基于补充总体局部均值分解的轴承故障诊断方法

为了弥补局部均值分解(LMD)在处理非平稳、非高斯信号的不足,提出一种基于补充总体局部均值分解(CELMD)和频谱分析相结合的轴承故障诊断方法.该方法向原信号成对地添加符号相反的白噪声,首先对含噪信号进行LMD分解,得到一系列的乘积函数(PF),再选取包含最丰富故障信息的PF分量,最后对该PF分量进行FFT变换,提取故障特征频率,实现对轴承状态和故障类型地识别.通过对仿真信号和轴承振动信号地分析,表明该方法不仅能消除残留白噪声和抑制模态混叠还可以提高故障诊断的准确性和有效性.     

基于局部均值分解法的闪变包络线提取方法

分析闪变的关键是提取电压闪变信号的包络线。将一种新的非平稳信号处理方法,即局部均值分解(LMD)方法应用于电压闪变包络线的提取。利用LMD方法对单频闪变、多频闪变、时变闪变信号等典型闪变信号进行仿真分析,证明了该方法提取闪变包络线的有效性。结果表明,LMD方法在提取闪变频率15 Hz及以下的包络线时,检测误差较小,尤其是在闪变低频段的检测准确度更高,弥补了平方检测法低频段检测误差较大的缺陷。此外,可以较准确地检测时变信号扰动发生和恢复的时刻。对载波畸变时的闪变信号仿真分析表明,无需滤波环节,提取不含谐波成份的闪变包络线,体现了LMD方法在提取闪变包络线中的优势。     

基于LMD–SVD的微震信号降噪方法研究

作为一种3维、实时的监测手段,微震监测通过分析岩体破裂产生的微震信号,评估工程岩体的稳定性,为工程建设和人员安全提供预警。然而,工程现场情况复杂,采集微震信号时通常会混入一定程度的噪声,影响后续微震信号的分析工作。针对这一问题,提出一种基于局部均值分解(local mean decomposition,LMD)和奇异值分解(singular value decomposition,SVD)的LMD–SVD联合降噪法以降低噪声干扰。该方法首先使用LMD分解,获得一系列由高频到低频分布的乘积函数(product functions,PF);通过计算原始信号与各个PF分量之间的相关系数,确定含噪信号与有效信号之间的分界位置,将分界分量之前的分量剔除,实现初步降噪。然后,针对LMD分解结果中的残留噪声,使用SVD法,以加权能量贡献率(percent of contribution to total energy,PCTE)作为奇异值阶数的确定方法,对分界PF分量进行降噪处理,实现二次滤波。通过上述处理,最终实现微震信号降噪。在仿真实验中,对于同一带噪的Ricker子波,分别使用经验模态分解(empirical mode decomposition, EMD)、LMD、LMD–SVD这3种方法进行降噪处理。其降噪前后信号的信噪比、波形图及频谱图对比结果表明LMD–SVD是一种更好的降噪方法。此外,对于白鹤滩水电站左岸地下厂房的微震监测系统所采集的信号,运用LMD–SVD对含噪微震信号进行降噪处理,表明本文方法能够有效地去除微震信号中的高频噪声,为后续微震分析工作提供帮助。     

基于LMD与奇异值差分谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非线性非平稳特性及强噪声特性,提出了一种基于局部均值分解(local mean decomposition,LMD)和奇异值差分谱的滚动轴承故障诊断方法.首先对原始信号进行LMD分解,得到若干乘积函数(product function,PF)分量,然后对故障特征明显的分量构建Hankel矩阵并进行奇异值分解,求出奇异值差分谱曲线,找到奇异值差分谱最大突变点来确定奇异值重构分量的个数,进而对包含故障特征频段的分量进行消噪和重构,再对重构信号进行Hilbert包络谱分析,提取故障特征.实验结果和工程应用表明:LMD和奇异值差分谱结合的信号特征提取方法,能准确、有效地提取滚动轴承的故障特征频率,对故障类型作出准确判断.     

