检测变压器局部放电的超高频技术定位算法探讨

超高频法是应用于变压器局部放电的一种新兴检测定位技术。其定位算法是否拥有较高的精确度是影响该技术准确定位放电源的关键因素之一。现通过对定位算法发展的现状综述探讨,分析了超高频定位法所面临的难点。     

基于BP网络的GIS局部放电声电联合检测故障定位方法

如何快速定位GIS放电位置,是局部放电在线检测的关键。基于超声波和超高频多传感器信息融合局部放电联合定位方法,是将来自放电位置这一目标的多源信息加以智能合成。声电联合定位检测系统采用到达时间差TDOA法,利用BP神经网络对超声波和超高频法的传感器采集数据进行融合。最后通过仿真验证,得出其定位准确率较单一方法大大提高。     

变压器局放检测中超声波和超高频法的现状分析

变压器的局部放电是威胁电力系统可靠运行的重要因素,目前变压器局部放电的检测定位方法有非电测法和电测法,通过对其中研究应用最为广泛的超声波法和超高频法的现状阐述,分析了目前2种方法所存在的问题,并作出了展望。     

多传感技术融合的电缆局部放电检测系统的研发

局部放电法能够对电缆绝缘缺陷产生的局部放电信号进行检测,通过对放电量和相位等特征参数的分析,可以判断缺陷类型和绝缘劣化程度,进而预测电缆剩余寿命。现基于高频电流法、超高频法、超声波法研制了一套多传感技术融合的电缆局部放电检测系统,并分析了系统的原理及结构。     

局部放电在线监测系统研制与超声定位研究

设计了基于超声波、超高频及高频电流3种检测方法的局部放电在线监测系统,在硬件上采用多路信号的同时采集,从而增强了局部放电判定的可靠性。快采慢读数据采集方案,降低了系统的硬件成本。多传感器采集方案更加适用于不同电力设备放电检测。研究了超声定位时延的计算,采用基于FFT的互相关函数法实现了放电点的精确定位。经现场试运验证,设计的系统完全可实现放电信号的提取与定位,并在监控主机上实时显示放电波形与趋势。     

电力变压器局部放电检测方法研究

从电测法和非电测法2方面对电力变压器局部放电的脉冲电流法、超高频UHF检测法、超声波检测法、气相色谱检测法、光测法、红外热像法等检测技术方法的工作原理、实用性等进行了详细分析研究.     

大型电力变压器局部放电试验研究

首先介绍了变压器局部放电产生的原因及种类,设计了符合实验要求的变频电源,最后阐述了局放信号的提取及放电点定位。     

基于小波变换的变压器局部放电信号的分析方法研究

利用小波变换．对变压器局部放电超声波信号进行分析．实现了变压器局部放电的检测及定位．达到了良好的效果。     

电力变压器局部放电超宽带射频定位研究

采用超宽带射频定位检测技术,并结合变压器结构的特点以及局部放电产生的超宽带电磁波信号在变压器内的传播特性对变压器局部放电进行定位研究。     

变压器局部放电超高频在线检测

变压器安全运行对电厂至关重要,对其局部放电在线检测一直是研究的重点。超高频检测法具有强抗电磁干扰能力、频带高、高灵敏度等优点,目前已经广泛被应用。文中重点介绍了变压器局部放电超高频在线检测的原理、超高频局部放电检测系统的构成及各环节的功能,通过举例,从不同角度分析了在线检测信号放电。     

声学故障诊断中的宽带相关噪声信号分离方法

为了提取混合噪声中待诊设备的噪声信号，利用传声器组构造线性测量阵列流型，建立多声源机器系统的宽带相关噪声混合模型。使用聚集变换技术消除频率对参数估计的影响，并同时消除相关信号功率谱矩阵的奇异性，采用宽带相关MUSIC法估计噪声方差与声源方位，从混合信号频谱中分离噪声源信号频谱。该方法可减小其他噪声源信号的干扰，提高待检设备噪声信号的信噪比。实验结果验证了模型与算法的可行性。     

应用分数低阶循环相关估计单电磁矢量传感器的波达方向和极化参数

提出了一种在α和高斯混合噪声以及循环平稳干扰并存背景下基于分数低阶循环相关(FLOCC)联合估计单电磁矢量传感器波达方向(DOA)和极化参数的多重信号分类(MUSIC)方法。该方法利用信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声以及循环平稳干扰信号;然后利用MUSIC方法对单电磁矢量传感器的DOA和极化参数进行联合估计,并利用DOA参数与极化参数的相互独立性,将传统MUSIC方法的四维搜索简化为两次二维搜索,从而有效地减少该算法的计算量。对所提算法与基于分数低阶矩的MUSIC算法进行了实验对比。结果显示:提出的方法可充分地抑制与待测信号循环频率相异的任意循环平稳干扰信号;在α和高斯混合信噪比为0dB,信干比为3dB时,估计得到的DOA和极化参数的均方根误差分别为0.3°和0.7°,明显优于基于分数低阶矩的MUSIC方法。     

基于有限域搜索的MUSIC法快速频率估计

MUSIC法是现代信号高精度频率估计的一种重要方法，但它需要在整个频域内进行搜索，严重影响了其实时性应用。本文深入分析了FFT算法与MUSIC算法的特点，利用FFT算法对信号成分频率进行预估计，缩小搜索域，再利用MUSIC方法进行频率细化，通过仿真研究，这种方法能有效提高信号的处理速度，从而加强了MUSIC算法的应用。     

传感器阵列预测空域多信号分类目标定位跟踪

目标定位跟踪技术广泛应用于军事民用领域,是当前研究的热点与难点.提出了一种空域多信号分类-自回归粒子滤波(multiple signal classification autoregressive particle filter,MUSIC-ARPF)方法,定位跟踪地面目标.该方法使用多信号分类(multiple signal classification,MUSIC)算法估计目标波达方向(direction of arrival,DOA)并计算目标信号源位置,利用自回归(autoregressive model,AR)模型和粒子滤波(particle filter,PF)算法预测信号源下一时刻位置,进而自适应选择通带与阻带扇面进行空域滤波,同时调整MUSIC算法中谱峰搜索区域,提高DOA估计的分辨率,减少目标定位的扫描域.实验结果表明,空域MUSIC-ARPF方法能够减少目标定位时间,提高目标跟踪精度.     

