风力发电机组早期故障诊断

随着风力发电行业的快速发展,风力发电机组装机数量迅猛增加。然而恶劣的工作环境导致风力发电机组故障率较高。通过故障诊断技术及时发现设备存在的故障,进而确保发电机组安全可靠运行,是降低事故的有效途径。提出一种风力发电机组早期故障诊断的方法,通过对风力发电设备运行状态进行实时监测并进行趋势预测,及时发现运行过程中存在的故障隐患,并利用信号处理方法 EEMD对故障信号进行分析处理,提取故障特征信息,进而诊断故障发生的原因和部位等情况,最后综合评价决策釆取适当的应对措施,并通过实验验证了该方法的有效性。     

基于AEEMD和改进DATA-SSI算法的桥梁结构模态参数自动化识别

模态参数作为桥梁结构最重要的动力参数之一,在实际运用中,可通过监测其变化情况来辨识结构的使用性能,精确地参数识别对保障桥梁健康运营具有十分重要的意义。鉴于此,该文对现阶段常用的振动信号降噪处理算法和模态参数识别算法进行了相应的改进。一方面,提出一种新的信号自适应分解与重构算法,即自适应总体平均经验模态分解算法（AEEMD）,该算法相比总体平均经验模态分解算法（EEMD）而言,能够根据信号的自身特征自动化确定添加白噪声的幅值标准差和集成平均次数|能更好地处理端点效应|同时还能够保证所得本征模态函数之间不存在模态混叠现象|最终实现有效IMF分量的自动化筛选和信号重构。另一方面,将多维数据聚类分析算法引入随机子空间算法中,并以频率值、阻尼比以及振型系数为因子建立判别矩阵,以智能化区分虚假模态和真实模态,最终实现模态参数自动化识别。文章最后分别用模拟信号和实际桥梁测试信号对所提算法的有效性进行验证,结果表明,该文所提算法能运用于实际桥梁结构的模态参数自动化识别。     

基于加速度信号的吊弦断裂检测方法

吊弦是高铁接触网的关键部件，长期裸露于外部环境，且日复一日地承受列车受电弓的冲击作用，容易发生吊弦断裂故障. 本文基于弓网动态仿真模型，对兰新高铁试验段进行仿真，产生在脉动风和受电弓同时作用下的接触网正常和吊弦断裂时接触线和承力索的加速度数据，然后运用EEMD（Ensemble Empirical Mode Decomposition）计算加速度信号的能量熵、奇异熵、平均熵，建立吊弦断裂故障检测的$\mathrm{L}_{1/2}$-LR正则化模型．实验结果表明，在脉动风和受电弓共同作用工况下，所得到的检测方法对吊弦断裂检测的准确率可达97.25%．本文提出的基于EEMD的$\mathrm{L}_{1/2}$-LR模型，具有变量选择作用，发现只需采集承力索跨中位置处的垂直加速度和水平加速度，分别计算其能量熵、平均熵，便可以很高的精度和计算效率检测跨中吊弦是否断裂．     

运用总体经验模态分解的疲劳信号降噪方法

将总体经验模态分解(ensemble empircal mode decomposition,简称EEMD)用于疲劳应变信号降噪,并与小波变换(wavelet transform,简称WT)方法进行了对比.提出了基于EEMD方法的疲劳应变信号降噪计算步骤,并分别用于模拟信号、试验数据和实测资料的降噪处理.讨论了EEMD计算参数对降噪效果的影响,给出了计算参数的选取原则.结果表明,EEMD方法可以较好地降低疲劳信号的噪声,提高应力循环次数统计的准确度,具有自适应的特点.     

