基于WP_SVD降噪的OLTC振动信号特征识别

为对变压器有载分接开关机械故障进行诊断,提出一种结合奇异值分解SVD(singular value decompo-sition)消噪与小波包WP(wavelet packet)消噪的信号特征提取方法。首先对信号进行小波包消噪,然后进行SVD二次消噪,将消噪信号进行经验模态分解EMD(empirical mode decomposition),对得出的各阶固有模态分量进行希尔伯特-黄变换HHT(Hilbert-Huang transform)。数值仿真表明基于WP_SVD降噪的信号特征提取比小波包或SVD单独降噪的信号特征提取方法有效,并成功地将该方法应用到分接开关实际振动信号分析中。     

基于自适应S变换与截断紧致奇异值分解的局部放电源复杂染噪特征提取方法

针对局部放电（PD）源信号复杂染噪,导致PD源特征提取较为困难的问题,提出一种基于自适应S变换与截断紧致奇异值分解（TCSVD）的PD源复杂染噪特征提取方法。首先,对S变换进行了优化改进,应用于PD源获取时频域矩阵,自适应的滤除窄带干扰信号,提取局部放电有用时频信号;其次,利用紧致奇异值分解对提取的时频矩阵进行分解;然后,提出拟合求导法寻找到奇异值阈值参数并对奇异值进行截断,从而滤除PD源中的白噪声信号;最后,通过理论仿真与现场测试对该文所提出的PD源特征提取方法进行了验证分析。实验结果表明,该特征提取方法对复杂染噪的PD信号有很好的特征提取能力,能够有效地提取局部放电信号的有用信息。     

基于Hankel矩阵和奇异值分解的局部放电窄带干扰抑制方法EI北大核心CSCD

针对高压设备局部放电信号的周期性窄带干扰抑制问题,提出一种基于Hankel矩阵和奇异值分解的窄带干扰抑制方法。首先,通过染噪局部放电信号采样序列构造Hankel矩阵,作为轨迹矩阵,并对其做奇异值分解;研究窄带干扰奇异值分解的规律,并在该规律的基础上利用奇异熵增量和K均值算法找出窄带干扰对应的奇异值,对窄带干扰进行重构;得到窄带干扰后,从染噪信号中将其除去,获得只含有白噪声的局放(partial discharge,PD)信号。对染噪局部放电仿真信号、实测信号进行窄带干扰抑制,并与改进FFT阈值法、小波降噪的结果进行对比分析。结果表明:该方法对窄带干扰的抑制效果更好,波形相似度更高。     

基于SVD分解和小波去噪的振动位移提取∗

针对奇异值分解提取振动位移信号中存在白噪声的问题,提出采用小波去噪的方法进行信号去噪处理.首先采用奇异值分解提取图像序列中的振动信息;然后采用小波去噪方法进行去噪处理,针对传统固定阈值会导致每层小波分解系数做同样处理的问题,提出了一种改进型阈值;最后通过对比不同小波函数的去噪效果,确定最优小波函数.仿真和实验结果表明,该方法是有效的.     

结合奇异值分解与最小描述长度准则的变压器极化电流数据去噪方法

现场测量变压器极化电流受噪声干扰造成测量精度偏低,为消除噪声干扰,本文提出一种奇异值分解(SVD)结合最小描述长度准则(MDL)的信号去噪算法.利用测量数据构建Hankel矩阵并进行奇异值分解,将信号分解为有用分量与无用分量的线性叠加,再利用MDL确定信号与噪声的界限,提取有用分量重构信号.对变压器极化电流的仿真和实测数据表明,利用MDL能有效区分有用分量与噪声,去噪数据趋势完整,噪声得到有效去除.与小波硬、软阈值去噪结果对比,信噪比最大可提高12.61dB,方均根误差最大可减小47％.     

