基于改进局部均值分解的低频振荡参数提取

针对电力系统低频振荡非线性时变的特点,提出了一种基于改进局部均值分解(local mean decomposition,LMD)的电力系统低频振荡信号分析方法。利用改进的局部均值分解,电力系统中的单一多模态测量信号可以分解为一组乘积函数(product function,PF)分量的和。每个PF分量可以表示为一个调幅(amplitude modulated,AM)信号和一个调频(frequency modulated,FM)信号的乘积。其中,AM信号可以近似当作相应振荡模态的瞬时幅值,并由此计算阻尼信息;FM信号可以通过直接正交和插值相结合的综合方法,计算PF的瞬时频率。数值仿真和实际测量信号的计算结果证明了所提方法的有效性和可行性。     

磁悬浮陀螺转子信号的局部均值分解降噪研究

磁悬浮陀螺转子电流信号对环境变化高度敏感,信号采样过程中不可避免会引入噪声,针对该问题提出一种基于局部均值分解（local mean decomposition, LMD）,融合豪斯多夫（Hausdorff）距离与阈值降噪（threshold denoising, TD）的算法以减弱噪声干扰。首先对原始信号进行局部均值分解,得到若干乘积函数（PF）分量和一个余量,然后根据各PF分量与原始信号间的豪斯多夫距离判定噪声、信号分量,再对噪声分量进行阈值处理,最后将阈值处理后的噪声分量、信号分量及余量进行叠加得到重构信号,实现陀螺仪转子电流信号的降噪。仿真实验结果表明,重构信号的信噪比相对于原始信号平均提高了12.86 db,均方根误差平均降低了9.25×10^-6 A;实测信号降噪结果表明,该降噪算法对四条导线边的滤波增益分别为40.0%、93.5%、30.8%和50.0%。     

一种改进的抗干扰自适应算法及其在变压器有源噪声控制中的应用

在电力变压器有源降噪系统实际运行时,声传感器采集的参考信号和误差信号可能存在冲击干扰,当采用传统的滤波最小均方(filtered-x least mean square,Fx LMS)算法对控制器的参数自适应更新时,控制器易受冲击性干扰的影响而出现振荡甚至是发散。为了抑制冲击性干扰对控制器的影响,提出了归一化滤波语音压缩?律变换的最小均方(normalized filtered-x?law mean square,NFx?LMS)算法。该算法采用经语音压缩?律函数变换后的误差信号的均方作为代价函数,并对参考信号做归一化处理以提高算法鲁棒性。算法可以根据不同声场环境的初级噪声特点选取不同的压缩系数以提高算法的实用性。仿真显示,在冲击性干扰的环境下,论文提出的算法表现出很好的鲁棒性和收敛效果。     

基于灰狼算法的局部放电信号快速自动降噪算法

局部放电是电网稳定运行的隐患，有必要对电缆、电气设备的局部放电(PD)进行实时、准确的分布式在线监测。为了解决传统PD信号降噪算法中降噪效果较差、占用算力资源较多、降噪速度较慢、自适应性较差等问题，提出了一种基于灰狼算法优化变分模态分解(GWO-VMD)的PD信号降噪算法。该算法首先利用灰狼优化算法(GWO)自适应选取VMD分解参数k和α获得分解后各模态分量；然后根据最小包络熵选择并重构模态分量；最后利用自适应阈值小波函数对分解重构得到的PD信号进行处理，实现了对PD信号快速有效的自适应降噪。本文对理论PD信号和实测PD信号进行仿真降噪处理，实验结果表明所提GWO-VMD算法在降噪效果、算力资源利用率和降噪速度上有明显提升，可为基于电力物联技术的局部放电在线监测系统边缘计算优化设计提供有益参考。     

