基于小波变换的单相接地故障选线方法

将小波变换的方法应用到配电网单相接地故障选线中，利用小波变换的时频局化特性，充分利用故障线路暂态信息，再利用合理的判据，从而达到准确选线的目的。Matlab小波工具箱仿真分析的结果表明了方法的可靠性。     

利用暂态特征分析小电流接地故障选线的研究

单相接地故障在小电流接地系统中出现比较频繁,尽快地选出故障线路对电网运行有重要意义.本文在分析小电流接地系统发生单相接地时暂态特征的基础上,根据系统不同工况,提出了一种智能选线方法,能够自动选择是应用小波变换中信号奇异性检测故障突变方法还是用小波包分析的瞬时极性比较法,从而达到最佳选线目的.仿真结果表明此方法可以准确地实现单相故障选线.     

基于DTCW-ERE的小电流接地系统故障选线

小电流接地系统发生单相接地故障时,各馈线的小波能量分布各不相同。本文提出了一种基于故障线路小波综合能量相对熵的选线新方法。双树复小波变换(DTCWT)具有很好的近似平移不变性和抗混叠性;能量相对熵(ERE)具有对信号间细微差别进行识别的超强能力。结合双树复小波变换与能量相对熵的优点,根据故障线路综合小波能量相对熵最大的原则进行选线,能够使故障选线更直观、快速有效。仿真结果表明,该方法可以准确有效的进行配电网故障选线。     

基于小波分析的机械系统振动信号故障诊断

提出利用小波变换的时一频局部化特性及基于多分辨率分析的信号小波分解算法,辅以去噪手段,对微弱机械振动信号进行分析.有效地完成了微弱信号的提取,实现了早期故障诊断;对故障特征信号进行了时域定位;提取了故障特征频率.仿真结果表明了该分析方法的有效性.     

基于小波包变换的小电流故障选线算法研究

随着变电站配网出线数目的增大,小电流接地系统单相接地故障总的次数也在逐渐增多,为了能快速有效地辨识出故障线路,首先从小电流接地系统出现单相故障后所形成电流的特征分量出发,研究了不接地和经消弧线圈接地系统的单相接地故障选线依据;并在此基础上,利用小波包变换提取故障时刻的高频分量,通过小波包系数极性选出故障线路;最后,通过仿真分析验证了选线算法的正确性。     

基于小波分析的配电网内小电流接地选线方法研究

对目前国内外选线技术进行研究,分析暂态量选线优势。针对现有配电网内选线技术正确率低,现场选线装置易受电流信号小、干扰大、信噪比小等因素影响,提出将小波分析方法扩展至配电网内进行小电流接地选线,而不仅局限于变电站内。利用小波包对典型配电网进行建模,并利用矩阵实验室(Matrix Laboratory,Matlab)进行仿真验证,结果证明该方法能够准确、可靠选出配电网内接地线路。     

基于单间隔的暂态选线方法

单相接地故障其暂态特征不受消弧线圈、弧光接地、间歇性接地等影响,但是现有暂态法选线都是基于集中式装置实现的,不利于实现配网保护的就地化实现。本文提出一种仅依赖本间隔零序电流、电压的故障暂态分量进行选线的方法,即暂态小波功率方向选线法,并通过仿真对该方法进行了验证。     

基于小波神经网络的电路故障诊断方法

本文根据小波神经网络故障诊断的基本思想,提出了一种基于“小波系数特征故障”的小波预处理神经网络模拟电路故障诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了BP神经网络的训练速度.能迅速有效地进行故障检测和定位。     

小波变换在电缆故障精确定位中的应用

将小波变换模极大值对检测信号奇异点的理论应用于检测脉冲反射信号,实现电缆故障的定性定位.重点分析了小波变换在强噪声中提取信号,再现信号突变点方面的优越性.仿真表明它能有效去噪、准确定位脉冲反射信号,有利于提高信道故障定位精度.     

