基于小波时频图和卷积神经网络的断路器故障诊断分析

高压断路器操动机构振动信号为非平稳性信号,蕴含着丰富的操动机构工作状态的信息,对操动机构工作状态的检验辨识具有重大意义。提出一种基于小波时频图和卷积神经网络的断路器故障诊断方法。对操动机构振动信号进行连续小波变换生成时频图(CWT),并对时频图进行统一压缩预处理;将预处理后的时频图作为特征图输入卷积神经网络AlexNet模型;通过对网络参数的调整,逐步改进网络模型,有监督地实现对操动机构故障状态的辨识诊断。结果表明,该方法能够有效地运用于断路器操动机构故障辨识诊断,与小波频带能量-RBF、小波频带能量-SVM的故障识别相比,故障识别准确率最高。     

基于稀疏Radon变换的窄带雷达信号单目标检测方法

本文提出了应用于窄带雷达信号的单目标检测方法：基于稀疏 Radon 变换的方法， 该方法适用于低信噪比的情况，需将目标能量校正到一个距离单元后对方位向调频率进行搜索。 在原有雷达单目标的检测方法基础上，适当地进行相位补偿，并使得目标回波相干化，最终提出了两种应用于窄带雷达单目标的检测方法，利用了稀疏 Radon 变换，验证了目标检测方法的有效性，并在此基础上，实现了对目标的运动参数的准确估计。     

基于十字形阵列和2D-MUSIC算法的Lamb波检测

采用由压电传感器组成的十字形阵列进行Lamb波信号的激励和接收，提出一种二维多重信号分类（2D-MUSIC）方法对铝板中的缺陷进行定位检测。选用合适的频率激励产生单一模态信号，可避免多模态的影响，降低Lamb波的频散；利用2D-MUSIC算法对接收信号进行分段处理，并结合反射信号和二维导向矢量对铝板中的缺陷进行定位。结果表明，提出的2D-MUSIC算法对铝板中的缺陷定位比传统MUSIC算法更精准。     

指数反余弦函数变换灰色预测模型

将指数反余弦函数变换aarccosx(a≥e)应用到粮食产量数据的实证分析中,可变参数a取值可以提高GM(1,1)模型的预测精度.     

二进小波变换在复杂山区配电网故障指示器波形分析中的应用

为进一步提高故障指示器在进行波形处理时的起始点判定精确度,减少因漏报、误判引起的故障查找时间和停电损失,基于复杂山区配电网的故障情况,本文提出了一种二进小波变换的故障起始点判断方法,能够有效解决目前录波型故障指示器在波形处理时故障起始点判定精确度较低等问题。通过智能配网云平台的现场数据分析,验证该方法是有效可行的。