两种相空间重构方法在重构无刷直流电动机动力系统上的对比

采用经典相空间重构方法与小波相空间重构方法,分别对不同种类的时域信号进行重构分析。从数学算例上证明了小波相空间重构方法对于区分单周期、多周期、混沌信号具有经典相空间重构方法所不具有的优势。针对深海机器人用无刷直流电动机系统的不同状态进行重构的仿真分析,证明了小波相空间重构方法在实际工程问题上的有效性。     

利用多小波的电力系统信号重构分析

以电力系统故障电压信号为原始信号,通过对不同预/后处理方法的多小波自身重构误差比较和基于不同预/后处理方法的整个多小波变换过程中的重构误差分析,详细讨论了影响多小波重构精度的因素。通过对不同预/后处理方法的多小波分解结果的对比,以及对不同类型信号的多小波与传统小波的重构误差的详细比较和讨论,认为多小波比传统小波更适合于对信号的精确重构,适合用于对电力系统暂态故障信号的处理。     

利用多小波的电力系统信号重构分析

以电力系统故障电压信号为原始信号,通过对不同预/后处理方法的多小波自身重构误差比较和基于不同预/后处理方法的整个多小波变换过程中的重构误差分析,详细讨论了影响多小波重构精度的因素.通过对不同预/后处理方法的多小波分解结果的对比,以及对不同类型信号的多小波与传统小波的重构误差的详细比较和讨论,认为多小波比传统小波更适合于对信号的精确重构,适合用于对电力系统暂态故障信号的处理.     

基于相空间重构小波神经网络的短期风速预测

风速具有高度非线性和非平稳性,难以精确预测。对此,利用神经网络逼近非线性函数的能力,结合小波变换多尺度特性,使风速在一定频域尺度上表现出准平稳性,建立了风速的小波神经网络预测模型。为了解决神经网络输入的随意性,以相空间重构理论确定最佳延迟时间和最小嵌入维数,重构风速时间序列,以重构后的时间序列作为模型的输入量对网络进行训练。仿真结果表明,所提基于相空间重构小波神经网络风速预测的准确性能得到了提高。     

一维时间序列重构无刷直流电动机混沌吸引子特征

基于相空间重构原理,针对无刷直流电动机的混沌模型,运用一维时间序列在高维情形下对低维混沌吸引子进行重构,重构后的方程具有和原动力方程相同的动力学特性,并通过基于混沌优化算法的改进方法对重构前后方程的lyapunov指数进行比较,并通过与小波变换后的相图比较证明了重构方法的实用性.结果表明:采用的重构方法是有效的,与前人的方法比较具有简单、快速的特点,为进一步研究混沌预测和混沌控制提供了基础条件.     

基于相空间重构和迁移学习的配电网高阻接地故障检测

配电网中高阻接地故障(High ImpedanceFault, HIF)时常发生,其故障特征微弱而难以检测,严重情况下可能导致火灾或人身事故。提出了一种基于相空间重构和迁移学习的故障识别方法,实现对谐振接地系统中HIF的辨识。首先,使用基于综合策略的小波阈值降噪方法对零序电流信号进行处理,以降低噪声的影响。随后,对降噪后的仿真信号及实测信号进行相空间重构,获取重构轨迹图,以此作为故障识别的特征量。最后,在辨识模型构建上,先使用仿真信号的重构轨迹图训练GoogLeNet模型,再使用实测信号对模型进行微调,实现迁移学习。所提算法的优点是使用相空间重构进行了信号转换,故障信号与干扰信号的重构轨迹图差异明显,且实测信号与仿真信号的重构轨迹图相似度较高。在进行迁移学习后,实现了对实测小样本数据较为准确的检测。实验结果表明,无论是故障实测数据还是故障仿真数据,识别准确率均达到95%以上。此外,在强噪声干扰、采样数据点缺失及故障回路间歇性导通情况下,所提算法也取得了较好的结果。     

基于C-C算法的混沌吸引子的相空间重构技术

基于混沌理论可以检测心率失常、分析脑电变化,发现复杂信号的特性.相空间重构是进行混沌分析,从几何和信息论角度计算混沌特性的必要步骤.相空间重构是有效的展现混沌吸引子动力学特性的一种方法.该方法要构造一个非线性时间序列的嵌入,选择合适的时间延迟.C-C算法结合了自相关函数和互信息方法的优点,既能有效减少计算量,又能保持系统的非线性特征.本文运用C-C算法进行相空间重建,考察通过C-C算法获得的最优延迟函数.在理论分析的基础上,本文将C-C算法实际应用于洛仑兹吸引子和一组实测心电信号的相空间重构,说明相空间重构的原理与使用.经过相空间重构,可以为进一步的混沌信号分析提供关键的嵌入维数和延迟时间等参数.     

