[发明专利]基于频移集合经验模态分解的谐波检测方法及检测系统

摘要

本发明公开了一种基于频移集合经验模态分解的谐波检测方法及检测系统。该方法采用希尔伯特变换将信号变换，然后通过频移满足集合经验模态分解的条件，从而解决高次谐波分离问题。该方法能够克服谐波检测环境下间歇信号干扰问题，同时能够提高适用范围；有效解决了高次谐波间因频率相近不能完全分离的问题，而且能够准确的表达信号在时频面上的各类信息。该系统利用工控机和DSP作为核心器件。以工控机作为主机，实现复杂算法的检测并验证其效果，同时采用数据采集卡实现对谐波信号的采集；以DSP作为从机，用于验证复杂算法的实用性，采用锁相环电路，克服了电网频率波动影响，能够精确检测出电网电压频率，从而提高了谐波检测的精度。

主权项

1.一种基于频移集合经验模态分解的谐波检测方法，该方法基于一种谐波检测系统；该系统包括主机和从机；所述主机包括核心处理器模块和主机数据采集模块；所述主机数据采集模块包括主机电压传感器、主机电流传感器和数据采集卡；所述主机电压传感器和主机电流传感器分别与数据采集卡连接；所述数据采集卡与核心处理器模块连接；所述从机包括从机数据采集模块、数据处理模块、通讯模块、显示模块和电源模块；所述数据处理模块分别与从机数据采集模块、通讯模块、显示模块和电源模块连接；所述电源模块与从机数据采集模块连接；所述核心处理器模块通过通讯模块与从机连接；所述从机数据采集模块包括从机电压传感器、从机电流传感器、信号调理电路和锁相环电路；所述从机电压传感器和从机电流传感器分别与信号调理电路连接；所述从机电压传感器与锁相环电路连接；所述信号调理电路与数据处理模块连接；锁相环电路的输出与数据处理模块连接；该方法具体步骤如下：(1)对主机数据采集模块和从机数据采集模块采集的数据进行集合经验模态分解的方法处理，得到各个信号模态函数；(2)对各个信号模态函数通过相关度进行判断是否发生混叠现象：对于均为正弦信号且正弦信号间存在正交特性的谐波信号，若相关度为0，则表示两个正弦信号完全不相关，不混叠；由于集合经验模态分解存在误差，所以选取相关度为0.01作为阈值判断；对各个信号模态函数做相关度对比，若不存在混叠现象，则确定分解结果为单频信号；若发生混叠，相关度也会增大，则继续后续程序；(3)保留非混叠信号，重组混叠信号：非混叠信号即单频信号保留，将混叠的信号数据部分进行重组，后续程序只针对混叠信号数据进行分解；(4)对混叠的信号数据进行快速傅立叶变换测频，选取最低频率的两个信号作为参考：通过FFT测频，可以得到信号频域上的频率和幅值的信息，选取最低频率的两个信号即信号x1和信号x2，用于后续计算；(5)计算幅度比和频率比，得到频率偏移值：根据EEMD的分解条件，两个信号x1和x2之间的频率比至少为两倍关系即f1≥2f2，同时还要满足信号x1的频率f1与幅值a1的乘积需大于信号x2的频率f2与幅值a2的乘积，即a1f1≥a2f2；所以选取临界点作为分解参考值，即a1f1＝a2f2；由于两个信号是混叠信号，不满足EEMD分解条件，故先计算两信号的幅度比p，即a₂/a₁＝p(p≥2,1＜f₁/f₂＜2)；频率偏移值f_m满足a₁(f₁‑f_m)＝a₂(f₂‑f_m)，从而计算出对于幅度比，如果幅度比在两倍之内，同时频率比满足两倍，那么就满足分解条件；(6)混叠的信号数据进行Hilbert变换得到解析信号：对混叠数据x(t)进行Hilbert变换得到从而构造解析信号构造解析信号的好处是：不含有负频率；在研究信号的时频分析时，使用解析信号可以减轻正负频率在Ω＝0附近的交叉干扰，通常在进行频域分析时只取其正频率；其中傅里叶变化也是将信号变为复数形式的常用的方法，而傅里叶变化的一个重要性质就是其共轭对称性，具有正负频率对称结构，所以对于谐波检测系统来说，Hilbert更实用；(7)为了满足EEMD分解条件，对解析信号进行频率偏移处理：对步骤6)Hilbert变换后得到解析信号z(t)进行频率偏移处理，即频率偏移后信号中的实数部分，即满足EEMD分解条件；(8)对频率偏移后的数据进行EEMD处理：对步骤7)求得的频率偏移后满足EEMD分解条件的实数部分进行EEMD分解处理；(9)对分解后的信号模态函数进行频率偏移反变换，恢复信号原始频率特性：对分解后的信号模态函数进行Hilbert变换，求得对应模态函数的解析信号，然后对解析信号进行频率偏移反变换，即乘以取其实数部分，即得到分离的固有模态原始的频率特性；(10)重复步骤2)，若不存在混叠现象，则确定分解结果为单频信号；若发生混叠，则继续步骤3)；(11)分解结束，将保留的单频信号依次显示出来；保留的单频信号就是基波信号和谐波信号。