Levy噪声下欠阻尼指数型三稳随机共振系统研究

针对经典双稳随机共振(CBSR)系统在微弱信号放大检测方面的困难,提出了Levy噪声下的欠阻尼指数型三稳随机共振(UETSR)系统。将双稳态和指数势函数相结合,利用非高斯噪声可有效提升信噪比的特性,构造出UETSR系统。首先推导该系统的稳态概率密度函数,以平均信噪比增益为衡量指标,采用量子粒子群算法进行参数寻优,研究在Levy噪声的不同参数α与β下,系统各参数对UETSR输出变化规律的影响。最后将UETSR、CBSR和经典三稳系统(CTSR)应用于轴承故障诊断中,系统输出后的内外圈故障频率处的幅值较输入信号分别增长了197.58,1.153,18.81和238.87,26.63,39.72,最高峰与次高峰的谱级比分别为5.44,4.03,3.85和5.10,3.79,5.05。实验结果表明,不同系统参数均可诱导产生SR现象,且UETSR系统的性能明显优于CBSR和CTSR,具有良好的工程应用价值。     

改进的随机共振和EMD混合模型用于转子早期故障检测

针对旋转机械转子早期故障检测精确度低的问题,建立了尺度变换随机共振降噪下的经验模式分解(EMD)模型。利用尺度变换随机共振模型在全频段范围内自适应地提取待测信号中所含频率信息,为了避免漏警检测造成的安全隐患,模型选用低阈值检测共振频率,但在强噪声扰动下有可能带来虚警检测;为了去除虚警检测,该模型根据检测到的共振频率对实测信号进行带通滤波,将滤波后的信号通入改进的EMD系统,以检测出共振频率分量对应的幅度值,剔除幅度值较小的虚警现象,从而保证整套模型具有高精确度故障检测的性能。理论分析和实测结果表明,该混合模型能准确检测出旋转机械转子的早期故障信息。与现有方法相比,该混合模型故障检测结果具有更高的可靠性。     

超声信号的改进EMD阈值方法降噪研究

在进行工业超声无损检测的过程中,由于环境、仪器等原因产生噪声,对后续缺陷分析等工作形成一定干扰,不利于完成后期数据分析。因此为了使信号的信噪比有所提高,提出了一种改进的经验模态分解阈值降噪算法。同时对比小波软阈值降噪法与经验模态分解清除重复间隔阈值的方法,在MATLAB仿真软件中建立超声回波数学模型并进行算法验证。实验结果表明,经验模态分解降噪方法优于小波阈值降噪,改进后的经验模态分解阈值降噪方法在信噪比、均方误差、光滑度3个方面均有所提高,达到了较好的降噪效果。     

基于随机共振理论的异步电动机转子断条检测新方法

现场采样获得的电动机故障信号通常会含有很多噪声.传统的方法是对故障信号消噪后进行分析,但在消噪的同时会丢失一些有用信息.本文提出了基于随机共振(SR)理论的异步电动机转子断条早期故障检测新方法.该方法是通过选择合适的系统参数,使非线性系统发生随机共振,把一部分噪声能量转化成信号能量,达到异步电动机转子断条早期故障检测的目的.实验分析结果表明该方法是切实可行的.     

基于EMD连续几何分布的水电机组振动信号降噪

考虑到水电机组在电力系统中更多的承担调峰、调频、备用等任务,开展复杂工况下的机组振动信号降噪算法研究对早期故障辨识和电网稳定运行意义重大。因此,本文提出了一种基于经验模态分解连续几何分布相似性的水电机组振动信号降噪算法。首先,对经验模态分解筛分得到的不同固有模态分量进行重构,并利用非参数核密度估计理论对不同分量重构信号的概率密度函数进行拟合。其次,引入豪斯多夫距离建立概率密度函数几何分布之间的相似性评价指标,并根据豪斯多夫距离的变化趋势实现水电机组振动故障信号分量与噪声分量之间的最优界定。最后通过仿真实验和工程实例对算法的可行性进行了验证。结果表明所提出算法对于低信噪比下的水电机组振动信号有着良好的降噪效果。     

