基于CMSE的随钻脉冲信号提取算法研究

为了更加准确高效地提取原始随钻钻井液脉冲信号,提出了一种基于互补集合经验模态分解(CEEMD)与平波整形算法的提取算法。采用基于固定"筛"数量停止准则的CEEMD对含噪信号进行分解,以连续均方误差(CMSE)指标为理论判据,重构信号的低频分量;提出平波预处理策略改进现行的脉冲整形算法,对重构后的信号进行整形处理,即可获得准确的钻井液脉冲信号。进行了仿真分析和实验研究,结果表明,该算法可以准确提取原始脉冲信号,提高了系统的实时性,且更加符合工程实际使用要求。     

脉冲电能突变特征量提取方法的研究

脉冲电能是电网中带有突变性质的一类交变电能信号,提取脉冲电能突变信息是研究脉冲特性的重要问题。文章根据脉冲电能的特征,在S变换理论的基础上研究了对其突变特征分析方法,对脉冲电能突变信号进行时频分析,形成特征提取规则;然后将其应用于实测典型脉冲电能信号的突变信息提取和分析。结果表明,该方法能准确识别脉冲电能的突变信息,是脉冲电能突变特征量提取的有效方法。     

基于小波变换和模式识别随钻测量系统通信信号处理方法研究

基于泥浆脉冲信道的通信信号处理是石油随钻测量系统的关键技术之一。针对恶劣工况环境下的泥浆脉冲信号数据处理，分析了泥浆脉冲信道衰减特点及其噪声特性，建立了泥浆脉冲信号的滤波、识别模型，给出结合小波变换、相关滤波、模式识别、聚类相关的组合处理方法，避免了以 FIR滤波、门限法识别的组合方法，其实时性差、门限值对解码结果影响大的局限性。现场测试结果表明，该方法能够有效解算井下测量数据，改善了信号识别率，提高了实时性。     

基于模糊聚类算法的油纸绝缘缺陷识别

采用典型模糊聚类算法(FCM)对电力变压器油纸绝缘缺陷进行诊断,研究不同绝缘缺陷的局部放电超高频信号特征识别问题。根据变压器内部绝缘缺陷特征,文章构建典型油纸绝缘缺陷模型,通过提取局部放电超高频信号特征量,构建综合识别矩阵,对缺陷进行识别。采用模糊C-均值聚类算法分别对信号小波去噪前后两种综合特征矩阵进行聚类分析及识别。对比结果表明,小波包多尺度超高频网格维数和能量参数能有效区分4种绝缘缺陷;小波去噪方法提高了正确识别率、最小识别率、识别稳定性、算法稳定性和收敛性。验证了模糊C-均值算法对油纸绝缘缺陷识别的适用性。     

基于密度峰值聚类算法的局部放电脉冲分割

局部放电(PD)信号处理是电力设备绝缘状态评估的基础,而特征量提取又是信号处理的关键环节。特征量提取包括局部放电脉冲分割和放电特征量提取两个步骤。放电脉冲分割提取是后续PD信号特征提取及故障分类的前提。为尽可能保留放电信息,同时减少人工干涉,该文提出了一种基于聚类算法的PD脉冲分割提取方法。该方法采用小波分解算法进行滤波处理,使用噪声抑制比(NRR)表征滤波效果;以所有局部放电信号半波脉冲为对象,计算各半波脉冲的能量(即信号瞬时值平方对时间的积分),从而使该方法能更准确地描述局部放电过程。应用Otsu算法自适应计算能量阈值并结合密度峰值聚类算法(DPC)实现PD脉冲的自动分割。在实验室建立了三种不同类型局部放电模型,采集得到10组电晕放电、11组悬浮放电和30组锥板放电数据,以对该文方法进行验证。结果都取得了80%以上的识别率,比同类算法更高或相当,表明了该文方法的优越性。     

基于极端树与堆栈式稀疏自编码算法的电力电子电路故障诊断

针对电力电子电路故障诊断问题,基于极端随机森林(ET)与堆栈式稀疏自编码(SSAE)算法提出了一种适用于开关管故障的信号识别诊断方法。以三相电压型PWM整流电路为例,首先建立电路仿真模型并设计电压/电流双闭环调节器;为了在输出直流侧能收集到有效的故障特征信号,选择在无负载条件下向PWM整流器交流侧电流d轴分量中注入特定频率的交流电流,此时会在DC输出侧产生相同频率的纹波电压/电流;接着选择直流侧输出电流为故障特征量,首先利用经验模态分解(EMD)提取前7阶本征模函数(IMF)分量,然后计算每阶分量的能量、复杂度以及时域特征和频域特征,获得初始故障特征数据样本,对其应用ET-SSAE融合算法进行降维处理,最后输入到分类器中进行识别。实验结果表明,该算法最终的故障识别准确率高达97.62%,其中ET算法降维处理后得到的故障诊断准确率为88.89%,SSEA降维处理后得到的故障诊断准确率为91.27%。     

