基于CEEMD与小波包的单相接地故障选线方法

为了解决矿井供电系统发生单相接地故障时故障特征不明显情况下小波包选线方法易错选误选的问题，文章提出了一种基于CEEMD与小波包的选线方法。该方法首先对各条线路的零序电流进行CEEMD分解，提取分解得到的高频IMF1分量进行小波包变换，求取各频段小波包能量总和并排序，按照能量最大原则确定特征频带并进行小波包分解系数模最大值极性的比较，确定模最大值极性相反的线路为故障线路。利用RTDS搭建了35/6kV的矿井供电系统仿真模型，仿真结果表明该选线方法具有较好的选线准确性，并且受不同故障因素的影响较小，在不同故障条件下均有较高的选线准确率。     

基于多参数特征保留的载荷谱加速耐久性编辑

为了得到时间更短加载效果相同的加速耐久性试验载荷谱,提出了基于多参数特征保留的载荷谱编辑方法。该方法同时考虑载荷谱的损伤、功率谱密度以及统计参数等信息,对零部件载荷谱的时间进行压缩。以汽车悬架螺旋弹簧的载荷谱为例,采用该方法进行缩减,同时从多个参数特征方面与传统的基于损伤保留的编辑方法所得到的载荷谱进行对比。为了进一步验证编辑效果,采用编辑谱和原始谱对弹簧进行疲劳仿真。结果表明,该方法能够有效缩短汽车零部件的载荷谱,可得到与原始载荷谱具有相同加载效果的编辑载荷谱。     

基于局部放电法的矿用高压电缆信号去噪算法研究

干扰噪声直接影响局部放电法有效检测矿用高压电缆故障。基于局部放电法，综合采用理论计算、仿真实验、现场试验的方法，对比分析了短时傅里叶变换和傅里叶分析去噪法的原理和优缺点，提出了一种矿用高压电缆的局部放电去噪算法——小波阈值去噪法，同时，选择了合理的阈值函数和去噪流程。基于此，采用白噪声和连续周期信号作为高压电缆的干扰噪声，进行了模拟仿真实验。结果表明，小波阈值去噪法可有效抑制白噪声，其中，Db2小波性能和去噪效果最好；同时，现场试验结果显示，去噪后信噪比得到了显著增加，验证了小波阈值去噪法的合理性和可靠性。     

基于小波包变换和Replicator Neural Network的单位置结构损伤检测

为了实现对结构的损伤检测,提出一种基于小波包变换和Replicator Neural Network (RNN)的单位置结构损伤检测方法。首先采用小波包变换对原始振动响应信号进行分解,计算分解得到的各频带的相对频带能量,这些相对频带能量的分布反映了结构特性。然后,将健康结构的相对频带能量作为输入训练RNN。最后,利用训练后的网络即可对结构进行实时损伤检测。实验表明,即使在有噪声干扰下,该方法仍然能够检测出结构是否存在损伤。     

基于EMD和改进小波阈值的地震信号去噪方法

地震资料采集获得的地震信号资料中往往夹杂着大量的噪音信息,地震信号的有效去噪对后续的地震资料解释具有重要的意义。本文提出一种基于经验模态分解(EmpiricalMode Decomposition,EMD)和改进小波阈值的地震信号去噪方法。将含噪地震信号分解为一系列本征模态函数(IntrinsicModeFunction,IMF),并根据自相关理论,对从IMFs中筛选的高频分量应用改进的小波高参数阈值算法处理,低频IMF分量应用改进的小波低参数阈值处理,最后对处理后的IMFs进行重构。利用本文提出的地震信号去噪方法对合成地震信号和实际地震信号进行去噪处理,并与EMD去噪效果进行对比,结果均表明本文所提方法的去噪效果优于常规的EMD方法。     

基于离散小波变换的脑电信号睡眠分期研究

提出基于脑电信号(EEG)的睡眠分期研究。利用离散小波变换(DWT)的db8小波分解得到的细节分量作为信号新的表达,把各个细节分量能量作为特征,建立带高斯径向基核函数(RBF)的非线性支持向量机(SVM)模型。研究发现,其对睡眠分期研究的方案是可行的,满足模型对泛化能力的要求。