基于ASMVMD和MOMEDA的齿轮特征提取方法

针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以SMVMD分解后各个通道的所有分量的平均包络谱峰值因子(Ec)之和的相反数作为寻优的适应度函数,确定了最大惩罚因子α和最大分解模态数k的最优值;然后,采用ASMVMD方法对齿轮多通道故障数据进行了自适应分解,根据Ec指标提取了各通道特定分量,并将这些分量相加,进行了信号重构;最后,采用MOMEDA解卷积处理了重构信号,进一步强化了齿轮故障的冲击特性,并利用包络谱分析解卷积信号,提取了齿轮的故障特征频率。研究结果表明:通过仿真信号和模拟实验信号的分析,可知利用ASMVMD-MOMEDA相结合的方法处理得到的信号降噪效果显著,能有效抑制无关干扰成分的影响,从包络谱中可以清晰地看到故障频率的前几阶倍频;与多元经验模态分解(MEMD)-MOMEDA相结合的方法进行对比,发现采用ASMVMD-MOMEDA方法得到的包络谱较MEMD-MOMEDA方法的谱线更加干净,各阶倍频更加明显,进一步证明ASMVMD-MOMEDA方法可以准确提取齿轮故障特征。

响应峰谷电价的冷热电联供系统优化调度

峰谷电价的实施使得冷热电联供系统CCHP(combined cooling heating and power)为了获取良好经济性而改变其供能方案。针对不同的峰谷电价,通过以购售电成本、燃料成本、维护成本之和为目标的CCHP系统经济优化调度模型,计算获取不同的优化供能方案,特别是得到了不同的购售电交易计划。而交易计划明显改变了其接入电网母线的负荷曲线。选用日负荷率和最小负荷系数作为负荷曲线性状的评价指标,分别采用固定电价和不同峰谷电价的CCHP系统优化调度。仿真结果表明,峰谷电价的实施使CCHP系统经济性得到提高,接入母线负荷曲线性状得到改善,改善的效果随峰谷电价差的增大而增大。

基于基因算法的用于系统识别的测试信号的设计

详细介绍了如何用Matlab实现基因算法生成两个不同的具有最小峰值的测试信号,并且把这两个不同的测试信号输入到一个识别工具箱里,通过检验输出的结果来确定这两个测试信号是否适合用作特殊系统的识别.本文所用基因算法产生的测试信号如预期的一样具有最小峰值,但当把这两个测试信号输入到识别工具箱之后,估计系统的矩阵特征值与原始系统的矩阵特征值有很大的差距.产生这种差异的原因主要有两个,一个可能是产生这两个测试信号的长度不够,另一个可能是这两个测试信号非正交.