Trends in Temperature Extremes in Association with Weather-Intraseasonal Fluctuations in Eastern China

Trends in the frequencies of four temperature extremes (the occurrence of warm days, cold days, warm nights and cold nights) with respect to a modulated annual cycle (MAC), and those associated exclusively with weather-intraseasonal fluctuations (WIF) in eastern China were investigated based on an updated homogenized daily maximum and minimum temperature dataset for 1960-2008. The Ensemble Empirical Mode Decomposition (EEMD) method was used to isolate the WIF, MAC, and longer-term components from the temperature series. The annual, winter and summer occurrences of warm (cold) nights were found to have increased (decreased) significantly almost everywhere, while those of warm (cold) days have increased (decreased) in northern China (north of 40°N). However, the four temperature extremes associated exclusively with WIF for winter have decreased almost everywhere, while those for summer have decreased in the north but increased in the south. These characteristics agree with changes in the amplitude of WIF. In particular, winter WIF of maximum temperature tended to weaken almost everywhere, especially in eastern coastal areas (by 10%-20%); summer WIF tended to intensify in southern China by 10%-20%. It is notable that in northern China, the occurrence of warm days has increased, even where that associated with WIF has decreased significantly. This suggests that the recent increasing frequency of warm extremes is due to a considerable rise in the mean temperature level, which surpasses the effect of the weakening weather fluctuations in northern China.     

桥梁动力测试信号的自适应分解与重构

针对桥梁结构动力测试信号噪声水平高、难以分离结构有效信号的特点,在总体平均经验模态分解方法和主成分分析的基础上,建立了自适应分解与重构方法。对经验模态分解结果的模态混叠现象进行深入分析,利用白噪声概率密度函数的均匀性对模态混叠模式一进行了改进,基于相关性分析改进了模态混叠模式二,改进后的分解方法在计算效率和分解精度上均有较大提升;随后对所有分解获得的固有模态函数进行多尺度主成分分析,实现降噪和选择并重构测试信号。分别用模拟信号和实际桥梁测试信号对所提方法的有效性进行了验证。结果表明:改进后的信号自适应分解和重构方法能在降噪的同时,有效地提取桥梁结构信息,可用于实际桥梁结构的动力测试分析中。     

基于电动机电流和EEMD的伺服旋转轴故障诊断技术研究

提出了一种基于交流伺服电动机电流和EEMD的伺服旋转轴故障诊断方法,研究了电动机电流测试原理,建立电流信息与故障的关联模型,提出了不同的电动机电流获取策略和电动机电流信息的位置及时间表达方法;并针对伺服旋转轴的运行特性,建立了典型的伺服旋转轴机械传动结构动力学模型,深入分析了采用EEMD对伺服旋转轴进行故障诊断的原理。试验结果表明:交流伺服电动机电流信息和EEMD方法用于伺服旋转轴机械传动部件故障诊断的可行性和有效性,从而为其在线监测和故障快速溯源,提供技术支撑。     

基于改进EEMD方法的数字滤波器

提出一种基于改进的整体平均经验模态分解( EEMD)方法的数字滤波器.针对经验模态分解( EMD)滤波方法的不足,采用对含噪信号先用中值滤波法平滑处理,再对处理后的信号EEMD的方法.改进后的方法结合了平滑处理滤除脉冲噪声以及EEMD方法滤除随机噪声和高频连续噪声的优点,且不存在模态混叠.通过数字仿真,研究了其滤波性能...     

EEMD在电能质量扰动检测中的应用

提出了一种基于聚类经验模态分解(EEMD)的希尔伯特-黄变换(HHT)电能质量扰动检测新方法.首先采用EEMD对电能质量扰动信号进行分解,获得固有模态函数后,再进行HHT,可以定量、准确地刻画相应时刻的瞬时特征量.该方法可以确定非平稳的电能质量扰动信号的时间、频率和幅值等信息.仿真试验结果表明,该方法可以有效克服经验模...     

基于整体经验模态分解的信噪比估计方法

为了提高未知样式信号的信噪比估计性能,提出一种基于噪声辅助的信噪比估计新算法,通过固有模态函数（IMF）分量平均周期的变化判断信号与噪声界限,给出了基于噪声辅助估计法的工作原理和流程图,分析了基于噪声辅助估计法的性能。仿真结果表明,基于噪声辅助估计法能够实现盲信号信噪比估计,在0 dB信噪比下均方误差不超过0.2 dB。