共查询到20条相似文献,搜索用时 171 毫秒
1.
根据T型线路故障时各端测得的行波波头到达时刻来建立判别矩阵D,以此来判断故障支路。将单端与双端定位方法相结合,解决了T型线路交汇点附近(小于1 km)故障支路难以判断的问题。针对Hilbert-Huang变换过程中经验模式分解(EMD)处理数据时可能造成端点效应和模态混叠,提出使用白噪声聚类经验模型分解(EEMD)以及一种改进的EMD算法来代替,用分解前后信号的总能量来评估几种分解过程的准确性。定位结果表明EEMD以及改进的EMD算法在T型线路故障定位中的定位精度高于EMD算法,能满足定位的输电线路的定位精度要求。 相似文献
2.
基于改进希尔伯特-黄变换算法的电力系统低频振荡分析 总被引:4,自引:0,他引:4
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. 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
旋转机械振动信号基于EMD的希尔伯特变换和小波变换时频分析比较 总被引:42,自引:21,他引:42
基于经验模态分解(Empirical Mode Decomposition,EMD)的希尔伯特变换(Hilbert Ttransformation,HT),是先把一列时间序列数据通过经验模态分解,然后经过希尔伯特变换获得频谱的信号处理新方法。介绍了该方法的理论和算法。对仿真和旋转机械油膜涡动故障振动信号分别用基于EMD的HT和基于小波变换(Wavelet Transformation,WT)的时频分析在时域、时频域和频域进行了比较研究,研究结果说明,旋转机械振动信号基于EMD的HT时频分析方法比基于WT的有效。 相似文献
6.
7.
8.
9.
结合经验模态分解的信号能量法及其在低频振荡研究中的应用 总被引:4,自引:2,他引:4
结合经验模态分解(empirical mode decomposition,EMD)算法和信号能量法,提出一种处理非平稳信号的改进方法--基于EMD的信号能量法,并将其应用于电力系统低频振荡阻尼特性研究中。该方法将信号能量作为误差判据引进EMD环节,克服了EMD过程难以消除虚假成分的弱点;同时,借助EMD处理非平稳的振荡信号,扩展了信号能量法应用范围。通过与普罗尼(Prony)算法、特征根分析进行比较,相量测量单元(phasor measurement unit,PMU)设备量测轨迹和PSASP软件仿真曲线的算例分析证明,此方法能有效提取非轴对称振荡信号主导模式,且具有很好的复合模式分离能力。 相似文献
10.
11.
为克服EMD方法的缺点,提出了一种基于掩膜分量的改进HHT方法对电能质量进行检测.首先对信号进行神经网络预测延拓,并对延拓部分进行加窗处理,有效的抑制了端点效应在经验模态分解过程中带来的影响.然后用掩膜信号法对电能质量扰动信号进行分解,得到包含单一频率的精确的经验模态函数分量,再对各分量进行Hilbert变换,并对瞬时幅值求导就能确定出电能质量扰动的起止点.仿真结果表明,基于掩膜的改进HHT方法能有效克服端点效应和模态混叠对信号分解的影响,适用于各种暂态扰动的分析. 相似文献
12.
含架空线和电缆的配电网混合线路发生故障时,故障行波信号传播复杂,波头识别困难。提出一种分形维数与经验模态分解(EMD)奇异性检测结合的配电网混合线路单端行波测距方法。对故障产生的行波信号进行分形滤波后,利用经验模态分解方法提取出高频信号的固有模态函数(IMF),进行奇异性检测实现行波波头的准确标定,最后利用A型行波测距原理实现配电网混合线路的故障测距。PSCAD仿真结果表明,该方法具有较高的准确性和可靠性,能够有效识别出混合线路中故障点反射波和对端母线反射波,实现故障测距。 相似文献
13.
一种基于改进EMD端点效应的电能质量分析新方法 总被引:1,自引:0,他引:1
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. 相似文献
14.
15.
针对滚动轴承故障振动信号的非平稳特性和难以获得大量实际故障样本的情况,提出了一种基于经验模式(EMD)分解的新型故障特征撮方法,并与支持向量机(SVM)相结合实现滚动轴承的故障诊断.该方法首先将振动信号进行小波包降噪,再对去噪信号进行EMD分解,求解分解后各单元的瞬时能量变化,取瞬时能量变化的熵值组成特征向量,最后将其作为支持向量机的输入实现滚动轴承故障分类.经过实验验证,该方法能够有效的识别轴承正常状态、内圈故障、外圈故障以及滚珠故障. 相似文献
16.
基于眼电(Electro-oculogram,EOG)的人机交互系统(HCI)是生物电信号处理领域的研究热点之一。在研究眼动信息的基础上,提出了一种EOG扫视信号特征提取与分类算法,该算法提取扫视信号的线性预测(Linear Predictive Coding,LPC)系数,对其作差分运算获取一阶差分线性预测系数,与归一化极值作为组合特征参数,通过神经网络对样本信号分类。实验室环境下,采用所提该法对来自6名眼部功能均正常的受试者扫视样本分类,平均分类正确率超过92%。实验表明,该法能准确地描述EOG扫视信号,具有较高实用价值。 相似文献
17.
准确的风速预测对风电扩大并网规模具有积极的推动作用。针对风速的波动性和随机性特征,提出了一种基于EMD、GPR和ISTA的短期风速预测模型。通过EMD对原始风速序列进行分解,利用GPR对分解后的序列子集进行一级预测,同时利用ISTA改进GPR的超参数优化选择过程;并将由此生成的误差序列带入到ISTA优化的GPR中进行二级预测,通过所得误差预测值对原始预测值进行校正并得到最终预测结果。案例分析表明,本文所提出的模型在短期风速预测中具有较高的预测精度。 相似文献
18.
19.