不相干约束项的判别字典表示电能质量扰动分类研究

针对稀疏表示电能质量扰动识别中判别字典学习的冗余性,提出一种具备精简性和不相干约束项的判别字典学习电能质量扰动分类方法。首先,将不同电能质量扰动样本训练获得子字典,公共字典和判别字典。接着,利用判别字典优化方法求解出降维测试信号的稀疏表示。最后,利用稀疏表示重构方法求解测试样本,由冗余残差最小值确定电能质量扰动信号的类型。不相干约束项的判别字典学习方法是在训练字典的过程中直接驱使字典具有判别性,获得更加精简且具有判别性的稀疏字典来提升最终的识别性能。实验结果表明8类电能质量扰动信号在40、30、20 d B信噪比递减时,平均扰动识别率有所降低但平均识别精度仍高达96%以上。仿真实验结果表明该方法能有效的对不同电能质量扰动进行识别并提高识别结果的精确度,并且不相干约束项的判别字典算法更优化于判别字典学习算法的分类识别性能。     

基于中值滤波的铁磁材料缺陷漏磁检测信号处理

漏磁检测反演问题主要是通过漏磁检测信号来反演出缺陷的轮廓尺寸等信息,由于漏磁检测反演问题具有不适定性,因此漏磁检测信号的精度对反演结果的准确性影响很大。实际检测漏磁信号中存在大量复杂的噪声信号,无法直接用其展开反演计算。一般漏磁信号中含有的噪声量包括高频噪声和基线漂移信号。为了过滤掉这些噪声,在中值滤波算法的基础上,将其改进为适用于过滤漏磁信号的多级滤波算法,分别使用二级改进的中值滤波算法过滤两种噪声信号。通过滤波方法处理实验中采集到的漏磁信号,验证了该滤波方法可以很好地过滤噪声。     

带标签信息子字典级联学习的复合电能质量扰动识别方法

针对传统字典学习方法的训练样本信号单一、重构效果差等缺点,提出一种带标签信息子字典级联的学习方法,对电能质量扰动信号进行扰动识别。该方法首先对不同类别电能质量扰动测试和训练样本采用主成分分析方法进行降维特征提取,对训练样本添加标签信息,其次对不同类别的电能质量样本训练成冗余子字典并级联成结构化字典,最后将级联的字典优化学习并由冗余误差最小值来判断目标的归属类别。仿真实验结果表明,该方法下的识别效果优于支持向量机(SVM)和稀疏表达分类(SRC),抗噪声鲁棒性更强,在信噪比20 dB以上的环境中电能质量复合扰动识别率达到91.40%以上。     

Hilbert变换在钢管漏磁检测缺陷定量化识别中的应用

提出一种根据漏磁检测信号切向分量信息构造法向分量的新方法.根据Hilbert变换原理,分析了钢管缺陷漏磁信号各个分量之间的正交对偶关系,论证了缺陷漏磁信号各个分量之间相互转换的理论基础和条件.基于探头所检测到的缺陷信号切向分量,利用Hilbert变换构造法向分量,增加了定量化识别的特征量,改善了缺陷识别的准确率和尺寸定量化误差.理论和仿真结果证明了该方法的有效性,可实现一维探头的准二维测量.     

多传感器特征决策融合的钢轨裂纹识别方法

随着高速铁路的快速发展,钢轨裂纹的有效检测对于铁路安全运行具有重要的意义.针对基于漏磁信号的钢轨裂纹识别问题,采用多传感器特征决策融合技术,在对漏磁信号进行了时域和频域的多特征提取与融合的基础上,同时对多传感器信号进行决策融合,设计了一种基于支持向量机(SVM)的多传感器信息融合分类器.利用人工裂纹的实测漏磁信号进行实验,相比于提取单一特征和利用单一传感器信号进行识别,提出的方法取得了更好裂纹识别效果,平均识别率达到98％.     

基于最小熵解卷积的轨面缺陷漏磁信号处理

钢轨表面缺陷的漏磁检测会受到巡检速度等因素的影响,导致背景噪声增大,检测灵敏度降低。为了增强缺陷信号特征,提高漏磁信号的信噪比,提出了一种基于最小熵解卷积的漏磁信号处理方法。通过目标函数法,计算得到最优的逆滤波器参数,对采集到的漏磁信号进行滤波处理。为衡量最小熵解卷积算法滤波效果,将处理得到的缺陷信号和背景噪声信号的峰峰值与小波变换法和中值滤波法进行对比。实验结果表明,最小熵解卷积算法对缺陷信号起到了明显的增强作用,且其效果优于小波变换和中值滤波。     

