改进LMD在高压输电线路行波故障定位中的应用

鉴于传统局域均值分解(LMD)对行波信号进行分解时,由于过平滑处理导致获取局域均值函数和包络函数的误差较大,最终影响暂态故障信号的提取。采用波形匹配方法对测量点电流线模分量进行端点延拓,并利用线性插值求取局域均值函数与包络函数,然后根据首个PF分量的频谱图标定行波波头到达测点的时刻,最后根据双端行波故障测距原理计算出故障距离。仿真结果表明,提出的定位方法与传统LMD方法相比具有较高的定位精度。     

基于局域均值分解和支持向量数据描述的高压断路器机械状态监测

为满足断路器机械状态监测的高可靠性要求,弥补现有方法易将轻微故障及无训练故障样本类型误识别为正常状态的不足,提出一种基于局域均值分解(LMD)能量熵和支持向量数据描述(SVDD)的高压断路器机械状态监测新方法。首先,利用LMD方法将断路器振动信号分解为一系列的PF(Product Function)分量,将各PF分量的包络按时间等间隔分段,并提取各PF分量包络的能量熵构成特征向量;然后,采用正常状态断路器振动信号的LMD能量熵向量训练SVDD分类器;最后,通过SVDD分类器对断路器的机械状态进行判断。实测信号实验证明,新方法比支持向量机(SVM)、BP神经网络(BPNN)等传统多类分类方法有更好的状态监测效果。     

基于LMD边际谱能量熵与FWA-SVM的变压器绕组松动诊断

变压器空载合闸的振动信号包含了丰富的机械特征信息,为了实现对变压器绕组松动故障诊断,提出了一种局部均值分解(LMD)边际谱能量熵与烟花算法优化支持向量机(FWA-SVM)的方法.通过LMD提取若干反映变压器合闸过程绕组状态信息的乘积函数(Product Function,PF)分量;依据各PF分量相关系数与能量分布,将前6阶PF分量进行希尔伯特变换,并求取对变压器绕组状态变化敏感的边际谱能量熵作为特征向量;将特征向量输入到烟花算法(FWA)优化的支持向量机(SVM)分类器,实现变压器绕组轻微松动故障早期预警.实验结果表明:基于LMD边际谱能量熵能准确反映故障特征,FWA-SVM诊断方法在少量样本情况下仍有较高的故障辨识度.     

BEMD全矢包络谱及其在TRT故障诊断中的应用

为全面提取转子故障时振动信号特征,提高故障诊断的可靠性,提出了一种基于全矢包络谱的旋转机械故障诊断方法。首先,利用正交采样技术获取转子同一截面上互相垂直的振动信号,将其组成复数信号;然后,运用基于能量阀值的二元经验模态分解(BEMD)将复数信号分解成系列复固有模态函数分量(CIMFs),利用希尔伯特变换(HT)解调CIMFs获得复包络信号;最后,通过全矢谱技术融合复包络信号得到全矢包络谱,在此基础上,进行故障诊断。柔性转子和高炉煤气余压透平发电装置故障诊断结果证明了所提方法的有效性和可行性。     

LCD全矢包络谱及其在轴承故障特征提取中的应用

针对电机滚动轴承故障特征提取问题,提出了一种基于局部特征尺度分解(Local Characteristic Decomposition,LCD)的全矢包络谱(Full Vector Envelope Spectrum,FVES)技术。该方法通过正交采样技术获取两个互相垂直方向的振动信号,然后用LCD分别将其分别分解成系列内禀模态分量(Intrinsic Scale Component,ISC)之和;其次,用Hilbert变换对两个方向的ISC进行包络解调得到包络信号;最后运用FVES融合两个方向上的包络信号得到全矢包络谱。电机滚动轴承外圈故障分析结果表明,较之单一方向上信号的包络谱,全矢包络谱的频谱结构更为清晰、幅值更大。     

