基于VMD和小波分析的电能扰动信号去噪算法

为了提高检测电能扰动信号特征的精度,抑制混杂噪声的干扰,提出将变分模态分解(VMD)结合小波阈值的去噪算法.首先利用Hilbert变换对扰动信号进行频谱分析,通过计算平均瞬时频率值,确定分解的模态个数;然后将含噪信号进行VMD分解,筛选部分模态分量重构信号;最后通过小波阈值法去除重构信号的残余噪声.与现有算法去噪效果对...     

经验模态分解与EOSA方法的滚动轴承故障诊断

提出了一种利用经验模态分解(EMD)与Teager能量算子解调算法(EOSA)相结合的滚动轴承故障诊断方法;故障轴承振动信号往往是多分量AM-FM信号,首先对滚动轴承内圈故障调制信号进行EMD分解,得到若干个不同特征时间尺度的内禀模态信号(IMF),然后利用Teager能量算子解调法计算各个内禀模态信号的瞬时幅值,对主要内禀模态信号的瞬时幅值包络谱进行分析,可提取轴承故障信号特征信息;实验分析结果表明,利用经验模态分解与EOSA相结合的方法,可有效提取6205-2RS型深沟球滚动轴承的内圈特征频率fi=162.2Hz及其倍频。     

基于行波理论的滤波器电能质量扰动控制仿真

传统方法在滤波器电能质量扰动控制时,未对电能扰动的瞬时幅值进行计算,控制效果不佳。为此引入行波理论,分析滤波器噪声产生原因,计算滤波器电能扰动的瞬时幅值,提出了一种新的滤波器电能质量扰动控制方法。分割小波域,在第一个小波域,采用阈值估计法估计期望信号数值大小;在第二个小波域变换含噪信号与小波信号,采用维纳滤波器对信号的小波系数进行估计;通过滤波变换去除含噪信号,获得电能扰动波形的特征参数;根据行波理论计算电能扰动的瞬时幅值,实现对电能质量扰动的准确定位以及类型识别。仿真结果表明,所提方法相比传统方法,具有适应性强、控制效果较好、实时性好等特点。     

基于HHT的煤矿电网扰动起止时刻检测方法

针对煤矿电网电能质量扰动复杂、采用小波分析技术解决扰动暂态过程存在小波基选择的问题,提出了一种基于HHT的扰动起止时刻检测方法。该方法以电压缺口为例,在30dB和40dB噪声环境下,首先采用EMD算法对电压缺口信号进行分解,得到IMF1分量、IMF2分量、IMF3分量和剩余分量R;然后对含有高频部分的信号即原始信号、IMF1分量、IMF2分量进行Hilbert变换,得出通过瞬时幅值曲线中突变点位置可以检测扰动起止时刻的结论;通过对比原始信号、IMF1分量、IMF2分量的扰动起止时刻检测值,最后选用了误差最小的IMF1分量的瞬时幅值进行扰动起止时刻检测。实验结果表明,该方法精度高、抗噪声能力强。     

基于小波和RBF-PNN神经网络的电能扰动辨识

对电能质量进行快速地检测和准确地分类,是治理电能质量和提高用电效率的有效方式。提出一种新的基于小波和神经网络技术的电能质量辨识方法。该方法首先用小波变换对暂态电能质量扰动波形进行预处理,求出不同信号在9尺度小波分解下的能量分布值以及时间、幅值变化等并将其作为信号特征量。然后将归一化的扰动信号信息输入神经网络,根据其输出结果就可以判断发生的电能质量扰动类别。仿真实验证明,该方法不仅可以有效地区分电压暂升、暂降、中断、谐波、高频振荡、闪变等6种电能质量问题,而且抗噪声能力强,训练样本少,响应快速。     

基于ICEEMDAN与Teager能量算子的牵引供电系统谐波检测算法

针对传统的谐波检测算法无法分析牵引供电系统中的非线性、非平稳谐波的问题,文章提出一种基于改进自适应噪声的完整集合经验模态分解（ICEEMDAN）与Teager能量算子（TEO）相结合的谐波检测算法。其先将待测信号经ICEEMDAN得到一组固有模态函数（IMF）分量,再通过筛除虚假分量,得到真实的IMF分量;然后,对各个IMF分量进行Teager能量算子（TEO）解调,得到谐波分量的幅值与频率随时间变化的图像。经分析得出,ICEEMDAN作为希尔伯特-黄变换（HHT）中的重要步骤经验模态分解（EMD）的改进算法,相较EMD的其他改进算法,其抑制模态混叠的效果最佳,并具有良好的自适应性,在处理非线性非平稳信号时有着很好的表现;而TEO能准确检测出谐波的瞬时幅值与频率,并快速响应信号的变化。通过构造牵引网特性中的谐波信号对该算法进行仿真分析,结果显示,分析稳态电流谐波时,幅值与频率的平均检测误差分别为3.56%和1.74%;分析暂态电流谐波时,幅值与频率的平均检测误差分别为3.39%和2.44%。这表明文章所提算法能够对牵引供电系统谐波的幅值与频率进行准确的检测,并可以准确定位谐波信号的突变...     