基于改进稀疏表示的海上风电场交流海底电缆短路故障分类方法EI北大核心CSCD

准确、快速的海底电缆故障分类是海上风电场运维的重要一环。该文提出一种基于改进稀疏表示的海上风电场交流海底电缆短路故障分类方法,该方法综合利用故障发生后半周波电流信号的时域特征作为故障分类依据,采用K次奇异值分解(K singular value decomposition,K-SVD)字典学习算法对各类故障信号的特征信息进行学习,构造出准确匹配各类故障本质特征的过完备字典。在学习字典的基础上,提出一种基于混合交替方向乘子法(mixed alternating direction method of multipliers,M-ADMM)的改进稀疏分解算法将故障信号分解为过完备字典与稀疏向量的乘积,结合基于稀疏表示的分类方法实现对故障重构信号的分类。仿真研究结果表明,该改进稀疏分解算法具有精确的信号重构、降噪效果。所提出的故障分类方法无需人工构造故障信号特征,避免了多工况故障信号特征筛选、时频域变换等繁琐流程。与SVM、CNN、LSTM等智能分类算法的对比结果表明,该方法具有较强自适应性的同时不易受故障时刻、故障位置影响且噪声鲁棒性强,可以准确识别海底电缆场景下低阻短路故障类型。     

基于改进YOLOv4及SR-GAN的绝缘子缺陷辨识研究

为了精准地识别无人机巡检图形中的小目标绝缘子及缺陷,本文提出了一种基于改进的深度学习目标检测网络(YOLOv4)的输电线路绝缘子缺陷检测方法.首先,通过无人机航拍及数据增强获得足够的绝缘子图像,构造绝缘子数据集.其次,利用绝缘子图像数据集训练YOLOv4网络,在训练过程中采用多阶段迁移学习策略和余弦退火学习率衰减法提高网络的训练速度和整体性能.最后,在测试过程中,对存在小目标的图像采用超分辨率生成网络,生成高质量的图像后再进行测试,以提高识别小目标的能力.实验结果表明,与Faster R-CNN和YOLOv3相比,所提算法在平均分类精度和每帧检测速率方面均有较大提升,性能表现优异.     

油气管道缺陷漏磁检测数据压缩算法研究

油气管道缺陷漏磁检测所获取的原始数据量很大,而检测器的数据存储容量和处理速度均有限,因此有必要研究快速、高效的缺陷漏磁检测数据压缩算法。文中分析了油气管道缺陷漏磁检测对数据压缩的特殊要求,针对所获得检测数据的特征,提出了一种分段自适应压缩算法。该算法对油气管道缺陷漏磁检测数据进行分段划分并加以识别,针对不同类别的数据段采用不同的压缩方法,且通过改变数据分段的长度和压缩阈值,可调整检测数据的压缩比和压缩失真度。对试验用管道上人工缺陷的漏磁检测数据进行了压缩,结果显示,该算法可在保持较低数据失真度的同时,获得足够高的数据压缩比;压缩效率、压缩质量和复杂度等,均可满足油气管道缺陷漏磁检测对大量数据进行快速、高效压缩的需求。     

基于单向表示字典学习的电能质量扰动识别方法

电能质量扰动识别是电能质量数据分析问题中极其重要的一个部分。目前已经实现的电能质量扰动识别方法普遍存在识别速度较慢,识别准确率仍有较大提升空间等问题。本文提出一种计算简单但能有效识别分类的方法,即基于单向表示字典学习的电能质量扰动识别方法。首先对电能质量数据的训练样本进行训练得到与各个类别对应的子字典,提出单向约束以使样本在字典中的表示系数方向可以区分,然后通过计算测试样本的表示系数方向以及大小来区分所属类别。实验结果表明,本文所提方法不但识别准确度高于已有的识别方法,而且计算效率也有较大提升。     

基于低频电磁的铁磁管道内壁缺陷重构方法

利用低频电磁的方法对铁磁管道内壁缺陷进行检测及轮廓重构是当前的一个热点问题。然而,低频电磁方法检测到的漏磁信号是周期性变化的,不便于缺陷信息的提取,并且被检测管道的长度、管径和原始壁厚的不同会严重干扰检测结果。因此,本文首先建立了低频磁场下管道内壁缺陷的二维有限元检测模型。其次通过计算漏磁信号与线圈电流比值,消除了漏磁信号的周期性变化给检测带来的不便。然后通过对的预处理,有效减少管道长度、管径和原始壁厚的不同对缺陷轮廓重构结果的影响。最后,基于高斯过程回归算法建立预处理信号与缺陷轮廓的回归模型,实现了缺陷轮廓重构。仿真结果中,针对长度、管径和原始壁厚各异的铁磁管道,所重构轮廓的均方根误差在0.17mm左右,表明该方法能够准确的重构出内壁缺陷轮廓。     

漏磁检测的混合正则化反演方法研究

漏磁检测作为无损检测的主要方法之一已得到了广泛关注和应用。漏磁检测对缺陷的识别问题属于电磁场计算的反问题,因其不适定性难以直接求解,因此目前对于漏磁检测方法的研究和应用大部分都避免了对反问题直接求解,而是采用搜索匹配式的方法。本文尝试使用混合正则化LSQR-Tikhonov的方法对基于磁偶极子单元积分模型的漏磁检测反演问题进行处理,对LSQR方法添加Tikhonov正则化来获得更多的主奇异值信息减小误差,通过混合正则化得到的近似解较为逼近真实值,得到的二维反演结果也可以判断出缺陷的位置和形状,通过仿真及实验验证了算法的准确性。     