感应式磨粒检测传感器信号特征提取方法研究

针对感应式磨粒检测传感器信号输出易受噪声干扰而导致微小磨粒难以提取的问题,提出了一种基于方差稳定性的磨 粒信号降噪及特征信息提取新方法。 首先,利用预处理信号中不同信息成分的差异性进行方差稳定性度量;然后,依据归一化 方差稳定度的统计特征实现自适应阈值提取,并在此基础上对预处理信号进行阈值分割;最后,利用目标信号特征判定指标对 磨粒感应电压进行识别与计数。 实验结果表明,算法能够成功提取出 50 μm(球体等效直径)磨粒产生的感应电压信号,与传统 分解类降噪算法相比,所提的新方法能够有效剔除检测信号中的背景噪声,其保护磨粒信号形态特征的优势可以进一步提高传 感器在强干扰环境下的微小磨粒检测能力。     

采用神经网络与分形理论的电力设备局部放电模式识别研究

根据小波理论,建立了表征局部放电(PD)脉冲信号的三维时频谱图;综合反映了局放脉冲信号的3个基本特征:时间分量、频率分量和放电能量的分布。提取放电特征,并构成识别特征量,采用反向传播算法(BP)神经网络用于局部放电信号类型的模式识别。实验结果表明,本方法可以有效的区分局部放电的类型。     

基于VMD和多尺度熵的变压器内绝缘局部放电信号特征提取及分类

为了有效提取局部放电信号的特征,提出了一种基于变分模态分解(VMD)和多尺度熵(MSE)的特征向量提取方法,并采用BP神经网络分类器对放电类型进行识别。特征向量的提取过程是首先利用VMD分解算法对局部放电信号进行分解,得到数个有限带宽的固有模态分量;然后分别计算分解得到的模态分量的MSE,将其组合得到初始特征向量;最后利用主成分分析法对初始特征向量进行降维处理。用该方法对实验室条件下4种放电信号和不同放电程度的电晕放电进行特征提取及识别。结果表明,该方法能有效提取放电信号的特征,以其作为特征向量可以正确识别不同的放电类型和同种放电类型下的不同放电程度。     

一种基于线性时频分布和二进制阈值特征矩阵的电能质量分类方法

从电能质量扰动信号中有效提取扰动特征信息并进行正确分类是电能质量监测分析系统需要解决的重要问题.本文提出了一种基于线性时频分布和二进制阈值特征矩阵的电能质量扰动分类方法.首先结合两种线性时频分布(窗口傅里叶变换和S变换)的优点,提取能够表征信号特点的五个特征并对其进行量化和编码;在此基础上,确立了基于二进制阈值特征矩阵...     

基于小波变换的脉搏信号特征提取

提出了一种适合于非平稳脉搏信号的特征提取方法。对在校学生和血管硬化患者两组各20例的脉搏信号进行分析,选择了具有多分辨分析特性的小波变换,分别对每例信号进行5层分解,提取出各尺度小波系数。根据小波系数与信号能量之间的等价关系,将归一化的各尺度小波系数能量值作为识别脉搏信号的特征向量。针对脉搏信号频谱特点并结合实验数据,改进了现有的能量特征提取算法。在样本有限的情况下,通过统计分析得出可以用改进的能量特征向量来区分心血管疾病患者和正常人群的结论。     

人体脉搏信号的希尔伯特-黄特征提取

脉搏信号包含与心血管相关的特征参数,提取与分析其特征参数能为心血管的初步检测提供一定的参考信息.采用希尔伯特-黄变换对脉搏信号进行时频特征提取,主要包括预处理和特征提取两部分.对小波软阈值滤波后的信号经验模态分解和希尔伯特变换,求取Hilbert谱与边际谱.从Hilbert谱与边际谱中分析了脉搏信号的生理特征反映,对人体心血管等方面健康状况的判断有一定指导意义.     

小波神经网络在无线随钻测量系统在泥浆信号检测中的应用研究

本文首先对石油工程无线随钻测量系统中的泥浆脉冲信号以及存在的噪声干扰源进行了详细地分析,接着讨论了运用小波神经网络阈值去噪处理技术从频率不固定的多频强噪声背景下检测出有效信号的方法.实际处理结果表明,小波神经网络阈值去噪处理是一种行之有效的泥浆脉冲信号检测方法,具有一定的实用价值.     

