基于改进希尔伯特-黄变换的电力系统谐波检测方法

由于电力系统谐波谐振点检测结果存在较大噪声,导致谐波检测精准度较低,由此提出了基于改进希尔伯特-黄变换的电力系统谐波检测方法.通过希尔伯特-黄变换建立相应的解析信号,并分解模态,使信号呈局部对称形式,获取瞬时变化频率和幅度.经过模态分解后,检测谐波参数,将特征值的倒数定义为模态阻抗,获取最小特征值,以该点为电力系统谐振点,采用希尔伯特-黄变换方法,从间接谐波次数开始逐渐递增,得到最大模态阻抗图,从图中获取最大模态阻抗的峰值,也就是谐波谐振点.设计谐振点检测流程,并进行去噪处理,在改进希尔伯特-黄变换方法支持下,获取真实信息,完成电力系统谐波检测.由仿真实验结果可知,该方法在有无噪声环境下,都具有较高检测精准度,保证电力系统的稳定运行.     

HHT算法在电力系统谐波分析中的应用研究

针对电力系统谐波检测的问题,采用希尔伯特-黄算法对电力系统谐波信号进行分析.在阐述了希尔伯特-黄算法原理的基础上,分别使用平稳和突变的谐波信号对希尔伯特-黄算法进行了验证.并利用Matlab/Simulink平台构建电力系统谐波源模型,研究希尔伯特-黄算法在实际电力系统中的应用.研究、仿真结果表明,希尔伯特-黄算法在分析电力谐波时,能准确分析出各次谐波的瞬时频率和瞬时幅值以及波动时刻.     

扬声器非线性特性的Hilbert-Huang变换分析

为研究扬声器的非线性特性和形成机理,提出一种基于Hilbert-Huang变换(HHT)的扬声器非线性特性分析方法.该方法通过对扬声器纸盆位移信号进行经验模态分解(EMD)得到内禀模态函数(IMF),计算出IMF函数的瞬时频率.用瞬时频率的变化表示纸盆位移信号波内频率调制的非线性现象,直接反映出与扬声器结构相关联的非线性特性.仿真和实际扬声器实验结果表明,用HHT瞬时频率表示扬声器非线性的方法与传统的傅立叶谐波方法相比,能更确切地说明产生非线性的原因,给扬声器非线性的改善与补偿提供了依据.     

基于改进EMD算法的跳频信号参数估计

针对短时傅立叶变换时频分辨率不能同时很高,小波变换运算时间偏长,抗噪性差,Wigner-Ville变换及其改进方法受交叉项影响等问题,提出了一种基于希尔伯特-黄(HHT,Hilbert-Huang Transformation)算法的跳频信号参数估计.该方法的分解是自适应的,计算出的瞬时频率有很高的时间分辨率和较高频率分辨率.对于HHT算法中出现的虚假分量和端点效应问题,通过互相关方法来消除虚假分量,镜像闭合延拓方法去除端点效应.仿真结果表明该方法能很好解决上述两个问题.     

经验模态分解(EMD)中边界处理的新方法

在深入研究和分析希尔伯特-黄变换(HHT)方法的基础上,对信号提出了半周期半对称延拓算法,并以此来处理经验模态分解中存在的边界误差问题.通过信号模拟试验,并与EMD方法的结果作比较,检验了该方法的有效性和精度.     

基于希尔伯特-黄变换的船舶声信号特征提取

将希尔伯特-黄变换(HHT)用于船舶声信号特征提取中,利用HHT对实录船舶辐射噪声进行特征提取后,利用神经网络进行分类.研究表明希尔伯特-黄变换方法对于信号的时频特性具有较高的分辨能力,适用于水声非平稳信号的分析.与传统时频分析方法相比具有很强的自适应特性和较好的时频聚集性,时频分辨力高于小波变换.结果表明对于船舶声信号识别,希尔伯特-黄变换方法是一种有效的特征提取方法.     