短时电压扰动检测与定位新方法

提出了基于奇异值分解技术的短时电压扰动检测方法.根据短时电压扰动的电压采样序列构造Hankel矩阵,并对该矩阵进行奇异值分解;基于该分解结果将原电压信号分解到多个分解层,得到信号的一种线性分解,在某些分解层上电压扰动起点和终点表现为突变,根据这些突变可以定位扰动起始和结束时刻.从原采样序列中,在起点两侧分别提取一个周波信号进行FFT运算以获取扰动发生前后的基波幅值,基于两者幅值关系可以确定扰动的类型,并计算出其指标.搭建了短时电压扰动信号的模拟电路,并基于LabVIEW虚拟仪器检测平台建立实验系统,实验结果证明了所提方法的有效性,且比小波变换方法优越.     

基于EMD奇异值熵的高压输电线路故障选相新方法

在对暂态电压信号进行经验模态分解(EMD)基础上,结合奇异值分解(SVD)及信息熵理论提出了利用高频暂态分量的奇异值熵实现故障选相。此方法对采集到的故障后电压信号求取EMD奇异值熵,并比较三相间熵值的大小来识别故障类型和判别故障相。基于Matlab环境,对一典型500 kV线路进行故障类型选相的仿真,结果表明该方法不受过渡电阻、故障位置、故障初始角和噪声强度等因素影响,能够快速准确识别各类故障。     

基于奇异值分解的电能质量信号去噪

提出了一种基于奇异值分解的电能质量扰动信号去噪算法.算法重构采集信号时间序列的吸引子轨迹矩阵,根据轨迹矩阵奇异值的加权能量贡献率(PCTE)选择奇异值进行扰动信号重建,重建信号即为去除噪声后的电能质量扰动信号.仿真试验结果表明奇异值分解能够有效地提高扰动信号的信噪比,保持原始电能质量信号的扰动特征,此算法理论基础完善,易于实现,有良好的发展前景.     

基于 SVD-VMD 和 SVM 滚动轴承故障诊断方法

针对故障滚动轴承振动信号中含有干扰信号,难以准确提取出故障信息,提出了一种基于奇异值分解(SVD)、变分模态分解(VMD)、和支持向量机(SVM)的滚动轴承故障诊断方法。首先利用奇异值分解对信号进行处理,根据奇异值峰度差分谱来确定分解后重构矩阵的有效阶数,然后根据该有效阶数重构信号,对重构后的信号进行VMD分解,根据上述有效阶数确定分解的本征模态函数(IMF)分量的个数,从分解后的IMF分量中提取故障特征参数,将其作为支持向量机的输入参数进行故障诊断。最后采用合肥工业大学轴承试验机进行验证,并与直接进VMD分解及基于带通滤波器信号去噪的故障诊断方法进行对比,结果表明该方法能有效识别滚动轴承的故障类型,可用于滚动轴承故障诊断。     

ITT变换在风电机组滚动轴承故障诊断中的应用

为实现风电机组滚动轴承微弱故障诊断,提出了基于改进的时时(ITT)变换的风电机组滚动轴承故障诊断方法。由时时(TT)变换可得到一维轴承故障振动信号的TT变换矩阵,实现滚动轴承振动信号的二维TT表示。提取该TT变换矩阵的对角线元素可滤除低频干扰信号,起到增强故障特征的效果。鉴于噪声对TT变换分析效果具有重要影响,提出基于能量熵准则的奇异值分解降噪方法改进TT变换,以提高TT变换的抗噪能力,实现强背景噪声条件下轴承微弱故障特征提取。仿真、实验及工程应用实例结果均表明所提方法可以有效诊断出风电机组滚动轴承的故障类型。     