基于LMD形态滤波的LS-SVM方法研究

在轴承的故障诊断中,为了解决核函数在最小二乘支持向量机中参数选择困难及稀疏性差的问题,提出了局部均值分解(LMD)形态滤波的最小二乘支持向量机(LS-SVM)方法.该方法首先利用LMD对信号进行分解得到PF分量,并对信号做相关分析去除虚假分量,形态滤波降噪后再进行LMD分解得到新PF分量,提取能量特征;其次,对LS-S...     

自适应时间尺度分解方法及其应用

针对齿轮故障振动信号的非线性、非平稳和多分量的特征,在定义了瞬时频率具有物理意义的本征时间尺度函数(intrinsic time-scale function,ITF)的基础上,结合固有时间尺度分解中基线信号的构造方法,提出自适应时间尺度分解(adaptive time-scale decomposition,ATD)的时频分析方法,该方法可以自适应地将一个复杂信号分解为若干个瞬时频率具有物理意义的本征时间尺度分量之和.仿真分析验证了ATD方法的有效性以及定义本征时间尺度函数方法的合理性.分别将ATD、经验模态分解(EMD)、局部均值分解(LMD)和固有时间尺度分解(ITD)与包络解调分析相结合应用于斜齿轮故障诊断中,实验结果表明:自适应时间尺度分解方法在保证分解结果正确性的前提下,计算效率方面具有明显优势,将该方法与包络解调相结合能够有效提取到齿轮的故障特征.     

基于LMD-ICA降噪的滚动轴承故障特征提取方法研究

在滚动轴承进行故障识别中,针对局部均值分解(LMD)方法分析非平稳、非线性含噪信号时,存在端点效应,易产生虚假分量和单通道独立成分分析(ICA)盲源分离时的欠定问题,提出了基于LMD-ICA降噪的振动信号特征提取算法.首先对原始信号进行LMD,并抑制端点效应,得到n个瞬时频率具有物理意义的乘积函数(PF)之和;然后对得到的PF分量以连续的3阶PF分量为一序列组合进行ICA,可以得到n-2个重构分量;最后利用n-2个分量进行重构,得到降噪后的故障信号,并再次进行LMD或功率谱计算,提取故障特征.经验证,该方法可有效识别滚动轴承的多类故障.     

基于LMD和样本熵的齿轮故障特征提取方法研究

针对齿轮故障信号的非线性、非平稳特征,采用局部均值分解(LMD)结合样本熵的方法提取故障特征.采用滑动平均法构造均值函数与包络函数,将原始信号分解得到一系列的PF分量,通过剔出无意义的PF分量,筛选出反映真实状态信息的分量,然后计算筛选出的PF分量的样本熵.不同故障信号的PF分量的样本熵的大小不一,规律可寻,据此可以将样本熵的值作为元素构造故障特征向量.通过实验模拟齿轮正常、齿根裂纹、断齿和缺齿这4种状态,比较LMD-近似熵与LMD-样本熵的分类效果,实验模拟表明:LMD-样本熵比LMD-近似熵有更好的区分效果.     

基于ELMD和灰色相似关联度的滚动轴承故障诊断研究

针对滚动轴承发生故障时,其故障信号不同频带的能量分布变化与其故障状态之间存在一定关系的情况,提出了一种总体局部均值分解(Ensemble Local Mean Decomposition, ELMD)与灰色相似关联度相结合的滚动轴承故障诊断方法.首先,选取滚动轴承处于不同故障状态的样本信号,利用ELMD对其进行分解并得到若干乘积函数(Product Function, PF);然后,计算每个PF分量的能量分布并构造特征向量;最后,结合灰色相似关联度对滚动轴承故障状态进行分析和识别,并与LMD(Local Mean Decomposition, LMD)和EEMD(Ensemble Empirical Mode Decomposition)方法进行对比,其实验对比分析结果论证了方法的可行性,也为滚动轴承的故障诊断提供了新的解决方案.     