基于变分模态分解和希尔伯特变换的转子非平稳信号故障特征识别

为了提升传统希尔伯特黄变换在处理复杂非平稳信号时的时频分析能力,本文将变分模态分解和希尔伯特变换进行结合,提出了一种时频分析方法变分模态分解和希尔伯特变换。此外,为了对变分模态分解的模态数进行自动调整,还提出了一种基于相关系数的希尔伯特黄变换参数优化方法,有效避免了由于希尔伯特黄变换模态数设置不合理而导致的信号分解不足和分解过剩的问题。利用转子故障信号对变分模态分解和希尔伯特变换方法的时频分析能力进行了验证,并且与传统希尔伯特黄变换的对比突出了该方法在处理非平稳信号中的优势。     

线性自适应小波理论的齿轮箱故障诊断方法

针对早期齿轮箱故障信息淹没在背景组分中的问题,提出了基于线性自适应小波理论的齿轮箱故障诊断方法.该方法基于希尔伯特变换(HT)和自适应小波变换(AWT),能从低频的调制振动信号中区分并识别不同程度的裂纹故障.首先用希尔伯特变换提取调制振动信号的包络值以显示调制频率.然后利用自适应小波变换来处理由希尔伯特变换得到的调制信号,其中在自适应小波处理希尔伯特变换后的调制信号的过程中利用粒子群算法(PSO)对过程参数进行优化.实验结果表明该自适应小波变换能通过过程优化小波找到匹配振动信号的啮合频率及其谐波、耦合频率、载波频率及其边频带,能够从调制信号中提取出特征参数,且具有较高的分辨率.     

基于Hilbert-Huang变换的涡街信号处理方法

利用Hilbert-Huang变换(HHT)的固有模态分解特性，提出了一种涡街信号频率估计的新方法.采用压电传感器进行涡街信号的检测，通过分析信号经过固有模态分解后的时频特性，获得了不同模态所代表的噪声信号成分和实际涡街信号成分.模态中的一部分表示了信号中的噪声，而剩下的部分模态真实反映了信号的频率成分.在仿真的基础上，获得了去除噪声的部分模态瞬时频率与涡街频率的关系.研究结果表明，基于HHT的涡街频率估计方法，可以精确估计涡街信号频率并提高涡街流量计的抗干扰能力.该方法计算量小，能够满足涡街流量计在实际工程应用中的要求.     

基于HHT的矢量传感器瞬态信号方位估计

针对瞬态信号存在时间短、变化快,传统的信号处理方法很难对其进行方位估计的问题,将希尔伯特-黄变换与矢量信号处理相结合应用到水声领域,提出了矢量希尔伯特-黄变换的方法.利用希尔伯特-黄变换获取信号的瞬态信息,结合矢量信号处理宽带方位估计提出了矢量瞬时方位估计的概念,在此基础上发展了矢量希尔伯特-黄变换水声应用的理论框架.海试表明新理论在瞬态信号处理和单矢量传感器目标方位估计方面,其性能比常规方法有了明显的提高.     

基于最大相关性的小波谐波检测方法

谐波的存在严重影响电网中电能的质量,保证电力系统的安全运行,首先要对谐波进行准确的检测和分析,剖析电网中的谐波成分。傅里叶变换能够分析谐波中稳态成分,却无法分析电力谐波中广泛存在的暂态及突变信号。小波变换的时频分析方法应用于谐波分析当中,弥补了傅里叶变换的这一缺陷。本文通过Matlab仿真,采用最大相关性的方法选取小波基,并用小波变换实现对电力系统中暂态信号的分析,将小波变换与傅里叶变换的分析方法进行比较,验证了基于小波变换的谐波检测方法的有效性。     

基于apFFT-AMD的密集频率谐波/间谐波检测

针对电力谐波信号中含有密集频率的谐波/间谐波问题,提出全相位快速傅里叶变换（apFFT）与解析模态分解法（AMD）相结合的检测方法. 由于AMD在分解前需要确定信号中各个频率成分,应用apFFT对待分析信号进行频谱分析,得到频谱中各个频率的值;通过apFFT相位谱的平坦特性来判断信号中是否含有密集谱频率成分,获得密集频谱谐波/间谐波频率的大概位置,若含有密集频谱成分,对信号中的密集频段使用量子粒子群进行优化,寻找最佳的二分频率;通过各个频率成分之间的二分频率,利用AMD方法将电力谐波信号分解为一系列的单频信号分量,以完成含有密集频率的谐波测量. 与希尔伯特-黄变换法（HHT）相比,该方法对于含有密集频率的谐波/间谐波信号分解效果更好. 仿真和实验结果都表明了该方法的有效性和准确性.     

