基于CEEMD和FastICA的滚动轴承故障诊断研究

由于滚动轴承振动信号易受噪声干扰的影响、故障特征提取较为困难。为此,提出了一种基于互补集合经验模态分解(CEEMD)和快速独立分量分析(Fast ICA)的轴承故障特征提取方法。该方法首先利用CEEMD算法将原故障振动信号进行分解运算,得到一系列模态分量(IMF);然后依据峭度准则选取一些模态分量来完成观测信号的重构,剩余其他的模态分量完成虚拟噪声通道信号的重构;再利用Fast ICA方法对重构信号进行降噪;引入Teager能量算子(TKEO)对降噪后的信号进行解调处理;最后对解调后的信号进行快速傅里叶变换(FFT)运算,分析变换后信号的频谱特征,提取出原信号的故障特征频率。将该方法应用到滚动轴承故障实际数据中,实验结果表明,该方法可以有效提取出滚动轴承故障的基频和倍频特征信息。     

改进 CEEMDAN 算法的电机轴承振动信号降噪分析

为提高传统自适应噪声完备经验模态分解算法(CEEMDAN)对电机轴承故障特征信号的精确提取率,降低重构信号失 真,提出了一种改进自适应噪声完备经验模态分解算法。 首先利用传统 CEEMDAN 对原始信号初步分解,获得若干特征分量 (IMFs)和固有模态分量,将若干 IMFs 运用熵权法进行初步故障特征信号消噪和提取,对筛选后的 IMF 分量进行二次分解和二 次筛选,获得典型故障敏感信号,再运用 SG(Savitzky-Golay)平滑滤波进行信号重构,最终实现电机轴承信号降噪。 最后利用凯 斯西储大学轴承数据进行改进算法性能分析,结果表明该方法对电机轴承信号能够有效的进行信号降噪,其信噪比相比于原始 信号提高 2. 2 dB。     

基于改进经验模态分解和谱峭度法的变压器振动故障特征提取

针对变压器振动故障信号易被强背景噪声掩盖的特点,提出基于改进经验模态分解(empirical mode decomposition,EMD)与谱峭度法的变压器振动故障特征提取方法。首先利用EMD方法分解原振动故障信号得到一系列本征模态函数(intrinsic mode function,IMF)分量后,采用能量矩占比和方差贡献率相结合的方法对采样信号进行EMD降噪处理,消除EMD中的虚假分量;然后利用重构算法提取真实IMF分量,运用谱峭度法提取振动故障特征频率;最后以模拟工程实际信号为例,采用MATLAB仿真验证了该变压器振动故障特征提取方法的有效性。     

磁悬浮陀螺转子信号的局部均值分解降噪研究

磁悬浮陀螺转子电流信号对环境变化高度敏感,信号采样过程中不可避免会引入噪声,针对该问题提出一种基于局部均值分解（local mean decomposition, LMD）,融合豪斯多夫（Hausdorff）距离与阈值降噪（threshold denoising, TD）的算法以减弱噪声干扰。首先对原始信号进行局部均值分解,得到若干乘积函数（PF）分量和一个余量,然后根据各PF分量与原始信号间的豪斯多夫距离判定噪声、信号分量,再对噪声分量进行阈值处理,最后将阈值处理后的噪声分量、信号分量及余量进行叠加得到重构信号,实现陀螺仪转子电流信号的降噪。仿真实验结果表明,重构信号的信噪比相对于原始信号平均提高了12.86 db,均方根误差平均降低了9.25×10^-6 A;实测信号降噪结果表明,该降噪算法对四条导线边的滤波增益分别为40.0%、93.5%、30.8%和50.0%。     

一种水电机组尾水管压力脉动数据滤波方法北大核心CSCD

尾水管压力信号的降噪处理对水电机组振动故障识别具有重要意义。为解决电站尾水管压力脉动数据中干扰信号对后续信号分析产生干扰的问题,本文利用自适应噪声完备集合经验模态分解将信号分解为若干个本征模态函数,并利用改进后的最大信息系数对各本征模态函数与原信号进行相关性计算,根据相关性系数的大小划定阈值,最后将处理后的本征模态函数叠加,用来压力信号的重构。并通过实例分析验证了该方法的有效性,同时与经验模态分解和传统的最大信息系数作对比,结果表明,本文提出的自适应噪声完备集合经验模态分解和改进的最大信息系数方法在水电机组压力数据的净化方面具更高的可信度。     

疲劳裂纹扩展电位信号的最优光滑降噪算法

在采用直流电位降法对疲劳裂纹扩展过程进行实时监测时,由于受到多种噪声干扰使疲劳裂纹扩展电位信号不准确。 为了提高其准确性与光滑性,对疲劳裂纹扩展电位信号建立基于变分模态分解(VMD)的最优光滑降噪算法,将裂纹电位信号 进行 VMD 分解后,根据各个模态分量的样本熵、相关系数和均方误差等指标,剔除裂纹电位信号中的噪声分量和对含噪的有效 模态分量进行降噪处理;然后选择合适的模态分量进行裂纹电位信号的重构,对比不同信号重构方案,选出最优重构信号;最后 对最优重构信号建立不同光滑滤波算法,通过对比光滑度、均方误差、信噪比等指标得出最优光滑降噪模型。 分析结果表明该 算法模型光滑降噪效果良好,降噪误差比为 0. 122 050,提高了监测信号的光滑性与准确性。     

