经验模态分解

摘要： 为了提高塑壳断路器故障诊断的正确率,根据D-S证据理论提出基于多信息融合的塑壳断路器故障诊断方法.首先,对断路器合闸声音信号和振动信号进行经验模态分解,提取不同信号的IMF包络能量熵,并作为特征向量输入LIBSVM(library for support vector machines)进行诊断,依据内部投票规则获得基本概率分配;然后将LIBSVM测试样本总分类正确率作为固定权重,构成声振信号的加权概率分配;最后通过D-S证据理论对声振信号加权概率分配进行决策层融合,得到断路器故障诊断结果.在实验室条件下,进行塑壳断路器操作试验,获得安装正常、安装松动、主拉簧断裂3种不同状态下的试验数据,并进行诊断分析,结果表明,融合诊断比单信息诊断的正确率高.

摘要： 针对传统分析方法难以分析非线性非稳态电网实测信号的缺点,文章提出了一种基于希尔伯特-黄变换(Hilbert-Huang Transform,HHT)提取电流相位的方法。为应对经验模态分解(Empirical Mode Decomposition,EMD)在分解过程中普遍存在的模态混叠现象,该方法通过添加基于原电流信号相关参数构造的辅助信号,将新电流信号分解为一系列固有模态函数(Intrinsic Mode Functions,IMF),若模态混迭现象去除,则将高频信号滤除,若未去除,迭代新辅助信号进行分析直至去除,提取已去除模态混叠的基频信号所在相应IMF分量,对其进行Hilbert变换,即可求得基频信号相位。通过MATLAB模拟实际电网中存在的电压暂降、谐波干扰等故障信号,仿真结果验证了此方法对相位提取的有效性和精度。

摘要： 针对单一生理信号特征信息不足以及个体特异性与全局阈值不匹配导致的情绪识别正确率低的问题,提出了一种改进的Relief F匹配多生理信号特征选择算法。通过小波包分解多生理信号并重构与情绪相关的6个波段,以及经验模态分解提取基于小波系数和重构信号本征模函数分量的8类特征;使用Relief F算法先获得优选特征组,再构建优化特征组权重获得全局最优匹配特征组,以及与其对应的匹配通道;并采用概率神经网络结合全局最优匹配特征组训练情绪分类模型。结果表明:该方法能够较好地对愉悦、愤怒、放松、悲伤4类情绪进行分类,其平均识别正确率分别为90.89%、85.39%、82.81%、87.56%,对比单一生理信号平均提升了1.76%,验证了此方法的有效性。

摘要： 为了建立高精度的燃煤锅炉NO_(x)排放量预测模型,提出了一种考虑时延特征的基于深度学习的燃煤锅炉NO_(x)排放量建模算法。结合机理分析和lasso算法分析特征变量重要性,选取与NO_(x)排放量最相关的变量,进一步分析所选取变量与NO_(x)排放量之间的时延相关性;确定模型输入变量后,采用经验模态分解方法对输入变量时间序列进行分解,提取其中的频域信息与时域信息,构造建模数据库;设计深度神经网络结构并优化网络参数,建立NO_(x)排放量预测模型。基于火电厂实际运行数据的实验结果表明,在多种工况下,所提出的算法预测误差均小于2%,能够满足实际生产对NO_(x)排放量预测精度的要求。

摘要： 本文对船舶储能三电平BUCK-BOOST双向变流器IGBT开路故障检测方法进行研究。首先分析了三电平BUCK-BOOST双向变流器开路故障的电流响应及其特征,然后提出一种基于开关模态本征频率特征的变流器开路故障检测方法。该方法采用经验模态分解理论获取输入电流中固有的开关模态分量,通过希尔伯特变换得到开关模态频率并根据其变化特征对IGBT开路故障进行检测。最后,论文通过仿真与实验对该方法的可行性与有效性进行验证。研究结果表明,利用瞬时频率法可在开关周期(如0.1 ms)内有效检测变流器IGBT功率器件开路故障,具有速度快、准确率高、以及动态鲁棒性好等优点,可为变流器容错控制提供及时故障信息。

