基于经验模态分解和自适应噪声对消算法的窄带干扰抑制

在局部放电在线检测中,自适应噪声对消算法是当前抑制窄带干扰的有效方法。由于窄带干扰频率范围很宽,滤波参数不易设置,同时实测时的窄带干扰在时频域都表现强烈,局部放电信号会完全淹没于干扰之中,使得一般改进噪声对消算法不能取得较好效果。为此,笔者提出一种改进经验模态分解的噪声对消算法,首先在频域中降低干扰幅值,接着利用经验模态分解的分频特性将宽频带的窄带干扰分解到不同频带,各频带内的窄带干扰频率相差有限,然后进行自适应噪声对消,以达到较好的滤波性能。仿真和实际数据验证了该算法的有效性。     

基于经验模态分解的自适应滤波算法在局部放电窄带干扰抑制中的应用

自适应滤波算法是当前抑制窄带干扰的有效方法。对于单频率的窄带干扰,设置自适应滤波器的参数比较容易,但是对于局放监测中多个频率且频率范围很宽的窄带干扰,设置自适应滤波的参数就会变得很困难。根据经验模态分解EMD(Emp iricalMode Decomposition)的分频特性,将EMD引入自适应滤波算法,提出了一种基于EMD的自适应滤波算法。局放信号中多个频率的窄带干扰经EMD分解之后,会分解到不同的模态函数中,从而将多频率的窄带干扰转化成了多个单频率的窄带干扰,在此基础之上对固有模态函数进行自适应滤波,可以较容易地解决自适应滤波器参数设置的问题,并能获得比普通自适应滤波更好的效果。仿真及实际数据的处理验证了该算法的有效性。     

基于经验模态分解的自适应滤波算法在局部放电窄带干扰抑制中的应用

自适应滤波算法是当前抑制窄带干扰的有效方法.对于单频率的窄带干扰,设置自适应滤波器的参数比较容易,但是对于局放监测中多个频率且频率范围很宽的窄带干扰,设置自适应滤波的参数就会变得很困难.根据经验模态分解EMD(Empirical Mode Decomposition)的分频特性,将EMD引入自适应滤波算法,提出了一种基于EMD的自适应滤波算法.局放信号中多个频率的窄带干扰经EMD分解之后,会分解到不同的模态函数中,从而将多频率的窄带干扰转化成了多个单频率的窄带干扰,在此基础之上对固有模态函数进行自适应滤波,可以较容易地解决自适应滤波器参数设置的问题,并能获得比普通自适应滤波更好的效果.仿真及实际数据的处理验证了该算法的有效性.     

用最优谐波小波包变换抑制局部放电混频随机窄带干扰

在进行电气设备局部放电(partial discharge,PD)在线监测中,当多个随机周期性窄带干扰的频率位于传感器监测频段内部时,会严重影响监测的可信性和准确性,然而目前缺乏有效抑制此类干扰的方法。为此,利用谐波小波具有严格盒形频谱特性的优点,提出一种基于最优离散谐波小波包变换的PD去噪新方法,将不同频率窄带干扰的能量分别集中在单一的子带内,用分解后子带香农熵比值的大小来确定包含各窄带干扰的子带,只要将对应的小波系数置零后重构就能得到去除窄带干扰后的PD信号,克服了离散小波包变换子带间存在频谱泄漏的缺点,实现了对PD监测信号的自适应优化分解。通过对仿真和实测PD信号频带范围内含有的混频随机窄带干扰进行去噪处理,并与离散小波包变换去噪结果进行对比分析后表明,最优离散谐波小波包变换对PD信号去噪后的能量损失和波形畸变较小,有利于后续对PD信号的模式识别,可以解决干扰频率位于监测频段内难于抑制的难题。     

基于EMD的局部放电窄带干扰抑制算法

以经验模态分解(empirical mode decomposition,EMD)为基础,提出了一种基于包络线及有效值的自适应窄带干扰抑制算法,用以从噪声中提取局放信号。EMD可以自适应地将信号分解成若干阶不同频率段的固有模态函数(intrinsic mode functions,IMF),窄带干扰经分解后在振幅上显示出与局放脉冲明显不同的特征,通过包络线及有效值确定的阈值可以有效地区别开来。仿真及实际处理结果表明:与常规的基于小波变换的窄带抑制算法相比,该算法具有较强的自适应性;能有效地抑制局放信号中的窄带干扰。     

