一种小波神经网络的电能质量信号去噪新方法

电力系统中电能质量信号往往含有大量的噪声,这在很大程度上影响检测结果.引入小波神经网络对电能质量信号进行去噪处理,对小波神经网络去噪的原理进行了推导.针对谐波、电压骤升、骤降,电压中断等常见的电能质量信号,对其进行了去噪的仿真研究.结果表明:这种消噪模式可以改善电能质量信号信噪比门限的影响.利用小波神经网络对电能质量信号进行消噪处理,可以取得理想的消噪效果,同时能较好地保留电能质量信号的特征信息.     

基于小波-RBF神经网络的柴油机故障诊断

针对基于小波-RBF神经网络的柴油机故障诊断进行了研究,结合信号的小波消噪和RBF神经网络提出一种新的故障诊断的方法。     

一种小波神经网络的电能质量信号去噪新方法

电力系统中电能质量信号往往含有大量的噪声,这在很大程度上影响检测结果。引入小波神经网络对电能质量信号进行去噪处理,对小波神经网络去噪的原理进行了推导。针对谐波、电压骤升、骤降,电压中断等常见的电能质量信号,对其进行了去噪的仿真研究。结果表明：这种消噪模式可以改善电能质量信号信噪比门限的影响。利用小波神经网络对电能质量信号进行消噪处理,可以取得理想的消噪效果,同时能较好地保留电能质量信号的特征信息。     

基于LabVIEW的航空发动机滑油故障检测系统设计

利用虚拟仪器技术构建基于小波神经网络的航空发动机滑油故障检测系统。根据小波分析原理进行对在线式铁谱仪输出的信号进行消噪并提取特征向量作为神经网络的学习样本,用MATLAB软件编写基于小波神经网络的故障诊断程序,利用ActiveX技术在LabVIEW中调用MATLAB的．m文件,实现发动机滑油系统的故障诊断。最后将诊断结果与X射线荧光光谱仪的诊断结果做了比较,证明本检测系统较好的满足了检测与诊断的精度的要求,且成本低、速度快。同时为复杂非线性系统的故障诊断提供了新的理论与方法。     

一种基于小波、分形与神经网络的汽车车型识别方法

提出了利用小波分析、分形理论和神经网络技术进行车型图像的识别方法 ,主要包括用小波理论进行汽车图像的消噪和边缘检测、分形编码和神经网络分类等 3个部分 .经过实验证明 ,该方法取得了较佳的识别效果     

小波消噪在10kV金属氧化物避雷器在线检测中的应用

针对金属氧化物避雷器(MOA)泄漏电流检测信号包含噪声的问题,提出了一种将新阈值法和平移不变小波相结合的消噪方法。该方法对含噪的金属氧化物避雷器在线检测信号进行小波分解,对分解后不同尺度下的小波信号进行平移,并同时按新阈值法进行处理,最后重构信号。将所提出的小波消噪方法用于10 kV金属氧化物避雷器的在线监测,提取去噪前后的泄漏电流检测信号波形进行分析对比。结果表明,该方法的消噪效果显著,消噪能力远优于传统的软、硬阈值消噪法。经小波消噪后的泄漏电流波形变得明显清晰,很容易从波形上对正常避雷器和老化避雷器进行区分,可以作为10 kV配电网MOA在线监测的依据。     

CL多小波消噪法在局部放电检测中的应用

为了提取电力设备中被现场强背景噪声淹没的微弱局部放电信号,在CL多小波基本理论的基础上,采用haar和平衡预处理的方法,运用矢量阈值法和相邻系数法消噪,并通过运用平移不变多小波的原理消除Gibbs现象以达到更优越的消噪效果.通过运用两种消噪法对仿真局部放电信号进行处理,验证了多小波消噪法的有效性.同时通过与多小波矢量阈值法和相邻系数法消噪结果进行比较,体现出采用相邻系数法能够达到更好的消噪效果.最后将该方法运用于现场发电机局部放电检测数据消噪研究中,经过对结果的分析得出其具有较好的保留原信号信息的能力.     

电力系统故障信号小波消噪应注意的问题

小波由于其时频窗口的灵活性,使小波变换近几年来在电力系统故障信号处理中得到广泛应用.特别是,电机的故障信号含有大量的噪声,有时噪声将故障信号完全淹没,很难直接用于故障的分析和诊断.所以在故障信号分析之前,必须对故障信号进行消噪.然而小波变换并不是对所有噪声都是有效的.故提出了将三角样条调频小波方法用于噪声的消噪,效果理想.     

放电声发射波检测中数据预处理的小波分析实现

研究了放电声发射波检测中用小波变换进行数据预处理的实现问题.内容包括小波分析预处理的步骤,选择小波,选择小波分解层数,提取有用频段的小波系数,小波消噪过程,小波消噪中的阈值选取,对提取的小波系数进行小波消噪等.两组实测信号的小波分析数据预处理结果证明了数据预处理的有效性.     

放电声发射波的小波提纯与消噪

研究了放电声发射波检测中用小波分析进行信号提纯与消噪的实现问题,包括选择小波、选择小波分解层数、提取有用频段的小波系数、小波消噪过程、小波消噪中的阈值选取,以及对提纯的放电声发射波进行小波消噪等。两组实测信号的小波提纯与消噪结果证明了信号提纯与消噪的优越性。     

基于特征信息保护的虹膜图像压缩算法

本文提出了将小波零树编码与神经网络矢量量化相结合实现特征信息保护的虹膜图像压缩思路.该方法利用形状编码与树状映射策略对虹膜重要特征信息区域对应的小波系数进行定位,对包含重要特征信息的小波系数进行近无损压缩,对非特征区域采用树结构矢量组合进行三方向的矢量量化压缩编码.该方法解决了不同区域图像质量要求不同的压缩问题,可以实现渐近解码.仿真实验结果表明本文提出的算法是合理可行的.     