实测铁磁谐振过电压相空间重构及非线性特征量提取

铁磁谐振是电力系统中常见的一种非线性现象,现场实测数据表明电力系统中存在准周期铁磁谐振过电压,且某些分频铁磁谐振与准周期铁磁谐振过电压难以区分。为了能够提出一种有效的铁磁谐振过电压特征量,文中对某变电长达5年的实测铁磁谐振过电压进行了全面分析,采用相空间重构算法获得电压时间序列对应的铁磁谐振重构相空间,再以重构相空间为基础,提出二维重构吸引子的平均灰度的计算方法,用来定量表征铁磁谐振过电压非线性,结果表明不同类型铁磁谐振过电压的二维重构吸引子的平均灰度具有明显的差异,能够直接识别分频谐振和准周期谐振,亦能辅助识别其他类型的实测铁磁谐振过电压。     

电厂开关柜局部放电振动信号降噪方法研究

针对电厂开关柜运行环境复杂,振动干扰较强,又需要保留振动干扰、分析振动干扰特征的问题,将基于相空间重构的ICA降噪方法应用到电厂开关柜局放振动信号中,进行信噪分离。首先依据相空间重构,在不破坏信号本身动力学特征的情况下构造高维相空间矩阵。然后利用独立分量分析方法进行信噪分离,提取有用振动信号。仿真信号和实际检测数据的应用表明,所提方法与小波法降噪能力相当,甚至更优;且不需要考虑最优小波基和最佳分解层数,自适应强,易于实现;且适用于电厂开关柜局放振动信号降噪。     

复杂混沌背景中弱谐波信号检测研究

弱谐波信号通常湮没在电力噪声与混沌噪声合成的复杂混沌背景中,考虑到此前纯净混沌背景检测方法的不足,该文提出了新的混沌检测方法.根据Takens定理中嵌入空间吸引子不变性,提出基于相空间重构理论的交替迭代神经网络预测算法和相应的弱电量信号检测及恢复模型,并进行了复杂混沌背景中微弱正弦信号检测验证.首先,依据重构原则,在原始相空间中进行非线性映射拟合,对混沌背景建模然后利用输出结果进行相空间重构,掌握原始相空间和嵌入相空间的近似演化规律;最终达到提取待测信号的目的.理论与数值仿真实验表明,该文方法应用于复杂混沌背景中弱谐波信号的检测具有比以往方法更简洁、更灵敏、收敛速度更快的优点,同时也证明了该方法应用于电力系统小信号分析领域的实用性.     

基于元素分析的滚动轴承故障诊断

针对现有信号降噪或重构方法无法完全去除噪声,且时频表示存在能量模糊问题,提出了一种利用元素分析进行滚动轴承故障诊断的方法。所提方法首先构造了元素模型来表征信号,然后对元素模型进行Morse小波变换,并从小波变换中计算得出信号冲击点,从而得到信号的故障特征频率。该方法还可以利用基于小波变换中时间或尺度平面内的少量孤点来重构信号。最后,采用一组仿真信号数据和两组实验数据来评估所提方法性能,并与其他信号重构方法和时频分析方法对比,结果表明,所提方法对滚动轴承故障信号重建和识别的效果更好。     

基于LIF法的励磁系统参数辨识

介绍了一种采用线性积分滤波器(LIF)的连续时间辨识方法,借以辨识励磁系统参数,使用线性积分滤波器可以完全消除积分方程初始条件的影响,即在非零初始条件下无需辨识初始条件依然能得到精确的结果。在仿真研究中,以IEEEAC1A型标准励磁系统为例采用LIF法进行了参数辨识。     

基于隐马尔科夫树模型的小波域压缩采样信号重构方法

压缩传感理论利用信号的稀疏性,对其非自适应线性投影进行压缩采样,通过最优化问题准确重构原始信号。传统重构算法仅利用了信号的稀疏性,而未对转换后的信号结构进行分析。提出了一种基于4状态的隐马尔科夫树模型的小波域压缩采样信号的重构方法,相对2状态的隐马尔科夫树模型,该模型能够获取相邻尺度小波系数的更多相关特性,通过仿真结果表明,该算法具有更高的重构精度。     

近似线性相位复小波的电能质量扰动检测

分析了利用小波方法对电能质量扰动检测的局限性.从完全重构滤波器组出发,探讨了小波与完全重构滤波器组的关系,并在Daubechies所得结论的基础上提出了用近似线性相位正交紧支对称复小波的构造方法,将其应用于微小电能质量扰动信号检测.仿真结果表明,利用该类复小波的相位信息和恰当的组合信息可准确检测出电压微小扰动的突变点,且该类复小波能采用Mallat算法,具有良好的实时性.     

