小波变换应用于水轮机空化信号检测

水轮机中的空化现象成因复杂,影响水轮机性能和使用寿命,危害很大.通过测量空化噪声信号监测空化发展程度是防止机组在空化状态下运行的一个重要方法.空化噪声信号是典型的突变信号,单纯依靠频谱分析难以确定不同空化程度下对应的噪声信号特点.小波变换良好的时频局部化特性使其能够很好地处理信号突变点.本文尝试应用小波变换处理空化噪声信号,通过小波变换的模极大值来描述空化噪声信号的奇异性,提出了2个新的参数用以描述不同空化程度下噪声信号的特点.将该方法应用于实测数据分析的结果表明:该方法能够提供更多噪声信号中的突变信息,可以更好的帮助判断空化发展的程度,对于监测空化状态是非常有效的.     

小波奇异性检测在负荷数据纠错和平滑处理中的应用

历史负荷数据是负荷预测和负荷特性分析的基础,错误数据和噪声会影响负荷预测和负荷特性分析的精度,在使用前必须做纠错和平滑处理,错误数据可以被看成是负荷曲线中的奇异点及不规则的突变部分。而小波变换系数模极大值的位置和幅度同信号的局部奇异性密封相关,利用这些极大值可以检测出信号的局部奇异性。该文根据小波变换模极大值同奇异点的关系,提出了一种根据小波奇异性检测确定负荷数据中错误的位置及类型的方法。所提方法通用性强,在纠错的同时可以进行消噪平滑处理,对实际负荷数据的计算也证明了该方法的有效性。     

基于滤波预处理的小波故障检测方法

现有的基于信号奇异性分析的故障检测方法不同程度地受到噪声的影响。提出了将电力信号滤除工频周期分量后,通过提取适当尺度上的小波模极大值点检测故障的方法。通过预处理滤除工频周期分量,消除了小波变换在信号峰值处的模极大值,从而避免了对故障的误判。小波变换将预处理信号中的故障分量和噪声分解在不同的尺度空间中,保证了故障特征的提取和算法的抗噪性能,简化了的Mallat信号奇异性检测方法,在降低算法计算量的同时,可保持故障的定位精度。仿真研究表明:故障定位准确,且对噪声不敏感,可推广应用到其他周期信号的分析中。     

应用小波变换实现突变信号检测

介绍了基于小波变换模极大值的奇异性检测理论,针对噪声中故障信号突变点的检测问题,根据信号和噪声的模极大值的尺度变换特性,提出利用3层以上细节信号的乘积作为检测信号。该方法既可以达到增强信号的目的,又可以抑制噪声,求该乘积信号的小波变换,可以实现奇异点精确定位。     

小波变换 第3讲 二进小波变换及信号的奇异性检测

介绍了基于Ｂ样条的二进小波函数及二进小波变换的特性、算法,重点介绍了基于小波变换模极大值的信号奇异性检测理论,其要点是：信号可以通过其小波变换模极大值表示,也可通过其模极大值重构。因此,信号的表示变得异常简洁。由于二进小波变换具有平移不变性,从而在模式识别和信号的奇异性检测中获得广泛应用。     

小波变换 第3讲 二进小波变换及信号的奇异性检测

介绍了基于Ｂ样条的二进小波函数及二进小波变换的特性、算法,重点介绍了基于小波变换模极大值的信号奇异性检测理论,其要点是：信号可以通过其小波变换模极大值表示,也可通过其模极大值重构。因此,信号的表示变得异常简洁。由于二进小波变换具有平移不变性,从而在模式识别和信号的奇异性检测中获得广泛应用。     

电力系统故障信号的小波变换奇异性检测

小波变换具有良好的时频局部化特性,并可根据信号频率的变化自动调节时频窗口,因此利用小波变换可有效地检测出信号的奇异性特征。根据小波分析的基本理论,介绍了利用小波分解后的多尺度高频分量模极大值进行电力系统故障实时定位。给出了仿真研究,仿真分析表明该方法有效。     

小波变换在电力系统谐波检测方面的应用

针对傅里叶变换的谐波检测方法无法同时实现时-频变域分析这一缺点,提出了小波变换这一新方法对谐波进行分析。通过小波变换对电力系统中的谐波电流进行分解,得到信号的基波分量和高次谐波分量。针对电力系统中的突变信号,提出了基于小波变换的模极大值的奇异性检测方法,通过小波变换模的极值点在多尺度上的综合表现,来表示信号的突变特征,并通过仿真实例验证该算法的有效性。     

小波信号奇异性分析在配电线路故障检测中的应用

基于小波奇异性分析理论，分析了故障信号奇异性、非故障信号奇异性及噪声信号奇异性之间的关系，提出了配电线路故障发生时刻检测的较全面的算法。仿真结果表明，该算法具有良好的鲁棒性、准确性和快速性，并能够有效减少投资，适用于配电线路的故障检测。     

行波启动元件的算法研究

行波启动元件是超高速保护和行波测距中必不可少的组成部分，然而现有的行波启动算法存在故障时拒动的现象。该文从度量函数Lipschitz系数的小波理论出发，阐明常用的小波变换模极大值方法不能用于非孤立奇异信号的检测；推导出一种新型的信号检测方法——小波变换模之和(WTMS)法，以“影响锥”内小波变换模的积分来度量信号的奇异性：并结合对输电线故障行波波头奇异性特点的分析，提出了基于WTMS的行波启动算法，用以准确检测、区分故障行波与噪声干扰，从而弥补了以往行波启动算法的不足。大量的EMTP仿真数据和现场实录数据都验证了新故障启动算法的快速、可靠。     

基于小波变换的含噪声行波信号奇异点检测

小波变换是检测信号奇异点的一种有效的数学工具.对于含噪声电流行波信号奇异点的检测,则需要一个基于小波变换的有效算法.作者在非线性阀值法去噪的基础上利用模极大值线的方法正确地检测出含噪声行波信号的奇异点,并通过数字仿真验证了此方法的实用性.     

