基于CEEMDAN和HT的谐波检测新方法*

经验模态分解(EMD)作为希尔伯特-黄变换(HHT)的重要组成部分,为了克服其在谐波检测中出现的模态混叠、端点效应问题,提出采用自适应噪声完备集合经验模态分解(CEEMDAN)和希尔伯特变换(HT)相结合的谐波检测新方法。文章首先在理论上对比分析了EMD、EEMD以及CEEMDAN算法,研究CEEMDAN算法的特性。再用CEEMDAN算法对原始信号进行分解,得到固有模态函数(IMF)。最后用HT算法对每阶IMF分量进行分析,检测到谐波中包含的瞬时幅频信息。算例仿真结果表明,相对于HHT算法对信号的处理能力,文中提出的方法在谐波检测中有效地克服了EMD算法的弊端,提高了信号分解精度。     

HHT变换在电气化铁道电能质量检测中的应用

本文提出了基于Hilbert-Huang变换(HHT)对电气化铁道电能质量扰动信号定位检测的改进方法。由于电气化铁道扰动信号的复杂性,如果直接对经验模态分解(EMD)后的频率分量进行希尔伯特变换(HT),会使定位与检测的效果变差。本文通过在原信号上叠加已知高频正弦波的方法实现对扰动进行定位,提高了最高频率分量(一般是本...     

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.     

基于希尔伯特-黄变换和小波变换的500kV变电站谐振数据对比分析

谐振数据分析是谐振实时监测装置研制和谐振抑制的基础。文章对500 k V变电站实际谐振数据,采用希尔伯特-黄变换和小波变换方法进行对比分析。首先对谐振数据进行经验模态分解(EMD)得到谐波信号的本征模态函数(IMF),再对各个IMF进行希尔伯特变换,获得各个IMF分量的瞬时频率和瞬时幅度;然后选取合适的小波基对同组谐振数据进行分析;最后总结了两种检测方法的优缺点和500 k V变电站实际谐振谐波成分的幅频特性。     

基于EMD的Hilbert变换应用于暂态信号分析

将一种新的非平稳信号处理方法——基于经验模态分解(EMD)的希尔伯特（Hilbert）变换方法，应用于电力系统暂态信号分析中。通过EMD方法提取信号的固有模态函数（IMF），再进行Hilbert变换，求瞬时频率、瞬时振幅，得到信号的Hilbert谱，进而得到Hilbert边际谱，对故障暂态和扰动信号进行了分析。通过瞬时频率进行故障暂态和扰动时刻的准确检测；通过Hilbert边际谱与傅里叶幅值谱的比较，表明Hilbert边际谱在分辨率上具有明显的优越性。该方法为电力系统暂态信号分析提供了一种新的分析手段。仿真结果验证了该方法的有效性。     

Hilbert-Huang变换发展历程及其应用

Hilbert-huang(希尔伯特黄)变换是20世纪90年代末兴起的一种重要的非平稳信号处理方法,其中的经验模态分解(EMD)算法更是近年来的研究的热点之一。回顾了EMD算法近十余年来的发展历程,介绍了EMD算法的改进算法及其在工程领域中的运用,包括目前最新的演化算法BEMD、EEMD、CEEMD、MEMD、DEMD等,并结合作者的相关研究介绍了该算法在去噪及盲分离中的一些运用。讨论了EMD算法存在的不足和需要进一步研究的工作。     

基于EMD的Hilbert变换应用于暂态信号分析

将一种新的非平稳信号处理方法--基于经验模态分解(EMD)的希尔伯特(Hilbert)变换方法,应用于电力系统暂态信号分析中。通过EMD方法提取信号的固有模态函数(IMF),再进行Hilbert变换,求瞬时频率、瞬时振幅,得到信号的Hilbert谱,进而得到Hilbert边际谱,对故障暂态和扰动信号进行了分析。通过瞬时频率进行故障暂态和扰动时刻的准确检测;通过Hilbert边际谱与傅里叶幅值谱的比较,表明Hilbert边际谱在分辨率上具有明显的优越性。该方法为电力系统暂态信号分析提供了一种新的分析手段。仿真结果验证了该方法的有效性。     