摘要： 针对铁路10 kV配电网多类能源的用能需求,建立一种含混合储能的铁路配电网综合能源系统规划模型。设计铁路10 kV配电网区域综合能源系统架构;针对光伏出力波动平抑需求,提出一种基于经验模态分解的光伏出力高频分量提取方法,并联合典型日负荷数据生成考虑多类光伏高频分量平抑需求的场景集。在此基础上,以等值年总成本最低为目标、混合储能和综合能源系统的运行和功率平衡为约束,建立综合能源系统优化配置模型并利用混合整数线性规划算法求解该模型。最后,以我国北方某铁路10 kV配电网为例,分析验证了混合储能接入综合能源系统在平抑分布式能源出力波动、提升系统经济效益方面的有效性。

摘要： 为了更有效地提取电力负荷数据中的潜藏特征与隐藏信息,提高电力负荷预测精度,针对负荷具有较强非线性、非平稳性和时序性特点,提出一种基于经验模态分解(empirical mode decomposition,EMD)、卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long-term and short-term memory network,LSTM)的混合模型短期电力负荷预测方法,将海量过往负荷数据、温度和历史电价信息以滑动窗口方式构造串联特征向量作为输入,先利用EMD将数据重构成多个分量,将高、中和低频分量各自叠加组合,再运用CNN提取高、中分量的潜藏特征,减少权值数量,并以特征向量的方式输入LSTM网络进行负荷预测,最后叠加各分量预测结果得到最终负荷预测值。实验结果表明,相对于BP神经网络(Back Propagation Neural Network)、支持向量机(support vector machine,SVM)、LSTM模型和EMD-LSTM模型,此模型具有更高的负荷预测精度。

摘要： 针对储能平抑风电成本过高的问题,提出一种考虑置信水平的混合储能平抑风电波动新方法。首先对比在不同时间常数下混合储能对典型日风电出力波动的平抑效果,得到储能参考功率,采用经验模态分解(EMD)将储能参考功率分解成一系列本征模态函数(IMF);然后利用瞬时频率—时间曲线混叠最少将储能参考功率划分为功率型高频储能配置和能量型低频储能配置,基于储能成本对其进行合理选型;最后对湖南某风电场实际运行工况进行算例仿真,仿真结果表明:考虑置信水平后,储能平抑风电波动所需要的容量和功率明显降低。

摘要： 流激振动是衡量水泵水轮机运行稳定性的重要参数。本文基于国内某水泵水轮机发电工况停机暂态过程中的实测顶盖振动信号,分别使用经验模态分解、变分模态分解和希尔伯特变换等方法对其进行时频分析,并获得如下结论。首先,相比经验模态分解,从基于变分模态分解的希尔伯特时频谱图中能够更为直观地观察到顶盖振动信号的时频信息。其次,时频分析结果表明,顶盖振动主要是由于旋转叶轮与静止的活动导叶之间的动静干涉作用而引起的流体异常压力脉动在过流部件中传播所导致的。最后,随着机组停机过程中流量逐渐减小,由流体激发的异常压力脉动逐渐减弱,动静干涉强度逐渐降低,顶盖振动也逐渐减弱。

摘要： 针对冷负荷预测问题,提出了一种基于相空间重构(PSR)、经验模态分解(EMD)和径向基神经网络(RBFNN)的冷负荷组合预测模型。该模型首先利用经验模态分解方法,把冷负荷序列分解为少数模态分量,然后利用分组分量法将其分为多个高频子分量、总低频分量和残余量,最后以PSR为基础对各分量利用RBFNN方法建模并将预测结果重构。该方法应用于实际冷站负荷预测后,与单一RBFNN、SVM、LSSVM及基于EMD的SVM、基于EMD的RBFNN5类方法进行比较,结果表明该方法对冷负荷预测精度有明显提高。

