功能完整性,设备冷却水泵配套电机要求在地震过程中正常启停,然而各激励引起的电机振动未知。基于此,本文采用了一种改进EEMD方法,运用该方法提取抗震试验过程中各激励引起的振动信号,并对电机振动进行分析评价。结果表明:相比于地震载荷,电机在抗震试验中自启动引起的振动明显加剧,对电机结构提出了更高要求。

浅谈有关高压断路器振声联合故障的诊断方法

根据现有高压断路器机械的故障诊断方案不足,本文就高压断路器发生振声联合故障提出一种新的诊断方法。此方法基于改进集合经验模式分解(EEMD),利用核独立分量(fast KIcA)对采集到的声波信号进行分析核对盲源进行分离处理,并对处理后的声波信号以及振动信号进行EEMD处理。再对每一个分解后产生的固有模态函数(IMF)进行二维谱熵求解,再以此二维谱熵矩阵为基础对矩阵进行变换,作为其支持向量机的特征向量的输入识别断路器机械的状态。可以发现,振声联合分析方法可以有效提高高压断路器机械诊断的正确和可使用性。

利用GRACE研究我国四大流域陆地水储量循环周期

利用改进的EEMD方法对我国四大流域GRACE水储量时序进行分解,得到不同频率的信号分量。结果表明,流域水储量变化信号具有多种周期特性,长江、黄河、淮河和珠江流域的水储量变化序列中分别存在3.05a、2.37a、2.37a和2.13a的水循环周期。