基于经验模式分解的电晕放电辐射信号阈值降噪处理方法

随着输电电压等级的提高,电晕放电已成为影响高压、特高压输电线路安全稳定运行的重要因素。鉴于此,提出了基于经验模式分解（empirical mode decomposition,EMD）的电晕放电辐射信号阈值降噪处理方法,首先利用EMD算法对采集到的电晕放电辐射信号做分解处理,得到不同的基本模态分量,然后利用阈值函数和给定阈值对各分量做降噪处理,并对处理后的分量重构,得到降噪后的信号。研究结果表明：与小波降噪和EMD时空降噪相比,基于EMD的阈值降噪方法不存在基函数选取和分解层数选取等问题,其降噪过程是完全由信号特征决定的自适应降噪,同时该方法保留了小波降噪中对各分量进行阈值处理来降噪的优点,并且在对信号的降噪过程中去除了可能存在于信号中的趋势项干扰,因而该方法更有利于对电晕放电辐射信号的降噪处理。     

基于SVD与小波变换的反高频脉冲磁场窃电方法

面对更隐蔽的高频脉冲磁场窃电方式,根据磁场信号进行反窃电检测会由于噪声影响而失效。针对这个问题,提出将奇异值分解（singular value decomposition,SVD）和小波变换结合的方法应用到防窃电装置中,在检测中去除噪声分离出窃电信号。首先将带有噪声的磁场混合信号进行快速傅立叶变换（fast Fourier transform,FFT）求出功率谱,引入经典阈值判断出窄带噪声的个数,并以此确定奇异值分解的有效秩阶次。然后对混合信号SVD分解,将窄带噪声对应的的奇异值置零后重构信号,最后利用小波变换去除随机噪声的影响。仿真和实验结果表明,此方法能有效应用到窃电检测中,并通过与 FFT 阈值滤波法、经验模态分解（empirical modedecomposition,EMD）法对比,所提方法抑制效果更突出。     

基于时域能量与自适应奇异值阈值的改进局放信号去噪方法

局部放电(简称局放)检测是探测电力电缆绝缘缺陷的有效手段。针对传统短时奇异值分解(STSVD)白噪声抑制方法存在的不足,文中提出了一种基于时域能量与自适应奇异值阈值的局放信号白噪声抑制方法。该方法利用自适应奇异值阈值估计策略对重构奇异值个数进行准确估计,并在此基础上结合时域能量准则仅对局放脉冲区域进行去噪处理,从而极大地提升了算法的执行效率。对仿真和实测含噪局放信号进行处理,并将去噪结果与现有的自适应奇异值分解(ASVD)、传统STSVD及小波变换去噪结果进行对比。研究结果表明：相比于ASVD、小波变换去噪方法,文中所提去噪方法能够取得更好的去噪效果,去噪后波形误差更小;相比于传统STSVD,文中所提方法能够有效解决去噪后存在的毛刺干扰问题,且计算速率更快。     

基于复小波变换和Teager能量算子的电压跌落检测方法研究

针对电压跌落的跳变相位、起止时刻和跌落幅值这三个特征量有效检测问题,提出了基于复小波变换和Teager能量算子的电压跌落检测方法。详细研究了复小波的构造原理以及它和Teager能量算子在检测电压跌落上的应用。对于含噪的电压跌落信号,利用Teager能量算子对db4复小波变换后得到的近似信号进行跌落幅值的检测,利用db4复小波变换检测发生跌落前后的两个近似信号的相位,以相位差的形式得出电压跌落发生的起止时刻与跳变相位。Matlab仿真结果验证了算法的抗干扰性与实时性。     

基于小波迹方法的局部放电信号消噪研究

在检测电力系统变压器稳定性时,通常会发现变压器放电信号存在各种各样的干扰,尤其是噪声干扰。文章提出一种基于传统小波迹方法的平稳小波迹阈值消噪方法,有效消除了信号采样中的噪音。通过重新定义小波迹字典的方法,改进了传统小波方法中的不足。对所要处理的放电信号进行循环平移,有效消除小波基的平移依赖性,提高小波变换在奇异点附近的特殊性,从而达到消除随机振荡的目的。通过与传统小波包消噪和传统小波消噪的比较,选取阈值、小波基和分解层数,得到了信号消噪的最佳值,进而构建一个适用于局部放电信号研究的平稳小波迹阈值消噪方法。结合MATLAB仿真实验信号和部分某变电站变压器局部放电实际信号验证,该方法能有效抑制局部放电噪声干扰,提取有效信号,消噪效果优于传统小波和小波包方法,可以达到识别的需求。     