摘要： 基线漂移(BW)是一种由于人体呼吸、肌肉收缩、电极与接触面接触不稳定等原因所产生的噪声,常对心电图(ECG)设备的信号采集造成干扰.为了更好的去除ECG检测设备在采集ECG信号的过程中所产生的基线漂移(BW)噪声,该文提出一种基于经验模态分解联合小波阈值(EMD-WT)的方法来去除BW噪声,该方法可根据经验模态分解(EMD)获得的固有模态分量组(IMFs)来自适应确定噪声主导的IMFs分量,再结合小波阈值(WT)方法对信号进行去噪.研究结果表明,所提EMD-WT方法不仅在ECG的BW噪声去除方面具创新性以及优越性,同时对比去噪前后定量分析结果,该方法具有较低的均方误差(MSE),百分比均方根差(PRD),以及较高的相关系数(R).

摘要： 采用误差补偿技术对曲面的加工误差进行补偿,是提高该类零件加工精度的有效方法.针对加工误差进行经验模态分解(Empirical Mode Decomposition,EMD),将加工误差分解为若干个固有模态函数(IMF)和一个res趋势项函数,根据系统误差的特征,趋势项函数中一定存在系统误差,利用自相关分析法和频谱图对固有模态函数进行分析是否存在周期性变化系统误差,最终分解出系统误差和随机误差.搭建数控机床在线检测的实验平台,实现曲面零件的系统误差补偿.通过一个曲面零件的加工实验,补偿加工后的曲面精度提高了86.0％.仿真算例和实验结果表明,基于经验模态分解方法的加工误差补偿能够有效提高曲面零件的加工精度.

摘要： 针对风电场风速时间序列的非线性、非平稳性特征,提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)、时间序列法和卡尔曼滤波(Kalman Filter,KF)的组合预测方法,并用于短期风速预测.首先采用EMD将风速时间序列分解为一系列本征模函数(Intrinsic Mode Function,IMF);其次利用自回归滑动平均(Auto Regressive Moving Average,ARMA)模型建立符合每一个IMF变化规律的模型方程;然后基于各IMF模型方程建立卡尔曼滤波的状态方程和观测方程,实现对各IMF的预测;最后将各IMF的预测结果进行叠加得到最终风速预测值.将该方法与ARMA+KF模型和EMD+ARMA模型的风速预测结果进行对比,结果表明:采用组合预测方法能够提高预测精度,同时预测延时小.

摘要： 为适应泛在电力物联网建设的需要,数据的深度感知成为当前亟需解决的问题.负荷预测作为电网企业的基础问题,对负荷进行精准预测成为建设泛在电力物联网的依托.随着现代电力设备的普及和深度学习算法的研究深入,电网对于负荷相关数据的获取和掌握更加方便,可借助深度学习算法进行更加准确的预测.提出采用经验模态分解算法对负荷数据进行分解,随后基于长短期记忆神经网络对分解后的各分量进行预测并加和,最后对提出的模型进行了实验验证.

摘要： 随着多模导航定位的日益广泛应用,其中的复杂误差源仍需进一步研究,本文针对多路径效应这一主题及当前存在的主要问题,提出了将经验模态分解(Empirical Mode Decomposition---EMD)与无线认知(Radio Cognition)融合,实现多路径的自主提取与智能识别,以克服当前多路径分析中的一些问题.综合而言,EMD分解利用数据序列自身满足的函数特性,运用多级模态分解的方法得到了不同频谱尺度下的蕴含信号结果,克服了小波变换中的母函数基底选取而带来的歧义性,但是EMD对分解的层次结果不能合理地解释其内蕴对象及属性分类,对此本文引入无线认知方法,通过多路径效应、电离层延迟、接收机噪声及各种偏差特性的知识分析,形成各种误差的本体对象,并建立对应的无线与环境知识池,通过自学习的对象发现与认知,对EMD层次结果进行合理分类,从而实现多路径的提取与发现,形成EMD多层次结果的专家分析系统.本方法的特点还包括:1.不需要经过定位观测值的平差数据处理,直接对基本观测量及其组合序列进行分析,避免了对基本观测卫星数量的要求;2.对静态及动态观测条件均适用,克服了静态数据分析中多天重复性观测及滤波处理的条件需求;3.运用EMD与无线认知的融合,可将该分析体系进行推广,使之能同时分析卫星故障、大气环境异常等复杂场景的导航定位诊断,并通过实测数据进行了分析验证.

