HHT在爆裂噪聲檢測中的應用研究

陳曉娟，申雅茹，陳東陽

（東北電力大學信息工程學院，吉林吉林132012）

HHT在爆裂噪聲檢測中的應用研究

陳曉娟，申雅茹，陳東陽

（東北電力大學信息工程學院，吉林吉林132012）

該文應用一種新型的非線性非穩態信號處理方法——希爾伯特黃變換（hibert huang tramsform，HHT）進行逆變器中低頻噪聲-爆裂噪聲的檢測與定位，該方法利用經驗模態分解（empirical mode decomposition，EMD）將待測信號分解為各基本模態分量（intrinsic mode function，IMF），然后對所得IMF進行自適應閾值去噪。經希爾伯特變換（hilbert transform，HT）后，其瞬時振幅與瞬時頻率即可清晰表現出爆裂噪聲特點與準確突變位置與時長。通過與小波去噪和小波模極大值去噪檢測進行對比分析可得，該方法可以同時從時頻兩方面對信號進行分析，能夠實現對故障信號的準確檢測與定位。

模擬電路；爆裂噪聲；EMD；小波模極大值

逆變器中的開關器件由半導體器件組成，由于半導體器件中溝道載流子的隨機發射與俘獲過程產生g-r噪聲，爆裂噪聲就是g-r的過激噪聲。

常用的爆裂噪聲檢測方法中，小波分析檢測能夠找到爆裂的突變點，但是在處理信號過程中，由于人為選擇分解層數與小波基，不能保證最優的分解效果，從而無法達到最優的去噪效果。而小波模極大值方法雖然能檢測到爆裂噪聲，其去噪效果卻不佳。本文采用經驗模態分解（EMD）自適應閾值去噪對信號進行檢測前的預處理，并采用希爾伯特變換（HT）實現對爆裂噪聲頻率和幅值的檢測[1-3]。

1 HHT方法

1.1 EMD分解

EMD方法將信號分解為不同的基本模態分量（IMF）。IMF必須滿足以下2點[4-5]：1）極值點和過零點的數目應該相等或至多差1；2）上下包絡線關于時間軸局部對稱。這樣一個信號就可以被分解為IMF分量。其中，IMF分量的確定過程即EMD的分解方法[6]步驟如下：

1）確定序列的極大值點和極小值點，將其用樣條曲線擬合，確定出上下包絡，求出其均值。

2）用原始序列x（t）減去均值。

3）判斷h1（t）是否滿足IMF的基本條件。

4）設置一個結束條件。

1.2 自適應閾值去噪

將信號經EMD分解后，各個IMF中含有與爆裂噪聲一同輸出的白噪聲和其他熱噪聲。這里將待分析的爆裂噪聲作為信號，其他熱噪聲作為背景噪聲。為更準確定位爆裂噪聲，先對其進行去噪處理。采用Donoho和Johnstone提出的軟閾值去噪公式：

式中：Madi——第i層IMF的絕對中值偏差；

σi——第i層IMF的噪聲水平；

N——第i層IMF的長度；

Γi——所求閾值。

經閾值Γi處理后的第i層IMF Ci（t）為

將去噪后的Ci（t）進行重構即可得到較為清晰的信號。

1.3 Hilbert變換

實信號X（t）的Hilbert變換定義[7]為

得到解析信號

其瞬時包絡（振幅）[8]、瞬時相位、瞬時頻率分別為

以上的EMD、EMD去噪及與其相適應的HT構成的方法稱為Hilbert-Huang變換（HHT）。

2 小波模極大值檢測方法

小波模極大值根據信號與噪聲在不同尺度上的模極大值的不同傳播特性，一般信號的小波模極大值隨著j的增大而增大；而白噪聲一類的信號其模極大值隨著j的增大而減小。因此，觀察不同尺度間小波變換模極大值變化的規律，去除幅度隨尺度的增加而減小的點（對應噪聲的極值點），保留幅度隨尺度增加而增大的點（對應于有用信號的極值點），然后再用交替投影法由保留的模極大值點進行重建，即可達到去噪的目的。檢測爆裂噪聲即可根據其模極大值位置判定爆裂噪聲發生時刻與持續時間。

