EEMD在电力谐波检测中的应用

为了克服基于经验模态分解方法 EMD在谐波检测中出现的模态混叠问题,提出采用基于总体平均经验模态分解(EEMD)的希尔伯特-黄变换(HHT)谐波检测方法。采用EEMD对含有谐波的负载电流进行分解,获得固有模态函数后,再进行HHT,求出基波以及各次谐波的幅值、相位、瞬时频率等信息。该算法在负载突变时自适应能力强,检测精度高,实时性好。仿真实验结果表明,EEMD方法在分解过程中不会出现模态混叠现象,克服了EMD的不足,同时基于数据采集卡的谐波检测平台的测试结果进一步证明了该方法的可行性。     

一种基于新型小波阈值去噪预处理的EEMD谐波检测方法

为了提升经验模态分解(EMD)用于谐波检测的效果,用集合经验模态分解(EEMD)消除了EMD谐波检测的模态混叠问题。通过研究发现采样信号中的噪声会对EEMD的分解产生较大影响,提出了一种基于新型小波阈值去噪预处理的EEMD谐波检测方法。该方法首先采用变换小波系数精确选取小波阈值,然后采取软硬阈值相结合的方式,以消除随机噪声,再将去噪后的信号进行EEMD分解。经仿真分析,所提方法可以有效地消除随机噪声对谐波检测的影响,提高了EEMD谐波检测的精度与适用性。同时与原有EEMD算法相比,所提方法在分解速率上平均提高了大约3.8倍,有效分量与原始信号的相关度平均提升了22.5%。     

基于EEMD和TLS-ESPRIT的谐波间谐波检测方法

总体平均经验模态分解(EEMD)可以在噪声环境下对信号进行准确的分解,克服了EMD分解过程中产生频率混叠和虚假模态的缺陷。总体最小二成旋转不变技术(TLS-ESPRIT)算法本身具有很好的消噪能力,用TLS-ESPRIT算法可以准确地辨识出信号的参数。结合两者的优点,提出了基于EEMD和TLS-ESPRIT的谐波、间谐波检测方法,结合EEMD分解后的各阶分量的能量来确定电网中真实的谐波、间谐波分量。仿真结果验证了所提方法的可行性和有效性。     

基于CEEMDAN和HT的谐波检测新方法*

经验模态分解(EMD)作为希尔伯特-黄变换(HHT)的重要组成部分,为了克服其在谐波检测中出现的模态混叠、端点效应问题,提出采用自适应噪声完备集合经验模态分解(CEEMDAN)和希尔伯特变换(HT)相结合的谐波检测新方法。文章首先在理论上对比分析了EMD、EEMD以及CEEMDAN算法,研究CEEMDAN算法的特性。再用CEEMDAN算法对原始信号进行分解,得到固有模态函数(IMF)。最后用HT算法对每阶IMF分量进行分析,检测到谐波中包含的瞬时幅频信息。算例仿真结果表明,相对于HHT算法对信号的处理能力,文中提出的方法在谐波检测中有效地克服了EMD算法的弊端,提高了信号分解精度。     

基于集合经验模态分解的局部放电信号的窄带干扰抑制

采用经验模态分解（EMD）方法抑制局部放电的窄带干扰时,由于EMD方法本身存在模态混叠问题,在含有局放成分的模态固有函数中仍可能同时含有一定量的窄带成分,导致局放信号无法提取。分析了在局放信号上叠加不同幅值、不同频率的窄带干扰条件下的EMD混叠现象,并提出了基于集合经验模态分解（EEMD）的解决方法。该方法对单频率成分和多频率成分的窄带干扰,均能较好地提取出局放信号。并针对EEMD引入的白噪声干扰,提出了自适应阈值的抑制方法,取得了较好的结果。仿真和现场测试的结果均验证了所提方法的有效性。     

基于集合经验模态分解的局部放电信号的窄带干扰抑制

采用经验模态分解(EMD)方法抑制局部放电的窄带干扰时,由于EMD方法本身存在模态混叠问题,在含有局放成分的模态固有函数中仍可能同时含有一定量的窄带成分,导致局放信号无法提取.分析了在局放信号上叠加不同幅值、不同频率的窄带干扰条件下的EMD混叠现象,并提出了基于集合经验模态分解(EEMD)的解决方法.该方法对单频率成分和多频率成分的窄带干扰,均能较好地提取出局放信号.并针对EEMD引入的白噪声干扰,提出了自适应阈值的抑制方法,取得了较好的结果.仿真和现场测试的结果均验证了所提方法的有效性.     