多尺度混沌时间序列在载流故障预测中的应用

针对一类电力设备触点温度缓慢振荡上升的载流故障形态,提出了基于多尺度混沌时间序列预测的载流故障趋势预测方法。首先应用基于小波变换的噪声平滑算法对原始数据进行降噪处理,并利用降噪后的数据构造即时温度序列和多时间尺度的平均温度序列。通过将变步长的归一化最小均方误差算法应用于Volterra核函数的辨识中,提高核函数的辨识精度,从而获得更加准确的预测效果;采用上述改进后的Volterra自适应滤波算法对载流故障进行趋势预测。基于某电站实际运行数据的测试结果表明,所提方法能够在载流故障发生的初期阶段预测故障发展的整体趋势,计算量小且精度高,预测故障发生时间误差最小为1 min。     

基于ELMD-SVD和Prony的谐波间谐波检测方法

为了解决噪声干扰Prony算法提取谐波参数问题,提出了一种集成局部均值分解（ELMD）-奇异值分解（SVD）-Prony的谐波分析方法（ELMD-SVD-Prony）。首先采用ELMD分解含噪信号,对获得的一系列乘积函数（PF）采用K-L散度来确定含噪分量与有效分量之间的分界点,去除噪声分量并保留有效分量,对有效分量通过相空间重构Hankel矩阵,运用奇异值分解进行二次降噪并重构。最后将重构的信号与ELMD余项叠加得到去噪后的谐波信号,结合Prony算法检测谐波的频率、幅值与相位。仿真实验结果表明,该方法能有效降噪并提取谐波特征参数。     

基于变分模态分解和压缩感知的电力系统宽频振荡监测方法

随着“双碳”目标的提出，未来电力系统会有更高比例可再生能源及电力电子设备并网，会引发电力系统新型宽频振荡问题。因此针对电力系统宽频振荡“高噪声”和“宽频带”的特点，提出一种基于变分模态分解和压缩感知的自适应宽频振荡监测方法。对变分模态分解(variational mode decomposition, VMD)方法进行改进，自适应确定模态分解数，抑制噪声分量并监测识别振荡信号的有效信息。若监测到宽频振荡，将降噪处理后的宽频振荡数据通过压缩感知(compressed sensing, CS)方法上传，在调度中心对压缩数据进行重构，精确恢复宽频振荡信号，方便调度主站后续分析处理。算例表明所提方法可在高强度随机噪声的情况下保持宽频振荡监测的质量，克服高速采样后数据传输带宽的限制，并在实际电力系统宽频振荡信号监测中有良好应用。     

基于改进小波阈值的GIS局部放电在线监测白噪声干扰抑制研究

进行气体绝缘金属封闭开关设备(GIS)局部放电在线监测时,为解决多态性局部放电脉冲信号受白噪声的干扰问题,文中在现有的小波阈值算法降噪的基础上,构造了任意阶可导的新阈值函数,克服了硬阈值函数的不连续性,改进了软阈值函数存在的恒定偏差问题。通过仿真构建白噪声干扰下的多态性局部放电信号,使用降噪后信号的信噪比及均方误差作为降噪评价指标,分析比较该降噪算法与传统的基于硬阈值与软阈值的小波降噪算法,发现该方法更能有效的抑制噪声干扰。最后通过现场模拟电晕放电模型实验,验证改进阈值算法适合应用到GIS局部放电在线监测系统中。     

基于改进多信号矩阵束算法的电力系统低频振荡识别

提出了适用于电力系统低频振荡模态识别的改进多信号矩阵束算法。利用奇异值分解（Singular value decomposition,SVD）分离信号和噪声子空间,确定阶数并消除信号噪声。通过建立多信号归一化的样本函数矩阵对矩阵束算法进行改进,辨识电力系统模态。利用原始Prony法、谐波恢复的Prony法和改进的多信号矩阵束法,对理想信号和仿真系统进行分析。结果表明多信号矩阵束法的辨识精度较高,具有一定的抗噪能力,并且通过对多信号归一化的处理避免了不同类型信号叠加时较小信号的湮没,适用于低频振荡在线识别。     

