小波回归分析法在短期电力系统负荷预测中的应用

利用多分辨分析的小波变换对短期电力负荷序列进行了分解处理.将负荷序列投影到不同的尺度上,根据其在各尺度上子序列的特性分别进行回归预测.最后将预测结果叠加,得到最佳预测结果.结果表明,该方法能够取得较好的预测精确度.     

小波奇异性检测理论在电力系统负荷特性分析中的应用

首先阐述了基于小波分析的奇异信号检测理论,以一组仿真信号为例说明了小波变换在奇异信号检测中的实现过程,并通过计算Ｌｉｐ指数,定量刻划了信号奇异点的奇异程度。最后将其应用于电力系统负荷状态检测及故障诊断中,取得了较为满意的效果。     

小波变换在轴承故障诊断中的应用

提出了一种利用连续小波变换诊断轴承故障的方法。该方法不需要对象的数学模型，具有灵敏度高，仰操能力强，鲁棒性好的特点。     

小波变换在轴承故障诊断中的应用

提出一种利用连续小波变换诊断轴承故障的方法。该方法不需要对象的数学模型，具有灵敏度高、仰操能力强、鲁棒性好的特点。     

小波变换和人工神经网络在电力系统动态等值中的应用

利用小波变换对功角数据进行处理，并用人工神经网络来识别系统中的相关发电机组，能取得较传统的相关识别方法更高的等值精度。以东北电网作算例，证明利用该方法进行电力系统动态等值有很好的效果。利用小波变换和人工神经网络进行发电机相关识别，为电力系统动态等值提供了一种新的方法，也为动态等值实时化提供了一条新思路。     

傅里叶变换与小波变换在信号故障诊断中的应用

研究了傅里叶变换与小波变换在信号故障诊断中的应用。仿真表明，小波变换在检测信号突变点方面比傅里叶变换优越得多，且利用小波变换可以精确地检测出信号突变的时间与位置。最后探讨了在应用小波变换进行故障检测时小波基的选取原则。     

小波变换和傅立叶变换在系统诊断中的应用

对小波变换和傅立叶变换的特点进行了简要的阐述，并结合具体的系统诊断实例，介绍了在数字滤波，数字信号分析，信号特征提取等方面的应用技术。文中给出了采用MATLAB语言编写的程序模块及程序运行结果，并绘出了各个处理阶段的波形，使读者能够清楚地看到两种变换的功能。     

小波变换在电力系统相位测量中的应用及误差分析

提出了利用小波变换实现测量信号各次谐波相位的方法,利用小波变换进行电力系统交流参数测量的优点在于小波域同时包含了这些交流参数的时-频关系,选择Hart小波进行研究,因为其具有良好的时间局部性和简明的解析表达式,而且在窗宽范围内能量泄露较小,并对该方法进行了误差分析,仿真结果表明,在不考虑采样过程中同步偏差情况下,该方法可以达到很高的测量准确度。     

小波变换和人工神经网络在电力系统动态等值中的应用

利用小波变换对功角数据进行处理,并用人工神经网络来识别系统中的相关发电机组,能取得较传统的相关识别方法更高的等值精度．以东北电网作算例,证明利用该方法进行电力系统动态等值有很好的效果．利用小波变换和人工神经网络进行发电机相关识别,为电力系统动态等值提供了一种新的方法,也为动态等值实时化提供了一条新思路．     

小波变换及其在滚动轴承故障诊断中的应用

小波变换不仅具有良好的时频局部化特性,而且它的时域分辨率和频域分辨率随着分解尺度变化而变化．广义的小波分析包括多分辨率分析和小波包分析,本文采用小波分解和信号重构的方法,提起了噪声掩盖下滚动轴承振动信号中的故障信息,并计算出406滚动轴承外圈故障下的故障特征频率,通过对比由公式求取的故障特征频率,从而对滚动轴承的故障进行诊断．     

小波包变换在电力负荷特征信号提取中的应用

为了给电力系统不良数据辨识提供良好的数据基础,提出了一种新的基于小波包除噪的方法来提取电力负荷特征信号.该方法将不良数据看成是被淹没在大量的噪声信号中特征信号,通过比较小波包除噪法与小波除噪法对信号消噪的效果,得出结论:小波包除噪法有较好的消噪能力,为电力负荷特征信号的提取提供了有效的分析方法.     