Hilbert-Huang变换在电气化铁路谐波检测中的应用

将Hilbert-Huang变换(Hilbert-Huang transform,HHT)用于电气化铁路谐波检测中,应用该方法可以提取任意频次的谐波信号。为了解决直接应用经验模式分解(empirical mode decomposition,EMD)方法可能出现的模态混叠问题,文中采用基于傅里叶变换(Fourien tranform,FT)的EMD方法对电气化铁路谐波信号进行提取。首先利用傅里叶变换对指定频率部分进行滤波,然后分别进行HHT变换,再重新组合,即可得到信号全部完整的本征模态函数(intrinsic mode function,IMF)分量,进而计算其Hilbert谱,得到谐波信号的Hilbert谱值。对电气化铁路牵引变电站实测谐波电压、电流数据进行了分析,仿真结果表明利用改进的HHT方法可以得到电气化铁路各次谐波的准确时频分布。     

ZPW2000 系列移频信号谐波干扰处理方法研究

不平衡牵引电流与ZPW2000系列轨道电路移频信号存在共同传输通道,其中牵引回流和高次谐波成分都将对移频信号产生影响,当列车依靠CTCS-2级列车运行控制系统提供运行许可时,增加了安全运行风险。为有效去除高次谐波干扰,获取无绝缘轨道电路移频信息,设计了基于VMD与Hilbert变换相结合的移频信号处理方法。首先利用VMD将谐波干扰信号分解为若干不同频率段的IMF;然后对所有IMF求解中心频率,确定各谐波干扰频率,根据预测算法和相关性验证,确定当前无绝缘轨道电路所对应的本征模态函数;最后通过对该IMF进行Hilbert变换分析确定当前无绝缘轨道电路中移频信息。通过对仿真和实验室实测信号分析发现：该方法不但可以有效抑制模态混叠现象,使各谐波干扰成分从混合信号中准确的分离,而且能够准确求解出移频信息,为干扰条件下准确解调行车许可信号提供了借鉴意义。     

基于EEMD和Hilbert分析的滚动轴承故障诊断方法研究

滚动轴承在风电机组中广泛应用,其运行状态直接影响整台风机的性能。提出EEMD(总体平均经验模态分解)和Hilbert包络分析相结合的方法对滚动轴承进行故障诊断。经验模态分解具有自适应性,但存在一些不足,易产生虚假分量和模态混叠现象。针对EMD分解方法的不足,引入改进型算法EEMD。首先将振动加速度信号进行EEMD分解,计算各阶IMF峭度值的大小,选择峭度值较大的IMF分量,利用Hilbert变换对其进行包络谱分析,提取故障特征频率,辨识滚动轴承故障。通过对实验采集的滚动轴承振动信号进行分析,证明了该方法的有效性和准确性。     

基于ESMD和HT相结合的谐波检测新方法

针对现有的电力系统谐波信号检测方法精度不高的问题,以及研究较多的经验模态分解(EmpiricalMode Decomposition, EMD)在谐波检测中出现的模态混叠问题,结合极点对称模态分解(Extreme-pointSymmetricMode Decomposition, ESMD)理论和算法,提出基于ESMD和希尔伯特变换(HilbertTransform, HT)相结合的谐波检测新方法。首先对信号进行极点对称模态分解,得到一系列不同特征尺度的固有模态函数(IntrinsicModeFunction,IMF),再对IMF分量进行希尔伯特变换得到各谐波瞬时幅值和瞬时频率信息。该方法能够根据信号自身特征进行自适应分解,理论上由于扩展了IMF定义并采用内部插值方法,使得该方法具有简单、精度高的优势。仿真结果表明,该方法在谐波检测中自适应分解能力强,检测精度高,实时性好,并且能够在不添加噪声的情况下有效避免EMD方法在谐波检测中出现的模态混叠现象。     

