CEEMD-SST去噪法在变压器套管引线超声检测中的应用

为了提高超声检测在变压器套管引线检测中的准确性,提出一种CEEMD-SST去噪法,用于超声回波去噪。首先,对信号进行CEEMD分解,对各阶IMF分量作互信息熵计算,区分高低频信息;然后,对高频信息进行SST变换,分离有效高频信息;最后,将压缩处理后的IMF分量与剩余分量重构,完成去噪。经仿真与实例验证,去噪后保留了超声回波信号起振位置等细节信息,信号信噪比提高,均值误差减小将本算法应用到变压器套管引线超声检测中,可提高超声信号质量与检测精度,更好地获得套管引线状态,具有一定应用价值     

基于VMD的去噪算法在套管引线检测中的应用

超声检测套管引线的信号数据中存在大量的噪声干扰,使得回波时间提取精度产生较大误差。针对上述问题提出了一种基于变分模态分解(VMD)与小波阈值的去噪新方法。采用VMD对含噪信号进行分解,通过计算相关系数筛选出固有模态函数(IMF)中的高频分量进行小波阈值降噪,保留高频分量中的回波信息,最后与低频IMF进行信号重构。实测数据的去噪结果表明,去噪效果良好,有效地保留了高频分量中的真实信息,提高了超声回波信号的信噪比,从而增加了超声检测套管引线的测量精度。     

结合矩形窗的EEMD局部放电信号去噪

针对现有信号去噪方法的不足,采用总体经验模态分解EEMD(ensemble empirical mode dcomposition)方法对变压器局部放电信号进行消噪,并将其与小波消噪方法进行对比。由于EEMD本身的分解性质及计算机性能的限制,使得对于高采样率长信号的消噪处理变得很困难,故此提出将矩形窗与EEMD算法结合起来进行去噪。研究表明EEMD去噪方法更适合于变压器的局部放电去噪,加矩形窗的EEMD去噪方法通过时间复杂度分析和实验验证,更适合此类局部放电信号的去噪。     

激光雷达回波信号的小波去噪研究

激光雷达回波信号去噪是回波信号有效检测的基础。分析了激光雷达回波信号中的噪声来源和统计特性;采用非抽样小波变换和Hybird软阈值对回波信号进行了去噪处理,对处理后信号中残余的＂毛刺＂进一步做了平滑滤波,处理后的信噪比提高了20.55dB。利用Gage高速采集卡和LabVIEW编程环境中开发的软件实现了对激光雷达回波信号检测。     

EEMD在激光测云仪后向散射信号处理中的应用

激光测云仪后向散射信号是典型的非线性、非稳态信号,容易受噪声污染。针对该问题采用集成经验模态分解(EEMD)去噪算法进行处理,首先对含噪信号进行经验模态分解(EMD),将分解后的IMF分量进行自相关性分析,找出含噪占有量较大的IMF分量,对其进行SG(savitzky-golay)滤波,最后将滤波后的IMF分量和剩余分量进行信号的重构。经仿真实验结果表明,与传统的EMD方法相比,EEMD方法处理含噪信号后的输出信噪比提高了1.695 dB,均方误差平均降低了30%以上,说明该方法可以适用于非线性、非稳态的后向散射回波信号去噪处理,能为激光测云仪下一级的云底高度反演提供高信噪比的初始数据。     

改进的EEMD去噪方法及其在谐波检测中的应用研究

针对低信噪比条件下集合经验模态分解(EEMD)在分解过程中产生的模态混叠问题,本文提出改进的EEMD阈值去噪方法。首先利用白噪声经EEMD分解后其固有模态函数(IMF)分量中能量密度与平均周期乘积为常量的特性确定有用信号与含噪信号的分界点,对含噪信号进行"粗筛";进而对粗筛出的含噪模态进行"细筛",在此过程中采用"3σ法则"对第一层噪声信号进行细节处理,从而更好地保留有用信号的细节特征,继而通过能量估算方式对其他各个含噪模态进行阈值处理;最后进行信号重构。选取信噪比与均方误差作为去噪效果评价标准,经与实验对比分析,结果表明本文方法达到了最佳的去噪效果,尤其在低信噪比时优势更加明显。基于以上去噪方法,本文又进一步提出了基于二次EEMD分解的谐波检测方法,结果表明该方法可实现在低信噪比下的谐波检测,进一步证明了所提去噪方法的有效性。     

