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...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。展开更多
文摘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。
