基于Hilbert频移的EEMD谐波检测方法

针对经验模态分解(EMD)在谐波检测应用中产生模态混叠的问题,结合EMD分解的局限性和谐波检测实际情况进行分析。首先用集合经验模态分解(EEMD)消除EMD遇到间歇信号干扰出现的模态混叠问题,然后根据谐波信号间的密频问题,提出了基于Hilbert频移的EEMD谐波检测方法。该方法先对谐波信号进行EEMD分解,通过相关度判断相近信号是否发生混叠,若发生混叠,利用Hilbert频移方法使信号满足EEMD分解条件,从而将其分解为单频率分量信号。经仿真验证,该方法能够很好地克服谐波检测中的间歇信号干扰和信号间密频问题,保证了谐波信号有效分解和实用性。通过对实际整流信号的分析证明该方法具有很好的检测效果。     

基于经验模态分解和固有模态函数重构的局部放电去噪方法

为了提取局部放电信号的特征,提出一种基于经验模态分解(EMD)和固有模态函数(IMF)重构算法的局部放电噪声抑制方法.首先对含有噪声的局部放电信号进行经验模态分解,得到含特征频率的固有模态函数,然后对所得的固有模态函数分量进行自适应阈值处理后重构,从而抑制噪声干扰.相比于常规的小波去噪算法,该方法具有自适应性强,不受小波函数和最佳小波分解层数选取的限制等优点,而且实现了阈值和固有模态函数阈值处理层数的自动选取.分别以仿真信号和实际信号为例,证明了该方法的有效性.     

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。     

Levy噪声中EMD降噪的随机共振研究

经验模态分解(empirical mode decomposition,EMD)降低噪声的同时也削弱信号能量,并会产生虚假信号,导致信号检测存在缺陷,针对这一问题,提出Levy噪声环境下经验模态分解随机共振检测方法。通过将含噪信号进行EMD分解,对分解后信号进行叠加取平均二次采样等处理方法,使其满足随机共振要求,利用自适应算法优化系统参数,进而使处理后信号能够在双稳系统中产生随机共振,达到精确检测的目的。理论分析及实验证明在Levy噪声下,此方法能实现同一特征指数下单频信号与多频信号检测,实验表明在单频信号信噪比为-28 dB情况下能有14 dB的提高,特征指数为1.8下多频信号5 Hz频谱幅值从311.8增加到724,10 Hz频谱幅值由138.9增加到143.2。此方法对在复杂噪声环境中降低剩余噪声能量同时,提高信号能量,减少虚假信号,相对于仅仅进行EMD分解无法判断信号成分,能更好的达到检测效果。     

ZPW2000 系列移频信号谐波干扰处理方法研究

不平衡牵引电流与ZPW2000系列轨道电路移频信号存在共同传输通道,其中牵引回流和高次谐波成分都将对移频信号产生影响,当列车依靠CTCS-2级列车运行控制系统提供运行许可时,增加了安全运行风险。为有效去除高次谐波干扰,获取无绝缘轨道电路移频信息,设计了基于VMD与Hilbert变换相结合的移频信号处理方法。首先利用VMD将谐波干扰信号分解为若干不同频率段的IMF;然后对所有IMF求解中心频率,确定各谐波干扰频率,根据预测算法和相关性验证,确定当前无绝缘轨道电路所对应的本征模态函数;最后通过对该IMF进行Hilbert变换分析确定当前无绝缘轨道电路中移频信息。通过对仿真和实验室实测信号分析发现：该方法不但可以有效抑制模态混叠现象,使各谐波干扰成分从混合信号中准确的分离,而且能够准确求解出移频信息,为干扰条件下准确解调行车许可信号提供了借鉴意义。     

频移经验模态分解在低频振荡参数提取中的应用

当信号中2个单频分量的频率在2倍频内时,经验模态分解（EMD）无法将2个分量分解开。为提高EMD的频率分辨率,提出了基于信号调制的频移EMD算法。此方法增大了信号中组成分量的频率比,使之达到EMD可分的程度。将该方法应用于电力系统低频振荡模态参数的提取,能较好地提取2倍频范围内的低频振荡模态分量的瞬时频率、瞬时幅值、相位及阻尼比等参数,数值仿真和实例分析均表明了该方法的有效性。     

基于改进频移经验模态分解的低频振荡参数提取

对于规模越来越大的复杂电力系统来说,采用基于量测数据的低频振荡研究方法日益受到重视。经验模态分解(EMD)方法的分解过程具有自适应且适于分析非平稳信号,在低频振荡参数提取方面应用较多,但EMD方法存在模态混叠等现象。当信号中2个单频分量的频率在2倍频内时,频移经验模态分解(FS-EMD)可将2个分量分解开。但当信号中有多个单频分量的频率在2倍频内时,FS-EMD就无法分解。为了提高EMD的频率分辨率并使分解方法具有通用性,文中提出了改进的频移经验模态分解(RFS-EMD)算法。此方法增大了信号中组成分量的频率比,且保证频率不翻转,使之可循环使用RFS-EMD算法分解复杂信号。该方法在应用于电力系统低频振荡模态参数的提取时,能较好地提取多个2倍频范围内的低频振荡模态分量的频率、幅值、相位及阻尼比等参数。数值仿真和实例分析均表明了该方法的有效性。     