敏感SVD和EEMD的故障诊断方法研究

在噪声干扰下有效提取振动信号所包含的微弱故障特征,是轴承故障诊断的关键问题,提出了一种基于敏感奇异值分解(SSVD)和总体平均经验模态分解(EEMD)的故障诊断方法.对时域振动信号进行敏感SVD分析,通过敏感因子选择反映故障冲击特征的敏感SVD分量,并利用定位因子定位分量信号所对应奇异值进行振动信号重构,以滤除噪声干扰;对降噪信号进行EEMD,根据峭度准则选取故障信息丰富的敏感固有模态分量(IMF),有效提取局部微弱故障信息;利用Teager-Kaiser能量算子(TKEO)计算故障信息的瞬时能量,并对其进行频谱分析,获取故障特征频率,以识别故障类型.方法应用于轴承故障诊断,实验证明了所提方法的有效性.     

基于经验小波变换的结构损伤特征提取

为了更好地提取结构损伤特征信息,提出了基于经验小波变换(EWT)和希尔伯特变换的振动信号分析方法。首先,用EWT对结构损伤加速度振动信号的频谱进行自适应分割,然后提取不同的调幅-调频(A M-AF)分量,最后对其进行希尔伯特变换,获取瞬时频率。仿真和工程实验结果表明:经验小波变换相对于经验模态分解(E MD)可以更好地提取信号的各个特征分量,为信号时频处理奠定基础,且分解的模态少,不存在虚假模态。同时,EWT与Hilbert的结合更进一步验证了该方法的有效性。     

短时电能质量扰动分类方法研究

为了准确检测短时电能质量扰动问题,提出了一种基于K-L变换和支持向量机多值分类器的短时电能质量扰动分类方法。采用离散小波变换获得信号在不同分解尺度下的能量分布作为原始特征空间;运用K-L变换进行模式识别特征空间的提取;设计了适用于短时电能质量扰动的支持向量机多值分类器。实验结果表明,对原始能量特征进行K-L变换后,可以提高分类准确率;支持向量机多值分类器的分类结果优于BP神经网络。     

基于SVD-形态降噪的TKEO故障诊断方法研究

针对强噪声干扰背景下微弱故障特征信息难以提取的问题,提出了一种基于奇异值分解(SVD)-形态降噪的Teager能量算子(TKEO)故障诊断方法.首先对轴承振动信号进行SVD,对得到的分量信号进行形态滤波,以滤除噪声干扰;然后利用峭度准则对分量信号进行筛选,并对其进行重构;最后利用TKEO计算重构信号的瞬时能量,得到信号的能量谱,提取振动信号的特征.将提出的方法应用于滚动轴承故障分析,结果表明该方法能清晰地提取故障特征信息.     

基于深度学习的复杂观测条件下工频磁异常探测

复杂观测条件下使用工频磁场探测人员、车辆、飞行目标等多类型目标造成的磁场扰动时,受到复杂环境下电磁噪声、供电设备及外来物体扰动等影响,工频磁场扰动信号具有噪声多、干扰强等特征,为有效削弱噪声及干扰对工频磁场扰动信号的影响,实现工频磁场扰动探测,该文利用实验数据对复杂观测条件下的磁场扰动信号进行特征分析,提出了一种基于深度学习的工频磁场异常探测方法,通过提取正常状态与有扰动状态的信号序列,将该信号输入神经网络训练,得到准确检测工频磁场异常信号的网络模型。实验结果表明,该方法的识别准确率在80%以上。     

基于信息融合度传递的频域徙动入侵特征挖掘算法

在功率自激混合组合网络中,路由之间的相群特征相异性会产生谐振信号,因此需要有效挖掘入侵信号的频域徙动特征来实现对入侵信号的拦截。传统方法采用混合蛙跳算法挖掘入侵特征并且聚类中心矢量向模糊边缘贴近,因此搜索和挖掘精度不高。提出了一种基于混合蛙跳最优模因组信息融合度传递的频域徙动入侵特征挖掘算法。构建功率自激组合网络的系统模型和入侵信号数学模型,基于频域谐振慢变衰落幅度均衡原理,得到多源网络攻击源信号在相干点积功率累积尺度坐标,采用多普勒频移模糊搜索对入侵信号进行平滑处理,计算入侵信号的多普勒频移状态空间固有模态函数,得到入侵信号的频域特征包络幅度估计值。采用IIR滤波算法,对信号进行降噪滤波处理,提高信号的纯度,提出基于信息融合度传递的混合蛙跳入侵信号检测算法,优化特征挖掘结果,完成入侵信号的频域徙动特征挖掘算法改进。仿真实验结果表明,该算法能准确挖掘入侵信号的频域徙动特征,特征的波脊亮点明显,在低信噪比下提高了入侵信号的检测性能。     