机械故障的级联共振和EMD联合参数辨识方法

针对强噪声背景下机械故障信号难以检测,参数辨识难度高的问题,提出了基于级联随机共振和经验模态分解的联合参数辨识方法。该方法利用EMD分层分解的思想,可以结合标准平均方差(Normalized Mean Squared Error,NMSE)准则筛选出最优IMF分量,最终实现原信号频率特征参数的准确拟合。实验结果表明,文中算法可有效消除随机共振处理后信号的边缘脉冲,进而实现信号频率的准确检测。在信噪比低于-15 dB时,算法的检测性能提升了约一个数量级,在固定检测差错概率为10~(-3)时,算法的信噪比增益可达到8 dB。新算法对于机械故障信号中的频率参数辨识具有检测误差小、适应范围广泛的优势,在保证带来一定信噪比增益的同时,可实现工程器件状态的准确判断,对于提取机械系统的故障特征、识别故障类型以及进一步地排故检修具有重要意义。     

双阈值系统中的随机共振研究

通过双阈值系统中的随机共振特性,研究含有高斯白噪声的信号。在一定条件下,由于系统、信号和噪声的协同作用而产生随机共振现象,并通过某一噪声强度下的信号增益及信噪比增益表现出来。最后,通过MATLAB仿真演示了信号增益和信噪比增益与输入噪声强度的关系。     

频谱监测中的多频随机共振检测

基于频段分离思想设计能够完成频谱监测中多频微弱信号的双稳态随机共振检测方案。使用归一化尺度变换对高频段范围内周期信号进行随机共振检测仿真实验;针对随机共振方法对多频信号检测的局限性,利用小波变换频段分离的特性,将小波变换与归一化随机共振相结合,进行多频微弱信号检测仿真实验。仿真结果表明,结合了小波变换的归一化随机共振的方案能够检测出待测频段内的多频微弱周期信号。     

基于EMD和Hilbert-Huang理论的给水泵振动故障诊断研究

为准确诊断给水泵故障,更好满足其振动信号的非平稳和非线性特征,采用了更适合处理非平稳数据的HHT分析方法,对现场采集的信号进行HHT分析,在振动故障出现的早期就得到了明显的特征,使故障诊断更准确.结果表明,采用HHT分析方法优于FFT分析方法,可以更准确地诊断给水泵的故障.     

基于EMD降噪与RFID技术的 电缆定位方法

随着城市化进程加快,电力电缆普及程度日益增大,与架空线路相比,其封闭的敷设环境使得故障定位及抢修成为难点。依托电力GIS平台,提出基于经验模态降噪与射频识别技术的电缆定位方法,该方法采用无线射频识别技术建立电力电缆通道模型,使得地下管道可视化、数据化;运用行波进行电缆单端测距,针对测距波形噪声较大的缺点,对其波形进行经验模态分解,并进行小波变换方法降低波形噪声,得到精准故障距离;最后结合故障距离以及电力电缆通道模型进行精准定位。仿真结果表明:经验模态分解与小波变化能有效滤除故障行波中的脉冲信号与白噪声信号,为故障测距打下基础;单端行波测距方法能精准进行故障测距;结合电力GIS平台能有效进行电缆故障定位,具有一定的工程价值和理论价值。     

改进的激光雷达回波信号去噪方法

激光雷达回波信号的强度随距离的平方衰减,当探测距离较大时,信号将淹没在较强的噪声之中。因此,如何有效地从强背景噪声中提取出有用信号至关重要。利用经验模态分解将激光雷达回波信号进行分解,根据本征模态函数与回波信号之间的相关性,结合软阈值与粗糙惩罚技术,有效地提高了激光雷达回波信号去噪的效果。实验结果表明,当加入5 dB高斯白噪声时,该方法的输出信噪比为16.67 dB,均方根误差为1.49×10~(-11)。相比于其他去噪方法,该方法具有较高的信噪比及较低的均方根误差,从而证明了此方法的有效性。     

