基于CEEMDAN算法的光伏功率信号光滑降噪

为解决光伏高输出功率低频分解及光滑降噪问题,通过引入曲线降噪权重因子,改进传统经验模态分解方法,提出一种光滑度与相似度更好的光伏输出功率自适应完备集合经验模态分解算法。为验证CEEMDAN算法的降噪优异特性,对典型光伏输出功率信号开展了模态分解仿真研究,仿真结果表明,相对于与传统EEMD算法,采用CEEMDAN算法时,当IMF为3、目标函数为最小时,相似度提升了3.26%,光滑度提升了85.6%,各项指标数据更加完备,降噪效果更好。     

电机轴承配置不当引起的振动故障

针对某核电厂反冲洗水泵电机在更换整机备件后连续出现的振动高和异音故障,经分析查明电机振动高原因为备件电机更改了轴承配置,通过更改轴承配置解决了此缺陷。     

轴承游隙及其安装配合精度对电机噪声,振动的影响

采用实验设计法，用正交试验方法，用较少的实验次数对多种因素进行分析比较，找出产生声、振动的主要因素，从而采取有效措施，达到予期目标，并分析了轴承游隙及其安装配合精度对电机噪声和振动的影响。     

基于时延降噪循环双谱的电机轴承故障检测方法研究

当电机轴承出现故障时,定子电流信号中的微弱故障特征淹没在基波及谐波的强大噪声背景中。由于信噪比过低,基于电流的轴承故障检测一直是一个挑战。为此,提出了一种基于时延降噪的循环双谱检测方法。首先根据循环双谱函数构造定子电流解析表达式,提取电流解析式的特征解。通过理论分析确定循环双谱函数中的时延滞后量,减少电流信号中的无关噪声成分。最后利用实验平台采集定子电流,在电流解析式取得特征解的位置做切片频谱分析。实验结果表明,所提方法能有效提升信噪比,并提取出电流中非平稳的微弱故障特征,实现电机轴承故障的检测。     

基于改进CEEMDAN和小波阈值的雨声信号去噪算法研究

为了从混杂着各种噪声的雨声信号中提取到较为纯净的雨声信号,本文提出基于改进完全自适应噪声集合经验模态分解（CEEMDAN）和小波阈值相结合的雨声信号去噪方法。方法引入互相关函数寻找CEEMDAN的最优分解层数F值,并通过CEEMDAN算法按最优分解层数F层分解,将信号分解成多个频率由高到低的本征模态分量（IMF）;利用小波阈值,滤除高频IMF分量中的噪声分量,最后将去噪后的高频IMF分量和未经去噪的低频IMF分量进行信号重构,提取出较为纯净的雨声信号;实验表明,本文选用方法的去噪效果相对于经验模态分解（EMD）去噪算法、小波阈值去噪算法等传统方法具有一定的优势,去噪后的雨声信号能够准确反映出环境雨情的特征,提高雨情分析的精确度。     

基于改进 CEEMDAN 的应答器上行链路信号降噪研究

针对在高速铁路复杂电磁环境中应答器上行链路(balise uplink, BU)信号传输受扰的问题,提出了一种基于自适应白噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)与小波包自适应阈值的联合降噪方法。首先,采用CEEMDAN算法将模拟BU信号分解为12个模态分量,根据相关系数判断分量为相关分量或无关分量;然后,相关分量经小波包降噪处理后重构为降噪后的BU信号;最后,选用信噪比(signal-noise ratio, SNR)和均方根误差(root mean square error, RMSE)作为评价指标,将该方法与目前广泛采用的6种降噪方法进行对比,信噪比提高了0.486 1～6.144 dB,均方根误差降低了0.054 9～11.091。为检验该方法的实际应用效果,采用联合降噪方法对实测BU信号进行降噪处理。仿真验证和实验验证的结果表明,采用联合降噪方法降噪后的BU信号不仅噪声分量得到了有效去除,而且信号特征保存完好,证明该方法能够应用于解决实际BU信...     

基于IWOA-VMD的永磁同步电机匝间短路故障振动信号去噪方法

针对永磁同步电机(permanent magnet synchronous motor, PMSM)匝间短路故障振动信号易受噪声干扰导致故障特征难以准确提取的问题,提出一种改进鲸鱼优化算法(improved whale optimization algorithm, IWOA)优化变分模态分解(variational mode decomposition, VMD),并将其应用于PMSM匝间短路故障振动信号去噪。首先在传统鲸鱼优化算法中引入非线性收敛因子、自适应权重和柯西算子,利用IWOA算法对VMD参数进行寻优来实现信号的自适应分解。然后根据多尺度排列熵-方差贡献率最优模态分量选取原则将信号分量分为噪声主导分量和有效信号分量,对噪声主导分量进行非局部均值滤波(non-local mean filtering, NLM)去噪。最后将去噪分量与有效信号分量重构为去噪信号。使用ANSYS有限元软件建立了电机短路故障模型,并搭建了短路故障实验平台,利用该方法对仿真与实测信号进行去噪处理,并与小波阈值去噪等去噪方法进行对比分析,得出仿真信号的信噪比从8 dB提升至20.273 8 dB,实测信号的信噪比相较于小波阈值去噪提高了77.01%,验证了所提方法的有效性和实用性。     

基于小波变换和LMD算法的变压器振动信号分析

为了提取变压器铁心振动信号的有效特征,本文提出了一种小波变换和局域均值分解相结合的新算法.该方法运用meyer小波对变压器铁心振动信号进行消噪,然后运用局域均值算法(LMD),将其自适应地分解为一系列单分量调幅-调频信号(PF),从而揭示了正常运行和发生故障的铁心振动特征.仿真表明:该算法在低信噪比时(10dB)仍能对振动信号进行正确分解,具有较强的抗噪性能;与EMD分解相比,端点效应小,不会出现虚假分量,更适合应用于处理调幅-调频非平稳振动信号,算法简单有效.     

