基于EMD和ELM的低压电弧故障识别方法的研究

针对低压配电线路负载端电弧故障电压具有较强的信号奇异性波形特征,利用低压串联电弧故障实验平台,采集若干典型的低压配电线路负载端故障电弧电压信号进行分析。采用经验模态分解(empirical mode decomposition,EMD)有效地提取反映电弧故障信号局部特性的本征模态函数(intrinsic mode function,IMF)分量,经分析IMF分量的方差贡献率确定前5阶IMF用于表征各类负载电弧故障主要特征信息,提取前5阶IMF分量能量比为特征向量作为极端学习机(extreme learning machine,ELM)的输入向量,建立不同负载电弧故障识别模型。实验与仿真结果表明,基于EMD分解和ELM相结合的故障电弧诊断方法,在有效提取不同负载电弧故障特征的基础上,实现了不同负载电弧故障的识别。     

基于EMD的电弧反射电缆故障测距脉冲信号提取方法

电弧反射法(ARM)电缆故障测距脉冲信号受故障电弧电压的干扰,故障反射脉冲不易识别,无法满足故障定位要求。分析了干扰产生的原因和受扰脉冲信号的特性,通过经验模态分解(EMD)分析了受扰脉冲信号的时频分布规律。论证了根据受扰脉冲信号特定时段均值特性可以对脉冲信号和干扰进行分离。据此提出基于受扰脉冲信号特定时段均值特性和EMD滤波的ARM脉冲信号提取算法。该方法不需要预定义信号分解层数和基函数,完全由数据驱动实现,因而具有较好的自适应能力。实测数据处理结果验证了算法的有效性。     

基于EMD复合多尺度熵的模拟电路故障诊断方法

根据当今模拟电路高集成度、非线性以及易受环境影响等特点,提出一种基于经验模态分解(EMD)结合复合多尺度熵(CMSE)的故障特征提取新方法.首先通过仿真获得电路的输出信号,然后使用经验模态分解,将原始信号分解为有限个固有模态分量以及一个残余分量.再利用复合多尺度熵算法,分别计算出这些固有模态分量在不同时间尺度下的样本熵...     

基于多维度特征提取的电弧故障检测方法

针对当前含多种电气故障的复杂电路电弧故障识别率低、训练速度慢的问题,提出一种窗口划分结合小波分解与经验模态分解(empirical mode decomposition,EMD)分别从时域、频域及时间尺度等多个维度提取电流特征量,利用机器学习分类模型进行电弧故障识别的方法.首先,利用搭建的电气故障实验平台采集故障及正常...     

基于EMD超声缺陷信号故障特征提取方法

超声缺陷信号是一种非线性、不平稳信号,且由于材料结构的复杂性,超声回波信号往往存在很多干扰噪声。目前在超声缺陷信号的自动提取和识别方面一直未有较大突破。针对常用时频域分析方法的不足,引入了一种对超声缺陷信号自适应的时频域分析方法——EMD(经验模态分解法)。通过对检测到的超声缺陷信号进行EMD分解,得到一系列的本征模函数(imf),突出了信号的局部细节特征。提取出的时频域故障特征,作为BP神经网络输入,分类效果明显,为超声缺陷故障模式识别分类提供了比较准确的依据。     

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...     

基于混沌分形理论的故障电弧诊断方法研究

引入混沌分形理论,从混沌空间域角度分析故障电弧的内在演化规律和电弧特性,提出一种基于混沌分形理论的故障电弧诊断方法.通过重构相空间和盒维数、关联维数、最大Lyapunov指数等对电弧电流的混沌分形特性进行定性、定量分析,形成电弧的空间域特征向量,构建故障电弧诊断模型.针对低压用电系统中空气压缩机、开关电源等负载线路,对...     