局部放电信号中的白噪声和窄带干扰

分析了局部放电信号中白噪声和周期性窄带干扰经小波变换后的不同特性 ,提出了抑制局部放电信号中白噪声干扰和周期性窄带干扰的分层式综合处理小波包变换算法。结果表明 ,用小波包变换提取局部放电信号有较好的自适应能力     

基于小波分析的MSMA振动传感器信号处理与故障检测

基于磁控形状记忆合金(MSMA)逆特性制作的振动传感器,其输出的感应电压存在较大的干扰,需要对感应信号进行数字滤波以提取有效数据。本文在小波分析滤波原理基础上,采用db5小波数字滤波算法,将不同频段的感应电压信号进行软阈值滤波,并通过小波分解MSMA振动传感器的感应信号进行故障检测。由信号处理结果可以看出小波分析具有理想的滤波效果,可用于MSMA振动传感器的信号处理与故障检测。     

基于变分模态分解和小波分析的变压器局部放电去噪研究*

为有效去除变压器局部放电信号中大量的电磁干扰,针对现有经验模态分解存在模态混叠等问题,提出将一种新的信号分解算法——变分模态分解结合小波运用在变压器局部放电信号中来抑制窄带周期干扰和白噪声。首先利用变分模态分解将含噪信号分解成若干个以某中心频率波动的模态,在分解过程中自动滤去白噪声;然后提取含局部放电信息的模态进行重构;最后通过小波去除残余窄带周期干扰,进而实现干扰抑制。仿真和实测信号分析结果表明,该方法能很好地抑制两类干扰,保留局部放电信号特征,验证了采用变分模态分解结合小波去除噪声的有效性,为局部放电信号去噪提供了一种新的方法。     

二进小波变换结合自适应滤波用于局放检测

在局部放电在线监测和实时信号处理中,干扰较大时单纯依靠传统的硬件滤波较难准确提取有用信号,而在软件抗干扰中,传统多抽头自适应滤波器的参数设置也较难,有时会导致收敛很缓慢甚至不稳定。为此,提出了一种将二进小波变换与自适应滤波结合的局放信号检测算法,先对信号作简单的单抽头自适应LMS算法滤波,然后对滤波结果进行基于āTrous算法的二进小波变换来提取有用信号。通过对仿真白噪、窄带周期干扰及现场实测数据处理表明,该算法有很好的去噪性能,稳定性和实时性优于传统的自适应滤波,满足大部分工程要求,为工程实际应用提供了有效的去噪手段。     

基于AVMD-自适应小波包法的电缆局部放电去噪研究

为准确提取检测到的局部放电信号,针对高压电力电缆的噪声抑制问题,提出了自适应变分模态分解(AVMD)结合自适应小波包分解的方法提取纯净的局放信号。首先运用AVMD将周期性窄带干扰、白噪声和局放信号分解在不同的基本模态分量中,将周期性窄带干扰滤出,得到仅含有白噪声的局放信号。再运用自适应小波包分解,将信号分解在高中低频的分量中,根据阈值法将不含局放信号的分量滤出,得到较为纯净的局放信号,并将所提方法分别与其中单独一种算法进行去噪比较分析。仿真结果表明,所提方法抑制噪声效果更明显,与仿真信号的相似度最高。     

基于混沌控制的周期窄带干扰抑制方法研究

将混沌控制理论用于局部放电在线检测的混沌算法用谱分析获取窄带干扰的周期 ,设置适当的周期参数扰动来控制Duffing Homes混沌振子系统 ,实现对检测信号中窄带干扰的精确估计和抑制。实验表明 ,特定的混沌系统可准确快速地识别并抑制窄带周期信号 ,而对局部放电脉冲信号无任何影响     

