摘要：由于电力系统中的故障信号往往具有非平稳、非线性的特性,传统的故障识别方法往往难以取得理想的效果。因此,现提出基于hilbert-huang变换的配电自动化主站FA故障识别。首先,对配电自动化系统主站结构进行了设计与分析,其次,基于hilbert-huang变换提取FA故障信号,通过IMF的特性来捕捉电流波动的重要时刻点,最后,实现配电自动化主站的馈线自动化故障识别。实验结果表明:通过本次实验,验证了基于hilbert-huang变换的配电自动化主站FA故障识别的有效性和可靠性。该方法能够在故障发生后迅速准确地识别出故障的位置,为配电网的故障处理和恢复提供了有力的技术支持。

摘要：瞬变电磁法(TEM)是电法勘探的一个重要分支,具有受地形影响小、工作效率高、对低阻体分辨率高纯异常测量等优点.在野外数据采集过程中,瞬变电磁数据容易受到周边环境噪声的干扰.由于瞬变电磁的晚期信号能量弱,极易被噪声淹没,使得数据处理过程中出现假异常.为了更好地减弱噪声的影响,剔除假异常,得到真实的地下介质信息.本文把hilbert-huang变换(hilbert-huang Transform,简称HHT)方法应用到瞬变电磁数据处理中,通过对含有噪声的瞬变电磁仿真数据进行经验模态(Empirical Mode Decomposition,EMD)分解、重构,得到了真实的电磁信号,证明HHT方法在瞬变电磁去噪中可行.最后对TEM实测数据进行EMD分解、重构,结果表明该方法能够有效的压制噪声的干扰,突出TEM真实信号,较好的识别异常体的位置,提高TEM解译结果的准确性.

摘要：针对经验模态分解存在模态混叠现象,提出基于hilbert-huang变换与理想带通滤波器的系统识别方法。该方法利用傅里叶变换得到结构加速度响应频响函数,粗略估计固有频率范围,通过半功率带宽法设计理想带通滤波器,定量化确定通带带宽,使信号在经过滤波器后频域内零相移,同时不改变其幅值谱。结构响应通过指定频带的理想带通滤波器产生若干窄带信号,利用经验模态分解获取结构模态响应,经hilbert变换构造模态响应解析信号,并通过线性最小二乘拟合提取结构模态参数与物理参数。结果表明:半功率带宽法可实现带通滤波器频带的定量化设计,理想带通滤波器的零相移特点较好契合hilbert-huang变换用于系统识别的要求,两者结合可有效地解决模态混叠现象,减少虚假模态,大大提高结构系统识别精度。

摘要：针对利用快速傅里叶变换法处理管道超声检测信号的转换精度不高、容易误判等问题,提出了基于hilbert-huang变换的非线性、非平稳信号处理方法.对原始管道超声回波信号进行经验模态分解,将复杂信号分解为有限的几个固有模态函数,对其进行hilbert变换得到hilberthuang幅值谱,再对时间进行积分得到hilbert-huang边际谱,从而获取管道壁厚对应的频率信息.结果表明,所提出的方法相较于快速傅里叶变换法的精度更高,并满足管道壁厚的检测要求.

摘要：基于工程结构振动信号的分析与处理识别结构的模态参数,是结构健康监测和损伤诊断的重要手段之一。基于傅里叶分析的信号处理方法对非线性、非稳态信号的处理能力差,传统的模态参数识别方法也存在阻尼比识别精度不高的问题。基于hilbert-huang变换和自然激励技术,提出了一种新的模态参数识别方法,首先通过经验模态分解和hilbert变换提取信号的瞬时特性,进而利用自然激励技术和模态分析的基本理论识别结构的模态频率和模态阻尼比。利用这一方法,对12层钢筋混凝土框架模型振动台试验一测点的加速度记录进行了处理,识别了模态参数,识别结果与其它识别方法及有限元分析结果的对比表明该方法识别模态频率是可靠的,而模态阻尼比的识别虽然较传统的基于傅里叶变换的半功率带宽法有所改进,但识别的精准性仍然难以确认。

摘要：为提高有载分接开关(OLTC)机械故障诊断的自适应性、特征分辨率以及识别效率,提出一种包含聚合经验模态分解(EEMD)分解和hilbert边际谱分析的改进HHT方法,与混沌时间序列的Volterra模型相结合来提取OLTC的机械故障特征。具体应用时,首先对OLTC切换过程中的多通道振动信号进行EEMD分解得到固有模态函数(IMF)分量,然后应用hilbert谱分析法求取各IMF的hilbert边际谱。进一步,应用Volterra模型根据hilbert边际谱构建Volterra特征矩阵,以矩阵奇异值为故障特征参量。最后搭建了OLTC典型机械故障真型实验平台,采用文中方法获取并分析了几种典型机械故障的振动信号,并借助多分类支持向量机对数据集进行分类识别,验证了所提出故障诊断方法的有效性。与其他方法对比得知,新方法取得了较高的故障识别准确率。

摘要：提出一种利用hilbert-huang变换(HHT)处理分析室内地磁信号的方法。介绍HHT原理与方法,设计出一种室内地磁信号采集平台,对实际测量的室内地磁信号进行经验模态分解(EMD),并对分解后的固有模态函数(IMF)进行频谱和时频剖析,最后将经过HHT处理的原始信号进行重组。结果表明,HHT能用于描述复杂的室内地磁信号的非线性时变特征,为室内地磁信号的处理分析提供一种可行的方法。

摘要：提出了一种针对带串补高压输电线路的分层结构神经网络模型故障测距新算法。第1层为粗略判断故障位置的神经网络模型,利用一种新的信号处理方法hilbert-huang变换获取能量故障特征作为第1层神经网络的输入,判断故障发生在电容前或后;第2层为精确确定故障位置的神经网络模型,通过对神经网络的离线训练和对单端故障测距结果的在线补偿,最终得到精确的故障距离。该算法考虑了过渡电阻和分布电容的影响,克服了传统故障测距算法由于忽略分布电容导致在高阻接地故障时故障定位不准确的缺点。

摘要：hilbert-huang变换是处理非平稳信号的时频分析新方法,包括经验模态分解(EMD)和hilbert变换两部分。根据面波主要存在于低频分量中的特点,首先去除只含面波的IMF分量,然后对同时包含面波和有效波的IMF分量进行hilbert变换,在其时频平面中的位置(即时频通域)设计时频滤波器进行面波去除,最后把去除面波后的低频分量和只包含有效波的分量进行hilbert-huang反变换,得到去除面波后的地震记录。实际资料应用结果表明,该方法可以较好地压制面波,有效信号损失较少。

摘要：随着国内用电设备增多,电气火灾的发生率也有所升高,故障电弧检测的研究成为当今热点。本文提出一种hilbert-huang变换与支持向量机相结合的方法,其中采用hilbert-huang变换对不同负载电流波形进行时域分解,从而提取各模态分量的特征值。然后采用支持向量机的自适应分类方法,通过学习不同负载下hilbert-huang变换得到的特征值,自适应地区分正常运行状态与故障电弧运行状态。本文以调光灯、电吹风高档、电吹风低档、电风扇和电水壶等5种类型的常用负载作为研究对象,验证算法的正确性。