基于POA-VMD-WT的MEMS去噪方法

针对MEMS传感器所测得的加速度和角速度输出信号噪声较大问题,提出一种基于鹈鹕优化算法(pelican optimization algorithm,POA)的变分模态分解(variational mode decomposition,VMD)结合小波阈值(wavelet threshold,WT)的去噪方法。首先利用POA对VMD的参数组合进行优化选择,然后应用POA-VMD将含噪信号自适应、非递归地分解为一系列本征模态函数(intrinsic mode function,IMF)。再通过计算每个IMF的余弦相似度对IMFs进行分类,根据计算结果将IMFs分为噪声主导分量与信号主导分量,对分类后的噪声主导分量进行改进小波阈值去噪处理,最后对处理后的噪声分量与信号主导分量进行重构,获得降噪后的MEMS传感器信号。静态和动态实验结果表明,该方法去噪处理后信号的信噪比分别提高12和10 dB,均方误差分别降低75.5%和46.6%,去噪效果显著,能够提高MEMS传感器的精度。

基于VMD⁃ESA和IPOA⁃XGBOOST相结合的异步电机故障诊断

为了提高异步电机故障诊断的准确度,提出一种结合变分模态分解(VMD)、包络谱分析法(ESA)和改进的鹈鹕优化算法优化的极限梯度提升模型(IPOA‐XGBOOST)的智能诊断方法。首先,对实测的异步电机振动信号进行VMD分解,并用ESA计算VMD分解得到的本征模态分量(IMFs)的瞬时能量矩阵;然后用奇异值分解法(SVD)对得到的瞬时能量矩阵进行特征提取;最后,使用提取到的特征向量训练IPOA‐XGBOOST模型,得到异步电机的故障诊断准确率。另外,为了解决鹈鹕优化算法容易陷入局部最优解、寻优速度慢等问题,使用Circle映射改进鹈鹕优化算法。将改进的鹈鹕优化算法、遗传算法(GA)和鹈鹕优化算法进行寻优分析,实验结果表明,改进的鹈鹕优化算法的寻优效果最好。

基于POA优化FMD参数的滚动轴承早期故障诊断

早期滚动轴承故障较难诊断,且特征模式分解(FMD)输入参数滤波器长度L和模态分量个数n较难准确选择。因此,提出基于鹈鹕优化算法(POA)优化FMD参数的滚动轴承早期故障诊断方法。该方法以全体峭度的指标作为适应度函数,通过POA优化算法获取FMD优良参数组合,并且结合包络谱分析实现故障诊断。使用该方法对滚动轴承早期故障仿真信号和实验信号进行分析,结果表明:该方法通过优化FMD参数,可以从包络谱中得到故障特征频率及其倍频突出的幅值,进而诊断出滚动轴承早期故障类别;与基于固有时间尺度分解(ITD)和基于最小熵解卷积(MED)方法相比,包络谱中的故障特征频率及其倍频幅值更突出,在滚动轴承早期故障诊断中具有一定的应用前景和价值。

基于ICEEMDAN与POA-SVM的感应电机故障诊断

针对感应电机定子电流故障特征提取困难,支持向量机(SVM)惩罚系数c和核函数参数g的选择对诊断结果影响较大等问题,提出一种改进自适应噪声平均总体经验模态分解(ICEEMDAN)与鹈鹕优化算法(POA)优化支持向量机(POA-SVM)相结合的感应电机故障诊断方法。首先,利用ICEEMDAN经陷波器滤除工频的定子电流获得一系列固有模态函数(IMF);然后,选取各状态信号的前7阶IMF分量并计算能量熵作为故障特征向量;最后,将故障特征向量输入POA-SVM模型得到诊断结果。通过仿真软件Ansoft/Maxwell建立电机模型来获得电流数据,诊断准确率达到了100%,实现了感应电机的故障诊断。为进一步验证诊断方法的优越性,搭建电机故障模拟试验台来采集电流信号,结果表明,该方法在空载、半载和满载3种负载情况下诊断准确率均可达到97.5%以上,与其他故障诊断方法相比,所提方法对感应电机电气故障具有更好的识别能力。