应用小波变换提高浅层地震记录分辨率

地震资料分辨率较低主要是由于大地的滤波作用而导致地震波的高频成分衰减快，地震波的优势频率向低频方向移动．应用二进小波变换对地震记录进行多尺度小波分解，地震记录分解成多个频带，根据已知的地质先验信息，选取最能反映目的层的尺度，并对该尺度下的高频分量作补偿，即补偿因大地滤波作用而造成的高频分量的能量损失．模型及实际算例结果表明在保证信噪比的前提下，可使地震记录的分辨率得到明显提高．     

基于小波变换的麻醉监测脑电信号的分析与处理

针对中潜伏期听觉诱发脑电的特点，提出了利用小波变换的多分辨分析技术滤除被测信号的强噪声成分，重构真实信号来实现对中潜伏期听觉诱发脑电的提取方法；通过实验仿真表明：小波变换提取技术比其他传统提取方法更有效，可以减少试验次数，可以提供更为可靠的特征提取和模式识别的分析数据，这为麻醉深度的临床监测探索了重要的理论基础。     

小波奇异性检测理论在电力系统继电保护装置故障诊断中的应用

首先阐述了基于小波分析的奇异信号检测理论及计算Lip指数 ,定性说明了信号奇异点的奇异程度 .然后以实测的电压、电流信号为例说明了小波变换在奇异信号检测中的实现过程 .最后将其应用于电力系统继电保护故障诊断中 ,简化了Lip指数及奇异点算法步骤 ,取得了较为满意的效果 .     

小波奇异性检测理论在电力系统继电保护装置故障诊断中的应用

首先阐述了基于小波分析的奇异信号检测理论及计算Lip指数,定性说明了信号奇异点的奇异程度．然后以实测的电压、电流信号为例说明了小波变换在奇异信号检测中的实现过程．最后将其应用于电力系统继电保护故障诊断中,简化了Lip指数及奇异点算法步骤,取得了较为满意的效果．     

基于小波变换与SVM的调制信号识别方法

为了准确地识别通信信号的调制方式,运用小波变换与支持向量机（SVM）对调制信号类型进行识别。采用小波分解重构方法对常用3种模拟信号和6种数字信号提取特征值,将提取的小波特征参数送到 SVM判决器,对信号调制类别进行训练与测试,得到平均识别率。实验结果表明,在信噪比不低于5 dB时,识别率达到了100%,具有良好的分类性能和抗噪能力。     

基于小波变换的电能质量监测

针对噪声系数的幅度随着尺度增加而减小的特点,提出了一种改进的基于小波分解层数的波段自适应降噪算法.利用Matlab仿真软件建立了电压暂降的系统模型,运用小波分析的方法对污染白噪声的电压暂降信号进行了时频分析和降噪处理,分析了软硬阈值降噪方法.实验结果表明,该方法通过调整两个可调参数获得较优的小波系数阈值估计,与常见的三种典型算法相比不仅较好地去除了噪声干扰,且信噪比更高,均方误差更小,同时具有更优的信息保全能力.     

Fourier and wavelet transformations application to fault detection of induction motor with stator current

Fault detection of an induction motor was carried out using the information of the stator current. After synchronizing the actual data, Fourier and wavelet transformations were adopted in order to obtain the sideband or detail value characteristics under healthy and various faulty operating conditions. The most reliable phase current among the three phase currents was selected using an approach that employs the fuzzy entropy measure. Data were trained with a neural network system, and the fault detection algorithm was verified using the unknown data. Results of the proposed approach based on Fourier and wavelet transformations indicate that the faults can be properly classified into six categories. The training error is 5.3×10⁻⁷, and the average test error is 0.103.     

小波变换在弱信号检测中的应用

简要介绍了短时傅里叶变换及小波变换理论,并用此理论分析了强噪声背景下雷达弱信号检测方法,给出了相应的基函数及离散算法,最后给出了计算机模拟结果.     

小波神经网络在变压器故障诊断中的应用

为提高神经网络系统故障诊断的效率和准确率,考虑到小波变换的良好的时－频特性,本文结合小波变换和神经网络并应用于电力变压器的故障诊断中,取得了较好的效果。