基于多尺度线调频基稀疏信号分解的电力系统非平稳振荡信号特征提取

随着电力电子装置在源-网-荷侧的大规模应用,电力系统功率振荡表现出较强的非平稳特性和模式耦合性。本文提出一种基于多尺度线调频基稀疏信号分解的电力系统非平稳振荡信号特征提取方法。多尺度线调频基稀疏信号分解方法能够在动态的时间支撑区内对信号进行投影分解,逐次获得能量最大的信号分量,具有良好的时频聚集性,特别适用于非平稳振荡信号的分解。电力系统的功率振荡信号本质上是一种多模态时变振动系统响应信号。首先通过多尺度线调频基稀疏信号分解方法得到多个单模态振动响应信号,然后根据单模态振动响应特性采用最小二乘法进行振荡特征的提取。仿真算例和实例证明了该方法在电力系统非平稳振荡信号特征提取中的有效性和适应性。     

基于经验模态分解的风电轴承早期故障诊断研究

介绍了采用基于经验模态分解EMD包络谱的滚动轴承早期故障诊断方法。该方法先用EMD将原始时域信号分解为若干个平稳的固有模态函数IMF之和,然后求出包含主要故障信息的多个IMF分量的包络谱,通过包络谱频率来判断滚动轴承的故障类型。对滚动轴承内圈故障振动信号的分析结果表明,基于经验模态分解包络谱的故障诊断方法能够比传统的FFT频谱更加及时准确的提取滚动轴承的故障特征,利于提早发现故障隐患。     

基于EEMD和Teager能量算子解调的故障诊断研究

针对电动机的滚动轴承故障问题,提出了基于EEMD和Teager能量算子解调的诊断新方法。首先利用EEMD算法对轴承故障信号进行分解,可以得到多个单分量信号,然后利用Teager能量算子解调方法对单分量信号进行包络解调运算,得到包络信号后计算出包络谱,并将轴承故障特征频率理论计算值与包络谱中峰值明显的谱线进行对比,从而对故障类型做出判断。通过对实验台模拟的滚动轴承内圈、外圈故障信号进行分析,验证了该方法的可靠性和工程实用性。     

基于固有时间尺度分解的滚动轴承故障诊断

针对滚动轴承故障振动信号的非线性和非平稳特性的情况,提出了一种基于固有时间尺度分解和样本熵的新型故障特征提取方法,并与Tikhonov支持向量机相结合实现滚动轴承的故障诊断。该研究充分利用了固有时间尺度分解具有提取故障特征明显、计算简单等优点。首先采用固有时间尺度分解方法将振动信号分解为一序列固有旋转分量和一个基线分量之和,并计算每个固有旋转分量的瞬时幅值和瞬时频率。然后,提取上述瞬时数据的样本熵作为特征向量。最后将其作为Tikhonov支持向量机的输入,实现滚动轴承故障精确分类。经过实验验证,本文方法获取的不同类型故障样本特征差别较大,与小波能谱熵、时间小波能谱熵相比能够更精确和快速的识别轴承故障。     

改进的HVD方法在转子故障诊断中的应用

针对转子故障诊断问题,介绍了一种基于希尔伯特振动分解(HVD)的多分量非平稳信号时频分析方法。该方法首先对原始振动信号的非平稳频率成分低通滤波,分离出幅值最大分量的瞬时频率;然后由同步检测获得对应的瞬时幅值和初相位;最后经过迭代运算自适应地提取原信号各分量的时频信息。针对HVD的边界效应问题,应用基于最小平方距离准则的波形匹配边界延拓法对其进行改进。通过仿真信号分析验证了改进的HVD对边界效应的抑制效果和对多分量信号的时频分析能力。分析了转子碰摩、油膜涡动、油膜振荡故障试验测试信号,结果表明改进的HVD方法可以精确提取转子系统故障的时频特征,证明了该方法的有效性。     

基于平稳小波包分解的水轮机非平稳振动信号希尔伯特谱分析

应用平稳小波包变换对信号进行窄带分解,避免了经验模式分解过程中虚假模式分量的产生以及高频本质模式函数瞬时频率的波动,改善了Hilbert谱对于高频宽带信号的频率分辨率,使其更加适合复杂多分量的非平稳信号分析。针对水轮机过渡过程中转子振动响应的复杂性和非平稳性,应用该方法对停机和起动过程现场测试信号进行分析,识别了信号的时频结构特征,主轴振动响应主要由转速频率及其谐频成分组成,其中主导成分为转速频率。与Hilbert-Huang变换的对比验证了该方法在分析水轮机过渡过程非平稳振动信号方面的有效性。     

