基于EEMD和BPNN的动态误差溯源研究

针对动态测试系统在测试过程中存在误差导致精度损失的问题,提出了一种基于集合经验模态分解和BP神经网络的动态误差溯源方法.该方法在全系统动态精度理论的基础上,首先通过EEMD对动态测试系统输出总误差进行分解,对分解得到的单项误差进行希尔伯特变换,分析误差信号的幅频特性,然后采用BP神经网络拟合溯源.通过仿真分析,结果表明该方法可以有效地追溯到动态测试系统中误差产生的模块,并且偏差精度达到10-2,比经验模态分解的方法溯源效果更好,避免了EMD存在的模态混叠等问题,具有可行性和应用性.     

考虑寄生参数的隔离型双有源桥DC-DC变换器的开关开路故障分析与容错控制策略

双有源桥(DAB)DC-DC变换器开关管的驱动电路故障导致开关开路故障(OCSF),这使得DAB系统拓扑对称性缺失、高频电压和电流发生畸变和直流偏置,进而对系统的可靠性和长期运行稳定性造成不良影响.对此,研究DAB开关管和高频变压器寄生参数对OCSF后系统运行状态的影响,以完善DAB故障分析体系.针对OCSF问题,提出一种基于对称拓扑和对偶原理的故障容错策略,通过闭锁开关使系统运行拓扑恢复对称,并在此基础上提出一种不改变控制器参数、只需改变控制器输出饱和参数的实用控制方法,并在理论上讨论了该方法的可行性.最后,通过实验验证了OCSF模态分析及所提容错控制策略的正确性.     

基于VMD与改进QRGRU的超短期风电功率概率预测

风电功率概率预测是分析未来风电功率不确定性的有效方法之一。为提高风电功率概率预测精度,文中提出基于变分模态分解(VMD)与改进门控循环单元分位数回归(QRGRU)的超短期风电功率概率预测方法。首先,采用VMD将原始风电功率序列分解成不同特征的模态函数;然后,对每个模态函数分别建立基于QRGRU的概率预测模型,并将变量间的网络结构约束作为目标函数的惩罚项,改进QRGRU权重在迭代修正过程中的平稳性;最后,在不同分位数条件下叠加各个模态函数预测值,并采用非参数核密度估计方法得到未来风电功率的概率密度函数。结合某风电场实测数据开展具体算例分析,结果表明所提方法能够兼顾区间覆盖率,减少区间宽度,在不同预测步长中均能表现较好的预测效果。     

250 MW级全氢冷发电机并联环结构优化设计

对250 MW级全氢冷发电机并联环结构进行了优化设计,并对优化后的并联环进行了温升计算和模态分析,验证了优化后的结构比原结构更为稳定、可靠.     

基于连续小波变换的电力系统动态稳定综合评估

提出一种基于连续小波变换的电力系统主导振荡模式、振荡模态、参与因子及同调机群的综合评估方法.首先,借助小波变换实现电力系统多通道广域量测信息的时频域分解,获取各量测通道对应的小波系数矩阵;针对各小波系数矩阵,通过小波功率谱甄别与系统主导振荡模式强相关的关键小波系数向量;然后,利用关键小波系数向量估计系统主导振荡模式的振荡频率和阻尼比;在此基础上,借助交叉小波变换,估计各主导振荡模式下系统的振荡模态;进一步地,根据估计得到的振荡模态,估计系统各量测通道的参与因子和同调机群构成,实现基于连续小波变换的电力系统动态稳定综合评估.利用所提方法对16机68节点测试系统的仿真数据和实际电网的广域实测数据进行分析,结果验证了所提方法的有效性和可行性.     

CY4102BZQ柴油机机体模态分析

以东风朝阳柴油机厂最新开发的CY4102BZQ柴油机机体为研究对象，利用Pro／E三维软件和I-DEAS有限元软件建立了结构的实体模型和有限元模型，进行了机体的模态分析计算，获得了机体的基本振型和相关频率。应用模态试验验证了模型的精确程度，从而提出合理的改进方案。     

基于Lamb波频散特性的声发射源平面定位新方法

针对传统的声发射源平面定位中各传感器灵敏度差异和门槛值设置不同对时差定位精度影响较大的问题，通过研究弹性波在薄板中传播的特性即Lamb板波频散特性，借用模态声发射的概念将单个传感器接收到的信号利用Gabor小波时频分析得到不同模态的峰值到达时间，并在引入速度因子概念的基础上，讨论了两种不同的声发射源平面定位方法，即同一频率不同模态的定位方法和同一模态不同频率的定位方法，试验证明两种方法都能得到模拟源的正确定位，不仅从根本上避免了传感器间灵敏度差异对时差定位精度的影响，而且还可以减少平面定位中传感器的数量，避免三角形定位中伪定位的出现，并适用于传统的声发射源平面定位中不易布置传感器阵列的结构健康无损监测。     

高速列车转向架故障信号的聚合经验模态分解和 模糊熵特征分析

为了对高速列车转向架关键部件进行状态监测,利用转向架故障振动信号的特点,提出了一种结合聚合经验模态分解和模糊熵的特征提取方法.对故障信号进行聚合经验模态分解,得到一系列具有不同物理意义的简单成分信号,采用相关分析法选取最能反映原信号特征的本征模态函数.对这些本征模态函数和原信号分别计算模糊熵值构成多尺度复杂性度量的特征向量,输入最小二乘支持向量机中进行分类识别,与模糊熵特征相比得到了更好的识别效果,证明了算法的有效性.     

EMD-IT去噪算法的阈值估计方法

为解决EMD-IT去噪算法中阈值难以确定的问题,提出一种基于高斯白噪声能量分布的阈值估计方法。将含噪信号进行经验模态分解并估计各固有模态函数(IMF)中噪声的能量;根据模态单元阈值的含义,在各IMF中利用去除掉的模态单元包含的总能量等于噪声能量这一准则估计阈值。合成数据和实际心电信号的去噪仿真实验验证了该方法的有效性,其是自适应的且避免了阈值选择的主观性。     

基于EMD和互信息熵的微震信号自适应去噪

针对强干扰背景下的微震信号提取,提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）和互信息熵的自适应提取算法。通过EMD对微震信号进行分解,得到高频和低频两部分信号,并对分解得到的各阶固有模态分量求出能量和能量熵值。根据互信息准则,通过依次计算相邻分量能量熵之间的互信息值来区分高频和低频信号。将经过自适应阈值滤波后的高频信号和低频信号一起进行信号重构,得到新的微震信号。仿真结果表明,在对微震信号去噪时,该方法可以有效地去除噪声信号,信噪比均提升了10 dB以上。工程上的微震信号通过该方法处理后,也取得了较好的效果。