基于ESMD和HT相结合的谐波检测新方法

针对现有的电力系统谐波信号检测方法精度不高的问题,以及研究较多的经验模态分解(EmpiricalMode Decomposition, EMD)在谐波检测中出现的模态混叠问题,结合极点对称模态分解(Extreme-pointSymmetricMode Decomposition, ESMD)理论和算法,提出基于ESMD和希尔伯特变换(HilbertTransform, HT)相结合的谐波检测新方法。首先对信号进行极点对称模态分解,得到一系列不同特征尺度的固有模态函数(IntrinsicModeFunction,IMF),再对IMF分量进行希尔伯特变换得到各谐波瞬时幅值和瞬时频率信息。该方法能够根据信号自身特征进行自适应分解,理论上由于扩展了IMF定义并采用内部插值方法,使得该方法具有简单、精度高的优势。仿真结果表明,该方法在谐波检测中自适应分解能力强,检测精度高,实时性好,并且能够在不添加噪声的情况下有效避免EMD方法在谐波检测中出现的模态混叠现象。     

一种基于Hilbert-Huang变换的电力电缆故障测距方法

为了提高电力电缆故障测距的灵敏性和准确性,提出一种基于Hilbert-Huang变换的电力电缆故障测距方法。针对电缆故障时暂态行波信号奇异性不明显问题,HHT能在不需要选择基函数的条件下对信号进行自适应时频分析,应用经验模态分解(EMD)方法对信号进行唯一分解。EMD能在保持信号良好的时域特性和频域特性的同时得到信号的时频和能量分布关系,有利于提取信号的奇异性,进而减小测量误差。通过不同方法对故障进行数值仿真测距,仿真结果表明HHT故障测距方法具有很好的优越性。     

基于希尔伯特-黄变换的电力系统谐波分析

准确的谐波分析对电力系统稳定具有重要意义。为克服FFT方法与小波分析方法的缺点,提出将希尔伯特-黄变换(Hilbert-Huang transform, HHT)用于谐波分析。将谐波信号进行经验模态分解(empirical mode decomposition, EMD),得到一系列经验模态函数(intrinsic mode function, IMF)。由于不同的IMF对应不同的谐波分量,通过对每个IMF分量进行Hilbert变换(HT)及最小二乘拟和,最终可以得到各次谐波的幅值、频率和相位,从而实现电力系统谐波的准确分析。在经验模态分解过程中,采用了分段三次Hermite插值,并通过添加极值的方法减轻边缘效应的影响,使谐波分析能够更准确。仿真表明,Hermite插值比三次样条插值对谐波分析更具优势。该方法分析电力系统谐波精度高,能够取得满意的效果。     

基于振动信号EMD-HT时频分析的变压器有载分接开关故障诊断

把一列时间序列数据通过经验模态分解(empirical mode decomposition,EMD)为本征模态函数组(intrinsic mode function,IMF),然后进行希尔伯特变换(hilbert transformation,HT)得到频谱的信号时频分析方法引用到变压器有载分接开关切换机构的振动信号分析领域。笔者介绍了该方法的理论和算法。首先采用仿真信号对该方法进行仿真验证,然后把一实测的有载分接开关故障振动信号进行基于EMD-HT方法的时频分析。通过仿真和实例信号分析结果说明,用EMD-HT时频分析方法对变压器有载分接开关的振动信号进行故障特征提取是有效的。     

小波变换及经验模式分解方法在电机轴承早期故障诊断中的应用

电机轴承早期故障的有效诊断是实现安全生产、避免大事故的技术前提。文中用高精度加速度传感器采集电机轴承振动信号，采用小波变换实现信噪分离，提取淹没在噪声背景中的早期故障特征信息，然后对提纯的信号进行经验模式分解（EMD）而得到若干个基本模态分量（IMF），再计算各基本模态分量的频谱。理论及试验研究结果表明：按此方法得到的各基本模态分量的频谱突显了轴承的故障特征信息，能有效诊断出轴承的早期故障。     

基于HHT谐波与间谐波检测研究

为了削弱基于经验模态分解EMD（empirical mode decomposition）方法在谐波与间谐波检测中的端点效应,提出了采用自适应波形延拓的改进型希尔伯特-黄变换HHT（Hilbert-Huang transform）谐波与间谐波检测算法。在EMD过程中,采取分段三次Hermite插值函数取代三次样条插值函数,从而避免包络曲线产生的过冲与欠冲。待测信号经过EMD,获得一系列固有模态分量IMFs（intrinsic mode functions）,然后对各个IMF进行希尔伯特变换HT（Hilbert transform）,即可获得各次谐波的幅值与频率。通过与快速傅里叶变换FFT（fast Fourier transform）相比较,证明改进的HHT算法精度高,符合电力系统谐波和间谐波分析的要求。     