基于小波包去噪与EMD的故障电弧检测算法研究

经验模态分解(Empirical Mode Decomposition,简称EMD)方法是一种被广泛应用于故障诊断领域的信号处理方法,但是分解的结果容易受到高频噪声的干扰。因此本文提出利用小波包去除噪声,同时利用EMD分解进行故障电弧信号处理的研究方法。首先根据国标GB/T 31143-2014搭建故障电弧实验平台,采集故障电弧信号,利用小波包去除信号中的噪声,然后利用EMD方法对正常电弧和故障电弧进行分解得到一系列本征模态分量,通过计算求出这些分量的能量熵并进行归一化处理得到特征向量,最后进行支持向量机(SVM)训练,进而诊断得出故障电弧的故障类型。实验结果表明该方法可以有效准确地对故障电弧进行判断。     

基于集合经验模态分解的交流航空故障电弧识别

故障电弧作为一种破坏性强,识别难度大的电路故障,给飞机的安全带来很大的威胁。然而目前航空业应用的电弧识别方法远不能达到要求。所以本文提出了一种将集合经验模态分解和LM优化的BP神经网络相结合的交流航空故障电弧识别方法。首先建立串联和并联交流电弧实验模拟平台,采集电弧电流波形,分析波形动态特性。将波形进行集合经验模态分解,选取差别明显模态分量作为故障特征分量。计算故障特征分量的能量熵作为交流故障电弧的特征量,输入到LM算法优化的BP神经网络,进行识别。结果表明,识别率达到90%以上,较好地识别出了航空故障电弧。     

基于VMD-CNN的小电流接地系统故障电弧检测方法研究

构建准确且符合特定场景的电弧模型,研究电弧小电流接地的电流信号特征,并基于可量测电气量信号进行处理,对于及时可靠辨识故障电弧具有重要意义。提出一种小电流接地系统故障电弧的检测方法,通过建立故障电弧模型,基于变分模态分解算法(Variational Mode Decomposition, VMD)和卷积神经网络算法(Convolution Neural Network, CNN)对故障电弧进行准确辨识。首先,采用改进“控制论”电弧模型,基于PSCAD软件平台搭建了典型10 kV配电网仿真模型和接地“控制论”电弧模型。其次,采用变分模态分解算法对故障情况下的电气信号进行处理,得到4组电流信号的固有模态分量(Intrinsic Mode Function, IMF)。然后,提取包含信号基频成分的第一组IMF(IMF1)作为卷积神经网络(CNN)的输入。最后,应用CNN对IMF1进行特征识别,正确辨识正常与电弧故障情境。实验与仿真结果显示,通过利用VMD-CNN识别方法,提高了对原始电流信号识别准确度,能准确检测出故障电弧。     

基于EMD与SVD的齿轮箱分形诊断方法研究

提出了一种基于经验模态分解(EMD)与奇异值分解(SVD)的机械振动系统故障分形诊断方法。该方法首先将EMD和SVD相结合,对信号进行分解和特征筛选,通过重组所得轨道矩阵,实现对机械系统振动信号不同特征信息的提取。然后利用Kolmogorov熵、多重分形等动力学分析方法,对降噪振动信号进行分形诊断。在直齿轮减速箱故障识别中的应用表明,该方法不仅有效提取出了系统的特征信息,而且可实现对系统状态和细微故障差别的有效识别,并可给出定量判据。     

基于多变量解耦控制的配电网单相接地故障集成化柔性消弧方法

随着静止无功补偿装置、柔性消弧装置、大功率逆变器等电力电子装备应用逐渐增多,配电网柔性化加快发展,但已有电力电子装备存在功能单一、成本高等问题.基于直流侧并接储能元件的直挂式级联H桥变流器,将多变量解耦控制方法与电流消弧方法相结合,实现柔性电力电子装备输出电流在dq0坐标系下的独立调节,使单套柔性电力电子装备同时集成配电网有功功率、无功功率双向流动控制,以及单相接地故障柔性消弧功能,有效提高电力电子装备的利用效率.理论分析以及功率控制和单相接地故障消弧建模仿真结果验证了所提方法的可行性.     