基于小波分解尺度系数能量最大原则的GIS局部放电超高频信号自适应小波去噪

抑制干扰是GIS局部放电在线监测的关键技术之一。尽管局部放电超高频检测方法能够有效避开低频干扰,但来自测量系统的白噪声仍然为准确测量局部放电带来困难。为有效抑制白噪声,提高局部放电超高频法的测量精度,本文提出一种用于GIS局部放电超高频信号的自适应小波分解去噪算法,该算法基于每层小波分解尺度系数能量最大的原则,逐层自适应选取最优的小波进行分解,并结合Donoho提出的软阈值法进行去噪。对人工绝缘缺陷产生的四种GIS超高频信号的去噪结果证明了该算法较其他小波算法能更好地去除白噪声且去噪后信号波形畸变较小,具有很好的应用前景。     

基于小波变换的电机信号消噪技术的研究

在分析小波变换消噪原理和方法的基础上,针对信噪比较高的信号,进行小波消噪和傅里叶消噪仿真分析。结果表明,采用小波消噪能达到比较理想的效果。但对于信噪比较低的信号,必须采取多种方法相结合,才能取得满意的消噪效果。文章提出了将时域平均法和小波软阀值消噪法相结合和基于相关性分析与小波变换相结合两种方案消噪。通过对这两种方案进行仿真实验,结果表明,这两种方案可以有效地去除信号中的干扰噪声,提高信号的信噪比,取得良好的降噪效果。     

基于小波包变换方法的超声回波信号去噪研究

超声回波信号中含有大量有关缺陷性质的信息,但同时也掺杂着大量噪声干扰。为了很好的从回波信号中提取反映缺陷本质特征的信号,文章中使用了一种改进的小波包去噪方法一平均能量阈值法,讨论了小波包变换的多分辨率分析及平均能量阈值法消噪的原理,仿真结果表明,基于平均能量阈值的小波包去噪是一种有效的去噪方法,其效果优于小波去噪。     

采用小波变换的绝缘子泄漏电流去噪

为了去除污秽绝缘子安全区泄漏电流中的噪声,提出了采用小波变换去噪时分解层数的定量计算方法。根据小波去噪时需对细节进行阈值处理、安全区泄漏电流的能量主要集中在低频周期成分上的结论,提出了确定小波变换去除安全区泄漏电流噪声时最佳分解层数的判据;并以此判据为基础,提出并证明了计算小波分解层数的公式。对在高压试验中和现场采集到的绝缘子泄漏电流进行了小波去噪研究,结果表明:在相同母小波和阈值前提下,采用所提公式获得的分解层数去噪时的效果优于采用其他分解层数时的效果。从而得出结论:所提公式计算出的值为最佳分解层数,按此值去噪时效果最好。     

基于双小波的短时电压波动信号检测

提出了一种基于dbl小波和dblO小波检测短时电压波动(Short Duration Voltage Variation,SDVv)信号的方法,首先利用dbl小波对信号进行分解得到低频系数模,据此初步确定SDVV信号的发生时段,并记下每时段的起始和结束时刻点。再应用dblO小波对信号进行分解得到第一层高频分解系数,而由dbl小波确定的起始和终止时刻点前后的1/2采样周期内检测第一层高频分解系数的模极大值,以确定非过零点和波峰的起止点。根据具体的判断规则即可确定电压波动的准确起止时刻,还可根据dbl小波分解得到的低频系数模确定电压波动的幅度。仿真和试验结果表明了该方法的可行性和有效性。