一种广义S变换及模糊SOM网络的电能质量多扰动检测和识别方法

针对暂态电能质量电压多扰动信号的检测与分类问题,提出一种基于广义S变换及模糊SOM神经网络的暂态电能质量检测和识别方法。针对常见的电压多扰动信号,特别是两种扰动叠加的情况,采用广义S变换对扰动信号的时频特征进行提取,并取变换后的时间幅值平方和均值和特征频点作为神经网络的输入样本,采用模糊SOM神经网络进行训练,再用新的多扰动数据进行网络检验。仿真与实验结果表明,广义S变换能有效提高电能质量多扰动特征检测,模糊SOM神经网络能精确对其进行分类,该方法能够较好的解决电压多扰动叠加情况的定性和定量分类问题。     

MIMO-RFID系统反向识别距离研究

超高频(UHF)射频识别系统(RFID)读取可靠性受多径信道制约,而多天线分集技术(MIMO)被认为能有效提高其链路可靠性。不同于一般的无线通信系统,UHF RFID反向链路是两个多径信道的级联,本文基于最大比合并(MRC)准则,分阅读器单站和双站天线情形,导出了Nakagami-m多径信道下单天线(SISO)与多天线(MIMO)RFID系统反向识别距离(RIR)均值的解析表达式,并通过数值仿真和实际测试研究了相关因素对RIR均值的影响。实验结果表明:MIMO技术能有效提高多径信道下UHF RFID系统的反向识别距离,并且阵列天线数越多、信道相关系数越小、信道衰落参数m越大,RIR均值将越高。     

基于改进平方检测和新型K-N互卷积窗的闪变参数检测

传统的数字式闪变仪研制主要根据IEC闪变测量原理将各环节的模拟滤波器转换为数字滤波器来实现,但数字滤波器的效果受限于采样频率和变换方法的选取。提出利用解析模式分解改进传统平方检测法的滤波环节,准确提取电压闪变包络信号,构建新型K-N互卷积窗函数,推导基于新型K-N互卷积窗三谱线插值修正算法,据此提出基于改进平方检测法和新型KN互卷积窗的闪变参数检测方法,开发基于虚拟仪器的闪变参数检测平台。仿真实验结果表明,所提算法在单一频率调制、多频率调制、电网频率波动、含有叠加谐波及噪声干扰的情况下,均能有效实现闪变参数的准确检测,相较于传统检测方法,实现简单且具有更高的准确度。     

复杂设备环境下的多状态负荷运行状态辨识方法

非侵入式负荷监测(NILM)是智能用电行为辨识中的关键组成部分。由于中压配电网下的负荷同时接入种类繁多,并且多具备变频功能,不具备恒功率特性,现有的聚焦于家庭中的负荷辨识方法难以直接应用在类似的复杂设备环境中。文中针对复杂设备环境中的负荷特点,选取了电梯作为典型负荷进行了负荷辨识实验,使用符合IEC 61000-4-30的测量数据作为输入,目标为辨识电梯是否处于运行状态。为了消除无关特征造成的运算压力,提出了基于皮尔逊相关系数的差分特征提取方法,结合卷积神经网络实现了实际含多未知负荷环境中的电梯负荷状态辨识。使用实测数据的结果表明,该方法仅需少量样本辨识出运行功耗变化复杂的电梯运行状态,且计算精确度要高于传统机器学习方法。     

串行通讯中TTL和EAI电平转换的软实现

本文以80C52单片机与TPUP-AF打印机的串行通讯为例,详细介绍了一种不使用电平转换芯片实现TTL与EAI电平软转换的方法。     

用于12kV环网柜的新型空气绝缘电缆接头研究北大核心CSCD

T型或肘型电缆终端接头是12 kV环网柜与电缆连接的常用关键部件,但在运的环网柜发生多起电缆头绝缘击穿甚至发生爆炸的事故。经过分析,放电的主要原因是由于固体绝缘界面因安装不当、硅脂失效等原因出现的微小气隙导致。为了从结构创新的角度彻底解决该问题,提出了采用非界面绝缘的思路,设计了一种新型环氧树脂浇注、空气主绝缘的电缆接头结构,对新型电缆接头进行了电场仿真,施加电压75 kV,空气处最大电场小于3.7 kV/mm。制造了新型电缆接头的样机,进行了绝缘、密封等试验,工频耐压大于42 kV,雷电冲击耐压大于75 kV,整体局部放电小于3 p C,满足相关标准的要求,可以作为一种新的结构试点应用。     

基于自适应不完全S变换与LOO-KELM算法的复合电能质量扰动识别

针对电能质量复合扰动识别中特征提取效率低、分类器识别能力与学习速度无法同步提高的问题,提出一种基于自适应窗不完全S变换与留一交叉验证优化的核极限学习机(LOO-KELM)算法的复合电能质量扰动识别方法。首先根据选定的主频率点自适应调节S变换窗宽系数,提取具有高时频分辨率的59种电能质量(PQ)特征,再通过留一交叉验证寻找最小预测残差平方和,实现核极限学习机的输出权重优化,最后根据提取PQ特征集与优化后的核极限学习机实现复合扰动的识别与分类。仿真和实测结果表明,所提方法对不同噪声下的16类混合电能质量扰动均具有较高的分类精度,相较于现有复合电能质量识别方法,分类精度更高且训练时间更短。     

基于瞬时相位分析的时钟抖动检测方法

针对时钟信号抖动的测量问题,提出了一种通过分析信号瞬时相位来测量信号抖动的新方法.该方法利用基于双窗函数频域法实现的希尔伯特变换来构造待测时钟信号的解析信号,再由该解析信号提取出待测信号各个时刻的瞬时相位,最后通过分析相位的抖动计算出时钟信号的抖动.用该方法对实例含抖动时钟信号进行了仿真实验,结果表明所测抖动与在待测时钟信号中加入的抖动一致;在窗函数的对比实验中,该方法表现出了更好的测量精度.     

一种新的连续小波变换VLSI实现方法

研究了连续小波变换的VLSI实现方法。利用2个周期函数相乘得到小波信号链,与待分析信号经过乘法器相乘,再经过低通滤波器处理,得到信号的时频分解,也就是得到待分析信号的局部放大信号。乘法器采用的是InP衬底的异质双极晶体管(HBT)的Gilbert乘法器,低通滤波器采用的是压缩扩展的对数域电路。首次采用电流模式压缩扩展对数域电路来实现一维连续小波变换,这种实现具有高速、低电压、低功耗等特点。用PSPICE,Matlab对乘法器和滤波器等小波变换基本器件及小波重构进行仿真,表明所提出的连续小波变换压缩扩展电路可行。     

模拟数字电路故障诊断新方法

利用小波变换与神经网络相结合的方法,采用能量分布特征提取方法和改进BP算法,给出了一种基于小波变换和BP神经网络相结合的模拟电路故障诊断方法.用正弦信号仿真模拟电路,应用小波变换对模拟电路的采样信号进行多尺度分解,再进行能量分布特征提取,然后利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.在用神经网络诊断模拟电路的基础上,进行了将神经网络用于数字电路单故障诊断的研究.对两者的实例电路仿真结果表明,神经网络可以有效、方便地实现电路的故障检测和定位,准确率高,为故障诊断的研究提供了一种新思路.