基于高频重构信号与Bayes-XGBoost的低压电弧故障辨识方法研究

针对低压配电系统中单个用电负载支路串联电弧故障辨识困难的问题,提出一种基于高频重构信号和Bayes-XGBoost的低压电弧辨识方法。首先,搭建多支路、多负载类型的低压电弧故障真型实验平台,并采集相关数据。其次,基于故障前后主线路电流高频信号变化规律,提出信号微弱变化叠加法重构故障有效信号。最后,建立适用于单个负载支路电弧故障辨识的XGBoost模型,并采用Bayes算法对模型多个超参数进行优化。实验结果表明,所提方法在多种工况下对单个负载支路电弧故障具有较高的辨识准确率。与6种主流故障分析方法对比,所提方法在精度、训练速度和泛化能力等方面展现出了显著的优越性,有利于实现低压配电系统单个负载支路电弧故障的可靠辨识。     

基于电压特征能量的低压交流串联电弧故障检测方法

串联电弧故障电流波形受负荷类型影响较大,利用电流特征构建通用故障判据难度较大。为识别故障点电弧电压,提出了一种基于电压特征能量的串联电弧故障检测方法。首先,通过分析故障点电弧电压及监测点故障电压特征规律,对故障信息的特征频带选择进行了论证。然后,以不同负荷下的电弧电压波形特征归类为依据,提出了基于电压特征频带全域能量幅值和敏感相位域能量相位信息的故障检测方法。最后,利用全域总能量幅值和敏感域能量相位映射统计比实现了综合故障检测策略的构建。试验结果表明,所提方法在不同线路参数和测试负荷下的故障检测准确率超过了98%且无误检发生,验证了其有效性。     

基于三分法EMD和Autogram的滚动轴承故障诊断

针对强噪声下滚动轴承故障微弱,特征频率难以提取致使无法精准诊断故障的问题,提出了基于三分法经验模态分解融合Autogram阈值算法的故障诊断方法,在采用EMD对信号初步降噪时,提出一种基于M指标的三分法EMD将所有固有模态函数重构成三个分量（记M1,M2,M3）,M2即为所需的故障分量;选用Autogram算法处理M2分量确定共振频带,对共振信号做阈值包络谱处理,得到3种阈值频谱,根据阈值谱中故障特征频率诊断滚动轴承故障类型。本文采用了仿真信号结合滚动轴承的内、外圈实测数据试验方法证明了该方法的有效性,实验结果证明该方法故障诊断率可达95%以上。     

一种基于EMD的谐振接地系统选线新方法

针对谐波接地系统故障线路零序导纳特征不突出这一问题,提出了一种基于EMD的谐振接地系统选线新方法。该方法对各条线路的零序导纳进行EMD分解,提取出特征分量,通过比较故障线路和非故障线路特征分量的符号进行选线。大量仿真表明,该方法不受接地电阻和初始故障角的影响,能准确地选出故障线路。     

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。     

基于EMD航空发电机定子绕组故障检测方法

航空发电机工作的可靠性关系到航空运输的安全性,针对航空发电机定子绕组内部故障诊断问题,提出了基于经验模式分解算法的检测方法。在介绍经验模式分解算法基本原理和同步发电机内部回路电路仿真方法的基础上,对航空发电机的定子电流信号进行了分析,提取了瞬时频率、幅值等瞬时故障特征,确定了故障发生时刻,并给出了诊断结果,仿真结果表明本文方法有效。     

基于电弧电流高频分量的串联交流电弧故障检测方法

通过分析典型负载下电弧电流高频分量在时域与频域表现出的不同特征,提出一种串联交流电弧故障检测方法。该方法利用电弧电流变化率与其有效值的比值以及6~12k Hz频段电流幅值这2个特征参量进行串联交流电弧故障识别;并利用负载启动电流持续时间远远小于电弧电流持续时间的特点,设定电弧故障检测时间阈值,降低负载启动过程对串联交流电弧故障检测的影响。试验结果表明,所提方法能够实现串联交流电弧故障的快速检测,对硬件要求相对较低,简便易行。