基于EEMD和HT的轴流泵压力脉动特征信息提取

压力脉动是影响轴流泵运行稳定性的重要因素,为提取其压力脉动信号中的特征信息,提出了采用基于聚合经验模式分解(EEMD)和Hilbert变换(HT)的时频分析方法对轴流泵压力脉动信号进行分析。首先分别应用EEMD和传统经验模式分解(EMD)对含噪声信号进行了分析,证明了EEMD分解能抑制传统EMD中出现的模式混叠现象,从而有效提取了信号中的各频率分量;然后采用基于EEMD和Hilbert变换的时频分析方法,对某轴流泵的压力脉动信号进行了分析。研究结果表明,该方法能够准确地提取轴流泵压力脉动信号中的频率成分及其时变情况。     

基于EEMD阈值的绝缘子泄漏电流去噪的研究

绝缘子泄漏电流信号的采集受很多噪声信号的干扰,直接使用将影响准确地提取其特征量,本文对基于EEMD(Ensemble Empirical Mode Decomposition)阈值的绝缘子泄露电流去噪方法进行研究,借鉴小波去噪的4种阈值方法对泄漏电流信号进行去噪,分别是自适应阈值、固定阈值、启发式阈值和极大极小阈值,对EEMD阈值的去噪方法进行研究,通过对去噪前后信号的波形、有效值和谐波幅值比这3个特征量进行分析比较,综合比较仿真和实测信号去噪前后的效果,得出固定阈值是EEMD去噪方法的最佳阈值。     

EEMD-NNBR模型在降水预测中的应用

为解决降水资源预测复杂的问题,建立了具有物理意义的新预测模型,即利用集合经验模态分解(EEMD)方法,分解降水资源并识别其演变模式,获得各本征模函数(IMF),然后结合最近邻抽样回归模型(NNBR)对数据进行预测分析,汇总相应的计算结果,从而构成了EEMD-NNBR降水预测模型。以无锡市惠山区的降水序列资料为例,采用EEMD-NNBR模型预测降水资源,并与单一的NNBR模型预测值进行对比分析。结果表明,所建模型稳定性较好,能合理预测水资源演变趋势,提高降水资源预测精度,具有一定的应用价值。     

基于最优熵与EEMD的滚动轴承微故障诊断方法

滚动轴承是易损件,为了更好并及时检测出在信噪比低的情况下的轴承早期微故障振动信号,提出了小波包最优熵和EEMD相结合的方法。运用小波包最优熵对采集信号实现信噪分离,突出了小波包降噪效果明显;通过EEMD将信号分解成多个分量;最后以互相关、峭度准则提取故障信号分量以避免分量选择的盲目性。结果表明:该方法对轴承初期故障具有良好的降噪效果,可以准确快速地检测出轴承故障,从而表明该方法是有效且可行的。     

从时频角度重新审视南方电网的区间功率振荡

EEMD和HVD是近年用来电力系统振荡的两种新的信号分析手段。文章结合小波频谱从时间-频率角度重新检视了南方电网近年来发生的3次区间振荡事件。分析结果表明,南方电网的振荡有非平稳时变振荡以及平稳振荡两种形态,小波分析以及HVD可以很好地处理非平稳振荡,而传统的Prony分析不能胜任。     

基于ＥＥＭＤ域统计模型的话音激活检测算法

提出了一种基于EEMD域统计模型的话音激活检测算法。算法首先利用总体平均经验模态分解(Ensemble empirical mode decomposition,EEMD)对带噪语音进行分解,得到信号的本征模式函数(Intrinsicmode function,IMF)分量,选择与原信号的相关性最高的两个分量相加组成主分量;然后对主分量进行频域分解,引入统计模型,求出EEMD域特征参数;最后利用噪声与语音的EEMD域特征参数的不同来进行语音激活检测。实验结果表明,在不同信噪比情况下,本文算法性能优于目前常用的VAD算法,特别在噪声强度大时体现出明显的优势。     

基于EEMD与DSS-ApEn的脑电信号消噪方法

为了在消除信号中噪声的同时尽可能保留有效信息,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)和降噪源分离(De-noising Source Separation, DSS)与近似熵(Approximate Entropy, ApEn)相结合的脑电信号消噪方法。利用EEMD分解算法将含噪脑电信号分解为若干个内蕴模态函数(Intrinsic Mode Functions, IMF)分量,滤除最高频分量后的IMF分量应用DSS分离出各独立源信号,再选择频谱近似熵最大的独立源信号作为去噪信号。仿真和真实脑电信号的消噪实验表明,与独立EEMD消噪方法以及基于EEMD与改进提升小波消噪方法相比,本文提出的方法消噪效果更好。     

基于EEMD—小波阈值的分布式测温系统的研究

在分布式拉曼测温系统中,所包含的温度信息的反斯托克斯光比较微弱,容易被噪声掩盖,且传统的去噪方法容易滤除掉系统的原始特征,因此针对上述问题,本文采用EEMD结合小波阈值降噪的去噪方法,在保留信息原始特征的情况下,极大的提高系统的信噪比（SNR）和系统的测温精度。仿真证明,该算法在1db的噪声下,信噪比提高了2.3db。实验结果表明,系统的测量精度提升了76.11％。通过单独的小波阈值降噪处理,系统在测温光纤的熔接点的温度曲线是1℃以上的波动范围,而通过该算法后,系统解调温度波动范围在0.5℃左右,最后通过实验证明该算法不影响系统的空间分辨率。     

基于EEMD和萤火虫算法优化SVM的溶解氧预测

养殖池塘中的溶解氧(DO)对水产品的生长和品质有着至关重要的作用.为了提高溶解氧预测的准确性和有效性,提出了一种基于集合经验模态分解(EEMD)和萤火虫算法(FA)优化支持向量机(SVM)的组合预测模型.首先,将DO 时间序列通过集合经验模态分解为一组去除噪声的并相对稳定的子序列.接着,利用相空间重构(PSR)重建分解...     

基于制氢装置效率特性的风储制氢电厂优化控制策略

风电输出功率波动性与碱性电解槽工作特性间的矛盾降低了制氢装置的工作效率。针对这一问题,对碱性电解槽的动态工作特性展开研究,分析了风速波动对电解槽稳定运行的影响,综合对比了不同储能装置与电制氢协同运行的效果,选取超级电容储能装置作为风储制氢电厂的储能单元。提出了一种风储制氢电厂的效率优化控制策略。该策略在平抑层采用集合经验模态分解(EEMD)算法对风电功率进行分解与高、低频重构;在修正层依据碱性电解槽的工作状态、超级电容的荷电状态,采用模糊控制器对重构后的功率进行修正,实现对碱性电解槽与超级电容之间功率的合理分配,以提高风储制氢电厂的能源利用率。基于搭建的风储制氢电厂仿真模型,在不同的风速输入下对比3种不同策略的控制效果,验证所提策略的有效性。