摘要： 由于滚动轴承在较早时段会表现出弱故障信号、低信噪的特点,所以很难准确判断出故障.本文主要通过对相同的滚动轴承的故障信号分别用变分模态分解(VMD)、小波包变换、EMD分解、CEEMD(完整式集合经验模式分解)、以及以小波去噪分析为基础的经验模态分解(EMD)等不同方法,进行比较滚动轴承故障诊断的研究分析.研究结果表明:VMD方法可以简单的看出故障频率所在的范围,但是不易辨别出故障类型;小波包变换:根据不同层次对频带进行区划,进而增加对时频的辨识度,但不能较好去除噪声影响;经验模态分解会存在模态混叠现象;在去噪效果上更明显于经验模态分解方法是结合了小波降噪的特点与经验模态分解方法的双重降噪方法,其效果近似于总体经验模态分解方法;而CEEMD避免了出现模态混叠的现象,对于故障特征信号的提取,可以比较轻易诊断滚动轴承的内圈的微弱故障,并且对于故障类型的判断更加准确;通过多种诊断方法比较发现,单一的故障诊断方法并不适用于早期微弱信号的故障诊断研究.

摘要： 为在强噪声下准确利用单通道测量信号进行齿轮故障诊断,提出了将经验模态分解(EMD)与约束独立成分分析(CICA)相结合的算法.该算法首先对采集的单通道齿轮箱测量信号利用EMD分解以实现降噪及单通道扩展,采用基于峭度和连续均方误差准则相结合的方法选取合适的本征模态函数(IMF),然后将选取的IMF和源信号作为CICA的输入信号,提取目标信号,识别故障特征.为了验证该算法的有效性,进行实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断.

摘要： 为了提取更为有效的滚动轴承故障特征,提出了奇异值分解(SVD)与经验模态分解(EMD)、小波包分解(WPD)相结合的特征提取方法.首先采用EMD或WPD方法分析滚动轴承振动信号,并用得到的分量构造Hankel矩阵;然后对构造的矩阵进行奇异值分解,并选取前s个较大的奇异值作为其有意义的特征量;最后拼接各个分量对应的奇异值,组成能反应信号特征的特征向量.并用仿真信号和实际信号验证了该方法的优越性和适应性.

摘要： 非平稳极端风,包括台风、下击暴流和龙卷风,是大跨度桥梁等结构的主要破坏因素.下击暴流风速在短时间内出现较大的变化,具有较强的非平稳性.因此,需要使用时频技术来分析下击暴流风速.为多变量非平稳风速时频分析、模拟和预测的相关性研究及其验证提供参考,本文使用经验模态分解(EMD)和多变量经验模态分解(MEMD)对多变量下击暴流风速进行分解.基于EMD和MEMD的分解结果,探究模态混叠现象对多变量非平稳风速间歇相关性的影响规律.

摘要： 现有城市轨道牵引供电系统中直流保护所采用的主保护DDL难以区分故障电流及具有相似电流量特征的非故障电流.本文基于短路故障电流的特点及其与非故障电流的差异性,提出一种利用EMD分解电流信号并选取各IMF分量的能量权重为参数计算残余分量能量权重占比与能量熵的方法判定故障电流信号.该方法应用于识别城市轨道交通直流牵引网的短路故障电流,可用作DDL保护的后备保护.

