经验模态分解端点波形延拓改进方法研究

为提高经验模态分解(EMD)的分解精度,针对分解过程中存在的端点效应问题,在对已有波形匹配延拓方法改进的基础上,提出了一种改进后的基于端点波形匹配的经验模态分解方法。通过对齿轮裂纹故障模拟试验结果分析表明,当齿轮转速为600r/min时,5 120个实验数据分解时间约为1.2 s,所得第6个IMF分量的幅值谱峰值频率为10 Hz,对应着系统的回转频率。第2个IMF分量的峰值频率为550 Hz,对应着系统的啮合频率。所提出的方法能够分解出齿轮系统的特征分量,具有较高的分解精度和计算效率。

斜率匹配波形延拓法抑制EMD端点效应

提出一种抑制EMD端点效应的新方法——斜率匹配波形延拓法。该方法充分考虑了信号边缘处的变化趋势以及信号的内部特征,以信号端点处曲线的斜率作为参考,从信号内部寻找斜率最接近的子波进行匹配,根据匹配子波及其前后波形对信号端点进行波形延拓。仿真和实测信号的分析结果表明,该方法能够有效地抑制端点效应。

基于自适应序贯相似性检测波形匹配延拓的EMD端点效应抑制

针对经验模态分解过程中信号两端出现的严重失真问题,在波形匹配延拓的基础上,提出了一种基于自适应序贯相似性检测波形匹配延拓的端点效应抑制方法。该算法引入基于精度的截止阈值,使算法有了很好的直观性和快速性。再通过对折自适应调节阈值,进一步减少遍历所需时间。通过对模拟信号和实际工程信号分别进行仿真分析,结果表明该算法能够有效的抑制在经验模态分解过程中出现的端点效应问题,改善分解效果。

EMD自适应三角波匹配延拓算法

波形匹配延拓是遏制经验模态分解(EMD)端点效应的有效方法,针对现有波形匹配延拓方法的不足,提出了一种自适应的三角波形匹配延拓方法,改进了三角波匹配度的计算方法和匹配子波的寻优算法。改进的三角波匹配度计算方法,突出延拓平顺性的同时,加强了端点处数据与内部波形的关联。自适应的匹配寻优算法,首先在固定极值点对应的波段内部搜寻局部最佳子波的截取时刻,截取局部最优匹配子波,然后在局部最优子波内搜寻全局最优匹配子波,提高了子波截取的合理性与匹配的准确性。仿真信号及实验信号分析表明,该方法可有效抑制EMD端点效应,显著提高分解精度。

EMD端点效应问题解决方法的研究

经验模态分解(EMD)是近年来兴起的一种非平稳信号处理方法,但在分解过程中因产生端点效应而造成分解结果严重失真。因此,研究了一种自适应波形匹配延拓法的改进方法,该方法根据信号端部不同特点确定延拓点并进行延拓,从而解决端点效应问题。实验结果表明,改进的自适应波形匹配延拓法能避免信号EMD分解失真。将改进的自适应波形匹配延拓法的EMD结合小波软阈值去噪方法用于处理加噪超声仿真信号,得到的信噪比比小波软阈值法处理后的信噪比高33.78%,说明该方法在非线性、非平稳信号处理方面有一定优势。

大跨斜拉桥北斗监测挠度温度效应分离研究

针对大跨斜拉桥北斗监测挠度温度效应分离问题,提出先利用挠度数据的周期特性,在挠度数据首尾分别进行波形延拓,在进行小波分解后所得小波细节中剔除高幅值车载作用挠度得到残余分量,将其与小波系数重构得到预降噪挠度,最后将预降噪挠度进行小波分解来实现挠度数据的高精度降噪;得到降噪挠度后,利用改进的集总平均经验模态分解(MEEMD)良好的可抑制分解过程中产生模态混叠的特性,将降噪挠度进行MEEMD分解,接着将所得日温差和年温差效应第1个半周期通过对称置换得高精度日温差和年温差效应,最后将降噪挠度剔除高精度日温差和年温差效应后所得残余分量再次进行MEEMD分解,所得趋势部分即为长期挠度,从而实现日温差效应、年温差效应、长期挠度的逐步分离。结果表明:波形延拓+预降噪+小波分解的降噪算法比传统单一降噪算法精度更高;温度效应分离算法能实现挠度温度效应各周期成分的精确分离,适合大跨斜拉桥北斗监测挠度温度效应分离。

