超声法检测地基的研究

研究了弹性波在不同参数介质中传播的基本理论,建立了基本动力学方程式,并根据其边界条件和连续性条件求得波的反射系数方程。接收波则综合携带了地基内部特性信息,可通过这些信息研究地基内部不同部位参数的相差程度及位置。小波分析可以对指定频带和时间段内的信号成分进行分析,在时域和频域具有良好的局部化性质。可以准确地抓住瞬变信号的特性,对频率成分采用逐渐精细的时域或频域取样步长,从而聚焦到信号的任意细节。运用小波的方法分析接收到的超声波的频谱结构,就能判断地基的内部参数。     

水轮机非平稳振动信号的小波分析

基于水电站机组振动的现场试验研究,利用小波分析方法在时域和频域上同时具有良好局部化性质的特点,对开停机这一典型非平稳过程信号进行小波分析。通过将信号分解到不同频带内,并对分解信号作振源分析和统计分析,以获取优势频率等有用信息。试验结果表明,水流脉动压力和尾水涡带摆动是引起开机过程中机组强烈振动的主要原因,同时也证明了小波是处理非平稳信号的最有力的工具。     

混凝土缺陷无损检测新技术——脉冲回波法

传统混凝土缺陷无损检测方法主要运用声波透射法和电磁波法，但均受到一定的条件限制；脉冲回波法是向混凝土发射一束声脉冲波，然后用检波器接收回波信号，发射与接收之间距几乎为零的一种检测方法。该方法可以对信号作时域或频域分析，尤其是适合较厚且只有一个检测面的钢筋混凝土。     

李家峡水电站机组开停机过程非平稳振动信号的小波分析

基于李家峡水电站双排机组振动的现场试验研究，并且针对传统频谱分析方法傅立叶变换（FFT）对于非平稳信号已力不从心这一缺陷，利用小波分析方法在时域和频域上同时具有良好的局部化性质，通过对开停机这一典型非平稳过程信号进行小波及小波包分析，将其分解到不同频带内，获取微弱信息和提取优势频率，并对其作振源分析，得出开停机初始时刻因水流不稳均出现强烈的振动现象，且低频段信号能量最大，开停机过程水流脉动压力和尾水涡带摆动是引起定子基础振动的主要原因。同时也证明了小波是处理非平稳信号的最有力的工具。     

对几个小波基本概念的理解

讨论实际应用中经常涉及但容易产生误解的小波基本概念，以期提高电力系统小波应用研究水平。这些小波基本概念是：容许性条件；二进离散与二进小波；连续小波的离散条件；小波基；A=B=1的紧框架与正交小波；小波滤波器长度与时域分辨率；小波的滤波特性与不同尺度小波的频带交叠；线性相位小波与信号完全重构；双正交小波的小波包及小波包分解与1/2频程分解；整数倍伸缩小波变换与分数倍伸缩小波变换；小波的正则度与消失矩；Morlet函数与Morlet小波；小波变换模极大值（定义、与突变点位置的关系、与Lipschitz指数的关系、对小波的要求）；时域、频域同时紧支小波；(时域)紧支正交线性相位小波；表征小波特性的基本指标与有价值的新小波。     

小波分析在水电机组状态监测和故障诊断中的应用研究

状态监测和故障诊断是大型水电机组检修的发展方向。其中一个重要方面就是故障信号的特征提取和分析。小波变换由于很好的解决了傅立叶变换很难与短时的瞬变信号相匹配的问题,在时域和频域都具有表征信号的良好能力,被广泛应用到水电机组故障信号降噪、数据压缩和奇异性分析等方面。但是小波应用中尚存在最优小波基和最佳分解层数的难题,这些问题给小波分析在水电机组中的应用带来了难题。     

水流空化现象的声学检测法及空化噪声的脉冲记数率

本文分析了空化噪声的基本特性。空化噪声的频域统计参数能给出有关空化流特征的某些信息,同样,其时域统计参数亦能给出有关空化流特征的某些信息,而且某些时域的信息可能更为直观。本文讨论了空化噪声平均脉冲记数率与空化数之间的关系,实验指出平均脉冲记数率可以定量地反映空化流的发展状态.     

利用CVT二次信号的频域行波故障测距方法

当输入信号为电容式电压互感器（CVT）二次信号时，现有的时域行波故障测距方法的计算结果不准确。提出从频域上进行故障距离计算的解决方法，分析了CVT的暂态响应特性及其对故障行波频谱的影响，推导了采用故障行波频率主成分计算故障距离的公式。对单相高阻接地故障下的行波频谱进行了专门讨论，并研究了利用多信号分类（MUSIC）算法等谱估计方法精确提取频率主成分的可行性。     

机械设备监测分析与诊断系统研究

机械设备监测分析与诊断系统的分析模块基于COM组件，包括时域、频域、时频等分析功能。软件分析包括时域波形、特征参数棒图、频域谱图、小波分析，系统应用于油田、军工、铁路机车、汽车等不同领域，并取得了很好的效果：     

基于振动信号的水电机组状态劣化在线评估方法研究

实现水电机组状态劣化评估和故障预警是行业研究的热点。论文提出了一种结合时域与频域特征的机组劣化在线评估方法。(1)先利用检测指数确定振动信号中对机组运行状态最为敏感的时域特征;再以机组健康状态下工况参数X(水头、开度等)和检测指数筛选的振动信号时域特征Y为健康样本,利用最小二乘支持向量机构建机组状态健康模型Y=f(X)。基于该模型,以实时工况参数为输入,在线预测对应工况下机组振动信号时域特征健康值,计算健康值与实际值之间的相对误差,作为评估机组劣化程度的时域劣化指标。(2)利用小波变换与奇异值理论对振动信号进行分解,提取健康状态下机组振动信号奇异值特征向量并得到健康聚类中心,实时计算实测信号奇异值特征向量与健康聚类中心之间的相对欧式距离,作为频域劣化指标。结合时域和频域劣化指标,在线计算综合劣化指标评估当前时刻机组劣化程度。结合实际机组运行案例,验证了该模型的有效性和实用性。