摘要： 一种基于经验模态分解与改进变分模态分解的齿轮箱复合故障诊断方法，该方法包括以下步骤：获取目标齿轮箱的复合故障振动信号；利用经验模态分解方法对齿轮箱的振动信号进行自适应分解；针对经验模态分解时可能出现的虚假模态分量问题，利用能量法消除虚假模态；计算得到与原始信号相关性较大的模态分量并构成组合模态分量；提出采用包络熵与波形法相结合来对变分模态分解的模态个数k与惩罚因子α进行改进，并对组合模态分量进行分解；最后对变分模态分解得到的有限带宽模态分量进行包络解调分析，提取齿轮的故障特征。将本发明应用于实际齿轮箱中齿轮点蚀‑磨损复合故障振动信号的分析，成功分离并提取了故障特征，取得了良好的效果。

摘要： 本发明公开了基于经验模态分解和奇异值分解的振源数估计方法，包括S1：采集行星减速器振动观测信号；S2：采用经验模态分解方法对振动观测信号进行虚拟通道扩展；S3：采用奇异值分解方法求取通道扩展后振动信号的相关系数矩阵特征值；S4：利用K均值聚类方法分析相关系数矩阵特征值聚集结果，由最终聚类数量减去1作为振动信号盲源数估计结果，指导行星减速器的盲源分离和后续故障诊断。本发明解决行星减速器故障诊断过程中存在的观测传感器数量小于振源数量，无法准确估计行星减速器振动信号振源数量问题，可在不增加观测传感器硬件数量的前提下准确实现振动信号盲源数估计，提高基于振动信号分析的行星减速器故障诊断准确性。

摘要： 一种基于经验模态分解与改进变分模态分解的齿轮箱复合故障诊断方法，该方法包括以下步骤：获取目标齿轮箱的复合故障振动信号；利用经验模态分解方法对齿轮箱的振动信号进行自适应分解；针对经验模态分解时可能出现的虚假模态分量问题，利用能量法消除虚假模态；计算得到与原始信号相关性较大的模态分量并构成组合模态分量；提出采用包络熵与波形法相结合来对变分模态分解的模态个数k与惩罚因子α进行改进，并对组合模态分量进行分解；最后对变分模态分解得到的有限带宽模态分量进行包络解调分析，提取齿轮的故障特征。将本发明应用于实际齿轮箱中齿轮点蚀‑磨损复合故障振动信号的分析，成功分离并提取了故障特征，取得了良好的效果。

摘要： 本发明涉及一种经验模态分解中模态混叠问题的自适应解耦方法，包括：将待分解的信号中添加噪声，获得加噪信号；从所述加噪信号中提取局部极值点；从所述局部极值点中挑选窗极值点；利用所述窗极值点构造上、下包络线；根据所述上、下包络线计算当前包络均值；根据所述加噪信号与当前包络均值获得当前残差信号；判断当前迭代的包络均值是否小于第一阈值，当前残差信号作为第一内蕴模态分量；判断当前迭代获得的窗极值点的个数是否小于等于设定的第二阈值；如果是，则获得了第一内蕴模态分量和趋势项；其中，所述趋势项通过待分解的信号中添加噪声的加噪信号减去第一内蕴模态分量获得。

摘要： 本发明公开了一种基于AMD的去除经验模态分解中模态混叠方法，包括以下步骤:(1)对原始信号进行EMD分解，得到各个固有模态函数，观察固有模态函数是否存在模态混叠现象；(2)求出第一个固有模态函数的瞬时频率特性，可根据其判断是否存在模态混叠现象；(3)若IMF1的瞬时频率存在差异较大的频率成分，则说明出现模态混叠现象，并可根据瞬时频率得出间断信号的起止时刻；(4)若存在模态混叠现象，则根据IMF1瞬时频率中频率成分确定二分频率值；(5)利用该二分频率值对原信号进行AMD分解，提取出间断信号后再进行EMD分解。本发明能有效地消除EMD分解过程中的模态混叠现象，使IMF更可靠地反映真实物理过程。