基于经验模态分解和支持向量机的水电机组振动故障诊断

水电机组的振动信号为典型的非平稳、非线性信号。为了通过振动信号正确判断水电机组的运行状态,本文提出运用经验模态分解处理原始信号,并对获得的基本模式分量计算其复杂度特征,最后运用最小二乘支持向量机进行故障诊断。选取径向基函数作为核函数,并通过网格搜索和交叉验证确定相关参数。结果表明,经验模态分解复杂度特征和支持向量机结合,能够准确地实现故障诊断,确定故障类型,为机组运行维护人员提供参考依据。     

自适应MCKD和CEEMDAN的滚动轴承微弱故障特征提取

针对滚动轴承振动信号受强噪声干扰,难以提取其微弱故障特征的问题,提出了自适应最大相关峭度解卷积(MCKD)和自适应噪声完全集合经验模态分解(CEEMDAN)的故障特征提取方法。由于MCKD方法的滤波效果受滤波器长度参数的影响,故采用变步长网格搜索法对滤波器长度进行寻优,自适应地实现MCKD降噪。首先以特征能量比(FER)作为目标函数利用变步长网格搜索法寻找最优滤波器长度,通过自适应MCKD算法对振动信号进行降噪;然后采用CEEMDAN方法分解降噪信号,并根据峭度准则选取故障信息丰富的敏感固有模态分量(IMF)进行信号重构;最后利用包络谱对重构信号进行分析,提取故障特征信息。经仿真与实验分析,该方法能够有效地提取出滚动轴承的微弱故障特征信息。     

基于改进阈值函数的小波降噪分析在水电机组振动信号中的应用

小波阈值降噪算法是一种传统的水电机组振动信号的降噪算法,本文在其基础上提出了一种新的改进阈值函数的小波降噪方法,将改进阈值函数的小波降噪方法运用到水轮机机组振动监测中,解决了传统阈值函数存在抑制噪声污染与保留信号细节之间的矛盾。通过模拟振动噪声信号进行消噪比较,在信噪比和均方误差均优于传统小波阈值消噪方法,并结合虚拟仪器LabVIEW和MATLAB混合编程实现了水电机组振动信号采集及改进阈值小波的降噪处理,通过对降噪前后不同降噪方法在振动信号特征分量的保持程度进行比较,说明该方法在各分量保持均优于传统的阈值函数方法,是一种有效的降噪方法。     

基于EEMD近似熵的水电机组振动信号特征提取

对于水电机组非平稳非线性振动信号特征提取方法的研究近年来一直是水电机组故障诊断领域研究热点,特征提取的有效性直接关系到故障诊断的准确性。本文提出基于集合经验模态分解（EEMD）和近似熵的水电机组振动信号特征提取方法,将信号经EEMD分解后筛选得到的本征模态分量（IMF）近似熵特征值输入概率神经网络（PNN）进行模式识别。采用经验模态分解（EMD）和近似熵特征提取方法进行对比实验。识别结果表明：采用EEMD和近似熵的特征提取方法,能有效区分机组不同的运行状态,可为实际工程应用提供理论依据。     

基于经验模态分解的水轮发电机组局部放电信号提取

提出一种基于经验模态分解（EMD）的水轮发电机组局部放电信号提取方法。对实际局部放电信号，在频域内降低其干扰的幅值后得到中间信号，然后对中间信号进行经验模态分解，得到包含特征频率的固有模态函数（IMF），接着对所得到的固有模态函数分量局部重构，从而提取出局部放电信号。通过实例证明了该方法的有效性。     

基于增强VMD相关分析的水电机组摆度信号降噪

为有效提升强背景噪声与复杂电磁干扰下水电机组摆度信号的分析精度,研究提出了一种基于增强VMD相关分析的摆度信号降噪方法。首先对摆度信号构造Hankel矩阵并进行奇异值分解,进而基于均值滤波策略筛选有效奇异值,求得Hankel估计矩阵并反向重构信号,实现低频段信号增强;再利用变分模态分解将重构信号分解为系列模态分量,并分别进行自相关分析,求得归一化自相关函数及对应的能量集中度指标;最后基于能量集中度选择有效分量进行特征信号重构,最终得到降噪后的摆度信号。通过仿真分析与电站实测振摆信号降噪验证,证明了所提方法具有较好的降噪性能。     