光伏并网逆变器的孤岛检测技术

以光伏逆变器为代表的各种并网逆变器通常要求具备孤岛检测功能．被动式的孤岛检测方法存在较大孤岛检测盲区．主动检测法提高了孤岛检测的可靠性,但其在并网逆变器的输出中施加了扰动,影响了并网电能质量．重点分析移频与移相主动孤岛检测算法的工作原理及参数选取原则,并给出相关的参数优化建议,同时探讨多并网逆变器运行时的孤岛检测有效特性,为光伏并网逆变器的孤岛检测设计提供参考．     

小波降噪和局域均值分解的齿轮故障特征提取技术

针对齿轮系统非线性、非平稳性特点及传统时频分析方法的局限性,提出一种将小波和局域均值分解(Local mean decomposition,LMD)相结合进行齿轮故障特征提取的方法。该方法将原始信号通过小波分解再重构进行处理,以降低噪声的干扰,然后对重构信号进行LMD分解,并且对分解后所得到的乘积函数(PF)分量进行筛选。对筛选后的乘积函数进行包络谱分析,提取其故障特征进行研究。结果表明,两者相结合是一种很有效的故障特征提取方法,减弱了噪声对信号的干扰,可以实现对其振动信号故障特征的提取和诊断。     

基于LMD和PNN神经网络的列车辅助逆变器故障检测

针对列车辅助逆变器故障信号非平稳的特性,本文提出了一种基于局部均值分解方法和概率神经网络的地铁辅助逆变器的故障诊断方法。通过对采集到的列车故障信号进行局部均值分解,将非平稳信号分解成多个乘积函数(product function,PF)分量,并利用概率神经网络(probabilistic neural network,PNN)模型,将故障信号进行检测和分类,最后采用Matlab进行仿真实验。仿真结果表明,局部均值分解方法对非平稳信号的处理效果良好,特征向量输入到概率神经网络进行训练分析,PNN神经网络故障诊断正确率较高,30组测试样本输出结果对于逆变器故障检测结果均是正确的。该研究可以准确识别列车辅助逆变器的不同故障类型,能够满足对列车辅助逆变器的故障检测要求。     

基于频率正反馈双向扰动的孤岛检测方法

传统的主动式频移孤岛检测法无法适应负荷性质不断变化的负载,检测盲区较大,导致孤岛检测失败。为提高检测灵活度,提出一种基于频率正反馈双向扰动的孤岛检测方法,能在负载性质不断变化的情况下,检测出光伏并网发电系统的孤岛,实现无盲区检测。同时,与主动频移法相比较,谐波含量减少22%,检测速度提高0.1 s。最后在Matlab/Simulink仿真验证该检测方法的有效性。     

基于LMD法的电力系统暂态扰动检测技术研究

为了实现电力系统暂态扰动信号的精确识别,针对暂态扰动信号的非线性、不规则性和突变性特点,采用局部均值分解(local mean decomposition,LMD)法检测电力系统暂态扰动;并用LMD法分析了电压暂降、电压暂升、电压中断、振荡暂态、脉冲暂态、频率偏移、谐波加电压暂升信号以及某智能变电站采集的实际扰动信号等典型扰动;同时与希尔伯特-黄变换(HHT)法的分析结果进行比较.研究结果表明:用LMD法检测电力系统的暂态扰动信号是有效的,且在定位精度、运算速度方面比HHT法更具优越性.     