基于VMD-HDNLM的下肢肌电噪声信号处理方法研究

针对归一化最小均方（NLMS）算法初始滤波效果较差以及非局部均值(NLM)滤波鲁棒性较差的问题，本文提出一种基于变分模态分解(VMD)-豪斯多夫距离非局部均值（HDNLM）滤波改进模型。对于下肢肌电信号中的电力线干扰和高斯白噪声，利用VMD对含噪声信号进行分解，通过HDNLM对分解信号进行滤波，并把滤波输出的信号进行叠加，最后利用信噪比(SNR)和改进的均方根误差(IRMSE)来评价算法的性能。实验结果表明，在16块肌肉肌电信号中，当噪声幅值是0.1~0.2 M时，NLM及其改进NLM(INLM)相对于VMD-HDNLM和NLMS，其平均滤波的效果较好；但是当肌电信号噪声幅值是0.3~0.5 M时，VMD-HDNLM的IRMSE值相对于NLM、NLMS和INLM平均提高0.64%、1.84%、3.11%和13.95%、12.77、11.07%以及1.05%、1.74%、2.85%。与此同时，VMD-HDNLM算法要比NLM、INLM算法取得IRMSE较小值的参数范围更广，其鲁棒性较好，在实际情况中取得较优值的概率更大。     

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。     

基于改进EMD的GIS局部放电特高频信号降噪方法研究

特高频法检测GIS局部放电时往往受到不同类型的噪声干扰,天线采集到微弱的特高频信号容易被噪声淹没,导致局部放电检测不准确甚至检测系统在现场无法正常工作等问题。针对上述问题,提出一种基于改进EMD的GIS局部放电特高频信号降噪方法。该方法利用对偶树复小波(Dual-Tree Complex Wavelet Transform,DTCWT)对经验模态分解(Empirical Mode Decomposition,EMD)降噪法进行改进并对GIS局部放电特高频信号进行降噪。利用EMD法将含噪信号分解为一系列的固有模态函数(IMF)分量,然后利用联合分布模型进行每个IMF分量的DT-CWT降噪的小波系数估计,对每个IMF分量进行降噪。最后将降噪后的IMF分量进行信号重构得到降噪后的信号。GIS局部放电特高频信号降噪试验结果表明了该方法达到很好的噪声与非噪声信号的分离效果,拥有较高信噪比,以及能够保持早期局部放电特高频信号特征。     

基于改进LMD的谐波扰动检测新方法

局部均值分解LMD是一种处理非线性、非平稳信号的新方法。但是该算法存在滑动平均步长较难选择、计算速度慢、端点效应等理论问题。为了解决这些问题,提出了一种改进的LMD算法。首先采用支持向量机和镜像延拓相结合的方法将信号端点延拓,再用3次B样条插值求取包络线,最后分解得到乘积函数,并将该方法用于谐波及暂态谐波失真信号的检测中。仿真结果验证了该算法的可行性和有效性。     

疲劳裂纹扩展电位信号的最优光滑降噪算法

在采用直流电位降法对疲劳裂纹扩展过程进行实时监测时,由于受到多种噪声干扰使疲劳裂纹扩展电位信号不准确。 为了提高其准确性与光滑性,对疲劳裂纹扩展电位信号建立基于变分模态分解(VMD)的最优光滑降噪算法,将裂纹电位信号 进行 VMD 分解后,根据各个模态分量的样本熵、相关系数和均方误差等指标,剔除裂纹电位信号中的噪声分量和对含噪的有效 模态分量进行降噪处理;然后选择合适的模态分量进行裂纹电位信号的重构,对比不同信号重构方案,选出最优重构信号;最后 对最优重构信号建立不同光滑滤波算法,通过对比光滑度、均方误差、信噪比等指标得出最优光滑降噪模型。 分析结果表明该 算法模型光滑降噪效果良好,降噪误差比为 0. 122 050,提高了监测信号的光滑性与准确性。     