疲劳裂纹扩展电位信号的最优光滑降噪算法

在采用直流电位降法对疲劳裂纹扩展过程进行实时监测时,由于受到多种噪声干扰使疲劳裂纹扩展电位信号不准确。 为了提高其准确性与光滑性,对疲劳裂纹扩展电位信号建立基于变分模态分解(VMD)的最优光滑降噪算法,将裂纹电位信号 进行 VMD 分解后,根据各个模态分量的样本熵、相关系数和均方误差等指标,剔除裂纹电位信号中的噪声分量和对含噪的有效 模态分量进行降噪处理;然后选择合适的模态分量进行裂纹电位信号的重构,对比不同信号重构方案,选出最优重构信号;最后 对最优重构信号建立不同光滑滤波算法,通过对比光滑度、均方误差、信噪比等指标得出最优光滑降噪模型。 分析结果表明该 算法模型光滑降噪效果良好,降噪误差比为 0. 122 050,提高了监测信号的光滑性与准确性。     

基于MUSIC算法的感应电机轴承故障检测方法研究

分析了感应电机轴承发生故障时振动信号的特性以及MUSIC算法及其高分辨率谱估计的特点，提出了一种基于MUSIC算法的感应电动机轴承故障检测方法。结果表明，在短数据情况下，相对FFT分析技术，该方法频率分辨率更高，故障检测更为准确，且计算量小，有利于电机故障实时状态监测。实验证实，将该方法应用于感应电机轴承故障检测，可准确检测出轴承故障时在包络信号中的故障特征成分，方法切实可行。     

CEEMDAN与GCN结合的配电变压器故障诊断

针对配电变压器故障特征提取困难、故障识别难度大的问题,提出一种将振动信号、自适应噪声完备集合经验模态分解 (CEEMDAN)与图卷积神经网络(GCN)三者有机结合的故障诊断方法。 首先,采用 CEEMDAN 对来自加速度传感器的振动信 号进行处理,获得一组固有模态分量(intrinsic modal function);其次求取边际谱信息作为特征向量;然后,对特征向量矩阵构造 无向加权完全图,并使用改进灰狼优化算法对高斯核带宽进行寻优;最后,搭建一个具备多通道和多连通的改进 GCN 模型进行 特征二次挖掘与故障分类。 与此同时,还在模型中加入一种名叫“峰值因子”指标实现对未知类型故障的辨识。 在实例分析 中,分别对油浸式和干式变压器进行故障模拟,提取不同状态的样本进行测试。 实验结果表明,所提方法对油浸式和干式变压 器的故障识别准确率分别达到 97. 73%和 95. 6%,优于其他两种对比方法。 在面对未知类型故障以及运行工况发生变化时,也 具备较高是识别能力。     

基于改进蚁群算法的变压器诊断数据的约简

针对变压器故障诊断提出的各种算法,多数不能从激增的诊断数据中提取有效的信息,无法实现快速准确诊断。为提高变压器故障诊断的速度,基于蚁群算法基本原理和模糊信息熵理论,对蚁群算法从局部搜索策略、蚂蚁内部状态、信息素更新策略及状态转移规则四方面进行了改进,提出诊断数据约简新方法。经过变压器故障诊断实例验证,使用改进方法将数据约简后,具有较高的诊断正确率,而与传统的算法相比,诊断速度快。     

磁悬浮轴承感应电机转子拍振机理及其抑制方法

针对高精确度磁悬浮轴承感应电动机转子运行中激发的拍振问题,研究拍振产生的机理及其抑制方法.分析磁悬浮轴承转子拍振的合成原理,通过理论分析和实验找出合成磁悬浮轴承转子拍振的两个分振动,即与转子转速同频的振动和与内嵌感应电动机旋转磁场同频的振动.结合磁悬浮轴承的特殊电气和机械结构对两个分振动特别是与旋转磁场同频振动的产生根源进行研究分析,并通过数值方法进行验证.根据研究结果提出抑制磁悬浮轴承转子拍振的可行措施.实验结果证明了拍振机理及抑制方法的正确性,实现了转子拍振的有效控制.     

基于奇异熵TLS-ESPRIT算法的微电网小信号稳定性分析

针对微电网的小信号稳定性进行了研究。基于奇异熵和TLS-ESPRIT算法,提出了一种能直接从微电网运行数据中提取其小信号稳定模态的方法。该方法利用有效信号和噪声在奇异熵方面的显著差异来准确识别信号模态的阶数,有效抑制噪声干扰,并利用TLS-ESPRIT算法精确提取信号模态信息。仿真结果表明,所提方法较传统的Prony算法在计算复杂度和精度方面都具有明显的优势,且该方法能有效识别微电网在并网或孤网运行模式下的小信号稳定模态。