基于IEEMD-IGCC算法的管道泄漏点定位技术研究

现用于检测油气管道发生泄漏情况的声波检测法有抗噪声能力弱、定位误差大的缺点,因此提出了一种基于IEEMD-IGCC算法的管道泄漏点定位方法。首先,在EEMD分解算法的基础上,通过计算每一次集合平均得到本征模态分量的自相关函数,判断该模态是否含有噪声分量,作为是否继续添加高斯白噪声的依据;随后,基于不同源目标进行广义二次互相关计算,进而获得时延值;最后,根据时差定位公式确定泄漏点位置。结果表明:经IEEMD算法的泄漏信号提取效果较好,与峭度系数的有效信息选取结果一致;重构信号不仅信噪比大、均方误差小,且计算成本大幅降低;IGCC算法下的时延值计算准确,减小了单次误差较大的可能性;IEEMD-IGCC算法对于不同工况下的适应性较好,最大绝对定位误差不超过30 m,极大提高了泄漏点定位精度。

基于IEEMD和ARMA算法的斜拉桥模态参数识别

提出了一种基于IEEMD分解的ARMA改进识别算法。首先对实测加速度信号进行IEEMD分析,之后利用聚类分析检验所得的本征模态函数(IMFs)中是否存在模态混叠;然后采用模糊综合评价法计算每个IMF与实测信号之间的模糊相似系数,以便选出有效的IMF分量;再利用主成分分析和帕累托图法对保留下来的IMFs进行信号的重构,进而达到对实测信号的有效分解和降噪效果;最后将重构的动力信号作为ARMA算法的输入,进行模态参数识别。通过对比分析每阶频率与实际值的误差百分比,可知利用IEEMD处理之后的振动信号作为ARMA算法的输入能得到与真实值最为接近频率值,且误差的百分比都在3%以下,验证了该识别方法能有效的识别到斜拉桥的频率。

基于IEEMD与LS-SVM组合的短期风电功率多步预测方法

针对组合预测方法中经验模态分解(EMD)部分存在处理非线性和非稳态信号的不足,提出了一种改进的集总经验模态分解(IEEMD)与最小二乘支持向量机(LS-SVM)模型相结合的短时风电功率预测方法。该方法首先通过对加噪辅助分解方法噪声准则的研究,推导出加噪方式采用正负成对形式可以有效消除分量中的残余噪声,且确定加噪幅值和分解次数采取固定值:0.014 SD和2次。然后将原始数据通过IEEMD方法分解成一系列固有模态函数,运用游程判定法进行筛选重构成高中低频三种频段,并对不同频段的分量建立LS-SVM多步预测模型,最后将预测值自适应叠加作为最终的预测结果。通过仿真实验和实测风电功率实验验证了所提方法在预测精度上具有一定优势,为短时预测方法提供了一种新思路。

基于IEEMD样本熵分析的管道泄漏定位

为降低城市管道泄漏定位误差,提出1种改进的集合经验模态分解(IEEMD)样本熵分析的管道多点泄漏定位方法。首先通过在EEMD中添加自相关函数计算和EMD算法,得到IEEMD;然后应用IEEMD可将原始泄漏信号直接去噪并分解为真实信号分量和冗余分量,经样本熵分析计算剔除冗余分量,获得有效泄漏信号;最后根据互相关时延计算和声发射时差定位法精确计算泄漏点位置。结果表明:该方法泄漏信号提取效果好、计算效率更高,有效提高了信号的信噪比,降低了信号的均方误差;该方法将管道泄漏定位误差降低至4.06%,较大程度提高了管道泄漏定位精确度。

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。