基于经验模态分解法的桥梁应变信号降噪方法研究

针对桥梁应变信号的特点,提出了一种基于经验模态分解法的降噪方法。当信号中噪声分布在某些特定频段且与信号混叠时,现有的降噪方法如小波阈值法无法很好地对其进行处理。本文在对桥梁应变信号进行经验模态分解的基础上,具体分析分解后的本征模函数分量,对含噪较大的本征模函数分量进行特定的阈值滤波处理,并将处理后的本征模函数分量与含噪较小的本征模函数分量以及残余分量进行信号重构,得到降噪后的桥梁应变信号。将此方法用于实际测得的数据,实验结果表明,其能在保留原始信号特征的前提下,消除桥梁应变信号中的噪声,从而达到降噪的目的。     

EMD信号分析方法端点问题的处理

经验模态分解（EMD）是一种新的处理非线性、非平稳的数据分析方法，但是在利用样条插值获得上下包络过程中存在着棘手的端点问题。在解决该问题已有的添加极值点算法的基础上，提出了通过添加极值点和对称延拓相结合的方法抑制端点问题的思路和策略。针对一个仿真振动信号，对比分析了直接以数据端点作为极值点、多项式拟合算法、神经网络延拓算法、极值点与对称延拓相结合4种算法的效果，结果显示了所提出方法能有效地抑制端点效应。     

含确定性分量和随机噪声分量的宽频带信号分解方法

可再生能源发电、储能、电动汽车等基于电力电子变流器的并网设备快速增加导致配电网信号日趋复杂。将电力系统宽频带信号分为确定性分量和随机噪声分量,建立了电力系统宽频带信号模型,并基于此模型提出了一种宽频带信号分解方案。首先,应用鲁棒局部回归平滑滤波方法提取并过滤随机噪声分量;提出了基于均值和标准差估计的自适应阈值确定方法,用于分解随机噪声分量。然后,提出了基于间谐波子群频谱的自适应阈值确定方法,用于提取间谐波分量。最后,用无限脉冲响应滤波器组将确定性分量分解为独立的子信号,并基于泰勒傅里叶变换估计确定性分量的频率和相量,实现确定性信号的分解。仿真验证了所提方案能在低信噪比、系统频率动态变化等情况下实现间谐波分量的自适应捕获和宽频带信号的高精度分解并应用所提分解方案分析了实测电压信号。     

基于DCT和EMD的滚动轴承故障诊断

根据轴承故障振动信号特点,提出了一种离散余弦变换和经验模态分解相结合的轴承振动信号故障诊断新方法。将离散时间序列经过离散余弦变换处理成对应的系数向量,在阈值处理的基础上,重构信号提高故障信号的信噪比;对重构信号进行经验模态分解,通过相关系数计算去除伪分量,并进行频谱分析。仿真信号和轴承故障信号的分析表明,该方法提高了信噪比,降低了EMD运算成本,减少了IMF的数量,保证了IMF的物理意义,成功完成微弱故障诊断。     

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

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。     

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。     

改进自适应CEEMD方法在心电信号去噪中的应用

针对传统经验模式分解(EMD)方法存在的模式混淆问题,以及总体平均经验模式分解(EEMD)不具备完备性和计算量太大的缺陷,提出一种改进的自适应互补集合经验模式分解(CEEMD)方法。该方法在分析加噪准则的基础上,引入峰值误差(PE)作为加噪评价指标,来自适应确定最佳加噪幅值;然后利用原始信号的幅值标准差以及加入噪声的幅值标准差的比值系数,对不同信号自适应获取总体平均次数;最后将该方法运用到由美国麻省理工学院建立的MIT-BIH心电数据库中,很好地实现了对目标信号的去噪。实验表明,所提方法的平均信噪比(SNR)达到了19.249 7、均方根误差(RMSE)仅为0.047 3,平均平滑度指标R只有0.030 5。算法有效地去除了原始心电信号噪声,改善了信号的平滑度,提高了运算效率。