EEMD在超宽带雷达生命信号提取中的应用

超宽带生命探测雷达回波信号具有非线性、非平稳特性,由于心跳信号能量较弱,且受到呼吸谐波的干扰,传统的数字滤波方法无法有效地提取心跳信号。鉴于此采用一种从时域上提取生命信号的新方法。应用聚类经验模式分解(EEMD)将生命信号分解成有限个固有模态函数(IMF),再依据模式判别准则从时域上重构呼吸和心跳信号。实验结果表明,相比于经验模式分解(EMD),EEMD能有效提取呼吸信号和心跳信号。     

匀相窄波局部特征尺度分解方法及其在机械故障诊断中的应用

局部特征尺度分解(local characteristic-scale decomposition, LCD)方法在改善了经验模态分解(empirical mode decomposition, EMD)方法的同时,也继承了EMD的模态混叠问题。噪声辅助分解是解决EMD模态混叠问题的主要方法之一,但由于LCD对于噪声更加敏感,如果采用总体平均经验模态分解(ensemble empirical mode decomposition, EEMD)方法中的白噪声作为辅助信号不仅不能够有效地改善LCD中的模态混叠问题,还会产生较多的虚假分量。对此,提出一种改进的LCD方法——匀相窄波局部特征尺度分解方法(uniform phase local characteristic-scale decomposition, UPLCD)。UPLCD采用具有均变相位的窄波信号来代替白噪声作为辅助分解信号,能够在抑制LCD模态混叠的同时,避免白噪声带来虚假分量增多的情况。通过仿真信号分析,验证了UPLCD方法抑制模态混叠的有效性。并将所提出的方法应用到机械故障诊断中,和EEMD、LCD和匀变相位经验模态分解(uniform phase empirical mode decomposition, UPEMD)等方法对比,结果表明,所提出的UPLCD方法能够有效地处理旋转机械故障模态信号,在分解精度和抑制干扰信号等方面更具优势。     

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。     

改进的HHT算法在电力系统谐波检测中的应用

使用改进的HHT方法检测电力系统谐波.由于HHT方法存在模态混叠现象,不能有效的得到各次谐波分量.采用预处理的方法,首先将一个信号通过一级低通滤波器得到一级高频成份和一级低频成份,一级高频成份进一步分解为二级高频成份和二级低频成份,如此类推直到满足分解完成条件.对各个频带进行EMD分解得到IMF分量,最后将所有的IMF...     

基于变分模态分解与Teager能量算子的谐波/间谐波检测方法

为了提高电力谐波信号中谐波/间谐波的检测精度,提出一种基于变分模态分解(VMD)与Teager能量算子相结合的检测新方法。利用相关系数法来确定VMD算法中的模态分解个数K;采用VMD对谐波/间谐波信号进行分解,得到一系列IMF分量;利用Teager能量算子对IMF分量进行解调分析,能够得到分量的瞬时幅值和频率,同时根据时频图中瞬时频率突变点,可准确定位暂态谐波/间谐波的起止时刻。在信噪比较低的情况下,将集合经验模态分解(EEMD)、VMD分别与Teager能量算子相结合进行谐波/间谐波检测的对比。仿真实验对比表明文中所提方法能将稳态、暂态谐波信号进行有效的分离,同时具有较高的检测精度和较好的噪声鲁棒性。     

基于集成经验模态分解和峭度准则的滚动轴承故障特征提取方法

为实现滚动轴承故障的精确诊断,提出一种基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)与峭度准则的包络解调方法。该方法首先利用EEMD将振动信号分解,然后利用峭度最大准则选取EEMD分解后的本征模函数(intrinsic mode function,IMF),将该本征模函数进行包络解调从而获得滚动轴承的故障特征信息。该方法可以有效抑制经验模态分解(empirical mode decomposition,EMD)中的模态混叠问题,同时还避免了共振解调方法中中心频率及滤波频带的选取,具有良好的自适应性。利用该包络解调方法对实际滚动轴承发生内圈、外圈故障进行了分析,证明了该方法可以有效地提取滚动轴承故障特征信息,能够实现滚动轴承故障的精确诊断。