基于小波神经网络的电缆故障定位研究

为了实现电缆故障在线定位,通过对故障特征分析,得出发生故障的暂态信号中含有丰富的暂态高频信号,且暂态高频信号与故障距离成一定的映射关系。本文利用小波包理论提取故障暂态特征信号的小波包系数,充分利用神经网络的非线性函数拟合功能实现小波包系数到故障距离的映射,解决故障在线测距。仿真结果表明,利用此方法可以有效地实现故障定位。     

一项具国际先进水平的小波理论应用成果

利用国家自然科学基金资助项目“工程信号处理中的小波基与小波变换信号分析仪系统的研究”中的理论成果－波直接变换理论,小波基二次采样方法和小波基库,完成了面向工程背景的波波信号分析系统的技术设计,从而使我国有机会首先研制智能化波变换信号分析仪。     

多分辨小波网络的理论及应用

从小波多分辨分析的理论入手，描述一个单隐层的人工神经网络－小波网络，小波网络是以多分析理论的基础，使用正交小波和尺度函数作为激励函数进行局部学习的，给出小波网络的结构模型及训练过程，网络的学习是按层次进行的，首先是学习全局拟和，然后通过在不同的分辨级别增加ψ结点来减少全局和局部拟的误差，用小波网络对机械振动时间序列作出预报，经过训练后的网络具有很高的精确度，说明网络达到了全局最优。     

旋转机械振动信号压缩小波基优化选取方法

旋转机械在线状态监测和故障诊断系统中振动数据的实时存储和远程传输对数据压缩提出了较高的要求.小波分析做为数据处理的常用方法,已被广泛地应用于数据压缩并取得了良好的效果.给出了振动信号的小波通用压缩方法,通过分析旋转机械振动信号的特点和小波函数几种重要属性对小波压缩的影响,提出了旋转机械振动信号压缩过程中最优小波基的选择方法,并根据旋转机械实际故障信号比较了相应小波的压缩效果.结果表明,通过选择合适的小波基函数,可以有效提高重构信号的信噪比.对于旋转机械复杂突变类故障信号应选择低分解消失矩,高重构正则性的双正交小波进行压缩.本研究方法和结论对旋转机械振动信号小波压缩的进一步研究有一定的参考作用.     

小波神经网络诊断系统的应用与进展

针对机械设备的非线性系统特性及其信号的非平稳时变特性,提出了用小波分析法处理非平稳时变信号提取特征向量和采用神经网络映射系统的非线性传递特性的设备诊断系统,实现对复杂机械的故障诊断。并分析了神经网络诊断系统的发展前景。     

小波分析在信号处理中的应用

在简述小波分析、小波识别原理的基础上，详细介绍了小波分析在信号处理中的应用，包括信号消噪、特征提取、奇异性检测等。计算机硬件技术的日趋发展，特别是DSP技术的发展，将为小波分析应用于工程中提供有力的保障。     

电力系统短期负荷预测中小波函数的选择

针对应用小波分析进行电力系统短期负荷预测中小波函数的选择问题,以dbN小波系作为变换工具,通过最大李氏指数检测,比较了不同N所产生的预测精度,确定了一种db小波函数为短期负荷预测的核心变换工具。研究结果表明,采用db4作为短期负荷预测的小波函数,预测的结果具有较高的精度。     

图像压缩中小波基的选择研究

分析了小波基的正交性、正则性、紧支撑性、消失矩和对称性等对图像压缩的影响,并选出数种典型小波基进行实验比较,对图像压缩中小波基的选择问题进行了研究。     

小波分析概述及其应用研究

小波分析是傅里叶变换划时代发展的结果,近年来成为众多学科关注的热点,它的研究对信号分析、图像处理、数据压缩等方面都具有深远的科学意义和实用价值。介绍了小波分析的基本概念,并对其在工程实际中的应用进行了探讨。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

平稳小波自适应去噪用于曲轴瞬时角加速度测量

针对曲轴角加速度测量中的噪声放大问题,构造了基于平稳小波变换的自适应去噪方案。该方案以小波系数能量熵最小为原则选择小波函数,根据各层小波方差的变化速率确定所需的分解层数,并由小波系数幅值分布状态决定阈值的生成准则。对比了平稳小波自适应去噪与常用的6阶Butterworth滤波器对曲轴角加速度噪声的抑制能力。结果表明,当柴油机状态正常时,两种方法去噪得到的结果相当;当柴油机高速轻载运行且有连续失火故障时,只有平稳小波自适应去噪能保留由失火引起的局部高频振荡信号。