基于改进EMD的GIS局部放电特高频信号降噪方法研究

特高频法检测GIS局部放电时往往受到不同类型的噪声干扰,天线采集到微弱的特高频信号容易被噪声淹没,导致局部放电检测不准确甚至检测系统在现场无法正常工作等问题。针对上述问题,提出一种基于改进EMD的GIS局部放电特高频信号降噪方法。该方法利用对偶树复小波(Dual-Tree Complex Wavelet Transform,DTCWT)对经验模态分解(Empirical Mode Decomposition,EMD)降噪法进行改进并对GIS局部放电特高频信号进行降噪。利用EMD法将含噪信号分解为一系列的固有模态函数(IMF)分量,然后利用联合分布模型进行每个IMF分量的DT-CWT降噪的小波系数估计,对每个IMF分量进行降噪。最后将降噪后的IMF分量进行信号重构得到降噪后的信号。GIS局部放电特高频信号降噪试验结果表明了该方法达到很好的噪声与非噪声信号的分离效果,拥有较高信噪比,以及能够保持早期局部放电特高频信号特征。     

基于ICEEMDAN与小波包分解的脉搏信号联合去噪

针对脉搏信号非线性、非平稳,且难以去噪的问题,提出了一种基于改进的自适应噪声集合经验模态分解(ICEEMDAN)与小波包分解(WPD)相结合的联合去噪方法,对采集的脉搏信号进行去噪处理。首先对噪声信号进行ICEEMDAN模态分解,产生一系列的固有模态函数(IMF),再将这些IMF分量分别与原信号进行相关系数的计算,比较相关系数的值,然后进行信号的重组,最后对重组后的信号进行小波包分解,提取得到降噪后的脉搏信号。利用仿真数据、实际采集的脉搏信号进行实验分析,将该方法与集合经验模态分解(EEMD)进行了对比,并比较了这两种方法的信噪比(SNR)和均方根误差(RMSE)。实验结果表明：基于ICEEMDAN-WPD的联合去噪方法能更有效地去除噪声,并更好地保留脉搏信号的特征。     

基于虚拟仪器的水电机组在线振动监测系统

阐述了基于虚拟仪器的在线振动监测系统的基本组成、实现方法和功能,采用PXI总线仪器和Lab-VIEW可视化的虚拟仪器系统开发平台,把传统仪器的所有功能模块集成在一台计算机中,用户可以通过修改虚拟仪器的软件来改变它的功能与规模.该系统实现了水电机组的振动信号的自动采集,并能通过计算机进行振动信号的处理和分析.     

基于改进EEMD的局部放电信号处理研究

噪声环境下的电缆局部放电信号的高完备提取是电缆绝缘在线监测研究的关键。本文提出一种基于改进EEMD的局部放电信号降噪方法。首先对原始局部放电信号进行EEMD分解,对分解得到的每一阶模态分量（IMF）进行傅里叶变换,计算其对应的幅值方差作为阈值,结合局部加权回归散点平滑算法对筛选出的噪声与有效信号混合的IMF分量进行滤波,最后与纯净PD信号IMF分量进行叠加重构,得到滤波后的局部放电信号。通过仿真、实验室数据分析,降噪处理后的局部放电信号的信噪比和波形相似系数均有所提高,证明本文所提降噪方法的有效性。     

一种基于S_VMD与Sdr_SampEn的局部放电信号去噪方法

交联聚乙烯(XLPE)电缆作为“双碳”目标中电力传输的重要工具,在使用一定年限后绝缘性能会下降,局部放电(Partial Discharge, PD)检测作为评估XLPE电缆绝缘状态的重要手段已广泛应用。针对PD信号中存在的各类噪声问题,提出了一种基于Spearman变分模态分解(Spearman Variational Mode Decomposition, S_VMD)与空间相关递归样本熵(Spatial Dependence Recurrence Sample Entropy, Sdr_SampEn)的局部放电信号去噪方法。首先通过S_VMD将信号分解为K个最优本征模态分量(Intrinsic Mode Function,IMF),然后通过计算各IMF的Sdr_SampEn值来判定其是噪声主导分量还是PD主导分量;再对分类后的IMF分别采取改进小波阈值去噪和Savitzky-Golay (SG)滤波去噪,最后进行重构得到去噪后的PD信号。利用该方法对仿真与实测PD信号进行去噪处理,并与自适应变分模态分解(Adaptive VMD, AVMD)等去噪算法进行对比分析,结果表明该方法能有效抑制PD信号中的噪声,具有一定的工程价值。     

基于Internet的水轮发电机组远程监测和故障诊断系统的研究

为了确保水轮发电机组的安全稳定和经济运行,需要对水轮发电机组进行监测与故障诊断.作者提出在Internet和Windows环境下利用有效的网络资源、PXI、MXI-3和DataSocket技术,采用易于扩展的客户/服务器结构模式来设计水轮发电机组的远程监测和故障诊断系统.文中对该系统的总体方案、软硬件组成及系统的功能作了详细的说明.该系统实现了水轮发电机组信号的数据采集、数据分析和处理,并能通过Internet进行故障诊断,具有良好的应用前景.