为更全面提取转子故障特征,将全矢谱和复局部均值分解(Complex local mean decomposition,CLMD)相结合,提出二元的全矢包络技术——CLMD全矢包络技术。采用正交采样技术获取转子同一截面上互相垂直方向上的振动信号,并将其组成一个复数信号;运用CLMD将复数信号按能量从高到低的顺序依次分离出系列复乘积函数(Complex product function,CPF),并解调出CPF的复包络;由于故障特征主要在能量较高的CPF分量中,通过全矢谱技术融合前几阶CPF分量的包络信号,得到相应的全矢包络谱。仿真的调幅-调频信号分析结果表面,较之Hilbert解调,CLMD全矢包络技术可提取隐含的调频信息,而且不存在虚假的低频谱线。转子试验台模拟的基座松动信号、碰摩信号分析结果表明,较之单源信息的包络谱,CLMD全矢包络技术提取的谱线特征更清晰、全面,而且根据全矢包络谱可有效区分基座松动引起的碰摩和单一碰摩故障。
提出了基于局部均值分解(LMD)的同步电机参数辨识方法。采用LMD从短路电流中提取直流电流和基波电流,然后分别采用稳健回归最小二乘和Prony算法对直流电流和基波电流进行辨识,进而获得同步电机参数。以理想突然短路电流信号为例,通过仿真分析了滑动平均跨度与LMD循环次数和电流相对均方误差的关系,确定了滑动平均跨度。高信噪比(30 d B)时,由于LMD具有平滑滤波功能而无模态混叠现象发生。低信噪比(15 d B)时,提出了基于前置滑动平均LMD的短路电流分离方法,可有效获取直流电流和基波电流分量。较之经验模态分解(EMD),基于LMD的理想突然短路电流分解效果更好。仿真结果表明,与EMD方法相比,所提方法受噪声影响较小,参数辨识精度更高。
介绍了一种新的非线性、非平稳信号分析方法——局部均值分解(local mean decomposition,LMD),分析了LMD用于扰动信号检测时的优缺点及原因。在此基础上,提出一种改进的局部均值分解(improved local mean decomposition,ILMD)电能质量扰动检测及时频分析新方法,该方法由LMD和希尔伯特变换(Hilbert Transform,HT)2部分组成。先用LMD提取信号的乘积函数(product function,PF),由PF分量的调幅函数可得信号瞬时幅值;再对PF分量进行HT求取瞬时频率。ILMD方法可有效定位发生扰动的起止时刻,克服LMD在定位能力上的不足。与采用希尔伯特黄变换(Hilbert Huang transform,HHT)方法相比,ILMD具有瞬时幅值函数端部失真小、瞬时幅频曲线波动小和幅值与频率检测精度高等优点。仿真信号和500 kV变电站电容器组投切时的电压信号分析结果证明所提方法的可行性和有效性。
