HHT滤波特性在sEMG信号滤波中的应用

在常规HHT滤波方法基础上,考虑sEMG信号频带分布特性,设计了一种新的HHT滤波方法.该方法设计了针对IMF分量的噪声能量抑制函数,用来抑制各分量可能包含的噪声,再将每个修正的IMF分量叠加,得到去噪后的sEMG信号.通过实验比较可以看出,考虑sEMG信号频带分布特性的HHT滤波方法可以一定程度上解决噪声与信号处于同一IMF上的情形,获得比常规HHT滤波方法更好的效果.

风电塔筒低频摆动及倾斜预警系统研究

风力发电机组塔筒安全关系到机组的正常运行,在实际应用中,风电塔筒的健康检查多以定期人工检查为主,并不能及时发现塔筒故障。本文设计了一套风电塔筒低频摆动及倾斜实时监测系统,通过对塔筒低频摆动信号和倾斜角信号监测达到对塔筒安全预警的目的。但由于风向和风速不稳,塔筒低频摆动和倾斜难以提取,为此本文首先建立塔筒的有限元模型,分析塔筒的动态特性,了解塔筒的运行特点,实现了倾角传感器的优化布置;采用基于HHT的低频信号提取算法,得到塔筒真实摆动(倾斜)数据;设计了一套风电塔筒低频摆动及倾斜实时监测系统,监测节点之间采用can总线进行通信,然后通过3G模块将数据发送到远程服务器,服务器对采集到的信号进行分析存储,显示实时塔筒运行状态。

采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法

配电开关振动信号具有非线性非平稳特性,蕴含有机械状态信息。提出一种采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法,对振动信号做希尔伯特-黄变换以进行带通滤波,构造其时频矩阵,对该矩阵进行奇异值分解,可将振动信号的特征信息分解到不同的时频子空间,以得到的时频矩阵奇异值作为振动信号的特征量,用于表征配电开关的机械状态。对配电开关在正常及卸掉A相触头绝缘拉杆、机械结构卡涩、底座螺丝松动等3种典型故障情况下实测振动信号的时频矩阵奇异值做模糊c均值聚类,结果表明该特征量能够准确、有效地表征配电开关的机械状态。

基于振动信号SVM分类的配变故障识别方法

配电变压器油箱表面的振动信号富含绕组和铁芯的各类状态信息，是绕组和铁芯工作状况的最直接体现。采用希尔伯特黄（HHT）带通滤波提取配电变压器振动信号主成分，获得表征绕组状态的100Hz分量及表征铁芯状态的150～1000Hz分量；利用负载电流拟合法提取绕组振动信号的特征量，通过测到的已知振动信号估计指定负载下的绕组100Hz振动幅值，构成绕组振动的特征向量；利用具有良好泛化能力及鲁棒性的双谱分析结合奇异值分解的方法表征铁芯振动的特征。提取实验室试验测得的绕组松动、绕组变形、铁芯松动、铁芯两点接地以及铁芯接地不良等故障振动信号的特征向量，用基于信息融合的支持向量机（SVM）实现绕组和铁芯状态的识别，结果验证了本文方法的有效性和准确性。

采用振动信号二维特征向量聚类的配电开关机械状态识别新方法

配电开关动作产生的振动信号具有非线性非平稳特性,蕴含机械状态信息.提出一种基于振动信号二维特征向量和模糊K均值聚类的配电开关机械状态识别新方法.利用HHT带通滤波对配电开关振动信号进行时频分解,分别求取各子频带信号的能量值和重心频率,得到振动信号的二维特征向量作为反映配电开关的机械状态的特征量.提取配电开关在正常、底座螺丝松动、机械结构卡涩及卸掉A相触头绝缘拉杆等4种典型状态实测振动信号的二维特征向量做模糊K均值聚类,结果表明,所提取的特征向量能有效地表征配电开关的机械状态.

基于振动信号二维特征向量的配变铁心故障诊断

配电变压器油箱表面蕴含着丰富的铁心振动信号,能够直接体现铁心的工作状况。通过希尔伯特黄(Hilbert-Huang Transform,HHT)带通滤波提取配电变压器铁心振动信号主成分,而后利用HHT二次带通滤波对配变铁心振动信号进行时频分解,分别求取各子频带所对应的能量值和重心频率,构成振动信号的二维特征向量。通过空载试验测得配变铁心在铁心正常、两点接地、铁心松动、接地不良等4种典型情况下的振动信号,对所测多组振动信号的二维特征向量做SVM分类。结果表明该特征向量能够准确、有效地表征配变铁心的各种状态。

基于KNN的配电网高阻接地故障识别

配电网受实际因素的影响,运行时接触高阻抗表面会发生高阻接地故障。发生故障时,故障点电阻较大,电压、电流突变量不明显,常规保护难以准确动作。高阻接地故障常伴随着电弧熄灭与重燃,若该故障长期存在,则将导致电气设备永久性损坏,甚至发生人身触电安全事故。本文通过对母线三相电压和零序电压进行HHT带通滤波构造时频矩阵,对各频带求取标准差作为特征向量,最后利用K最邻近算法进行故障辨识。

基于DBN的配电网高阻接地故障识别

配电网运行时受现实条件的影响,接触到电阻大的物质从而发生高阻接地故障(HIF)时,故障电流微弱,波形特征不明显,常规保护装置无法准确切除故障。利用希尔伯特-黄变换(HHT)带通滤波对母线三相电压和零序电压进行处理,构造分块时频能量谱,输入到深度置信网络进行训练和分类识别。最后,通过搭建的仿真模型,验证算法具有较高的准确率。