多共振频带自适应检测的轴承微弱故障诊断方法

滚动轴承的局部缺陷产生的冲击可激励起轴承自身固有频率及相邻部件固有频率,使得采集到的振动信号中包含多个共振频带。针对一般方法难以直接地定位多个共振频带的问题,通过讨论变分模式分解方法与轴承故障振动信号之间的内在联系,提出一种多共振频带自适应检测的轴承微弱故障诊断方法。该方法首先采用变分模式分解法将振动信号分解为独立模式分量,然后对解析形式的独立模式分量进行包络分析,最后提出以归一化频率能量比作为识别故障分量的准则以及把故障模式分量的中心频率作为轴承缺陷激励起的相关部件固有频率。仿真与试验分析结果表明该方法可准确地检测多共振频带,以及有效地进行轴承微弱故障诊断且诊断结果显著优于传统解调方法。     

基于集成经验模态分解和峭度准则的滚动轴承故障特征提取方法

为实现滚动轴承故障的精确诊断,提出一种基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)与峭度准则的包络解调方法。该方法首先利用EEMD将振动信号分解,然后利用峭度最大准则选取EEMD分解后的本征模函数(intrinsic mode function,IMF),将该本征模函数进行包络解调从而获得滚动轴承的故障特征信息。该方法可以有效抑制经验模态分解(empirical mode decomposition,EMD)中的模态混叠问题,同时还避免了共振解调方法中中心频率及滤波频带的选取,具有良好的自适应性。利用该包络解调方法对实际滚动轴承发生内圈、外圈故障进行了分析,证明了该方法可以有效地提取滚动轴承故障特征信息,能够实现滚动轴承故障的精确诊断。     

基于VMD共振稀疏分解的滚动轴承故障诊断

针对滚动轴承早期故障信息难以提取且信号呈现非平稳、非线性的特点。提出了一种基于变分模态分解和共振稀疏分解相结合的滚动轴承故障诊断方法。首先利用VMD将信号分解为一系列模态分量;然后根据峭度准则对包含故障信息最多的模态分量进行双Q因子的共振稀疏分解;最后对包含故障信息量丰富的低共振分量进行能量幅值谱分析从而得到轴承故障特征频率。其次将基于EMD共振稀疏分解应用于仿真信号作对比分析,证明VMD共振稀疏分解方法的有效性。基于此,将VMD共振稀疏分解方法应用于轴承内、外圈故障诊断中,成功提取出故障特征频率,验证了此方法的有效性。     

基于瞬时能量熵和SVM的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特性和难以获得大量实际故障样本的情况,提出了一种基于经验模式（EMD）分解的新型故障特征撮方法,并与支持向量机（SVM）相结合实现滚动轴承的故障诊断.该方法首先将振动信号进行小波包降噪,再对去噪信号进行EMD分解,求解分解后各单元的瞬时能量变化,取瞬时能量变化的熵值组成特征向量,最后将其作为支持向量机的输入实现滚动轴承故障分类.经过实验验证,该方法能够有效的识别轴承正常状态、内圈故障、外圈故障以及滚珠故障.     

基于自适应多尺度线性调频小波分解的水轮机非平稳振动信号分析

针对在连续参数空间内优化求解线性调频小波(Chirplet)时频参数存在计算量大的问题,构造了离散的多尺度Chirplet字典,以适应信号复杂多变的局部结构,降低计算量。针对自适应Chirplet谱图中的幅值畸变缺陷,应用归一化的最优Chirplet原子的Wigner-Ville分布识别了信号成分,将其作为时频窗口对信号的Wigner-Ville分布进行时频滤波处理,得到的改进的自适应Chirplet谱图不仅具有最佳的时频分辨率,不含交叉干扰项,而且能量分布的幅值变化平滑连续,不存在幅值畸变缺陷。根据时频分析结果,识别了机组起动过程中主轴摆度信号的频率成分及其幅值的时变情况,验证了自适应多尺度Gauss Chirplet分解以及改进的自适应Gauss Chirplet谱图在分析旋转机械转速变化过程中转子非平稳振动信号方面的有效性。     

滚动轴承故障信号的数学形态学提取方法

基于非线性数学形态变换的概念设计了形态非抽样小波变换算法,通过构造信号分解算子和结构元素,经过多尺度形态小波分解既能够平滑噪声又提取了信号中的故障特征成分。分别对模拟信号和实验数据进行分析处理,结果均表明该方法对信号冲击特征的提取是有效的。最后通过与包络解调分析方法的对比,说明了形态非抽样小波变换对滚动轴承故障特征的提取效果更明显。由于形态非抽样小波变换算法只涉及加减和取极大、极小运算,运算简单,执行高效,非常适于滚动轴承故障的在线监测和诊断。     