含缺陷管道磁化状态与漏磁信号规律研究

漏磁检测技术是管道内检测领域常用的检测方法，基于漏磁信号的分析对于管道安全评价具有重要意义。建立漏磁检测的二维仿真模型，研究漏磁检测中励磁强度对于漏磁信号的影响；基于磁化状态对漏磁信号影响的物理模型，可将励磁强度分为3个阶段，即初始增长阶段、非线性增长阶段和饱和线性增长阶段。结果表明，3个阶段的分界点只受缺陷深度的影响，仿真结果与物理模型具有很好的一致性，所划分的3个阶段有效衡量管道漏磁检测中励磁强度的影响，对于漏磁信号采集分析具有指导意义。     

表贴式轴向磁通永磁电机齿顶漏磁的分析计算

分数槽绕组轴向磁通永磁(AFPM)电机的齿顶漏磁较大。在利用等效磁路计算程序调试电机设计方案时,需要准确计算漏磁系数,而准确计算漏磁系数的前提是准确计算齿顶漏磁系数。根据轴向磁通永磁电机磁通路径的分布特点,针对定子齿和磁极不同的相对位置,给出了不同位置角时的齿顶漏磁解析公式。为了验证解析公式的正确性,以一台电机的设计方案为例,采用解析法和有限元法分别计算漏磁系数,结果表明解析计算结果和有限元计算结果具有较好的一致性。最后给出了齿顶漏磁与电机极数之间的关系,为电机设计和优化提供了参考。     

近极槽数表贴式永磁同步电机齿顶漏磁分析与计算

近极槽数表贴式永磁同步电机的齿顶漏磁比较大,凭传统经验选取齿顶漏磁系数,再利用有限元软件仿真的方法延长了电机设计周期,即齿顶漏磁的快速、准确计算十分必要。根据半单元电机内每个齿的齿顶漏磁各自不同的特点,提出了平均每极齿顶漏磁的计算方法。将半单元电机内的所有齿的齿顶漏磁规算到每个磁极下,推导出了平均每极齿顶漏磁和齿顶漏磁系数的解析表达式。在此基础上进一步研究了电机极数和极弧系数的变化对齿顶漏磁系数的影响。平均每极齿顶漏磁解析法计算结果与有限元软件仿真结果一致,验证了平均每极齿顶漏磁计算方法的正确性和准确性。     

基于特征提取矩阵的稀疏系数求解算法

在压缩感知算法的基础上,提出了在字典学习算法过程中同时训练得到一个投影矩阵,通过该矩阵可以直接运算求取稀疏系数的方法.字典训练过程采用的是KSVD字典学习算法,并与传统的L1范数求解算法进行比较,通过实验可知,该方法比传统利用贪婪法等L1算法具有更加快速、识别率更高的特点,提出的算法通过矩阵运算可以直接求解出系数项,而后者则是一个NP问题,需要利用迭代算法来求解,这样对于大样本的测试来说提出的算法具有更好的应用空间,节约的时间将非常显著.     

管道漏磁内检测的管壁缺陷漏磁场解析模型

漏磁内检测技术是长输油气管道缺陷检测的主要手段,缺陷几何特征识别对管道安全运行评价具有重要意义。基于二维磁偶极子模型,建立管道内壁缺陷漏磁场空间分布的三维解析模型,对磁化方向垂直缺陷时磁荷产生漏磁场的变化规律进行研究;基于内壁解析模型,引入管壁退磁影响因子,对模型进行补偿,建立管道外壁缺陷漏磁场三维解析模型,得到了管道外壁不同缺陷漏磁场的分布特征。搭建漏磁检测实验平台,对所建模型有效性进行实验验证。结果表明,管壁对外壁缺陷漏磁场具有一定屏蔽作用,实验结果和理论分析具有很好的一致性,所建模型可有效描述管道内外壁缺陷漏磁场空间分布特性,对缺陷识别和定量评估具有一定工程指导意义。     

基于场路耦合时步有限元法的永磁同步发电机设计

首先根据传统方法设计了一台永磁同步发电机,然后通过对其等效磁路的分析进行空载气隙磁密和漏磁系数的解析计算,最后再利用场路耦合时步有限元法对所设计电机分别进行空载和额定负载时瞬态磁场的分析和空载时气隙磁密及漏磁系数计算值的验证.结果表明,所设计电机磁场分布合理,各项指标均达到设计要求,且气隙磁密及空载漏磁系数的解析值和有限元计算值也吻合得较好,证明了分析和设计的有效性.     

利用FPGA实现LZW算法的研究

LZW算法是一种基于字典模型的数据无损压缩算法,该算法具有自适应特点,解压时无需同时传送字典,且原理简单,较适合于硬件实现。本文根据LZW算法原理,利用FPGA芯片内部的RAM资源构成输入数据流的缓存器和字典存储器,结合较简单的字典管理策略,用单片FPGA实现了实时无损压缩算法,并给出其内部模块组成及工作流程。经过仿真及相关实验,结果表明该算法的FPGA实现能获得较好的压缩比和压缩速度,并且占用逻辑资源少,通用性好。