The invention discloses a fault diagnosis method for marine electric propulsion system based on improved empirical mode decomposition, which includes the following steps: acquiring fault data of marine electric propulsion system; acquiring intrinsic mode function data by improved empirical mode decomposition; acquiring intrinsic mode function data for different parts by RBF neural network analysis; and improving the method. The process of experimental mode decomposition is as follows: signal input; initialization parameter T is determined by cosine window definition; genetic algorithm is used to extend the original data ends; data windowing is used to improve the endpoint effect; empirical mode decomposition is used to eliminate modal aliasing; intrinsic mode function data is intercepted. The fault diagnosis method of marine electric propulsion system based on improved empirical mode decomposition is suitable for non-stationary, non-linear and multi-component signal characteristics of marine electric propulsion system fault, thereby improving the fault signal analysis ability.
【技术实现步骤摘要】
一种改进经验模态分解的船舶电力推进系统故障诊断方法
本专利技术涉及一种改进经验模态分解的船舶电力推进系统故障诊断方法。
技术介绍
随着海运事业的蓬勃发展,电力推进系统在船舶上得到广泛应用。电力推进系统是现代船舶在孤立无援大海中航行的唯一动力来源,被誉为船舶生命线。由于电力推进系统的复杂性和其运行海工况环境的恶劣性,特别是在离靠码头、进出狭窄水道、遇到极端环境、电网波动等情况下船舶电力推进系统表现出非稳定性和超出正常动态范围造成不可预期的船舶故障,因此,为了提高船舶运行的安全性,减少不必要的经济损失,保障船员人生安全,船舶电力推进系统的故障诊断得到了广大学者的重视和快速发展。经验模态分解(EmpiricalModeDecomposition,EMD)是由美籍华裔科学家Huang在1998年首次提出,它是根据信号自身局部时间特性自适应地将信号分解成一组具有物理意义的固有模态函数(intrinsicmodefunction,IMF)的线性组合,因此在信号滤波、去噪、信号分析、故障诊断等方面得到了广泛的应用。传统EMD方法是一种包络的“筛选”过程,其本质是一种滤波器。其算法流程如图1。由此,原信号可以表示为:其中的IMFi(t)即为获得的固有经验模态分量IMF,其可以是线性的,也可以是非线性的。通常可以用希尔伯特或能量算子变换获得各模态瞬时幅度和瞬时频率。由于传统经验模态分解是一种经验算法,目前没有精确的数学推理,因此存在包络拟合、端点效应、模态混叠、分解准则等关键性缺陷。这些缺陷是导致传统经验模态分解效果不理想的突出问题,也是限制传统经验模态分解算法广泛应用的重 ...
【技术保护点】
1.一种改进经验模态分解的船舶电力推进系统故障诊断方法,其特征在于包括如下步骤:(1)获取船舶电力推进系统故障数据;(2)将故障数据通过改进经验模态分解获取固有模态函数数据;(3)针对不同部位获取固有模态函数数据进行RBF神经网络分析得到故障原因;其中步骤2中改进经验模态分解流程如下:信号输入;(1)利用余弦窗定义确定初始化参数△T;(2)对原始数据两端通过遗传算法延拓;(3)对数据加窗处理改善端点效应;(4)对数据消除模态混叠的经验模态分解处理;(5)截取固有模态函数数据。
【技术特征摘要】
1.一种改进经验模态分解的船舶电力推进系统故障诊断方法,其特征在于包括如下步骤:(1)获取船舶电力推进系统故障数据;(2)将故障数据通过改进经验模态分解获取固有模态函数数据;(3)针对不同部位获取固有模态函数数据进行RBF神经网络分析得到故障原因;其中步骤2中改进经验模态分解流程如下:信号输入;(1)利用余弦窗定义确定初始化参数△T;(2)对原始数据两端通过遗传算法延拓;(3)对数据加窗处理改善端点效应;(4)对数据消除模态混叠的经验模态分解处理;(5)截取固有模态函数数据。2.根据权利要求1所述的一种改进经验模态分解的船舶电力推进系统故障诊断方法,其特征在于:改进经验模态分解流程的步骤4中消除模态混叠的经验模态分解算法流程如下:A、待测信号x(t)输入;B、x(t)通过FFT获取Ai(w)和频点fi(w),并去除能量小于K的杂波;C、确定最大频点fm=max(fi(w)),并将其确定为频率转移载波fc(即wc);D、对x(t)信号构建希尔伯特解析信号X(t);E、X(t)与载波信号exp(-jwct)相乘得Y(t);F、构建Y(t)的实部X1(t)=Re[Y(t)]和虚部X2(t)=Image[Y(t)]函数;G、利用传统EMD算法确定X1(t)的模态分解Yre(t)、X2(t)的模态分解Yim(t);H、将Yre(t)和Yim(t)通过公式计算得到Y(t),Y(t)=Yre(t)+Yim(t);I、Y(t)的每个固有模态与载波信号exp(-jwct)相乘得X(t)的固有模态;J、取X(t)每个固有模态的实部。3.根据权利要求2所述的一种改进经验模态分解的船舶电力推进系统故障诊断方法,其特征在于:步骤G中确定X1(t)模态分量Yre(t)为传统模态分解过程包括如下步骤:a、构建上、下包络线;b、计算包络线均值h(t),并计算包络线均值m(t);c、计算插值h(t)=Yre(t)-m(t),若h(t)未满足固有模态函数条件...
【专利技术属性】
技术研发人员:胡红钱,施伟锋,卓金宝,谢嘉令,
申请(专利权)人:上海海事大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。