基于CEEMD-EEMD的局部放电阈值去噪新方法

为了解决局部放电信号去噪过程中自适应性不足,提出了基于完全经验模态分解和总体平均经验模态分解 (CEEMD-EEMD)的局部放电阈值去噪新方法。首先将放电信号进行CEEMD分解,其次对分解出来的固有模态函数进行EEMD分解,根据数理统计的知识将分解后的信号进行阈值去噪。利用该算法对局部放电的仿真信号和实测信号进行去噪处理,并与常规的小波去噪算法比较分析。仿真和实验的去噪结果表明,基于CEEMD-EEMD的局部放电阈值去噪方法取得了良好的去噪效果,验证了该方法的有效性,从而为局部放电信号的预处理提供了一种新思路。     

基于经验模态分解法的变压器局部放电去噪方法研究

复杂噪声环境下,提取变压器的局部放电信号是对其运行状态在线检测的关键.EMD舍高频,留低频信号的重构方法,信号保留不完整,且存在模态混叠.本文采用单一 EMD、EEMD、CEEMD以及CEEM-DAN方法对局部放电信号去噪仿真分析,部分解决了模态混叠问题,但单一分解方法去噪效果差.因此,本文进一步改进,采用CEEMDAN阈值的局部放电去噪方法,通过仿真数据分析,减少了重构误差,提高信噪比,误差更小.     

一种新的电能质量扰动信号去噪方法

针对电能质量扰动信号去噪过程的简化和硬件实现问题,提出基于信号相关性处理的跨小波尺度空间去噪方法.基于电能质量扰动信号不同成分在小波尺度空间上的相关性不同,新方法把原信号分为两个数据长度相等的新信号,分别进行小波变换,跨两个尺度空间对相同分解深度的尺度系数进行相关性处理和软阈值处理,合并后的信号可滤除噪声成分.仿真信号去噪前后的赋范均方误差小且具有更好的检测效果.算法计算复杂度分析结果和实际运行表明,在高速DSP上可以实时实现该算法.     

基于IDCQGA-OMP的变压器局部放电稀疏分解去噪北大核心CSCD

噪声对变压器局部放电信号干扰强烈,严重影响最终监测效果。为进一步提高稀疏分解方法在变压器局部放电去噪过程中的收敛速度和去噪效果,文中提出了一种基于改进双链量子遗传算法与正交匹配追踪方法相结合的局部放电稀疏分解去噪新方法。利用该方法对仿真局部放电信号进行去噪,并与传统的小波阈值去噪法和EEMD去噪法的去噪效果进行对比,结果表明,新方法的去噪效果在各项评价指标上都明显优于后两者,同时新方法的收敛速度明显快于传统的匹配追踪方法。通过对实测变压器内部典型局部放电信号的去噪,进一步验证了该方法的有效性和实用性。     

基于中值滤波和改进提升小波的输电线路激光测距信号去噪方法

针对小波变换去噪算法精度不高,运行时间较长的缺点,并结合激光测距信号含有高密度高幅值脉冲噪声和白噪声的特点,提出一种基于中值滤波和改进提升小波的去噪算法。首先对实测输电线路激光测距信号进行中值滤波处理,以平抑占比较重的脉冲噪声;再进行提升小波变换,得到小波分解系数;同时,使用鸡群优化算法(chicken swarm optimization,CSO)寻找最优阈值;然后进行提升小波逆变换得到重构信号。结果表明:相对于传统提升小波变换去噪算法,应用该方法的去噪效果信噪比提升2倍以上。最后将几种去噪算法进行了综合比较,所提出方法可有效提高去噪效果并略微减少算法运行时间,优于传统去噪算法。     

电磁超声回波信号的改进阈值函数降噪法研究

虽然电磁超声回波信号中含有大量缺陷性质的信息,但在回波信号中也掺杂着大量的噪声干扰信号。为了很好地从回波信号中提取反映缺陷本质特征的信号,讨论了提升小波变换的提升算法以及新的阈值函数,使用了基于提升小波变换的改进阈值函数的方法和选取了一种最优的阈值方法对电磁超声回波信号进行了去噪处理。由仿真结果可知,基于提升小波改进阈值函数去噪是一种有效的降噪方法。     

超声导波管道缺陷检测的小波阈值去噪法

在超声导波管道缺陷无损检测中,回波信号在接收和处理过程中不可避免地会受到噪声的干扰,另外,超声导波在管道中传播时还存在频散现象,这会给管道缺陷的识别与特征提取带来不利影响。在有限元数值模拟条件下,采用小波分析的方法,利用Daubechies小波家族中的coif3作为小波函数,运用启发式阈值选取方法,对加有噪声的超声导波回波信号进行去噪,实验分析结果表明此方法提高了重构信号的信噪比,有效地抑制了超声导波回波信号中的噪声,在管道缺陷超声导波检测中,可为管道缺陷的识别与特征提取等提供方便。     