利用内插优化技术解决谐波检测小波混叠

针对以往电力系统谐波检测的常规小波分析方法中没有抗混叠措施而导致精度低、鲁棒性差等问题,采用新的优化设计标准设计了一种内插优化小波滤波器,以解决电力系统谐波检测中的小波混叠现象。这种滤波器结构可以同时兼顾信号保持与混叠抑制两方面因素,克服了常规小波滤波器设计时,因把信号的精确重建放在首位,而把混叠分量的抑制因素放在次要位置所带来的固有缺陷,从而可以有效消除小波混叠误差,有利于进行电力系统谐波信号分析,为电力系统谐波的精确检测提供了一种有效手段。数值试验和与常规小波分析方法相比较的结果表明,该方法具有广阔的应用前景。     

使用提升小波进行超分辨率图像重建

介绍了提升小波变换,研究了提升小波的优点,提出了使用提升小波进行超分辨率图像重建的方法。对原图进行旋转、平移、加噪并进行下采样,得到低分辨率图像序列。选取阈值,对低分辨率图像序列进行提升小波前向变换,然后通过提升小波逆变换得到重建以后的超分辨率图像。与传统的几种重建方法进行比较,实验结果表明,本文的方法能够使重建图像有更好的信噪比,而且在像素较大和低分辨率图像数目较多的情况下,有更快的重建速度。     

谐波检测的抗混叠小波包滤波器设计

传统小波滤波器注重总体抗混叠和信号精确重建，而忽略分解分量中的混叠抑制，导致不能有效分析谐波信号。该文利用内插优化技术设计了一种抗混叠小波包滤波器。通过分析传统小波滤波器结构上的抗混叠局限，在既有的滤波器结构上增加一些内插的高低通滤波器，可以有效消除小波混叠，并可利用优化算法来求解内插滤波器系数。设计的抗混叠滤波器，同时兼顾了信号保持与混叠抑制两方面因素，克服了传统小波滤波器设计时仅考虑信号精确重建和总体抗混叠而带来的固有缺陷。仿真实验表明，所设计的小波包滤波器可以有效抑制小波混叠，能精确提取谐波特征，从而为电力系统谐波精确检测提供了一种有效手段。     

基于单子带重构改进小波变换的电力系统谐波检测方法

Mallat快速离散小波变换注重总体抗混叠和信号重建,忽略分解分量中的频率混叠抑制,在电力系统谐波检测中产生严重的频率混叠现象.虽然单子带重构小波变换提高了频率分辨率,但是分析结果仍存在一定程度的频率混叠.单子带重构改进小波变换算法,对信号进行分解与重构时,利用快速傅里叶变换(FFT)和快速傅里叶逆变换(IFFT)对各子带信号进行处理.该方法可以克服传统小波变换算法存在频率混叠现象的固有缺陷,仿真计算结果证明了该方法的有效性,为电力系统谐波、间谐波和时变谐波分量的精确检测提供了一种有效手段.     

基于自适应正则化匹配追踪的蒸发波导数据去噪重构

针对蒸发波导数据压缩感知过程中易受噪声干扰且采用传统重构方法抗噪性能较差的问题，提出了一种基于相似度阈值的自适应正则化匹配追踪去噪方法。该方法可以在信号稀疏度难以获知的情况下，利用自适应思想逐步扩充候选集，同时通过设置相似度阈值来对部分候选原子进行剔除，并结合正则化过程对支撑集原子进行二次筛选，从而较好地约束了噪声分量的重构，提高了信号的重构精度。理论分析和实验表明，所提方法的重构性能优于现有同类重构方法，去噪性能优于小波去噪方法，相同条件下，可获得更高的重构信噪比，有效实现了蒸发波导数据的去噪重构。     

局放脉冲信号的三种小波去噪方法的研究

介绍了三种小波去噪的方法:小波分解与重构法、非线性小波阈值法、小波模极大值法,分析了各自的特点和优劣。针对从高斯白噪声中提取的局部放电脉冲信号给出了仿真试验结果。为局部放电脉冲信号检测方法的选择提供了参考依据。