融合自适应滤波和归一化PGC-Arctan的激光干涉测振信号解调算法研究

针对正弦相位调制激光干涉仪测振信号的解调,本文提出一种融合自适应滤波和归一化PGC-Arctan的解调方法。该方法在传统PGC-Arctan算法的基础上,通过准确识别载波相位延迟和相位调制深度对正交干涉信号对进行归一化处理,从而减小相位解调的非线性误差,同时引入基于最小均方算法的自适应滤波器对解调信号进行滤波降噪,进一步提高信号的SNDR（信噪失真比）。通过数值仿真和实验测试验证了算法的有效性,在实验室条件下,对频率为100Hz-3KHz声波激励的固体表面微振动进行了探测和解调。结果表明本文所述方法能够实现振动信号的精确解调,经自适应滤波后解调信号的SNDR平均提升了12dB。 关键词：激光测振;归一化;PGC-Arctan; 自适应滤波     

基于改进小波阈值函数和奇异值分解的电能质量扰动检测定位

为了在噪声环境下准确提取电能质量扰动特征,本文提出基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测定位方法。首先构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态的有效分离,再采用希尔伯特变换提取各模态幅值、频率等特征信息,同时基于奇异值分解实现对扰动信号的起止时刻的有效定位。最后分别采用不同类型的电能质量扰动信号进行仿真实验,实验证明本文提出的算法不仅具有良好的抗噪性能,同时具有较高的定位准确度和良好的鲁棒性。     

基于改进局部均值分解和概率神经网络的电压扰动识别

随着新能源技术的发展和普及，大量非线性用电设备接入电网对其电能质量产生了严重影响。为解决谐波扰动信号对电力系统带来的影响，提出将改进的局部均值分解LMD（local mean decomposition）和概率神经网络相结合，构造一种电压扰动分类器，对电力系统中的电压扰动信号进行识别分类。通过构造三角波形自适应地延拓扰动信号的方法抑制LMD的端点效应，应用改进LMD算法对扰动信号进行3层分解，得到具有电压信号幅频信息的乘积函数PF（product function）分量，将由PF分量构造的信号能量作为概率神经网络的输入，以识别和分类电压干扰信号。通过建立训练模型对电压扰动信号进行仿真实验，结果表明，该方法可以准确识别电压扰动信号，有助于提高电力系统中电压扰动信号的识别精度。     

基于LMD的全矢包络技术及其在TRT振动故障诊断中的应用

为了更加准确地提取高炉煤气余压透平发电机组(TRT)振动故障信息,提出了基于局部均值分解(LMD)的全矢包络技术。该方法采集TRT转子某一截面上互相垂直的2个振动信号,利用LMD分别将2个信号分解为若干乘积函数(PF)分量。对2个信号的PF分量的包络函数分别进行融合,得到全矢包络谱,利用其对TRT进行故障诊断。仿真和实际算例分析结果表明,较之单源信息分析方法,所提方法获取的故障特征更全面、准确。     

EMAT回波信号提升小波降噪最佳分解层数研究

分析了分解层数不同时重构信号间的最小均方误差变化趋势并根据分析结果结合高频系数白化检验自适应确定了最佳的分解层数。讨论了提升小波变换的提升算法以及新的阈值函数,使用了基于提升小波变换的改进阈值函数的方法和选取了一种最优的阈值方法并结合最佳分解层数对电磁超声回波信号进行了去噪处理,验证了算法的有效性。     

超声信号的改进EMD阈值方法降噪研究

在进行工业超声无损检测的过程中,由于环境、仪器等原因产生噪声,对后续缺陷分析等工作形成一定干扰,不利于完成后期数据分析。因此为了使信号的信噪比有所提高,提出了一种改进的经验模态分解阈值降噪算法。同时对比小波软阈值降噪法与经验模态分解清除重复间隔阈值的方法,在MATLAB仿真软件中建立超声回波数学模型并进行算法验证。实验结果表明,经验模态分解降噪方法优于小波阈值降噪,改进后的经验模态分解阈值降噪方法在信噪比、均方误差、光滑度3个方面均有所提高,达到了较好的降噪效果。