基于LabVIEW的齿轮箱故障诊断系统设计

介绍了利用虚拟仪器技术进行齿轮箱故障诊断系统设计的原理和方法。硬件系统由加速度传感器、信号调理卡、数据采集卡和PC机组成。以LabVIEW为平台设计了界面友好的软件系统,采用"小波去噪+EEMD分解"的非平稳信号处理方法进行故障信号的特征提取。运行结果表明,该系统能快速准确地对齿轮箱故障进行诊断,具有良好的应用前景。     

基于EEMD的SAR海洋内波参数反演

经验模态分解(EMD)方法对非平稳信号进行分解,容易出现模式混叠和边界效应,从而不能得到有物理意义的特征信息.集成经验模态分解(EEMD)能够有效地克服模式混叠和边界效应问题,可准确地提取信号的本质特征信息.在分析SAR图像反演海洋内波参数机理的基础上,本文提出了一种基于EEMD的海洋内波参数反演方法.实验结果表明:与小波分解和EMD方法相比,该方法能更有效地克服模式混叠现象,所提取的分量更接近内波波动的物理本质,所反演的内波参数与经验数据吻合.     

基于TFPW-MK-Pettitt和EEMD的非一致性水文频率计算方法

近年来,受气候变化及人类活动的影响,使水文情势发生变化,导致频率计算中水文资料不再满足一致性的前提假设。为进行非一致性条件下的水文频率计算,提出基于TFPW-MK-Pettitt和EEMD的非一致性水文频率计算方法,首先应用去趋势预置白Mann-Kendall-Pettitt方法对水文序列进行一致性检验;其次应用EEMD方法对非一致水文序列进行修正;最后对修正的序列进行水文频率计算。统计试验和实例证明,TFPW-MK-Pettitt方法适用于我国水文序列的一致性检验;该方法运用于1956~2012年宜昌站径流序列,检验出有下降趋势;运用EEMD方法对该序列进行修正后,频率计算得出各设计值较未修正的设计值小10%左右。     

基于两阶段不确定性量化的光伏发电超短期功率预测

针对光伏功率预测,提出一种光伏发电出力不确定性量化分析的两阶段模型。第1阶段,首先选取待预测日之前一段时间的光伏输出功率历史数据作为训练样本,引入模糊熵（FE）将不同天气类型量化并作为输入量;然后利用集成经验模态分解（EEMD）将光伏发电功率时间序列分解为多个模态分量,再利用Hurst指数分析将不同模态分量重构为中尺度和宏尺度2个子序列,基于双向长短期记忆神经网络并引入注意力机制对重构后的2个子序列分别进行预测;最后对中尺度子序列对应的误差序列进行修正,得到光伏发电出力的点预测结果。第2阶段,根据第1阶段点预测结果得到的误差统计,采用核密度估计（KDE）方法预测光伏发电出力的区间,分别获取在95%、90%、85%及80%置信水平下的区间覆盖率（PICP）。应用中国西北地区某光伏电站运行数据作为算例,验证了该文预测方法的有效性。     

改进的EEMD去噪方法及其在谐波检测中的应用研究

针对低信噪比条件下集合经验模态分解(EEMD)在分解过程中产生的模态混叠问题,本文提出改进的EEMD阈值去噪方法。首先利用白噪声经EEMD分解后其固有模态函数(IMF)分量中能量密度与平均周期乘积为常量的特性确定有用信号与含噪信号的分界点,对含噪信号进行"粗筛";进而对粗筛出的含噪模态进行"细筛",在此过程中采用"3σ法则"对第一层噪声信号进行细节处理,从而更好地保留有用信号的细节特征,继而通过能量估算方式对其他各个含噪模态进行阈值处理;最后进行信号重构。选取信噪比与均方误差作为去噪效果评价标准,经与实验对比分析,结果表明本文方法达到了最佳的去噪效果,尤其在低信噪比时优势更加明显。基于以上去噪方法,本文又进一步提出了基于二次EEMD分解的谐波检测方法,结果表明该方法可实现在低信噪比下的谐波检测,进一步证明了所提去噪方法的有效性。     

不同生弧原因下串联型故障电弧实验研究

串联型故障电弧是供电系统的常见故障,会严重影响供电可靠性,甚至引发供电安全事故.在搭建低压串联型故障电弧实验平台的基础上,以三相异步电机和三相变频器为实验负载,针对接触松动和机械振动两种原因引起的串联型故障电弧开展实验研究.利用集合经验模态分解EEMD(ensemble empirical mode decom-pos...     

EEMD-HHT方法在双馈式感应发电机定子匝间短路故障分析中的应用研究

定子绕组匝间短路故障是双馈式感应电机常见故障之一。采用多回路理论构建数学模型,通过MATLAB进行不同故障、不同条件下的仿真。用HHT方法分析故障电流虽然能够得到相应现象,但传统HHT中的EMD分解方法存在一定不足,分解结果不能区分匝间短路故障和一些非故障情况,而引入EEMD分解方法来替换EMD分解,则很好地克服了这一缺点,排除了电压不平衡、变转子转速等其他因素对匝间短路故障诊断过程中的干扰。EEMD-HHT方法可以为定子匝间短路故障检测提供更加可靠的保障。     

洞庭湖流域极端降水变化特征分析

随着极端降水事件变率增强,洞庭湖流域频繁的极端洪旱事件严重威胁了地区人水和谐。基于洞庭湖流域28个国家气象站1961-2015年的逐日降水资料,采用RClim Dex模型定义阈值来识别极端降水事件,利用线性倾向估计法和集合经验模态分解(EEMD)组合的方法进一步分析了洞庭湖流域极端降水变化特征,由EEMD方法分解得到的各类极端降水指数的3个固有模态函数分量分别表现出3~6a、8~15a和21~27a的准周期。结果表明:洞庭湖流域极端降水频次峰值出现在6月,4-10月份极端降水频次之和占全年的82.7%,南岳和安化为极端降水高发带。洞庭湖流域除持续湿润日数CWD略有减小外,各项极端降水指数均表现出小幅上升趋势。在空间分布上,该流域东南部受山区地形地貌的影响,极端降水呈明显上升趋势。洞庭湖流域极端降水时空格局变化特征分析对流域水资源开发利用和水安全预警具有重要参考价值。     

基于整体经验模态分解的信噪比估计方法

为了提高未知样式信号的信噪比估计性能,提出一种基于噪声辅助的信噪比估计新算法,通过固有模态函数（IMF）分量平均周期的变化判断信号与噪声界限,给出了基于噪声辅助估计法的工作原理和流程图,分析了基于噪声辅助估计法的性能。仿真结果表明,基于噪声辅助估计法能够实现盲信号信噪比估计,在0 dB信噪比下均方误差不超过0.2 dB。     

基于峭度原则的EEMD-MCKD的柔性薄壁轴承故障特征提取

谐波减速器用柔性薄壁轴承运行过程中因内圈长、短轴交替产生周期性冲击成分.当柔性薄壁轴承发生故障后,这种正常的周期性冲击成分和因故障引起的冲击叠加在一起,使得其故障特征提取难度很大.针对这一特点,提出基于峭度原则的EEMD-MCKD的柔性薄壁轴承故障特征提取方法.首先使用集成经验模态分解算法(EEMD)对信号进行预处理,...