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。     

基于优化遗传算法改进的小波网络预测锰系磷化膜的耐蚀性

针对小波网络训练速率较慢、结构不易确定等问题,结合实验选取的因素(包括输入参数和输出结果),通过仿真确定了小波网络的结构为3-7-1。接着,利用优化遗传算法对小波网络进行改进,修正其初始权值和因子。通过仿真证实了改进的小波网络具备更强的寻优能力和更快的收敛速率。最后,利用改进的小波网络预测锰系磷化膜的耐蚀性。结果表明:改进的小波网络可以更好地拟合样本数据,能够进行较准确的预测。     

轧机辊缝标定过程数据采集与处理

针对我国轧钢厂轧机刚度的人工计算方式与轧机标定过程噪点数据影响的现状，引入基于OPC UA的open62541作为采集数据的通信标准库，同时利用Python强大的数据处理功能对轧机标定过程数据进行降噪处理。在Linux-Ubuntu系统下，基于Qt编程技术开发一种实现对轧机标定过程数据的采集，并调用Python脚本对数据进行小波分析去噪，最后将刚度计算结果保存到MySQL数据库中。实验结果表明该软件可以有效采集轧机标定过程中的数据，对数据去噪具有明显的效果，提高了轧机刚度的计算精度。     

基于小波变换的文胸底围压力数据分析

女性穿着文胸时,文胸底围紧贴人体胸部,直接影响人体呼吸时的难易程度,为了研究文胸底围压力与人体呼吸之间的关系,选择20名在校女大学生穿着合体文胸做深呼吸试验,以文胸底围侧中部为测量点,记录试验过程中的压力变化情况。通过小波变换对深呼吸试验所测压力数据进行去噪处理,并用最优尺度回归分析法统一数据尺度。结果表明,文胸底围压力与人体呼吸自由程度、塑形效果以及底围拉长率均具有相关性。     

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。     

基于小波分析的谐波在线监测系统

针对传统谐波在线监测系统存的结果不准确，无法描述谐波动态变化特点，设计了基于小波分析的谐波在线监测系统。首先设计了谐波在线监测系统的硬件模块，然后谐波在线监测系统的软件模块，依据小波变换分析谐波信号特征，得到的谐波变化率，从而谐波在线监测系统的监测结果，最后采用具体实验进行了谐波在线监测系统性能的仿真实验，由实验结果可知，该系统的谐波监测精度高，可以有效检测各种谐波分量，保证电力系统稳定运行。