基于LMD和Hilbert变换的电压暂降检测方法

为了准确获得电压暂降幅度、频率成分以及扰动起止时刻等信息,将一种基于局部均值分解(Local Mean Decomposition,LMD)和希尔伯特(Hilbert)变换的时频分析新方法应用于电压暂降扰动检测中。新方法先通过LMD分解得到原始信号的乘积函数(Product Function,PF),PF分量的包络函数即瞬时幅值,再对PF分量进行Hilbert变换可得其瞬时频率。电压暂降特征信息可从瞬时幅值和瞬时频率中提取出来,从而实现电压暂降的检测。将新方法应用到两种电压暂降信号的仿真分析中,并与LMD法的分析结果进行比较。仿真结果证明了该组合方法检测电压暂降的有效性和准确性。     

基于MVMD和全矢包络谱的滚动轴承故障诊断方法

为全面、准确地诊断滚动轴承故障,提出一种基于多元变分模态分解(MVMD)和全矢包络谱的滚动轴承故障诊断方法.首先,采用正交采样技术获取滚动轴承同一支撑处互相垂直方向上的振动信号,将其组成一个二元调制振荡信号.然后,运用MVMD从二元调制振荡信号中提取一组最佳的二元调制振荡信号,其对应的带宽之和最小.由于MVMD运用统一数学模型对2个方向的信号建模,可确保故障特征被分解到同一层,便于后续的信息融合.最后,运用Hilbert变换对每个二元调制振荡信号解调得到相应的包络信号,利用全矢谱融合2个方向的包络信号信息以得到全矢包络谱,进而诊断滚动轴承故障.仿真和试验结果证明了所提方法的可行性和有效性.     

基于LMD和TEO的电能质量扰动检测分析

分析了局部均值分解LMD(local mean decomposition)在扰动检测中时间定位不足的原因,提出了基于LMD和Teager能量算子TEO(Tteager energy operator)的电能质量扰动信号检测分析方法。该方法由LMD和Teager能量算子2部分组成。首先利用LMD将电压信号分解成若干个乘积函数PF(product function),再用Teager能量算子解调PF分量得到信号的瞬时幅值包络和瞬时频率。根据时频图频率突变点,可以有效地检测扰动发生的起止时刻。与LMD相比,所提出的方法具有频率、幅值检测准确,定位能力强,端部失真小等优点,能有效检测分析非平稳电能质量扰动信号。     

基于电—振信号熵权特征的断路器储能机构故障诊断方法

弹簧势能的可靠储存是保障断路器后续分合闸操作正确的前提。通过分析控制回路、电机、传动部件和弹簧之间的能量转换和传递关系,提出一种电—振信号熵权特征联合的断路器储能机构故障类型辨识方法。首先利用希尔伯特变换(Hilbert transform)提取储能电机电流信号包络时域特征并计算峭度;然后由局部均值分解(LMD)处理断路器储能过程伴随的振动信号得到乘积函数分量(PF),并提取PF能量谱频域的盒维数特征;进而采用熵权法对电流和振动信号待分类样本进行剪辑,按照样本信息量和重要性赋予对应的权重;最后把熵权特征作为KNN算法的输入,辨识储能机构运行状态。实验结果表明:采用联合电—振信号的熵权特征量,KNN算法能更准确地诊断断路器储能机构发生的故障类型。     

一种基于LMD-DE的输电线路行波检测方法

为了进一步提高输电线路行波故障定位精度,提出了一种基于局域均值分解(Local Mean Decomposition,LMD)与差分熵(Difference-entropy,DE)的输电线路行波检测方法,首先对电压线模分量进行局部均值分解,得到多个乘积函数(PF分量),然后利用差分熵度量最高频乘积函数(PF1分量)的突变信息,从而确定电压行波波头的到达时刻。最后,利用双端行波故障定位原理求出故障距离,对不同故障情况进行了仿真分析,并与小波变换以及希尔伯特黄变换进行了对比,仿真结果表明,该行波检测方法具有较好的波头检测效果,相对于目前存在的故障定位方法定位精度有了进一步提高。