3 小波分析檢測方法

檢測原理：

式中：y（n）——含噪聲信號；

f（n）——爆裂噪聲信號；

e（n）——高斯白噪聲信號；

σ——白噪聲信號標準方差；

n——信號長度。

經過正交小波變換后，信號對應的小波系數即低頻系數，其數量分布少但相應幅值大；而噪聲對應的小波系數即高頻系數，分布多且幅值小。針對這種情況，數學家提出了基于閾值的小波去噪方法，即在眾多的小波系數中，把絕對值較小的系數置為0，而讓絕對值較大的系數收縮或保留。這樣得到估計小波系數，然后利用估計小波系數值進行信號重構，從而達到去噪的效果。

4 實驗分析

4.1 數據來源

由于電力電子器件的脆弱性，功率開關器件成為逆變電路中故障率最高的環節。開關器件出現故障，即為其中的半導體器件故障。在半導體器件中，溝道存在著能夠發射或者俘獲載流子的各種雜質中心。并且載流子相對于雜質中心的發射和俘獲是隨機的，正是由于這種隨機過程的存在，產生了電子或價帶空穴數量的隨機漲落，這種漲落稱為g-r噪聲，當g-r噪聲過激出現即為爆裂噪聲。爆裂噪聲是一種隨機低頻脈沖，重復頻率約為每秒幾百次，個別器件甚至每分鐘出現一次。本文截取一段逆變器的故障信號作為信號源進行分析，故障時刻分別為0～0.023 s，0.323～0.356 s，0.660～0.688 s。

4.2 爆裂噪聲檢測與HHT分析

由于爆裂噪聲是由一系列寬度不同而幅度較大且相近的隨機脈沖構成，會在時頻圖中體現為高頻突變，因此通過EMD分解得到IMF分量，經過自適應閾值去噪，再分別求瞬時頻率和瞬時振幅，即可實現對爆裂噪聲對應故障時刻的準確檢測。

圖1為原信號與去噪后信號對比，可以看到經過EMD自適應去噪后，雖然信號波形有所改變，但可基本確定存在爆裂噪聲。圖2表示經EMD后得到的各IMF分量與原信號的對比。由IMF分量的圖像可以看出，分離出的高頻信號都分布在低層數上，第3層以后才可以看見所需要的低頻信號。所以采用IMF4作為HT的原信號，經過HT后，從圖3中看到，瞬時頻率、相位和振幅之間存在一一對應的關系，即可判定爆裂噪聲發生的時間為0～0.023 s、0.323～0.356s及0.660～0.688s，與已知故障發生時刻準確對應。

4.3 小波模極大值去噪分析

選用同一段信號源，小波基為db1小波，分解層數4層。由圖4中可以看到，小波模極大值也可以進行去噪，但去噪效果不甚理想，使得檢測精度有所降低。如圖5所示，在第4層上得到的模極大值點很多，可以得到對應時刻，但仍然存在很多奇異點，影響檢測結果。

4.4 小波變換

選用同一段原信號，選取與爆裂噪聲相關性較大的db1小波作為小波基函數，分解層數為4層，選用Matlab中現有4種閾值方法進行軟閾值去噪，其去噪效果如圖6所示。可以看到，小波分析去噪效果很好，圖像清晰，具體故障時間還需要進一步分析才可以得到，算法復雜，可以作為信號的預處理進行分析。

4.5 實驗結果對比

4.5.1 去噪效果對比

利用同一段信號源進行對比仿真，其信噪比一致，則利用各個算法的均方根誤差（RMSE）進行算法去噪效果的評價，RMSE越大，去噪效果越好。

表1 各算法去噪效果分析

圖1 原信號與去噪后信號

圖2 EMD分解各層信號

圖3 IMF4的瞬時頻率，瞬時相位，瞬時幅度

由表1分析，在同樣初始條件下，HHT的RMSE為1.015 4，其他算法的RMSE值均＜0.5。所以HHT的去噪效果最好。

圖4 小波模極大值去噪

圖5 小波模極大值各層模值效果

圖6 小波4種閾值方法去噪

4.5.2 檢測精度對比

分析圖3、圖5、圖6可知，通過HHT方法的瞬時頻率、瞬時相位和瞬時振幅能精準地找到故障時刻及故障時間段為0～0.023s、0.323～0.356s及0.660～0.688 s。