基于LMD-SVD的微震信号降噪方法研究

作为一种3维、实时的监测手段,微震监测通过分析岩体破裂产生的微震信号,评估工程岩体的稳定性,为工程建设和人员安全提供预警。然而,工程现场情况复杂,采集微震信号时通常会混入一定程度的噪声,影响后续微震信号的分析工作。针对这一问题,提出一种基于局部均值分解（local mean decomposition,LMD）和奇异值分解（singular value decomposition,SVD）的LMD-SVD联合降噪法以降低噪声干扰。该方法首先使用LMD分解,获得一系列由高频到低频分布的乘积函数（product functions,PF）;通过计算原始信号与各个PF分量之间的相关系数,确定含噪信号与有效信号之间的分界位置,将分界分量之前的分量剔除,实现初步降噪。然后,针对LMD分解结果中的残留噪声,使用SVD法,以加权能量贡献率（percent of contribution to total energy,PCTE）作为奇异值阶数的确定方法,对分界PF分量进行降噪处理,实现二次滤波。通过上述处理,最终实现微震信号降噪。在仿真实验中,对于同一带噪的Ricker子波,分别使用经验模态分解（empirical mode decomposition, EMD）、LMD、LMD-SVD这3种方法进行降噪处理。其降噪前后信号的信噪比、波形图及频谱图对比结果表明LMD-SVD是一种更好的降噪方法。此外,对于白鹤滩水电站左岸地下厂房的微震监测系统所采集的信号,运用LMD-SVD对含噪微震信号进行降噪处理,表明本文方法能够有效地去除微震信号中的高频噪声,为后续微震分析工作提供帮助。     

一种基于故障电流特性的反孤岛保护技术

提出了一种基于故障电流特性的分布式发电系统孤岛检测技术,该方法通过人为制造分布式发电机出口端短路,进而产生一种能够有效反应系统阻抗变化的短路脉冲电流,通过对该电流的监测分析即可实时判定分布式电源是否处于孤岛状态。推导出了短路脉冲电流的理论表达式,通过仿真分析建立了判定孤岛状态的理论判据,并就信号间的干扰以及对系统电能质量的影响进行了分析,理论和仿真分析都验证了该孤岛检测技术的有效性。     

基于LMD的信号瞬时频率求取方法及实验

研究了调频信号瞬时频率的直接求取法,提出了纯调频信号的瞬时频率直接求取法的适用条件,并用数学方法证明了该适用条件. 针对极值点附近瞬时频率的畸变情况引进平滑处理改进了瞬时频率求取法. 应用局域均值分解(LMD）和经验模态分解(EMD）求取仿真信号和汽轮机转子振动信号的瞬时频率. 结果表明,由LMD方法求取信号瞬时频率时,不会出现难以解释物理意义的负频率现象.     

FastICA算法在机械振动信号分离中的应用

机械振动状态监测时,传感器采集到的机械振动信号往往是被监测机械的振动信号与邻近机械振动信号以及外界噪声信号的混合信号,因此从测得的混合信号中分离出监测机械的振动信号是十分必要的.基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的机械振动信号进行分离,通过对仿真信号的分离,验证了该方法对机械振动信号处理的有效性,为机械振动状态检测以及机械故障诊断提供了一种新的选择.     

低畸变电流扰动的组合式孤岛检测方法研究

孤岛检测是光伏并网发电系统必须具备的功能,需要具备检测迅速、准确、稳定以及安全可靠的特点。针对现有主动检测法需要引入谐波干扰,容易造成电网电能质量下降,被动检测法检测速度较慢且检测盲区较大,容易导致孤岛检测失败等问题,提出改变电流相位使电流频率发生偏移的低畸变电流扰动法取代直接注入扰动电流的传统主动频率偏移法(AFD)。低畸变电流扰动法取得了与传统AFD相比检测速度更快,谐波更小的效果。将被动检测法与低畸变电流扰动法组合,能有效检测出孤岛现象,降低谐波干扰,从本质上提高了电网电能质量。通过Matlab仿真验证了该组合方法的可行性。     

基于VMD的APF谐波检测算法

提出基于变分模态分解(VMD)的谐波检测算法,并将其运用于有源电力滤波器。首先,VMD将畸变电力信号分解成一系列固有模态函数(IMF),不同的IMF分量代表不同频段信号,可提取其中基波IMF分量;然后,将原畸变信号减去提取的基波分量,即可检测出谐波分量。为验证VMD算法对于谐波检测的有效性,对VMD算法进行仿真分析,仿真结果表明:VMD算法不仅对稳定信号具有很好的谐波检测效果,而且对非稳定信号也有较好的谐波检测效果。