基于约束模糊聚类的电力系统扰动信号识别方法

传统电力系统扰动信号识别方法只能解决单一扰动问题,无法对多个扰动信号进行高效率识别,为避免传统方法的弊端,提出了基于约束模糊聚类的扰动信号识别方法。计算拟合信号包络平均值,获取拟合信号和包络平均值之差,将差值作为新的拟合信号,获取最小特征尺度分量,不断进行模态分解,可将信号分解成若干个不同特征尺度函数。经过模态分解的信号满足路由信息协议标准,以新的稀疏向量为基础,对混叠的扰动信号进行特征提取。采用傅里叶变换描述扰动信号基本变化情况,计算电力系统中扰动信号的n阶导数,由此获取传输过程中的变换参数,得到采集点空间位置坐标系,依据该坐标系选择最优窗口标准,使用约束模糊聚类方法,将扰动信号全部聚类到中心位置。通过建立权值系数矩阵,设置迭代次数,并进行误差补偿,获取新的聚类中心,对抗噪声扰动信号进行有效识别。由实验结果可知,该方法最高识别精准度可达到98%,为电力系统正常运行提供支持。     

基于改进阈值函数的分数阶小波电能信号去噪

为了消除电力系统中噪声对电能质量扰动信号的影响,且能保留突变点信息,提出了一种基于改进阈值函数的分数阶小波电能质量扰动信号去噪方法.该方法采用离散分数阶小波变换对含噪信号进行多尺度分解,并根据信号和噪声在不同尺度上的分数阶小波域系数的分布特点,通过改进阈值函数对各层系数进行处理,将处理后的系数进行重构得到去噪后的信号.仿真结果表明,该方法弥补了软、硬阈值函数的缺点,能较好地去除噪声并保留突变点信息,且提高了输出信噪比.     

异步电机转子故障诊断算法研究

针对异步电机定子电流信号频谱分析法对转子故障诊断时,转子断条和偏心故障特征分量容易受到基波分量的影响,难以准确诊断故障的情况,对传统的瞬时功率信号频谱分析法进行改进.利用Hilbert变换对定子电压、电流进行数学变换,在此基础上得到改进的瞬时功率,然后对改进后的瞬时功率信号进行频谱分析.通过搭建异步电机故障检测实验平台进行了初步模拟实验,实验结果表明,该方法不仅消除了基波分量对故障特征分量的影响,而且还使频谱曲线更加清晰、简洁,突显了故障特征信息,弱化了非故障特征分量,为提高异步电机转子断条和偏心故障诊断的准确性奠定了基础.     

基于组合特征和BTSVM的电能质量扰动识别

为了克服单一特征不能完全表征各种暂态扰动信号特征的不足,提出了一种基于组合特征和二叉树结构支持向量机相结合的电能质量多分类方案。利用小波包变换对扰动信号进行分解,提取特定频带下信号的能量,利用S变换获得扰动信号的模矩阵,从中提取出特征信息,然后将多频带信号的能量和对应的S变换特征信息组合得到组合特征。对依据聚类思想设计出的二叉树结构支持向量机分类器进行了训练和测试。仿真结果表明,该方法具有较好的准确性和识别速度,能够有效识别常见扰动信号,平均识别率提高了6%以上,测试总用时缩短0.06秒,训练时间减小1.8秒。     

基于包络延拓和本征波匹配的时变DoS攻击频谱检测

DoS攻击信号具有非平稳时变特性,湮没在色噪声背景的复杂网络环境中,对之难以有效检测.传统方法中采用基于非平稳时变信号处理的Hough变换单谱脉冲响应检测算法,由于二次型时频分布的边缘效应会引起较大包络衰减,检测性能不好.因此提出一种基于包络延拓和本征波匹配的时变DoS攻击信号频谱检测算法来对DoS攻击检测信号进行双曲调频分解,构建信号数学演化模型,得到信号包络和本征波特征提取结果.采用双线性Hough变换法分析频谱特征畸变,进行瞬时频率估计,得到信号的单谱脉冲响幅频响应,在包络时频特征空间优化搜索路径实现包络延拓,基于最小均方误差准则设计本征波匹配滤波器,控制DoS频谱偏移,实现信号频谱检测.仿真结果表明,本算法能在强色噪声背景干扰下提高检测性能,检测概率高于传统算法,且能准确估计参量信息,提高对DoS攻击信号的主动防御能力.     

表面肌电信号的降噪处理

表面肌电信号是一种易受多种噪声影响的生物电信号,其中以工频干扰、基线漂移、白噪声等干扰尤为严重.通过分析噪声干扰的特点,结合表面肌电信号特征,选取频谱插值法在频域内消除了工频干扰;利用形态学滤波的开闭运算得到基线漂移特征,从而滤除了基线漂移;基于经验模态分解(EMD)得到的本质模态函数分析消除了白噪声.实验结果表明:上述滤波方法在不损坏有用信号的前提下,可以实现较为满意的滤波效果.