小波模極大值方法雖能找到故障時刻，但由于其去噪效果不佳，依然有很多奇異點存在，從而對故障時刻的判決有很大影響。而小波變換只能對信號進行去噪分析，得到的仍為時域波形，基本無法進行故障時刻判斷。

綜上所述，自適應閾值去噪的HHT方法不僅去噪效果好，其檢測定位同樣精準。

5 結束語

1）EMD可將不同頻率成分包含在各自的IMF中，通過瞬時頻率可以檢測到爆裂噪聲的精確突變點和突變長度。

2）實驗結果證實了該方法在模擬電路-逆變器電路故障分析中具有靈活性和有效性，為模擬電路故障分析提供了新的、強有力的工具。

[1]李天云，趙妍，季小慧，等.HHT方法在電力系統故障信號分析中的應用[J].電工技術學報，2005，20（6）：87-91.

[2]李文帆，劉志剛，孫婉璐，等.基于HHT的電能質量檢測新方法[J].電力系統保護與控制，2011，25（17）：52-56.

[3]楊宇，于德介，程軍圣.基于EMD的奇異值分解技術在滾動軸承故障診斷中的應用[J].振動與沖擊，2005，24（2）：12-15.

[4]行鴻彥，黃敏松.基于Hilbert-Huang變換的QRS波檢測算法研究[J].儀器儀表學報，2009，30（7）：1469-1475.

[5]Huang N E，Shen S P.Hilbert-huang transform and its applications[J].Interdisciplinary Mathematical Sciences，2005，8（6）：1067-1074.

[6]Huang N E，Zheng S，Long S R，et al.The empiri-cal mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society A：Mathematical，Physical and Engineering Sciences，1998，2（1971）：330-335.

[7]Huang N E.Review of empirical mode decomposition[J]. Proceedings of SPIE the in Ternational Society for Optical Engineering，2001，4（13）：321-325.

[8]許童羽，甄紅芳，曹英麗，等.電壓擾動定位中小波與HHT性能分析[J].沈陽農業大學學報，2013,44（1）：112-114.

Research on the application of HHT in burst noise detection

CHEN Xiaojuan，SHEN Yaru，CHEN Dongyang
（College of Information Engineering，Northeast Dianli University，Jilin 132012，China）

HHT（hibert-huang tromsform）method is used in this paper for low frequency noise in the inverter circuit-burst noise detection and location，the method using empirical mode decomposition（EMD）decomposed signal into the basic modal component under test the intrinsic mode function（IMF），and then use adaptive threshold de-noising to the IMF.By the hilbert transform（HT），the instantaneous amplitude and instantaneous frequency can clear performance burst noise characteristics and mutation position and length accurately.With the wavelet denoising and wavelet modulus maxima de-noising detection were analyzed.The simulation analysis show that，the method can simultaneously from two aspects of time and frequency analysis of signals，can realize the accurate detection and location of the fault signal.

analog circuit；burst noise；EMD；wavelet modulus maxima

A文章編號：1674-5124（2015）08-0079-04

10.11857/j.issn.1674-5124.2015.08.019

0 引言

逆變器是把直流電（電池、蓄電瓶）轉變成交流電（一般為220V，50Hz正弦波）的精密裝置。大量資料表明，由于電力電子器件的脆弱性，功率開關器件成為逆變電路中故障率最高的環節。開關器件出現故障，會使其他功率器件的電壓和電流壓力增加，如不及時診斷并隔離，不僅會損壞功率器件本身，而且會引發二次故障，最終導致系統停機，影響整個系統的可靠性與安全性，造成經濟損失甚至人員傷亡。因此，逆變器故障診斷方法的研究在降低損失、維持設備穩定運行等方面具有重要意義。

2014-11-19；

2014-12-11

國家自然科學基金（61271115）

陳曉娟（1970-），女，吉林長春市人，教授，博士，研究方向為模擬電路故障診斷及電力線通信。