A roll eccentricity sensor for steel-strip rolling mills

The problem of roll eccentricity compensation in steel-strip rolling mills is examined. A novel roll eccentricity sensor is proposed for the task of retrieving the desired reference signal from the available roll-force measurement. The sensor implements a modified comb filter structure which can be arranged in either tunable or adaptive form. Simulation results based on typical experimental data indicate that the proposed sensor is appropriate and offers distinct advantages over other methods. The proposed comb filter is new in the sense that it consists of a number of second-order notch filter models with specially constrained bandwidth characteristics. An approximate gradient-based adaptive algorithm is used for the frequency estimation. The important feature of such an algorithm is that it is robust and is simple to implement. The advantages of the sensor include fast convergence and accurate parameter estimates. No extra positional sensors are required since this information can be easily obtained from the phase estimates. Finally, the sensor is not based on approximate mill models; it treats the problem as a harmonic series buried in noise. The resulting solution is based on time domain measurements that characterize the mill roll eccentricity conditions during operation     

基于自适应容积卡尔曼滤波算法的电力系统动态谐波状态估计

由于传统的谐波状态估计的参数辨识算法要求噪声的协方差矩阵固定不变,而实际工程中噪声的协方差矩阵是随时间变化的,工程中存在错误的量测数据,导致传统参数辨识算法估计的谐波电流参数的准确度较低。因此,提出自适应容积卡尔曼滤波算法来提高辨识谐波电流参数的准确度。首先,针对时变噪声干扰,采用基于渐消记忆指数加权法的噪声估值器算法生成时变噪声的协方差矩阵;其次,针对错误的量测数据,采用开窗估计算法修正错误的量测数据;然后,将修正的噪声协方差矩阵和量测数据代入容积卡尔曼滤波算法中,对谐波电流参数进行估计;最后,搭建IEEE 13节点系统仿真模型,验证了自适应容积卡尔曼滤波算法在时变噪声干扰及量测数据错误情况下仍可准确地估计谐波电流参数,确保了动态谐波状态估计的准确性。     

基于甚高频的语音增强算法研究

甚高频通信在民航中有广泛应用,但是它极易受到各种噪声的干扰,传统方法去噪效果差且没有消除固有干扰,提出了一种基于小波分析的自适应卡尔曼滤波算法。该算法在小波分析中提出了新阈值函数,在自适应卡尔曼滤波算法中增加了调节窗口长度的自适应因子,以此来调节滤波增益,可以有效地避免滤波发散。随机选择了某一时段4种不同频率的甚高频语音信号,并用提出的算法进行滤波处理,从信噪比、均方根误差、信号波形图和语谱图等方面进行分析。结果表明,该算法能够有效去除甚高频语音信号中的噪声,可以获得更高的信噪比和更小的均方根误差,进一步提升语音质量。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

一种基于自适应陷波器的电网频率测量新方法

该文提出一种测量和跟踪电网频率变化的新方法：采用两级自适应陷波滤波器结构，第一级陷波器用来滤除谐波并得到加强的基波成分，再经过降采样处理把基波频谱拓宽后，由第二级陷波器来估计基波频率。陷波器的自适应算法是非梯度搜索的，使其运算量大大简化，适用于实时处理的场合。并通过仿真来说明该方法具有测量精度高和响应时间快的特点。     

基于PD信号提取的干式空心电抗器早期故障研究

在分析干式空心电抗器表面放电和匝间短路故障形成原因的基础上,通过在实验室对表面经轻微灼烧后的环氧树脂板的局放试验来模拟包封层表面放电现象,提出了一种通过从强干扰信号中利用自适应LMS算法滤波和小波包滤波联合去噪的方法,进而利用匝间局部放电信号来识别故障.通过对早期局放故障的识别来防止干式电抗器恶性故障的发生.     

局部放电在线监测中的自适应滤波方法

局部放电在线监测对保证电力变压器安全运行有重要意义,实现在线监测的关键是从强干扰中监测出微弱的放电信号。针对怎样抑制周期性干扰,文献中报道较多的是LMS自适应滤波方法,但该方法需调整参数多,对脉冲型干扰表现出不稳定性。为此,文中分别论述并比较了LMS算法和基于鲁棒RLS算法的自适应滤波方法的基本原理及实现方法。实验结果表明：鲁棒RLS算法较好地解决了LMS算法存在的问题,且能获得更高的信噪比,基本适用于局部放电在线监测。     

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计（MMSE）去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计（IMMSE）去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波（AM）代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE—AM的去噪算法。用IMMSE—AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。