RO-SBM的希尔伯特—黄变换谐波检测方法

针对希尔波特—黄谐波检测方法的端点效应问题,提出斜率再优化(RO-SBM)与希尔伯特—黄变换(HHT)相结合的方法(RO-SBM-HHT),该方法先采用RO-SBM法对原信号延拓,按照包络原则对延拓之后的信号进行经验模态分解(EMD),得到本征模态函数IMF分量,然后对各个IMF分量进行希尔伯特变换(HT),并采用最小二乘拟合可获得各次谐波的幅值和频率。仿真与试验数据表明,RO-SBM-HHT可有效地解决谐波检测端点效应,提高检测精度、减少冗余分量。     

基于小波变换的电力系统谐波有源补偿方法研究

为了保证电力系统的安全运行,提出基于小波变换的电力系统谐波有源补偿的方法.基于电力系统谐波有源补偿原理,有效结合塔式算法与小波变换,经离散信号的分解处理后,实现系统谐波检测;依据电流跟踪控制环节的参考电流,通过流压转换确定参考电压矢量,采用改进空间矢量脉宽调制控制策略,控制三相逆变器实际输出电压跟踪参考电压,实现电力系...     

基于小波神经网络的单相三电平逆变器谐波检测

本文采用小波神经网络（Wavelet Neural Network,WNN）算法对时变谐波信号进行检测。利用Harr小波对谐波信号的幅值和相角进行逼近;将小波对信号的自适应时频分割特性引入神经网络,提高神经网络的逼近和收敛速度;给出网络参数的选定方案;确定网络的训练算法。在MATLAB/SIMULINK环境下对该算法进行仿真,与传统的小波算法比较,该算法不仅可行,而且精确度得到提高。     

基于小波变换和小波包变换的间谐波检测

通过研究小波变换中基函数选取和小波分解过程两个关键问题,针对小波变换在间谐波检测方面的应用,对比分析不同基函数的检测性能,重点分析小波变换与小波包变换对于稳态和暂态谐波的相位、幅值特性检测精度.仿真结果表明,小波包变换具有良好时频局部化特性能聚焦信号细节,选取dmey小波基函数的小波包分解方法可实现对电力系统中稳态或时...     

一种基于小波变换的谐波与基波有功和无功电流检测算法

谐波与基波有功、无功电流的正确检测是谐波拟制和无功补偿的基础。本文利用小波变换的多分辨分析理论,结合电网电流定义式,给出一种简便的计算基波电流的有功分量、无功分量与谐波分量的算法,无需预先求解电流相位,计算量小,适合在线计算。利用不同类型的小波,在不同采样频率下对算法进行了实例仿真,仿真结果证明了该算法的有效性,并讨论了小波滤波器系数长度及采样频率对算法检测精度的影响。     

汽轮机转子故障诊断中LMD法和EMD法的性能对比研究

针对仿真信号和实验转子故障信号,对局部均值分解(LMD)法和经验模态分解(EMD)法的性能进行了对比研究,提出端点效应的评价指标和基于LMD法的转子不平衡、转子碰摩和转子油膜涡动的故障诊断方法,对基于EMD法和基于LMD法的信号分解结果进行对比分析.结果表明:LMD法分解转子振动信号时的模态混叠现象较EMD法分解时的模态混叠现象不明显;LMD法抑制端点效应的能力强于EMD法;LMD法的诊断结果更精确,能有效应用于汽轮机转子故障诊断中.     

基于概率与小波分析的故障检测方法及其应用

摘要： 针对小波阈值法无法准确从强噪声中检测到故障信号的问题,提出了一种基于概率与小波分析的故障检测方法。首先基于分位数的定义将各分解层的小波系数进行分割,利用各层的若干个分界值计算信号各个位置发生故障的概率,再结合小波阈值分析,得出最终的检测结果。通过仿真和实测分析,表明该方法可以准确、有效地检测到故障信号,具有良好的应用价值。     

基于自适应高频谐波LMD法的风电机组故障诊断

针对实际应用中局部均值分解(LMD)法存在的模态混叠问题,提出了自适应高频谐波LMD法.分析了信号中异常事件对求取包络函数和均值函数的影响,将构造的自适应高频谐波加入到原始信号中,通过改变原始信号的极值点位置来抑制模态混叠现象.对含有典型异常事件的信号进行了自适应高频谐波LMD法和ELMD法仿真实验对比,验证了该算法的有效性和优越性.将该算法应用于风电机组传动系统故障诊断中,结果表明:采用该算法后,原有的模态混叠状况得到明显改善,并成功提取出轴系不平衡故障特征,可为风电机组故障诊断提供参考.     

