基于震动信号HHT的车辆分类

震动传感器是智能监控传感器系统的重要组成部分。震动信号是一种非线性非平稳信号。相比于传统的时频分析方法,对希尔伯特-黄变换是一种更有效地处理非平稳信号的时频分析方法。将希尔伯特-黄变换引入到车辆分类中,提取震动信号特征信息,利用经验模态分解(EMD)获得车辆行驶引起的地面震动信号的固有模态函数(IMF),通过选取的固有模态函数得到相应的希尔伯特谱,然后在希尔伯特谱的基础上根据谱峰对车辆进行分类。仿真测试结果表明方法具有很高的正确率。     

基于小波变换及HHT的轴承故障诊断应用研究

为研究滚动轴承故障问题,将小波变换及HHT(Hilbert-Huang变换)相结合的分析方法,应用于强噪声背景下轴承信号故障的提取.首先将轴承故障信号利用小波变换进行降噪处理,然后应用HHT得到希尔伯特边际谱,从中提取故障特征信息.为准确诊断故障,将方法应用于分析采集的分别具有外圈和内圈损伤的滚动轴承振动信号,并与直接运用HHT分析作比较.结果表明,方法降低了噪声对HHT对振动故障信号分析的干扰,能够更有效的提取轴承故障特征信息,提高轴承故障诊断率.     

基于小波奇异信息熵的10 kV供电系统故障选线研究与仿真

针对现有的供电系统中接地故障选线精度不足、反应速率较慢的问题,提出一种利用小波分析、奇异值分解和信息熵的融合的供电系统接地故障选线新方法.充分利用小波变换良好信号时频分析特点,奇异值分解维数压缩、特征提取能力,信息熵测度强大的系统状态、特征信号的定量描述、对比、研究特点,在系统故障后的故障选线中,克服单一方法对系统接地故障的失判或误判.通过Matlab与Simulink软件建立供电系统模型,对基于小波奇异信息熵的供电系统接地故障选线方法进行多方位的测试,实验结果表明该方法对供电系统接地故障能够快速、准确地诊断选线,是一种新的行之有效的供电系统接地故障选线方法.     

基于随机森林模型的输电线路故障检测系统研究

针对输电线路故障传统诊断方法抗干扰能力差的现状,利用随机森林模型在预测和分类工程领域的独特优势,提出了一种基于随机森林模型的输电线路故障诊断方法,故障类型诊断的特征量采用小波变换提取的故障电流暂态能量和故障状态下各相电流突变量比例系数。通过基于PSCAD/EMTDC的仿真对比试验验证了本方法在不同故障时刻、不同过渡电阻和不同故障位置下输电线路故障诊断的有效性和优越性。本方法具有更好的故障诊断准确率和适应性,可为不同情况下的输电线路故障检测提供有效的借鉴和技术指导。     

基于提升小波的输电线路短路故障仿真

输电线路发生故障后的信号是一个突变的、具有奇异性的暂态信号,包含着丰富的故障信息。输电线路的破坏多半是由短路故障引起的,通过分析短路故障,采用提升小波对故障后的电流进行检测。该文依据实际电力系统输电线路进行短路故障实例仿真,仿真结果表明,提升小波不但能有效地检测输电线路短路故障信号的奇异点,而且比db5小波快3 ms,从而为下一步故障测距提供有利依据。     

基于离散小波变换的输电线路故障精准定位

为了提高架空线路和地下电缆组合输电线路发生故障时的定位精度,提出了一种基于离散小波变换(DWT)的输电线路故障定位新方法。通过DWT对输电线路单端测得的瞬态信号进行多分辨率分析(MRA),在低故障起始角情况下,利用线模电流和零模电流检测故障,结合小波模量极大值(WMM)求解从故障点到变电站的行波到达时间,从而对输电线路故障进行精准定位。采用半正弦电压响应的方法克服了采样频率有限和故障起始角低的缺点,运用100kHz半正弦信号的发送时间与接收导数信号的时间之差计算故障距离。在考虑谐波畸变和故障电阻、接地电阻、故障位置和起始角变化的情况下对所提方法进行测试,结果表明：对于100km的输电线路,即使在故障靠近总线（<2%）且故障起始角较低的情况下,所提出的方法得到的故障定位误差仅为0.14km。     

小波变换与概率神经网络的心电图分类

提出了一种实时高效的心电图分类理论与方法。首先对心电图进行六尺度小波分解,将含有主要噪声的尺度进行系数置零,再将剩余层进行小波重构,从而达到除噪的目的。利用数学形态学定位心电图P、Q、R、S、T波位置,并提取计算各波间距离和斜率等12个特征值作为概率神经网络的输入向量,从而实现心电图的六分类。     