感应电机轴承故障检测方法研究

分析了感应电机轴承发生故障时的振动信号的特性,利用带通滤波器和希尔伯特变换,对感应电机轴承振动信号进行处理,然后采用高分辨率谱估计算法--MUSIC（Multiple Signal Classification）算法对包络信号作谱分析,再从包络信号的MUSIC谱中提取故障特征频率分量.研究结果表明,该方法频率分辨率更高,故障检测更为准确.将该方法应用于电机轴承故障诊断,可准确提取轴承故障特征分量.     

IBPSO-Based MUSIC Algorithm for Broken Rotor Bars Fault Detection of Induction Motors

In spectrum analysis of induction motor current, the characteristic components of broken rotor bars (BRB) fault are often submerged by the fundamental component. Although many detection methods have been proposed for this problem, the frequency resolution and accuracy are not high enough so that the reliability of BRB fault detection is affected. Thus, a new multiple signal classification (MUSIC) algorithm based on particle swarm intelligence search is developed. Since spectrum peak search in MUSIC is a multimodal optimization problem, an improved bare-bones particle swarm optimization algorithm (IBPSO) is proposed first. In the IBPSO, a modified strategy of subpopulation determination is introduced into BPSO for realizing multimodal search. And then, the new MUSIC algorithm, called IBPSO-based MUSIC, is proposed by replacing the fixed-step traversal search with IBPSO. Meanwhile, a simulation signal is used to test the effectiveness of the proposed algorithm. The simulation results show that its frequency precision reaches 10^?5, and the computational cost is only comparable to that of traditional MUSIC with 0.1 search step. Finally, the IBPSO-based MUSIC is applied in BRB fault detection of an induction motor, and the effectiveness and superiority are proved again. The proposed research provides a modified MUSIC algorithm which has sufficient frequency precision to detect BRB fault in induction motors.     

IBPSO-Based MUSIC Algorithm for Broken Rotor Bars Fault Detection of Induction Motors

In spectrum analysis of induction motor current, the characteristic components of broken rotor bars(BRB) fault are often submerged by the fundamental component. Although many detection methods have been proposed for this problem, the frequency resolution and accuracy are not high enough so that the reliability of BRB fault detection is a ected. Thus, a new multiple signal classification(MUSIC) algorithm based on particle swarm intelligence search is developed. Since spectrum peak search in MUSIC is a multimodal optimization problem, an improved bare?bones particle swarm optimization algorithm(IBPSO) is proposed first. In the IBPSO, a modified strategy of subpopulation determination is introduced into BPSO for realizing multimodal search. And then, the new MUSIC algorithm, called IBPSO?based MUSIC, is proposed by replacing the fixed?step traversal search with IBPSO. Meanwhile, a simulation signal is used to test the e ectiveness of the proposed algorithm. The simulation results show that its frequency precision reaches 10~(-5), and the computational cost is only comparable to that of traditional MUSIC with 0.1 search step. Finally, the IBPSO?based MUSIC is applied in BRB fault detection of an induction motor, and the e ectiveness and superiority are proved again. The proposed research provides a modified MUSIC algorithm which has su cient frequency precision to detect BRB fault in induction motors.     

多子阵高分辨海底地形探测算法及其FPGA和DSP阵列实现

针对多波束测深系统中高分辨海底地形探测问题,提出一种基于多子阵波束域MUSIC算法(Multiple sub-array beamspace MUSIC,MSB-MUSIC),它将多子阵波束域算法的稳健性与MUSIC算法的高分辨特性相结合,从而实现高分辨海底地形探测算法。同时针对高分辨算法运算量大难以实时实现的问题,设计了由6片DSP和2片FPGA(现场可编程门阵列)组成的并行处理系统用于算法的实时实现。海底仿真场景和湖上试验都验证了算法的有效性。     

联合应用MUSIC与FastICA算法实现多个时空混叠源信号的波形重建

联合应用多信号分类与快速独立分量分析算法,分离多个时空混叠源信号,并重建其波形。利用多信号分类的方法,基于二阶统计量辨识观测信号的噪声子空间,并搜索与噪声子空间和方向矢量同时正交的多源位置参数,实现源信号波达方向的估计。利用基于固定点迭代的快速独立分量分析方法,通过最小化互信息这一高阶统计量测度来估计传感器阵列的增益模式,进而估计未知的源信号混叠矩阵。实现多个时空混叠源信号的分离与波形的重建。试验结果表明,基于多信号分类与快速独立分量分析联合的新方法,能有效辨识复值时空混叠矩阵,正确分离并重建来自不同方向的混叠源信号,从而为后续的进一步应用(如弱信号检测、故障诊断等)奠定基础。     

基于高阶统计的欠采样多信号频率估计

利用信号频率特征矢量Ｋｒｏｎｅｃｋｅｒ积并基于四阶累积量时延和ＭＵＳＩＣ算法,本文提出了一种适用于任意高斯噪声环境的欠采样多信号频率估计的新方法,适当选取时延参数,方法极大增加估计的信号的数目,计算机模拟证实了有效性。