小波变换与中值滤波耦合的雷达信号去噪法

为了提高雷达检测弱信号的能力，对它的去噪就显得非常重要。小波变换具有良好的局部化分析特性和多分辨率分析特性，中值滤波具有良好的边缘保持特性。它们都有一定的去噪能力，但对弱信号效果不好。提出了基于小波变换与中值滤波器耦合的雷达弱信号去噪方法，仿真结果表明，经过该方法去噪后弱信号的信噪比有较大提高。     

基于小波包变换的电力系统谐波检测

阐述小波变换和小波包变换的基本原理,介绍小波变换的时频局部化特性,说明了在小波变换基础上建立的小波包变换,能够实现频带的均匀划分,能更有效地进行谐波的检测和分析,并利用小波包变换的方法分别对电力系统中的稳态谐波和暂态谐波进行检测.仿真结果表明,该方法可以准确地检测稳态和暂态时变信号,能为电力系统中的谐波治理提供依据.     

基于FFT与小波变换的机车谐波电能计量

针对电力机车复杂运行环境带来的大量非稳态谐波难以精确计量的问题,提出一种基于快速傅里叶变换与小波变换相结合的机车电能计量方法。首先通过小波变换找到信号突变点,判断计算设定周期内的信号是稳态信号或非稳态信号;其次,对稳态信号用FFT进行分析,而非稳态信号用小波方法进行分析;最后,在相应算法下计算出信号中各频率成分的电能值。仿真证明该算法对谐波电能计量的精确性。     

基于动态小波变换的小电流接地系统故障选线研究

小电流接地系统发生单相接地故障时,由于故障电流小及接地点电弧不稳定等原因,其零序故障电流准确获取和定值整定困难,使其故障线路的检出仍是难题。提出一种基于动态小波变换的故障选线方法,利用所有健全线路暂态能量与故障线路暂态能量之差为最小值作为判据。该方法充分利用了动态小波变换分析故障信号的优势,克服常规小波变换在这方面的不足。仿真结果表明,该判据不受接地条件和接地方式影响,能够准确可靠地选出故障线路。     

Prony算法在电网故障分析中的应用

傅立叶算法能够在电力系统发生故障时较为准确地得到工频分量,但该算法存在频谱泄露现象,从而对故障信号不能够精确地分析.通过对Prony算法进行理论分析,搭建PSACD仿真模型并提取信号中工频分量,且与傅里叶算法进行对比可知,Prony算法可以精确检测到故障信号的相位、振幅、频率和衰减因子,相对于传统的信号分析方法如傅立叶算法,Prony算法在快速故障分析中具较好的应用前景.     

基于快速傅里叶变换和db小波变换的谐波检测

在电力系统谐波检测中,使用快速傅里叶变换法(FFT)可以得到平稳谐波信号中的频谱,从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息,很难检测到谐波发生的具体时刻,而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号,提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知,该方法可以检测稳态谐波,确定暂态谐波的突变时刻.     

小波变换在电网谐波电流检测中的应用

小波变换是一种变分辨率的时频联合分析方法,可以对时域和频域信号进行精确地分析。利用小波变换对电网中的谐波电流检测原理进行了分析,通过将电网电流信号分解到各个频带,将基波电流与谐波电流分离,从而达到检测电网谐波电流的目的。仿真实验表明,小波变换谐波检测可以有效地排除电压失真的影响,具有较高的检测精度。     

电力电容器介质损耗因数在线检测系统的设计

针对目前对电力电容器介质损耗角因数在线检测的精度要求越来越高的现状,设计了基于 AD7656和TMS320F2812的电力电容器介质损耗因数在线检测系统.利用电压互感器和电流传感器采集电力电容器母线电压信号以及泄漏电流信号,将采集到的信号经过信号调理转换成可以被 AD7656接收的信号;利用 AD7656进行模数转换,锁相倍频保证同步采样,TMS320F2812用以控制 AD 转换并利用谐波分析法进行数据处理,计算出介质损耗因数.在电网频率波动以及白噪声影响条件下计算介质损耗因数的相对误差.结果表明,本系统具有较高的可靠性和准确性,能达到介质损耗因数在线检测的精度要求.