摘要： 本发明公开了一种经验模态分解‑局部均值分解联合方法，涉及信号处理技术领域，该方法包括：S1：针对非线性非稳定的原始信号，进行经验模态分解，得到所有的固有模态函数；S2：以所有的固有模态函数作为输入，使用局部均值分解方法进行分解，得到瞬时频率物理意义明确的处理信号。采用本发明的技术方案能够克服以往由希尔伯特‑黄变换产生的负频率问题，同时具备强鲁棒性并且得到的瞬时频率物理意义明确，从而能够适用于处理自然界及工程领域的复杂非线性非稳定信号。

摘要： 一种基于经验模态分解的功率频域分解优化方法，包括以下步骤：步骤1)：建立混合储能系统中储能元件的数学模型；步骤2)：利用经验模态分解算法，将功率需求指令信号分解为不同阶数的固有模态函数；步骤3)：利用希尔伯特黄变换方法，将各阶固有模态函数转化为瞬时频率‑时间的函数；步骤4)：建立以频率为变量的混合叠加能量优化模型；步骤5)：利用遗传算法对频率的混合叠加能量优化模型进行求解，寻找混合叠加能量最少的频率。本发明降低了混合储能系统配置容量，以及综合成本，与传统方案相比，具有较大优势。

摘要： 本发明公开了一种基于小波分解与经验模态分解的异常电流诊断方法和系统，涉及复杂电路异常电流诊断技术领域；本发明的方法包括步骤有：获取对每一种带故障信息的电流数据分别进行小波分解获得小波系数；通过小波系数计算每种带故障信息的电流数据的方差、归一化能量值、第一能量熵；利用经验模态分解方法分解每种带故障电流数据得到不同的本征模态分量，并通过本征模态分量计算第二能量熵；将方差、归一化能量值、第一能量熵和第二能量熵构建成电流信号特征向量；通过特征向量训练分类器；将训练好的分类器对电流数据进行异常诊断；本发明解决了识别多种电气故障类型的复杂电路故障诊断方法，克服故障类型诊断准确率低的技术问题。

摘要： 本发明公开了基于经验模态分解和奇异值分解的振源数估计方法，包括S1：采集行星减速器振动观测信号；S2：采用经验模态分解方法对振动观测信号进行虚拟通道扩展；S3：采用奇异值分解方法求取通道扩展后振动信号的相关系数矩阵特征值；S4：利用K均值聚类方法分析相关系数矩阵特征值聚集结果，由最终聚类数量减去1作为振动信号盲源数估计结果，指导行星减速器的盲源分离和后续故障诊断。本发明解决行星减速器故障诊断过程中存在的观测传感器数量小于振源数量，无法准确估计行星减速器振动信号振源数量问题，可在不增加观测传感器硬件数量的前提下准确实现振动信号盲源数估计，提高基于振动信号分析的行星减速器故障诊断准确性。

摘要： 本发明提供了一种基于经验模态分解分解的内蕴模式函数的光滑方法及装置。该方法包括：对基于经验模态分解EMD方法分解得到的内蕴模式函数IMF分量信号进行带通滤波，得到参考信号；调整小波包滤波参数，对所述内蕴模式函数IMF分量信号进行自适应小波包滤波，得到滤波后的内蕴模式函数IMF分量信号；计算所述参考信号和滤波后的内蕴模式函数IMF分量信号的相关系数，并将根据最大的相关系数对应的小波包滤波参数得到的滤波后的内蕴模式函数IMF分量信号作为对所述内蕴模式函数IMF分量信号的光滑处理结果。本发明能够清除保留在IMF分量信号中的噪声，修复高频间歇信号引起的低频IMF分量信号的非连续变形。