基于MVMD与CMSE的水电机组摆度信号消噪方法

本文提出了一种基于多元变分模态分解(Multivariate Variational Mode Decomposition, MVMD)与复合多尺度熵(Composite Multi-scale Entropy, CMSE)的水电机组摆度信号消噪方法。该方法利用MVMD算法将多传感器同时采集的多通道摆度信号进行了同步分解,有效地提高了多通道数据融合处理能力,同时得到了若干个固有模态分量;采用复合多尺度熵阈值准则确定重构信号的固有模态分量个数,实现水电机组摆度信号的消噪。通过与VMD及小波分解方法进行仿真信号消噪对比,比较相关系数与信噪比,结果表明本文提出的方法具有更好的消噪效果。最后通过实例分析进一步验证了本文所提出的方法具有更好的信号消噪性能。     

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。     

水电机组摆度增大和转轮裂纹的分析处理

本文对柘林水电厂2号水轮发电机组近年来在运行中摆度异常增大和水轮机转轮叶片与上冠间出现裂纹两个缺陷,分析了转轮叶片产生裂纹和机组摆度增大的原因,并介绍了摆度增大和转轮裂纹的处理方法。     

水电机组摆度周期性波动问题的分析和研究

本文针对某水电站机组上导轴承摆度峰峰值持续呈正弦周期性波动的问题，通过增加临时探头测量机组动态和静态时上机架支臂和基坑的间隙，以及不同方向支臂的间隙和机组运行参数等，发现支臂和基坑间隙一一对应，且间隙随环境温度的增加而增加，该间隙的变化规律符合因大部件金属构件蠕变传递至基座传感器引起的上导摆度周期波动的特征。因此可以确定机组摆度周期性波动是因为大部件金属随着温度变化而出现较大的位移蠕变，且该蠕变为非对称蠕变，以上过程量逐级传递至基座传感器位置，同时该文建议采用该结构形式的机架时应充分考虑支臂蠕变方向和限位措施。     

基于改进阈值函数的小波降噪分析在水电机组振动信号中的应用

小波阈值降噪算法是一种传统的水电机组振动信号的降噪算法,本文在其基础上提出了一种新的改进阈值函数的小波降噪方法,将改进阈值函数的小波降噪方法运用到水轮机机组振动监测中,解决了传统阈值函数存在抑制噪声污染与保留信号细节之间的矛盾。通过模拟振动噪声信号进行消噪比较,在信噪比和均方误差均优于传统小波阈值消噪方法,并结合虚拟仪器LabVIEW和MATLAB混合编程实现了水电机组振动信号采集及改进阈值小波的降噪处理,通过对降噪前后不同降噪方法在振动信号特征分量的保持程度进行比较,说明该方法在各分量保持均优于传统的阈值函数方法,是一种有效的降噪方法。     

BBZJ便携式水电机组振动、摆度测试分析系统

对BBZJ便携式水电机组振动、摆度测试分析系统的结构、原理及性能进行了介绍。     

基于EEMD和近似熵的水电机组摆度去噪方法

提出基于EEMD和近似熵的水电机组摆度信号去噪方法,将信号进行EEMD分解,得到若干个经验模态分量(intrinsic mode function,IMF),求各分量的近似熵,根据预设的近似熵阈值重构经验模态分量,实现水电机组摆度信号的去噪。分别用小波变换(Wavelet)和EEMD处理含噪水电机组摆度信号,比较它们的均方根误差、相关系数和信噪比。结果表明:基于EEMD和近似熵的去噪过程具有自适应性、有很好的去噪性能,非常适合水电机组摆度信号的在线去噪。     

基于VMD分解和支持向量机的水电机组振动故障诊断

针对传统方法难以精确提取水电机组非平稳振动信号的故障特征,首先引入变分模态分解(variational modal decomposition,VMD)将水电机组非平稳振动信号分解为一系列中心频段互不重叠的IMF分量,进而采取能量法提取各IMF分量的故障特征,最后将提取的故障特征向量输入到本文建立的基于遗传算法优化支持向量机的故障诊断模型中,实现故障模式的识别与诊断。将该方法应用于实际水电机组故障振动信号的处理中,仿真结果表明,该方法能够有效识别机组的异常状况,具有较高的故障诊断正确率。     

基于EEMD的水电机组信号分解和频谱分析

采用集合经验模态分解EEMD方法对水电机组多个信号进行分析,结果表明, EEMD分解能够将水电机组信号分解成不同频域内IMF分量分解,各IMF分量与现场振源有一定的关联,具有直观的物理意义,同时对不同工况的信号进行对比分析。     

基于变分模态分解的变压器有载分接开关振动信号去噪分析

针对变压器有载分接开关振动信号中的环境噪声影响后续特征提取与识别的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)与小波包阈值的去噪算法。首先对信号进行VMD分解,得到一系列窄带、中心频率区分度较好的模态分量。然后对各模态分量分别进行小波包阈值处理,利用均方根误差、信噪比及平滑度构成的复合评价指标确定最佳分解层数,得到最优的去噪效果。最后重构得到去噪后的振动信号。在变压器有载分接开关模拟试验平台上进行试验,并对采集的振动信号进行去噪分析,结果表明该方法的效果优于常用的去噪方法。     

基于经验模态分解的水轮发电机组局部放电信号提取

提出一种基于经验模态分解（EMD）的水轮发电机组局部放电信号提取方法。对实际局部放电信号,在频域内降低其干扰的幅值后得到中间信号,然后对中间信号进行经验模态分解,得到包含特征频率的固有模态函数（IMF）,接着对所得到的固有模态函数分量局部重构,从而提取出局部放电信号。通过实例证明了该方法的有效性。     