基于灰关联分析的配电线路故障诊断方法

中性点不接地系统的短时接地故障诊断十分困难,本文依据故障特性提出了一种基于最优小波包基特征提取的故障诊断新方法.该方法应用小波奇异性检测功能,确诊故障过程;以最优小波包基提取故障信息,确定特征频段;然后,建立特征频段下各线路灰关联分析的数学模型,运用灰关联分析确诊故障线路.通过对4条10kV线路的仿真分析,验证了本方法的可行性及适应性.     

电力暂态信号小波分析的后处理方法研究

由于电力系统暂态信号经小波变换后信息繁多,需要研究对小波分解的大量信息进行恰当后处理和自动特征提取的方法。文章从定量分析的角度介绍了小波分析后处理的概念,探讨了几种电力系统暂态信号小波变换后的特征提取方法,即后处理方法,包括模极大值与奇异性分析、能量分布分析、小波系数聚类分析、小波系数统计分析、小波熵分析,以及将其用于电力系统故障检测和分类的物理意义。对一种新型后处理方法小波奇异谱熵在频变系统中的应用进行了仿真分析,结果表明该后处理方法可应用于电力系统设备和线路的故障检测。     

基于小波包信息熵和SO-SVM的滚动轴承故障诊断

针对滚动轴承振动信号的特征提取和故障诊断，提出了一种基于小波包信息熵和蛇优化算法（SO）优化支持向量机的滚动轴承故障诊断方法。使用小波包处理采集到的振动信号，构建小波包的能谱熵和系数熵，将构建的特征向量输入SO-SVM进行识别和分类;最终实现多故障模式识别，输出诊断结果。通过仿真实验表明，此方法对五组不同的样本诊断准确率达到99.17%~100%，且相比于果蝇算法优化支持向量机（FOA-SVM）和粒子群算法优化支持向量机（PSO-SVM）具有更高的故障识别分类效果。     

小波包-最大熵谱估计及其在水轮机故障诊断中的应用

充分利用小波包(WP)的时频局部化分析能力和最大熵谱估计(MESE)的频谱细化优点,提出了一种新的谱分析方法——小波包一最大熵谱估计(WP-MESE)。该方法能对振动信号进行多分辨分解,提取故障特征信息,进而进行精确的频谱分析;并运用此法有效地提取了水轮机轴系动态特性信息。实践证明该法是提取微弱故障信息并进行早期诊断的有效方法。     

一种人脸特征选择新方法的研究

本文提出一种人脸特征复合选择的新方法.首先对原始图像进行小波2阶分解和KPCA进行特征提取,然后将获得的特征进行SVM训练,经过GSFS反复选择具有最小间隔的支持向量作为最佳特征组合,最后输入线性SVM分类器进行分类.实验报告了本方法在UMIST及IITL人脸数据库上的应用,并对特征选择前后的分类能力及速度进行了比较,结果显示经过本方法的特征选择后,人脸识别能力有所提高,分类速度明显加快.     

基于小波模糊熵GG聚类的同调机群识别

针对同调机群识别面临的特征提取片面及计算过程复杂相互制约的问题,提出一种基于小波模糊熵-GG(Gath-Geva)聚类的同调机组识别新方法。根据广域测量系统获取的故障后系统机组功角信息,利用多尺度小波分解将功角摇摆曲线分解为整体趋势和细节信息,计算各个尺度小波系数的模糊熵,并作为发电机的特征向量,再通过GG模糊聚类算法对其进行同调聚类。对IEEE 39节点系统和某实际电网进行仿真,算例分析结果表明所提方法能够根据故障后系统机组功角信息的变化更新功角数据库,实现快速准确的同调机群识别。     

基于小波包分解的电能质量扰动分类方法

随着敏感性设备的大量应用,电能质量问题已日益受到关注。对各种电能质量扰动进行分类是采取适当措施降低扰动带来影响的前提。小波包是在小波变换的基础上发展起来的,能够提供更为丰富的时频信息。章分别选取小波包分解终节点的能量和熵作为特征矢量,应用Fisher线性分类器设计了分段线性分类器,对扰动分类进行了仿真识别。仿真结果表明,以熵为特征矢量的分类方法有较高的识别正确率。     

H桥逆变器电解电容参数性故障特征提取

研究H桥逆变器电解电容参数性故障诊断的特征提取问题。传统基波等效分析法是利用基波来寻求电容老化的特征规律,在实际情况中该方法误差较大,可靠性不高。针对这一问题,提出采用小波包频带能量法对故障信号进行特征提取,该方法能够精确提取信号的频带能量变化信息。通过建立H桥逆变器仿真模型,模拟电容不同老化程度的故障,用小波包频带能量法提取出电容正常和不同老化程度下的频带能量,构造特征向量,以寻求H桥逆变器电容老化时的特征变化规律。仿真结果表明,该方法能够准确提取H桥逆变器的电解电容老化故障特征。     

采用形态学峰谷检测的谐振接地系统故障选线方法

谐振接地系统发生单相接地故障时暂态量十分丰富。文中对各线路发生故障后1/4周期零序电流的短窗数据进行小波变换,剔除工频所在频带,按能量和最大的原则选取特征频带,并对特征频带下重构的小波系数进行形态学峰谷检测。故障线路零序电流首波头峰谷形态与各线路零序电流首波头整体的峰谷形态相反,据此构成故障选线判据。仿真分析和实录数据验证均表明所提方法选线准确、可靠性高。