【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第12期 446-450页,共5页

【作 者】： 包艳 ; 施伟锋

【摘 要】 研究电力推进LNG船电力系统故障有效识别的问题。LNG船电力系统中含有大功率推进电机,其随机变化易造成电力系统故障,产生的故障暂态信号蕴含大量噪声,具有随机、非平稳的特点。传统方法不能有效提取这类故障信号特征,故障检测准确度低。为解决上述问题,提出了一种基于聚类经验模型分解（Ensemble Empirical Mode Decomposition,EEMD）的希尔伯特-黄变换（Hilbert-Huang Transform,HHT）故障检测方法。首先,将故障时刻的电网电压信号进行EEMD分解,得到固有模态函数分量;然后,将上述分量的希尔伯特边际谱进行时频分析,提取较为准确的故障特征信息。仿真结果表明,HHT方法能弥补传统信号分析方法的不足,最大限度的抑制噪声和保留故障信号特征,提髙故障检测准确率。