一种改进的基于小波变换与PNN的指纹识别算法

通常的指纹识别算法因为预处理步骤过于复杂而明显地存在计算量过大、识别速度慢等缺点。本文提出了一种改进的基于小波变换和概率神经网络(PNN)的指纹识别算法,该方法直接从二值化指纹图像中提取细节特征进行比对,避免了复杂的预处理过程,减少了计算量,同时利用神经网络进行分类识别,有效提高了识别精度。并对受噪声污染严重的指纹图像亦能获得很好的识别效果,算法具有较强的鲁棒性。实验测试证明该方法在实际应用中效果较好。     

基于神经网络的变压器故障诊断方法研究

针对概率神经网络(PNN)模型强大的非线性分类能力,PNN能够很好地对变压器故障进行分类;文章通过对PNN神经网络的结构和原理的分析,应用PNN概率神经网络方法对变压器故障进行诊断;通过实例仿真表明,PNN网络的训练时间比BP网络少,比之预测准确度也要高,而且还具有高度的泛化能力,这使得PNN网络可以有效地运用到变压器故障诊断中,具有一定的可操作性。     

基于GMM聚类和PNN的道岔故障诊断研究

当前道岔故障诊断系统大多采用BP神经网络,但由于BP神经网络结构特点,在训练样本大且诊断系统精度要求比较高时,网络常常会呈现出以下不足:不收敛且容易陷入局部最优、常用的数据挖掘方法如小波分析等对数据的利用度不高、从时域或频域角度分析时不够全面和采用数据降维使用的LLE方法会丢失部分有用数据等.采用GMM聚类方法对兰州车...     

基于Kohonen网络的小波阈值在遥感图像去噪中的应用研究

传统Donoho非线性小波阈值去噪方法中,阈值的选取一般是根据噪声方差设置的,但在实际的操作中很难对噪声方差的精确值,这种理论上的局限性使得各种基于方差估计的去噪方法并不能获得实际需要的去噪结果;针对阈值选取的问题,提出一种非线性小波变换阈值的kohonen神经网络的自调整学习训练方法对遥感图像进行去噪,该方法在小波变换的基础上结合了神经网络的非线性阈值自组织特征映射算法,阈值的选择根据训练图像进行学习;可以实现自调整寻找最优值,以满足实际,达到最优的去噪效果。     

一种改进的小波阈值降噪方法及Matlab实现

本文在分析经典的软阈值和硬阈值降噪方法的基础上,提出了一种改进方案,同时克服了软阈值和硬阈值方法的缺点。通过Matlab实验,结果表明本文提出的改进方案明显比单纯的软阈值和硬阈值方法降噪效果好。     

The Recognition of Fault Type of Transmission Line Based on Wavelet Transmission and FNN

The article firstly utilizes wavelet transform to do denoising, filtering and other preprocessing to the information collected and realizing the purification of three-phase component and zero sequence current component which used for determining the ground fault, then using the effective combination between fuzzy set theory and neural network to build five-layer fuzzy neural network, taking T-S fuzzy reasoning model as an interference layer in network, then regarding the purified and optimized fault characteristic quantity preprocessed by wavelet transform as the input of fuzzy neural network, regarding fault type as output to train and learn the fuzzy neural network to further realize the way of recognition of fault type. Finally, simulation testing shows this way can effectively realize the recognition of fault type, strongly enhancing the recognition rate of fault types.     

结合概率型神经网络(PNN)和学习矢量量化(LVQ)算法的文本分类方法

针对文本自动分类问题,提出一种基于概率型神经网络(PNN)和学习矢量量化(LVQ)相结合的文本分类算法,该方法借助TFIDF方法提取文本特征及特征值,形成文本分类特征向量,利用概率型神经网络构建分类模型,并利用LVQ学习算法对神经网络模型竞争层网络进行学习,使相应模式向量相互靠拢,远离其他模式,从而实现文本分类.实验结果表明,提出的该方法在文本分类中表现了很好的效果,不仅具有很好的分类准确率,还表现出很好的学习效率.     

基于HHT变换的电缆故障脉冲法定位分析

电力电缆故障的实际测试波形与理论波形相差较大,需要经验比较丰富的专业测试人员才能够比较准确地确定出故障位置。针对这一问题,对电力电缆实际故障测试波形采用HHT变换,从而获得与理论波形更为相似的波形。经实际测试,能够获得更为准确的测试结果,为电力电缆故障定位提供了一种更为有效的方法。     

基于PNN的煤炭输送机减速器齿轮故障诊断

针对煤炭输送机减速器出现的故障,提出在多信息融合模型的特征层使用概率神经网络(PNN)对其进行故障诊断的研究。使用PNN、BP对减速器齿轮故障进行仿真实验并比较,结果表明PNN在时间、准确度方面优于BP网络。