动平衡测试系统中不平衡量的测试方法研究

针对动平衡测试系统中不平衡量测试精度较低的问题,提出了一种基于希尔伯特黄变换(HHT)的滤波方法,该方法应用于动平衡测试系统,对获取的转子原始振动信号和转频信号进行分析,可以有效得到不平衡量的质量和相位.方法先对原始振动信号进行经验模态分解(EMD),将振动信号分解为一系列固有模态函数(IMF),再经过希尔伯特(Hilbert)变换计算出各IMF的希尔伯特边际谱,根据转子转频信号滤除掉高低频干扰信号,筛选出针对不平衡量的有效振动信号,根据该信号的幅度和频率即可得到不平衡量的质量和相位.与普通数字滤波方法比较,实验结果表明,该方法用于动平衡测试系统比普通数字滤波方法精度高,效果好.     

Hilbert-Huang变换在电气化铁路谐波检测中的应用

将Hilbert-Huang变换(Hilbert-Huang transform,HHT)用于电气化铁路谐波检测中,应用该方法可以提取任意频次的谐波信号。为了解决直接应用经验模式分解(empirical mode decomposition,EMD)方法可能出现的模态混叠问题,文中采用基于傅里叶变换(Fourien tranform,FT)的EMD方法对电气化铁路谐波信号进行提取。首先利用傅里叶变换对指定频率部分进行滤波,然后分别进行HHT变换,再重新组合,即可得到信号全部完整的本征模态函数(intrinsic mode function,IMF)分量,进而计算其Hilbert谱,得到谐波信号的Hilbert谱值。对电气化铁路牵引变电站实测谐波电压、电流数据进行了分析,仿真结果表明利用改进的HHT方法可以得到电气化铁路各次谐波的准确时频分布。     

基于EMD相关去噪的风电机组振动噪声抑制及特征频率提取

针对风电机组振动信号同时受背景白噪声和短时干扰噪声的影响,使得早期微弱故障特征频率难以提取的问题,提出一种结合经验模态分解(EMD)、相关性分析和小波包变换(WPT)的振动信号噪声抑制及故障特征频率提取方法(EMD相关去噪-WPT)。该方法首先利用EMD分解振动信号得到能表征不同频率的固有模态函数(IMF),然后筛选表征故障特征频率的IMF,并重构得到故障特征信号;其次,利用自相关分析去除重构信号中噪声的影响;最后,结合小波包变换(WPT)提取去噪重构振动信号中的特征频率。为了验证所提方法的有效性,以实测和模拟的双馈风电机组轴承故障振动信号为例,对轴承振动信号分别利用小波包变换(WPT)、EMD相关去噪-WPT、小波硬阀值-WPT方法进行特征频率提取分析。通过不同特征频率提取方法比较表明,所提出的基于EMD相关去噪-WPT特征频率提取方法,能够更有效地抑制背景白噪声和短时干扰噪声的影响,提取出早期微弱故障特征。     

采用Hilbert-Huang变换和支持向量机的过电压分类识别方法(英文)

This paper proposes an effective method for over-voltage classification based on the Hilbert-Huang transform(HHT) method.Hilbert-Huang transform method is composed of empirical mode decomposition(EMD) and Hilbert transform.Nine kinds of common power system over-voltages are calculated and analyzed by HHT.Based on the instantaneous amplitude spectrum,Hilbert marginal spectrum and Hilbert time-frequency spectrum,three kinds of over-voltage characteristic quantities are obtained.A hierarchical classification system is built based on HHT and support vector machine(SVM).This classification system is tested by 106 field over-voltage signals,and the average classification rate is 94.3%.This research shows that HHT is an effective time-frequency analysis algorithms in the application of over-voltage classification and identification.     

基于HHT变换和独立分量技术的模态参数识别

HHT方法在识别环境激励下的模态参数时已经有比较高的精确度,并且在工程实际运用中得到了很好的体现。但是,HHT法长期以来都有着许多不足之处:在经验模态分解过程中会出现模态混叠,尖端效应以及虚假模态问题。所以,如何在模态参数识别时减小甚至避免这类问题是至关重要的。主要研究如何减小模态混叠对参数识别的影响。首先加入白噪声对原始信号进行预处理,得到1组新的信号;接着进行EMD分解过程,得到若干个模式函数(IMF),根据IMFs判据来判定其是否是真正的IMFs;然后运用希尔伯特变换及独立分量技术识别出结构的模态参数;最后应用所提方法识别了一个实测飞机模型的模态参数并和实验数据进行对比。结果表明该方法成功解决了HHT方法中的模态混叠现象,并能更加准确地提取信号的各阶模态参数。