基于 EMD 和 Prony 算法的同步电机参数辨识

Prony 算法是一种线性系统时域模态参数识别方法,对分析数据的噪声非常敏感,对输入信号要求较高.鉴于此,将经验模式分解(empirical mode decomposition,EMD)与Prony 算法相结合的方法应用到同步电机参数辨识中.利用EMD 的分解能力,对采集到的同步电机三相突然短路电流进行时空滤波和平稳化处理,除去高频噪声 IMF 分量,然后用 Prony 准确辨识出同步电机的瞬态和超瞬态参数.仿真试验结果表明该方法具有精度高、抗噪性强等特点.     

基于CMF-EEMD的风电齿轮箱多故障特征提取

针对EMD(empirical mode decomposition)模态混叠现象和由于所添加白噪声幅值单一而影响EEMD(ensemble empirical mode decomposition)分解精度等问题,提出了一种新的信号处理方法CMF-EEMD。CMF(combined mode function)将EMD分解得到敏感的IMFs按高低频进行组合,形成两个包含高低频的本征模态函数Ch和CL,然后通过添加不同的白噪声幅值对Ch和CL分别进行EEMD分解,最后对敏感的IMFs进行循环自相关函数解调分析。将提出方法应用于仿真信号和风力齿轮箱试验台的振动信号,成功提取了多故障特征频率,验证了此方法的有效性。并通过与添加单一白噪声幅值进行对比分析,凸显此方法具有更高的分解精度。     

基于小波变换去噪预处理的EMD谐波检测方法

将经验模式分解(empirical mode decomposition,EMD)作为电网谐波的检测方法。通过EMD法分解,把含谐波的正弦信号分解成为包含各阶次谐波的IMF分量和工频分量,从而检测出电网中的谐波分量。研究发现采样信号中的噪声会对EMD的分解产生较大影响,提出了一种基于小波变换去噪预处理的EMD谐波检测方法。此方法首先用小波变换减少随机白噪声对信号的影响,随后对含少量白噪声的信号进行EMD分解。经MATLAB仿真分析,所提方法可以有效地消除随机噪声对谐波检测的影响,提高了EMD谐波检测的精度与适用性。     

基于CZT的PCM/FM信号解调算法研究

提出了一种基于线性调频Z变换CZT的PCM/FM信号解调算法。分析了利用PCM/FM信号的频率进行解调的理论基础,根据实际PCM/FM信号的非平稳性和利用FFT实现时的缺点,提出了基于CZT的信号解调方法。详细的论述了此种解调算法的基本原理和实现过程,分析了该算法的解调误码率。计算机仿真结果表明,该算法对于实际接收的PCM/FM信号具有较好的解调性能。     

基于CEEMDAN与Teager能量算子的谐波检测方法

针对现有的电力系统谐波信号检测方法精度不高的问题,提出一种基于自适应噪声的完全集合经验模态分解(CEEMDAN)和Teager能量算子的谐波检测新方法。首先利用CEEMDAN对谐波信号进行分解,获得不同局部特征时间尺度的固有模态函数(IMF)分量。其次,通过改进的EEMD去噪方法和相关性判据方法分别去除噪声分量和虚假分量得到真实的谐波分量。最后利用Teager能量算子计算出谐波分量的瞬时幅值和瞬时频率,可以准确地获得谐波信号的能量谱信息。该方法充分利用了CEEMDAN的局部自适应性与Teager能量算子的快速响应特点,通过EMD、EEMD和CEEMDAN分别与Teager能量算子相结合的方法进行谐波检测。对比检测结果不仅表明了该方法具有较高的检测精度,而且验证了所提方法的可行性和有效性。     

基于EMD盲源分离算法的电力系统低频振荡模式识别

针对广预测量系统低频振荡过程中的高斯噪声干扰和定阶问题,提出了基于EMD(empirical mode decomposition)盲源分离(blind source separation,BSS)算法的单通道低频振荡信号的模式分析方法。首先将信号利用经验模态分解得到一系列本征模函数分量组合的新信号;其次针对存在模态混叠的本征模函数分量,提出利用信号周期性构造其多路信号,并利用独立分量分析消除模态混叠的有效方法;然后利用盲源分离技术--二阶盲辨识算法(second order blind identification,SOBI),处理多通道观测信号矩阵,从中提取出不同的单模式信号;最后将去噪、定阶后的信号运用最小二乘-旋转不变技术(TLS-ESPRIT)算法辨识,得到低频振荡模态参数。数值算例仿真、IEEE四机两区域仿真实验表明该算法能够有效分离源信号,相比于其他方法具有抗噪性能好、拟合精度高等优点。     