基于HHT的水轮机空化信号研究

水轮机是水力发电机组中的关键设备,空化又是水轮机组运行过程中影响其稳定性和效率的因素之一。由于水轮机结构和运行的特殊性,空化不易被直接观测,采用水轮机空化声信号监测是研究空化的有效途径。传统的傅里叶变换和目前常用的小波变换对于窄带低频信号的分析效果明显,但两种方法很难涵盖水轮机空化宽带高频信号。本文正是在此情况下,提出了一种新的空化信号分析方法,Hilbert-Huang变换(HHT)。该方法对信号具有自适应功能,经验模态分解分解能提取具有明确物理意义的水轮机空化模式分量信号。通过对同一空化信号分别进行小波和HHT分析比较,发现HHT方法更具计算准确、精度高等优点。将基于Hilbert-Huang变换方法引入到水轮发电机组空化信号特征提取中,对水轮发电机组故障诊断系统的准确度将是一个有效的提升。     

基于时频等高图的汽轮发电机组振动故障诊断方法研究

状态监测与故障诊断的主要内容包括故障信号的检测、故障诊断、趋势分析和早期故障预测即预测诊断等。传统的振动故障诊断主要是基于频谱分析的方法，小波变换得出的时频等高图是分析故障信号奇异性的有效工具，为汽轮发电机组的故障检测和诊断提供了新思路。在介绍小波变换理论、Morlet小波和时频等高图的基础上，通过对仿真的汽轮发电机组几种典型振动故障，如不对中、油膜涡动和部件松动等信号进行分析，结果表明时频等高图不仅能够直观检测出信号中的微弱奇异成分，而且还可以有效地对故障进行分类诊断、实现早期故障检测和故障变化趋势分析等。最后，采用时频等高图分析了3种实际机组的振动异常信号。     

奇异值分解理论和小波变换结合的行波信号奇异点检测

准确检测故障行波信号的奇异点是行波故障测距的关键。现场故障行波信号通常含有大量噪声,有些情况下单独使用传统的小波变换将不能有效检测到信号的奇异点。为解决强噪声情况下故障行波信号奇异点的检测问题,提出了基于奇异值分解理论和小波变换的故障行波信号奇异点检测方法。通过构造重构的吸引子轨迹矩阵,并由Frobenious范数意义下的最佳逼近矩阵可以得到除噪后的信号序列,对所得信号序列进行奇异性检测得到信号序列奇异点。仿真结果表明,该方法在强噪声情况下可以去除噪声影响,并且保持信号的奇异性,准确检测到信号的奇异点。     

小波分析在汽轮机振动故障诊断中的应用研究

针对常见的汽轮发电机组频率突变的振动故障,采用傅立叶变换和小波变换对同一汽轮发电机组振动信号进行傅立叶变换和小波分解。结果表明傅立叶变换无法检测出信号的瞬态变化,只适用于分析平稳信号;而小波分析可以有效的提取信号的瞬态变化特征,能准确的检测出信号的奇异点位置,利用小波分析有利于提取汽轮发电机组振动信号的故障特征。此外,对汽轮发电机组的混合信号进行小波分解,可以将信号有效的分离,为确定故障种类提供了依据。     

小波分析在电力系统不良数据辨识中的应用

历史负荷受各种因素的共同作用可能造成数据失真,为了能够给EMS或DMS的高级应用软件提供良好的数据基础,首先必须对历史负荷数据进行处理,去除其中的错误数据。实际上,不良数据可以看成是负荷曲线中的奇异点及不规则的突变部分,而离散二进小波变换系数的模极大值的位置和幅度同信号的局部奇异性密切相关。在此基础上提出了一种基于小波奇异性检测和小波除噪的电力系统不良数据辨识方法。通过对大量实际的负荷数据分析,证明了所提出方法的正确性和有效性。     

水下机器人故障诊断方案

为了提高水下机器人传感器系统的故障诊断能力,依据小波变换基本理论和线性平滑原理,在分析水下机器人传感器三种故障形式的基础上,提出了相应的故障诊断方法,并进行了信号奇异性分析,探讨了小波基选择的一般标准。通过对海上试验结果分析表明,可以通过高层小波变换来区分噪声信号和突变信号,很好地解决了定位声纳输出振荡的问题,验证了所提方法的有效性与可行性。     

小波变换模极大值消噪算法的研究

根据信号和噪声在小波变换下的不同特性,采用模极大值去噪的算法.其中包括Mallat交替投影算法和模极大值小波域去噪算法,Mallat交替投影算法是通过剔除那些幅度随尺度而减小的模极大值点,保留幅度尺度而增大的模极大值点,然后将剩余的模极大值利用模极大值重构算法来重建原始信号,达到滤波去噪的目的.而模极大值小波域算法是先用Adhoc算法求出信号的模极大值,再根据模极大值小波域的定义求出信号的模极大值小波域,从而得到信号的小波系数,然后逆变换得到信号.实验结果表明两种算法都具有很好的消噪效果.     

基于小波变换模极大值与奇异点的短时电压变动实时检测

介绍了短时电压变动的小波检测方法,分析了小波变换模极大值与原始信号奇异点的对应关系、噪声的小波变换固定阀值消除原理,提出了短时电压变动实时检测的实现过程,并完成仿真验证.仿真结果表明:该检测方法不受噪声干扰,实现短时电压变动发生时间的精确检测.