一种局部放电脉冲信号频域变换的新方法

为了提高检测系统识别局部放电信号和干扰信号的能力,笔者根据局部放电脉冲信号的超宽带特性,提出使用梅林变换对其进行处理,得到该脉冲信号的特殊"频域"波形。针对实际信号的离散特性,给出了基于快速傅立叶变换(FFT)而实现信号快速梅林变换(FMT)的方法。实例分析结果表明:该变换算法简单、运算速度快,可以应用于宽带信号的在线实时处理。这为局部放电脉冲信号"频域"变换以及"频域"波形特征参数提取提供了一种新的方法。     

特定辐射源个体识别算法研究

针对特定辐射源个体识别(specific emitter identification,SEI)方法,指纹特征提取需要复杂公式演算推理,特征差异小、提取困难,提取后特定辐射源个体识别正确率低的问题,提出一种基于密集连接结构与注意力机制的特定辐射源识别算法,称之为特定辐射源识别网络(specific emitter identification network,SEIN).首先使用包络提取算法提取含噪声较少的辐射源信号包络,得到含有丰富指纹特征的包络图,进而进行SEIN指纹特征的提取及个体识别.实验结果表明,SEIN可达到95.12％的分类识别效果,具有准确率高、指纹特征提取自动化特点,最终较好实现了复杂环境下特定辐射源个体识别.     

无线随钻泥浆信号小波包去噪处理

提出一种基于高阶统计量的小波包去噪新方法。该方法充分结合了小波包多分辨率分析和高阶量的抗高斯干扰特性:首先利用小波包多分辨率分析的特点去除泵噪声;接着计算小波包分解的各尺度的四阶累积量,从信号和噪声的统计特性出发进行信噪分离,有效滤除只含噪声的小波树节点;最后通过计算小波系数与信号的三重相关系数来对信号进行阈值处理,从而达到对信号进行降噪的目的。实际结果表明,基于高阶统计量的小波包去噪处理是一种行之有效的泥浆脉冲信号检测方法,具有一定的实用价值。     

基于Camberra距离的串联电弧故障诊断方法

为进一步降低低压电弧故障的误识率,针对串联电弧故障,提出一种基于脉冲信号变换的Camberra距离诊断方法。将负载电流转变为脉冲波,随机电弧故障表现出脉冲波的非周期波动。通过脉冲宽度的时间序列数值差分提取电弧故障的随机特征,构造出基于差分序列统计特性的故障特征向量。特征向量点值图呈现出明显的聚类特征。根据特征向量的Camberra距离分析结果与脉宽特征,给出电弧故障误识别问题的解决方法,确定了电弧故障的诊断算法。参考UL1699的电弧故障仿真试验和实际样机测试结果验证了该方法的可行性和较高的可靠性。     

基于宽带检测的局放脉冲波形快速特征提取技术

根据电工设备绝缘存在多局放的工况,提出研制基于单个脉冲的局放宽带检测与模式识别在线监测系统.并指出研制该系统需要解决脉冲群快速分类这一关键技术,其由脉冲波形的快速特征提取以及基于波形特征的快速聚类分析组成.本文针对100Ms/S采样率获取的宽带脉冲波形、-时间序列,提出分别使用幅值参数法、等效时频法和时频熵法对局放脉冲波形的特征参数进行提取.在对人工设置的多局放源产生的脉冲群数据进行波形特征提取后,使用模糊聚类对脉冲群波形特征提取结果进行了对比分析.结果表明:三种波形特征提取方法均能在一定程度上很好地分离干扰源而提取出局放数据.GIS母线尖刺缺陷的试验数据处理同样证实了该技术的有效性和可行性.这为研制基于单个脉冲的宽带局放检测与模式识别在线监测系统提供了实用的脉冲波形快速特征提取技术.     

基于改进型斜率阈值法的脉搏波特征提取研究

脉搏波压力及波形特征变化是评价人体心血管系统生理病理状态的重要依据.脉搏波特征点是脉搏波压力曲线上衡量血管阻力和动脉弹性的重要指标,准确提取脉搏波特征点对于评估人体心血管功能具有重要意义.以斜率法为基础结合倒序法阈值判断,提出了一种基于改进型斜率阈值法的脉搏波特征点提取算法,可逐步缩小检测阈值快速提取特征点.实验结果证明,该算法特征点提取精度较高,运算复杂度低,可应用于实时性运算处理.