基于变分模态分解的变压器有载分接开关振动信号去噪分析

针对变压器有载分接开关振动信号中的环境噪声影响后续特征提取与识别的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)与小波包阈值的去噪算法。首先对信号进行VMD分解,得到一系列窄带、中心频率区分度较好的模态分量。然后对各模态分量分别进行小波包阈值处理,利用均方根误差、信噪比及平滑度构成的复合评价指标确定最佳分解层数,得到最优的去噪效果。最后重构得到去噪后的振动信号。在变压器有载分接开关模拟试验平台上进行试验,并对采集的振动信号进行去噪分析,结果表明该方法的效果优于常用的去噪方法。     

基于信号极值检测分段法和ITD-PE-PCA算法的变压器绕组变形超声检测信号去噪研究

为了解决超声信号特征分段问题和固有时间尺度分解(ITD)算法分解次数不便确定的问题，本文中作者提出了一种极值检测分段和ITD-PE-PCA联合去噪算法。试验结果表明，组合的去噪算法结合了ITD、PE和PCA的优点，去噪后的信号信噪比更高、均值误差更小，并且可以有效保留超声回波中的有用信息。     

小波熵自适应阈值的电能质量信号去噪新方法

针对电能质量信号去噪问题,提出改进的小波熵自适应阈值去噪法。利用小波变换分解电能质量信号,计算小波分解后信号子带区间的小波熵,将小波熵和自适应阈值相结合确定高频系数阈值门限,采用改进折中指数阈值函数对电能质量信号去噪处理,最后重构降噪后的电能质量信号。通过对四种典型带噪电能质量信号(电压突降信号、暂态振荡信号、电压中断信号、谐波信号)去噪处理,并与无偏风险阈值、极大极小阈值的去噪性能比较,对比可知在输入信噪比为20dB时,对于不同的电能质量信号,改进的小波熵自适应阈值去噪法的输出信噪比是最大的。     

基于ITD和改进小波阈值的超声检测信号去噪

超声检测信号是一种非线性、不平稳信号,且由于材料结构的复杂性,超声回波信号往往存在很多干扰噪声。针对钢制结构中平底孔的超声检测信号传统小波去噪方法的不足,提出固有时间尺度分解(ITD)和小波阈值去噪相结合的方法对信号进行去噪处理。通过将带噪声的原始检测信号进行ITD分解,获得一系列固有旋转分量(PRC)和一个单调趋势项,去除高频分量后重构部分主要的PRC分量,然后采用改进阈值的小波软阈值方法对其进行去噪,该方法融合了小波去噪和ITD方法的优势,信噪比、均方根误差和相关性等参数都比较满意,去噪效果明显。     

基于改进阈值去噪的谐波检测

为保证电力系统的安全运行,必须要对谐波进行准确的检测和分析。电力系统中的信号不仅由基波和各次谐波组成,还包含大量的噪声,噪声的存在严重影响电力系统谐波检测的精确性。针对传统的软阈值和硬阈值去噪方法的不足,提出了一种基于sym8小波的改进阈值去噪方法。首先用sym8小波对信号5层分解,然后对第一层、第二层小波系数去噪优化,最后基于优化后的各层系数对信号进行重构和谐波检测。在Matlab平台下对比软、硬阈值和改进阈值的去噪效果,表明改进阈值去噪方法效果更好,并用该方法去噪后检测谐波的准确性明显提高。     

基于改进的小波阈值的电能质量信号去噪

对于暂态的电能质量信号的监测,研究了一种用最大后验估计的双树复小波变换对电能扰动信号进行去噪高效算法。首先运用最大后验估计对扰动信号的改进的小波阈值进行去噪预处理,然后对于不同分解层的细节系数噪声方差和信号方差进行估算,并且运算出不同分解层阈值,从而得出去噪阈值。仿真实验结论表明:所提出算法步骤简单,计算速度快而且易于实现,去噪效果理想,具有很好的应用前景。     

VMD算法在全光纤电流传感器信号去噪中的应用

为了有效抑制全光纤电流传感器的噪声信号,提高传感器的信噪比,将VMD算法用于全光纤电流传感器信号的去噪处理.采用Optisystem光学仿真软件搭建全光纤电流传感器的仿真模型,对仿真得到的信号用VMD分解,根据相关系数选取有用的模态分量进行重构,得到去噪后的信号.结果 表明:经过VMD算法去噪后的信号信噪比提高到28.2125 dB,均方根误差减小为3.3323×10-4,与小波去噪相比提高了信噪比,减小了均方根误差.