一种改善EMD端点效应的新方法及其在谐波分析中的应用

为了改善经验模态分解(EMD)过程中产生的端点效应,本文提出一种基于支持向量机和镜像延拓相结合的新方法对短时间序列进行延拓.首先应用支持向量机(SVM)对原始信号两端分别延拓一个极大值和一个极小值,再用带镜像延拓程序的EMD方法对延拓后的信号进行边分解边延拓,逐渐抛弃受"污染"的点,得到具有原始信号长度的固有模态函数(IMF).本文将该方法应用于电力系统的谐波分析中,仿真结果表明该方法能有效抑制EMD方法的端点效应,可以得到效果更好的单分量谐波信号.     

基于改进希尔伯特-黄变换算法的电力系统低频振荡分析

作为一种非线性时变信号处理方法,希尔伯特-黄变换(Hilbert-Huang transform,HHT)已经被应用到电力系统低频振荡的分析中.分析经验模态分解(empirical mode decomposition,EMD)过程中存在的端点效应和模态混叠现象.针对EMD分解过程中的端点效应问题,通过4种端点延拓方法的比较,得出适合电力系统低频振荡信号分析的延拓方法.在介绍频率偏差法基本原理和适用范围的基础上,提出利用频率偏差法来解决EMD分解中存在的模态混叠现象,并建立基于极值点对称延拓和频率偏差原理的改进HHT算法.测试信号和仿真算例证明频率偏差法可有效地解决信号在EMD分解过程中的模态混叠现象,扩大了HHT在低频振荡信号分析中的应用范围.     

EMD信号分析方法端点问题的处理

经验模态分解（EMD）是一种新的处理非线性、非平稳的数据分析方法，但是在利用样条插值获得上下包络过程中存在着棘手的端点问题。在解决该问题已有的添加极值点算法的基础上，提出了通过添加极值点和对称延拓相结合的方法抑制端点问题的思路和策略。针对一个仿真振动信号，对比分析了直接以数据端点作为极值点、多项式拟合算法、神经网络延拓算法、极值点与对称延拓相结合4种算法的效果，结果显示了所提出方法能有效地抑制端点效应。     

一种基于改进EMD端点效应的电能质量分析新方法

针对经验模态分解（EMD）中存在的端点效应问题,提出一种基于极值点对称延拓的新方法来对短时信号序列进行端点处理.通过对信号序列边界处的相邻两个极大值、极小值点的连接,比较其在边界对应值与端点值的大小,按照包络原则选取其一作为边界处的极大值或极小值,然后进行EMD分解.将该方法应用于电力系统的谐波模态辨识,仿真结果表明其能够有效改善EMD端点效应,准确辨识出信号所含的多种谐波模式.     

改进的Hilbert-Huang变换方法及其应用

针对Hilbert-Huang变换(HHT)方法出现的端点效应问题,提出了添加极值点与支持向量回归机相结合的延拓方法对其进行抑制。首先利用支持向量回归机预测信号极值点的幅值,然后用添加极值点法确定所预测极值点的位置。该改进方法解决了镜像延拓法对端点不是极值点的短数据序列处理效果不佳问题。通过仿真对比分析,用传统的镜像延拓和支持向量回归机延拓后得到的能量误差分别为0.007 4和0.023 8,而用改进方法延拓后得到的能量误差为0.003 0,表明改进方法对HHT端点效应的抑制效果要好于两种传统的方法。最后,将改进方法应用到电机转子不平衡故障特征提取上,验证了其可行性和准确性。     

基于改进LMD的谐波扰动检测新方法

局部均值分解LMD是一种处理非线性、非平稳信号的新方法。但是该算法存在滑动平均步长较难选择、计算速度慢、端点效应等理论问题。为了解决这些问题,提出了一种改进的LMD算法。首先采用支持向量机和镜像延拓相结合的方法将信号端点延拓,再用3次B样条插值求取包络线,最后分解得到乘积函数,并将该方法用于谐波及暂态谐波失真信号的检测中。仿真结果验证了该算法的可行性和有效性。     

一种改善HHT端点效应的新方法及其在电能质量中的应用

利用Hilberr-Huang变换(HHT)方法进行电能质量检测分析,可以得到准确的瞬时频率和瞬时幅值,但该方法在应用中存在严重的端点效应,会影响分析结果。为了改善其端点效应问题,提出了一种基于人工神经网络和镜像延拓相结合的新方法对短时间序列进行延拓。采用三层BP神经网络对信号两端进行延拓,用带镜像延拓程序的经验模态分解(EMD)方法对延拓后的信号进行边分解边延拓,得到具有原始信号长度的固有模态函数(IMF);为了改善Hilbert变换中的端点效应,再次利用BP神经网络对各个IMF分量进行延拓。最后对延拓后的IMF分量进行Hilbert变换,从而得到精确的瞬时频率和瞬时幅值。将其应用到电力系统的谐波分析中,取得了较好效果。     

基于最小二乘支持向量机回归的HHT在水轮发电机组故障诊断中的应用

水轮发电机组的故障表现为振动信号中出现异常频率成分,Hilbert-Huang变换可自适应地将这种频率成分提取出来并形成时频谱。但变换过程中,当两侧端点不为极值点时,会造成三次样条拟合的极值包络线偏离实际值,并且随着分解的不断进行向内“污染”。提出基于最小二乘支持向量机回归的Hilbert-Huang变换,该方法采用最小二乘支持向量机回归的方法对原信号两端进行拓延,得到附加的极值点,再利用三次样条插值的方法得到上、下包络线,实现了准确的EMD分解。将改进后的Hilbert-Huang变化应用于水轮发电机组故障诊断中,结果表明,该方法有效抑制了端点效应,实现了故障的准确识别。     

基于改进Hilbert-Huang变换的谐波检测新方法

指出准确、实时地对进行谐波检测是谐波治理的重要前提。提出了采用改进HHT对电力系统的谐波信号进行检测,该方法提出采用支持向量回归机与镜像延拓相结合对经验模态分解过程中出现的端点效应进行改进,从而使得到的瞬时频率和瞬时幅值具有了物理意义。     

基于波形匹配端点延拓法优化的经验模态分解算法在铁路继电器参数降噪上的应用

针对铁路继电器参数的噪声问题,为提取其有效信息,该文建立一种基于改进波形匹配延拓法优化的经验模态分解（EMD）算法,利用自相关函数分离含噪信号,小波阈值去除噪声的混合降噪模型。首先根据继电器参数特点对波形匹配方法进行改进,重新定义匹配误差度公式,并引入匹配精度误差系数,采用改进波形匹配延拓法优化EMD分解过程产生的端点效应,得到有效的固有模态分量（IMF）和余项;然后求解其自相关函数,并根据自相关函数图像结合噪声信号特征分离出含噪分量;最后对含噪分量进行小波阈值去噪,去噪后与剩余分量和余项结合,得到重构后的参数序列。同时,提出利用结构相似性（SSIM）评价指标,结合信噪比（SNR）、方均误差（MSE）指数对模型可靠度评判。通过结果分析,并与EMD分解后重构和小波阈值去噪方法作对比,证明该模型可优化铁路继电器参数的降噪效果。