光纤光栅传感信号解调技术研究

针对现有解调系统不能保证驱动电压的周期完整性的不足,提出了一种基于实时参考光路和可调谐FP腔滤波器的光纤光栅波长解调系统设计方案.其中,硬件信号调理电路由二级放大电路和二阶低通滤波电路组成,具有高信噪比、低成本等特点;软件分析处理模块含有实时数据采集、处理及保存功能的高精度上位机程序,并提出了采样点补偿算法使驱动电压能够在任何情况下都以完整的周期驱动.实验结果表明:所提出的光纤光栅波长解调系统最大测量误差为34 pm,测量范围为40 nm,最大调谐速度为100 Hz,能够对光纤光栅波长信息进行实时数据采集与处理,满足工程实际需要.     

Frequency tracking in power networks in the presence of harmonics

Three new techniques for frequency measurement are proposed. The first is a modified zero-crossing method using curve fitting of voltage samples. The second method is based on polynomial fitting of the discrete Fourier transform (DFT) quasi-stationary phasor data for calculation of the rate of change of the positive sequence phase angle. The third method operates on a complex signal obtained by the standard technique of quadrature demodulation. All three methods are characterized by immunity to reasonable amounts of noise and harmonics in power systems. The performance of the proposed techniques is illustrated for several scenarios by computer simulation     

EWT算法在ECG信号滤波中的研究

针对经验模态分解(EMD)算法存在的模态混叠问题和集合经验模态分解(EEMD)算法实时性不足的缺点,采用EMD与小波分析相结合的EWT算法,对ECG信号的频谱自适应分割,在分割区间上构建小波滤波器组,提取具有紧支撑的单分量成分,剔除直流分量和噪声余项,并将其余分量重构。实验数据来自MIT-BIH数据库中真实的心电图(ECG)信号,仿真结果表明,该算法能有效去除ECG信号中的基线漂移和工频干扰,信噪比(SNR)、均方根误差(RMSE)和自相关系数(AC)优于其他两种自适应算法EMD和EEMD;算法整体运行时间小于1 s,满足了心电监测的实时性与准确性要求。     

采用原子分解法的同步电机参数辨识

为了准确辨识出同步电机参数,提出一种基于原子分解的新算法。首先构建相关原子库并将原子离散化参数连续化,运用进化匹配追踪算法,快速从同步电机突然短路电流中提取基波电流、直流电流、倍频电流;然后从分解的各原子信号特征参数中推算出同步电机参数。通过截取稳态短路电流的采样信号,辨识出同步电机的同步电抗和短路初相角值。以理想突然短路电流和含噪声的短路电流为例,仿真进行了对信号的原子分解,获得了相似度较好的重构信号。较之经验模态分解(EMD)和Prony算法,所提出的方法对含噪声信号短路电流的分解效果更佳。实测算例表明,应用原子分解方法可准确地提取同步电机参数,且有较好的抗噪性能。     

匀相窄波局部特征尺度分解方法及其在机械故障诊断中的应用

局部特征尺度分解(local characteristic-scale decomposition, LCD)方法在改善了经验模态分解(empirical mode decomposition, EMD)方法的同时,也继承了EMD的模态混叠问题。噪声辅助分解是解决EMD模态混叠问题的主要方法之一,但由于LCD对于噪声更加敏感,如果采用总体平均经验模态分解(ensemble empirical mode decomposition, EEMD)方法中的白噪声作为辅助信号不仅不能够有效地改善LCD中的模态混叠问题,还会产生较多的虚假分量。对此,提出一种改进的LCD方法——匀相窄波局部特征尺度分解方法(uniform phase local characteristic-scale decomposition, UPLCD)。UPLCD采用具有均变相位的窄波信号来代替白噪声作为辅助分解信号,能够在抑制LCD模态混叠的同时,避免白噪声带来虚假分量增多的情况。通过仿真信号分析,验证了UPLCD方法抑制模态混叠的有效性。并将所提出的方法应用到机械故障诊断中,和EEMD、LCD和匀变相位经验模态分解(uniform phase empirical mode decomposition, UPEMD)等方法对比,结果表明,所提出的UPLCD方法能够有效地处理旋转机械故障模态信号,在分解精度和抑制干扰信号等方面更具优势。     

基于VMD和MP算法的旋转机械故障特征提取

旋转机械故障振动信号为不平稳、非线性而且信噪比低的多分量信号,故障特征很难提取。小波分析方法受限于小波基和分解层次的选取,经验模态分解（EMD）等自适应分解方法存在模态混叠和虚假分量的问题,应用在旋转机械故障提取上容易误判。提出了利用匹配追踪算法（MP）改进变分模态分解(VMD)的故障诊断方法。通过构建合适的仿真信号仿真和对实测信号的仿真,验证了该方法的可行性和实用性。