基于连续小波变换的水轮机振动信号检测

通过对连续小波变换的分析研究，提出了一种提取信号在小波尺度上的时频信息的信号分析方法。该方法能够有效将水轮机非稳态工况下的振动信号很好地分解在有限的时间-尺度范围内而保持信号的信息完整；对比传统的频谱分析和二进小波变换，信号经过连续小波变换后，其内部蕴涵的状态信息能在尺度域上很好地体现出来。     

基于dq变换和小波包变换的微网故障检测方法

针对传统的扰动检测法无法区分正常扰动状态与弱故障扰动状态的问题,提出了一种基于dq变换和小波包变换的微网故障检测方法,该方法使用每条母线上d、q轴故障电流的平方和作为解析电流,并利用小波包对其进行分解,进而利用各层小波包系数来构建故障检测判据。仿真试验结果表明,该方法能够有效区分正常运行状态、正常扰动状态和强、弱故障扰动状态,且不受接地电阻、故障类型/时间/相、负荷/DG的投切等各种因素影响,具有很强的适应性与工程应用价值。     

基于第二代小波变换的振动信号去噪与故障诊断

旋转机械故障振动信号存在不同形式的波形特征,传统小波去噪中,小波分解的结果与所采用的小波基函数有关,选用不适当的小波基函数会冲淡振动信号的局部特征信息,而造成原始信号的部分有用的细节信息丢失。为了克服上述缺陷,提出一种基于第二代小波变换的振动信号预处理方法,即针对分析信号的局部特征,以预测方差最小为目标,对每个样本选择最佳的预测算子,使小波基函数始终能够匹配信号的局部特征。仿真试验表明,该方法克服了传统小波去噪中降噪信号丢失了部分细节信息的缺点,不仅可有效地去除故障诊断振动信号的噪声,而且能够保留信号的局部信息。     

基于小波变换的T型线路CT饱和检测新方法

针对T型线路电流差动保护判据中CT饱和的检测判据不足,通过对CT饱和原因及其影响的仿真和分析,提出了一种基于小波分析的T型线路电流互感器饱和的检测方法.大量的ATP仿真结果表明,该方法可准确判断T型线路中CT的饱和,有效提高了保护的可靠性.     

基于小波变换的汽轮发电机组振动故障检测与诊断方法

提出了基于小波变换的汽轮发电机组振动故障检测与诊断方法。通过对仿真的汽轮发电机组典型振动故障信号进行小波变换,利用小波变换后的时频等高线图,对汽轮发电机组典型振动故障进行了检测分析。分析表明,利用小波时频等高图,可以直观表示信号中畸变发生的时间,有效地提取信号中的奇异特征;根据不同的故障发生时的频谱特征,能够识别出不同的故障,进行机组振动故障检测与故障诊断。     

大地电磁信号去噪方法研究——基于Hilbert-Huang变换

现有的大地电磁测深信号处理手段并不能唯一、准确地反映大地构造.因此寻找一种新方法处理大地电磁信号,是降低勘探风险的有效措施.采Hilbert-Huang进行功率谱估算,分析了Hilbert-Huang的优越性.对比研究了改进方法与IMAGEM处理对实测数据的处理结果,证实了改进后方法的有效性.     

基于小波包变换与遗传膜优化的BP神经网络的孤岛检测方法

光伏并网分布式发电运行中,为保障系统运行的稳定和安全,需具备较高的孤岛检测能力。为此,提出了基于小波包变换与遗传膜优化BP神经网络的孤岛检测方法,在不添加任何扰动的情况下,能实现无盲区检测,弥补传统被动式和主动式孤岛检测存在的不足,通过对PCC点电压信号进行小波包变换提取特征向量,并作为神经网络的输入样本,再利用WPT-GAPS-BP神经网络算法进行孤岛判断。通过仿真,验证了该方法的检测速度和精度更快更准确,具有一定的可行性和可靠性。     

基于EMD方法的柴油机振动信号去噪声处理

针对柴油机振动信号的瞬时非线性特点,提出采用柴油机振动信号的IMF分量进行特征频带识别的新方法.将柴油机振动信号经验模态分解,并去掉主要干扰因素所对应的IMF分量,再将剩余IMF分量进行重构得到柴油机振动信号.实际测试结果表明,重构后的信号能反映柴油机机身振动的真实趋势.