基于二维变分模态分解和Hilbert变换的局放信号特征提取方法

本文通过对二维Hilbert-Huang变换方法的改进,提出了一种基于二维变分模态分解(VMD)和Hilbert变换的局部放电灰度图像特征提取方法。首先,利用局部放电样本生成相应放电灰度图;其次,以二维VMD算法分解各放电灰度图像,获取各个不同中心频率的模态分量;然后,通过四元数Hilbert变换得到各模态函数对应的特征图,并提取灰度纹理特征,构成各放电样本对应的特征向量;最后,以BP神经网络分类器对提取出的局部放电特征量进行分类和识别。实验结果验证表明,同二维Hilbert-Huang变换和传统放电灰度图特征提取方法相比,基于本文方法所得特征量具有更高的正确识别率,验证了该方法的可行性。另外,本文所采用的二维VMD-Hilbert方法为局部放电信号的频谱分析拓展了新的思路。     

基于参数优化变分模态分解的间谐波检测

变分模态分解(VMD)已在谐波检测领域得到应用,但人为设定分解参数K,导致误差较大。为提升VMD在间谐波检测中的准确性,首先,采用施密特正交化理论对VMD预分解得到的各分量进行正交化处理,以避免模态混叠。然后求得不同K值对应的残差能量,利用残差能量值最小化法优化参数K,进而提取间谐波信号。最后采用对称差分能量算子,获得间谐波信号幅值与频率等特征信息。仿真实验表明：所提出的方法能有效优化参数K,降低VMD分解误差。同经验模态分解(EMD)、集合经验模态分解(EEMD)以及近年新提出的同步挤压小波变换(SST)相比,参数优化变分模态分解在间谐波检测上效果显著提升,具有更高的检测精度。     

基于变分模态分解和小波分析的变压器局部放电去噪研究*

为有效去除变压器局部放电信号中大量的电磁干扰,针对现有经验模态分解存在模态混叠等问题,提出将一种新的信号分解算法——变分模态分解结合小波运用在变压器局部放电信号中来抑制窄带周期干扰和白噪声。首先利用变分模态分解将含噪信号分解成若干个以某中心频率波动的模态,在分解过程中自动滤去白噪声;然后提取含局部放电信息的模态进行重构;最后通过小波去除残余窄带周期干扰,进而实现干扰抑制。仿真和实测信号分析结果表明,该方法能很好地抑制两类干扰,保留局部放电信号特征,验证了采用变分模态分解结合小波去除噪声的有效性,为局部放电信号去噪提供了一种新的方法。     

基于变分模态分解的断路器机械故障诊断

断路器的振动信号包含了许多机械信息。为了更加精确的对断路器的故障进行识别,本文提出一种基于变分模态分解（variational mode decomposition, VMD）和支持向量机结合的方法。首先利用局部极值法确定合适的VMD分解模态数。其次通过VMD将信号分解成多个具有紧支性的模态,计算各模态的奇异值作为特征向量,将其输入支持向量机(support vector machine, SVM),训练故障模型。最后通过SVM诊断测试信号,成功对不同故障进行诊断。     

基于变分模态分解和深度门控网络的径流预测

为提高水库中长期入库径流预测精度,提出变分模态分解、相空间重构和深度门控网络相结合的径流组合预测模型。首先对历史径流数据进行变分模态分解,产生多个模态分量;接着将分解得到的模态分量重构到高维特征空间,形成深度学习的输入;然后利用深度门控网络获取历史径流详细特征并进行预测;最后累加各模态分量的预测值完成重构。以白山水库为例,将所建模型分别与单一预测模型和其他组合预测模型进行对比分析。结果表明：所建模型能有效分解非平稳性的径流序列,充分学习内嵌的水文规律,预测误差最小,且在整个测试集上分布更为合理,拟合优度检验值最高。研究结果可为水库水资源规划管理提供技术依据。     

基于优化变分模态分解的海杂波去噪方法

文章分析了确定变分模态分解(VMD)参数存在的问题,提出了一种基于优化变分模态分解的海杂波去噪方法。利用鲸鱼优化算法(WOA)对模态个数K和惩罚参数α进行寻优,对海杂波原信号自适应分解,去除方差贡献率(VCR)较低模态分量,结合模糊熵筛选出噪声占主导的模态分量,将其进行Savitzky-Golay(SG)滤波处理。对滤波后的分量和有用分量叠加重构去噪后的信号,通过最小二乘支持向量机(LSSVM)对海杂波信号进行预测并验证去噪效果。仿真结果表明,本文所提算法能够有效抑制噪声干扰,去噪后的均方根误差(RMSE)为0.000 29,比去噪前的均方根误差0.012 3降低了两个数量级。     

基于变分模态分解的暂态扰动波形去噪算法

针对经验模态分解去噪时存在的模态混叠问题,提出一种变分模态分解与滑动均值滤波相结合的去噪算法。首先通过寻找变分模型最优解将含噪信号分解成若干个固有模态。然后利用相关系数准则确定最优分解层数K以及其对应的相关模态,并用滑动均值滤波器对非相关模态进行处理以得到其中的有用分量。最后基于相关模态和非相关模态中提取的有用分量构造去噪后的信号。仿真表明,与经验模态分解去噪和小波去噪相比,所提出的算法能够在更有效去除暂态扰动中噪声的同时,保留暂态扰动中的特征信息。