基于改进LMD和综合特征指标的滚动轴承故障诊断

局部均值分解(local mean decomposition,LMD)适用于分析非平稳的滚动轴承故障信号。文章针对LMD存在的端点效应以及敏感分量难以筛选的问题,提出一种基于匹配误差的四点波形延拓方法来改善端点效应,将综合特征指标与K-means聚类分析相结合筛选敏感分量;轴承故障信号经改进的LMD分解为若干个乘积函数(product function,PF)分量;计算所有PF分量的8个参数作为综合特征指标,再利用K-means聚类分析进行分类,区分出敏感分量与虚假分量,并重组敏感分量;最后利用包络分析成功提取到故障特征频率。结果表明该方法是一种有效的滚动轴承故障诊断方法。

基于改进HHT的电力系统低频振荡分析

对于非线性、非平稳的电网低频振荡信号的时变特性分析,提出了一种改进希尔伯特-黄变换(Hilbert-Huang Transform,HHT)。针对HHT所存在的问题,改进了经验模式分解(Empirical Mode Decomposition,EMD)过程中的包络拟合算法;同时提出采用基于波形局部特征的波形延拓方法以抑制端点效应。以电力系统实测有功功率振荡信号作为研究对象,结合改进的EMD、瞬时频率分析及瞬时阻尼分析,通过信号分解效果以及振荡的时变特性分析,验证了采用该文所提两点改进措施的HHT相对于常规HHT在分析电网低频振荡暂态过程和振荡的时变特性时具有更高准确度及合理性。

改进LMD算法在微电网电能质量扰动信号检测中的应用

采用局部均值分解(local mean decomposition,LMD)算法对电能质量扰动进行检测时存在'端点效应'和'模态混叠'问题,严重影响了检测精度。文章针对分布式电源接入引起的微电网电能质量问题,对LMD算法进行改进,提出四点波形曲率延拓,寻找最优匹配波形用以改善'端点效应'。采用三次样条函数插值提高计算速度,使得筛选过程更快,间接减小了'端点效应'和'模态混叠'的影响。进一步提出了自适应筛选停止准则,通过内外层循环判据确定筛选停止条件,从而抑制'模态混叠'。通过对单一扰动、复合扰动模拟信号与实测信号的时频分析,验证了所提算法的可行性和有效性。最后通过与其他算法的计算量对比分析,进一步表明所提算法具有较低的计算量。

基于改进的希尔伯特振动分解的机械故障诊断方法研究

针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解(HVD)的时频分析方法。该方法首先利用Hilbert变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对HVD方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。通过两组仿真信号分析验证了HVD方法对多分量非平稳信号的分解能力,同时表明改进的HVD方法能很好地抑制边界效应。给出转子系统油膜涡动故障诊断实例,验证了该方法的工程实用性。

基于WT-EMD的继电保护输入信号辨识

为了提高继护工作人员对继电保护装置输入信号的分析能力,有必要对输入信号进行辨识。采用小波与经验模态分解相结合的方法对输入电流信号进行分类辨识,并给出了辨识指标。首先,对输入继电保护装置的各类电流信号采用小波进行消噪处理,利用波形相似原理进行波形延拓以减少端点效应;其次对消噪后的信号利用改进的经验模态分解方法分解;最后建立故障信号与非故障信号划分指标,并对非故障信号进行辨识。通过IEEE14节点系统仿真证明,方法能有效辨识出继电保护输入信号的种类,验证了所提方法的有效性和实用性。