基于稀疏表示的TQWT在低频振荡信号去噪中应用

为了改善低频振荡信号的去噪效果,为低频振荡信号的检测与分析提供准确可靠的数据,在分析可调Q小波变换和稀疏表示原理的基础上,给出了一种基于稀疏表示的可调Q小波变换去噪方法。该方法先利用可调Q小波变换对含噪的低频振荡信号进行稀疏分解,得到初始的小波系数。再利用基追踪去噪算法对得到的小波系数进行优化处理。最后对优化的小波系数进行重构,获取干净无噪的低频振荡信号。通过仿真分析验证了该方法的去噪效果和可靠性优于目前广泛使用的小波软、硬阈值去噪法。     

基于SAE-SVM算法的振动信号定位方法研究

针对传统振动信号短时能量检测法精度低、需手工参数选择等问题,提出了一种稀疏自编码器(SAE)网络,用于提取振动信号有效特征,并将其用于支持向量机(SVM),从而检测脚步振动信号。为了缓解了振动信号色散效应造成的信号失真问题,使用了小波分解(WT)方法,并基于实验分析优化了分解参数,然后基于广义互相关和到达时间差(TDoA)算法进行定位解算。实验结果表明,相比人工特征筛选,SAE-SVM算法的活动段检测精度可达96.8%,系统平均定位误差为0.82 m。     

融合自适应滤波和归一化PGC-Arctan的激光干涉测振信号解调算法研究

针对正弦相位调制激光干涉仪测振信号的解调,本文提出一种融合自适应滤波和归一化PGC-Arctan的解调方法。该方法在传统PGC-Arctan算法的基础上,通过准确识别载波相位延迟和相位调制深度对正交干涉信号对进行归一化处理,从而减小相位解调的非线性误差,同时引入基于最小均方算法的自适应滤波器对解调信号进行滤波降噪,进一步提高信号的SNDR（信噪失真比）。通过数值仿真和实验测试验证了算法的有效性,在实验室条件下,对频率为100Hz-3KHz声波激励的固体表面微振动进行了探测和解调。结果表明本文所述方法能够实现振动信号的精确解调,经自适应滤波后解调信号的SNDR平均提升了12dB。 关键词：激光测振;归一化;PGC-Arctan; 自适应滤波     

基于光场的联合稀疏分布式压缩感知

信号的稀疏分解是压缩感知理论的关键问题,冗余字典相较于传统的正交基矩阵,可提供信号的更稀疏表示。首先根据光场相机特征‐光场图像具有图像内和图像间相关性,提出光场中的联合稀疏模型,然后使用基于图像特征训练的冗余字典稀疏表示光场信号,最后通过同时分段正交匹配追踪算法（S‐StOMP）重建稀疏信号,S‐StOMP重建速度较快,可同时重建多个信号。最后通过实验验证了算法的准确性和可靠性。     

基于变分模态分解和谱峭度法的滚动轴承故障特征提取

针对共振解调中带通滤波器参数的选取通常比较困难,以及滚动轴承早期微弱故障信号通常被强烈的背景噪声淹没,为此,提出了使变分模态分解(variational mode decomposition,VMD)和谱峭度法共同作用来处理故障信号的方法。首先要重构故障信号,利用VMD分解得到故障信号的本征模态分量(intrinsic mode function,IMF),再计算各分量对应的峭度值对其自适应重构。然后,对重构信号进行快速谱峭度分析,并据此设计带通滤波器。最后,根据重构信号共振解调后的谱线即可准确判断轴承故障。通过处理实测数据进行诊断,结果表明了该方法较传统共振解调法诊断结果更精确。由此可见,谱峭度法在滤波器参数选择上具有可靠性,以及VMD与谱峭度结合能够降低噪声干扰提取微弱故障信号。     

基于db4小波的配电网暂态电能质量扰动的检测与定位

针对暂态电能扰动持续时间短、变化速率快的特点,给出一种基于小波变换的暂态电能扰动检测方法。该方法使用db4小波对暂态电能信号进行采样、多尺度分解进而判断信号突变点,能精确地对配电网中常见的暂态电能扰动问题检测与定位,并与其它阶数db小波变换结果进行了比较。仿真结果表明,该方法能够快速、准确地对暂态电能扰动信号检测与定位,精度较高,满足实际工程需求。     

稠密气固两相流静电与压力信号多尺度分析

粉体气力输送过程,由于颗粒之间及颗粒与管道之间碰撞、摩擦、分离,导致颗粒携带大量电荷。粉体颗粒荷电含有丰富的气固两相流动信息。在加压密相气力输送实验装置上,研究了静电信号和压力信号在表征气固两相流流动特性上的异同。利用Hilbert-Huang变换(HHT)对静电信号和压力信号进行了多尺度分解,并分别对分解的细节信号进行了R/S分析和能量计算。结果表明:静电信号主要表征气相与单颗粒及颗粒与颗粒之间相互作用的微尺度特性,而压力信号表征气相与固相整体之间相互作用的宏尺度特性。将静电信号和差压信号2种信息源结合,有助于认识高压气固两相流复杂的流动形态及其转变规律,可深层次揭示密相气固两相系统的动力学行为。