基于VMDT-POA-DELM-GPR的两阶段短期负荷预测

针对传统负荷预测方法精度不高的问题,为准确捕捉到负荷数据波动的规律,提出了一种两阶段负荷预测方法。第1阶段首先用变分模态分解(VMD)对原始负荷序列进行分解,得到分解处理后的残差分量,再采用时变滤波经验模态分解(TVF-EMD)方法进行特征提取;然后对全部子序列分别建立深度极限学习机(DELM)模型,同时利用鹈鹕优化算法(POA)进行参数寻优,叠加各子序列的预测值得到初始负荷预测值。第2阶段采用POA-DELM模型对误差分量进行预测;然后将第一阶段中所有子序列预测值和误差预测值作为特征输入到高斯过程回归(GPR)模型中,得到负荷最终的预测结果。结果表明,两阶段模型的均方根误差(RMSE)、平均绝对误差(MAE)分别为对比模型的4%~77%、4%~76%,而平均百分比误差(MAPE)仅为0.0678%,可有效提高电力负荷的预测精度。

小卫星载荷PeliCAN模式总线协议设计

传统的小卫星CAN总线应用层协议支持网络节点数量较少,可实现的节点间通信模式较单一,难以满足较复杂载荷的组网要求。设计基于PeliCAN模式的载荷通信总线协议,在CAN总线应用层协议开放性的基础上,对报文标识符进行分段设计,便于总线节点实现多主通信,使总线组网更加灵活,容纳更多网络节点;总线节点采用双滤波器设置,使总线节点之间能同时实现点对点、广播、组播、子播的混合通信模式,能满足复杂的应用环境;定义通用的单帧和多帧格式,便于节点对混合帧的解析。通过计算表明,该协议的网络负载峰值为24.05%,满足小卫星载荷组网要求。

基于变分模态分解-排列熵-改进鹈鹕优化算法的长短期记忆网络的短期负荷预测

针对传统的电力负荷预测模型中出现的模态分解混叠、长短期记忆网络参数难以选择等问题,提出一种新的模型,即基于变分模态分解、排列熵组合和改进鹈鹕优化算法的长短期记忆网络模型。首先,利用变分模态分解将电力负荷数据分解为多个复杂程度较低的模态,并利用排列熵对子序列进行重组,降低预测难度;接着,引入Logistic混沌映射、融合柯西变异和反向学习两种策略改进鹈鹕优化算法,提高全局寻优能力;然后利用改进后的鹈鹕优化算法对长短期记忆网络参数进行优化,提高模型的泛化能力和实际操作性;最后,对重组后的子模态分别进行预测并叠加,得到最终预测结果,并使用两份不同地区数据集与多种优化算法预测模型进行比较。实验结果表明,变分模态分解-排列熵-改进鹈鹕优化算法的长短期记忆网络模型具有更高的预测精度和稳定性,可以有效地进行短期电力负荷预测。

电力远程监测系统中的CAN总线通信技术研究

介绍一种基于CAN总线的电力远程监测系统,阐述了监测系统集中器的CAN总线接口电路设计及CAN总线分布式测控网络系统的组建方法,详细论述了利用CAN控制器SJA1000增强模式的双滤波器实现主、从集中器之间的点名通信和广播通信的原理。实际运行表明:CAN总线技术可以实现电力远程监测系统主、从集中器之间的可靠、实时通信。

基于CAN增强模式的电力远程监测系统

针对电力远程监测系统降低组建与运行成本、提高通信可靠性和系统实时性的需求,提出并研制了一种基于CAN增强模式、集公用配电变压器运行参数观测和低压居民用户电量检测为一体的分布式电力远程自动监测系统,给出了系统构成与测量原理,介绍了由公用电话线、CAN总线、RS-485总线构成的多级信道的信息流程及系统的通信协议,论述了增强模式下集中器中CAN控制器的寄存器分配方法,详细介绍了系统的主、从集中器识别方法和系统的点名、广播通信的信息帧识别方法.实际运行表明,主集中器可以与各从集中器进行点对点通信,也可对所有从集中器进行全局广播通信,主站可以实时监测公用配电变压器的运行状态和低压居民用户的用电量,系统组建方便,运行成本低,可靠性高.

基于FPGA的CAN总线控制器全模式应用设计

基于独立的CAN总线控制器SJA1000,在Intel和Motorola两种接口控制时序下的BasicCAN和PeliCAN模式的应用设计研究,为汽车、船舶、航天等大规模使用CAN总线进行数据传输的领域提供了多种应用设计方案。采用型号为EP4CE10F17C8N的FPGA对SJA1000寄存器读写时序、数据发送和接收逻辑的设计以及与上位机通信、数据校验方法。通过FPGA模块和SJA1000模块组合,设计SJA1000使用Intel或者Motorola接口控制时序时数据收发功能的Verilog程序,利用CAN分析仪和上位机软件进行数据交互、数据校验试验,实现了FPGA对SJA1000在BasicCAN和PeliCAN模式下的寄存器初始化和数据收发功能,并且在与上位机进行交互数据时确保了数据的实时性和正确性。