基于小波理论的电力系统谐波检测方法

提出了对电力系统中稳态谐波和暂态谐波的不同检测方法.阐明了小波理论的基本原理,对复合信号进行了小波变换和小波包变换的仿真分析和比较.仿真结果表明,对稳态谐波检测时适合采用小波变换,对暂态谐波检测时适合采用小波包变换.     

基于小波包变换的电力系统谐波电流检测

针对常规快速傅立叶变换无法检测非整数次谐波,以及改进的加窗插值快速傅立叶变换运用困难,采用小波、小波包变换对电网信号中的谐波进行检测分析。小波包变换建立在二进小波变换基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果证明,较之傅立叶变换和小波变换,小波包变换对电网信号中谐波的幅度、频率的估计具有更高的精度。     

基于小波包变换的电力系统谐波检测

阐述小波变换和小波包变换的基本原理,介绍小波变换的时频局部化特性,说明了在小波变换基础上建立的小波包变换,能够实现频带的均匀划分,能更有效地进行谐波的检测和分析,并利用小波包变换的方法分别对电力系统中的稳态谐波和暂态谐波进行检测.仿真结果表明,该方法可以准确地检测稳态和暂态时变信号,能为电力系统中的谐波治理提供依据.     

基于谐波小波包变换的信号检测

利用二进离散小波变换检测周期性信号时,由于频带间的干扰,微弱成分易被强信号所淹没,为解决此问题,提出一种基于谐波小波包变换的周期性信号检测算法。利用谐波小波函数的盒形频谱结构,根据目标声信号的特点,选择合适的分解层数和分析带宽,由此避免分析频带之间的相互干扰。对实测数据的分析结果表明,谐波小波包变换对于低信噪比下的微弱线谱信号成分有一定的增强效果。     

小波变换在电网谐波电流检测中的应用

小波变换是一种变分辨率的时频联合分析方法,可以对时域和频域信号进行精确地分析。利用小波变换对电网中的谐波电流检测原理进行了分析,通过将电网电流信号分解到各个频带,将基波电流与谐波电流分离,从而达到检测电网谐波电流的目的。仿真实验表明,小波变换谐波检测可以有效地排除电压失真的影响,具有较高的检测精度。     

电缆局部放电点定位检测——小波包广义相关时延估计法

小波包变换是小渡变换的推广,它能把信号进行更精细的分解.同时小波包变换能进行多层次的划分,从而提高了时频的分辨率.本文经理论和MATLAB建模仿真分析,结合小波包广义相关时延分析,通过选择合适的系数及阀值后重构信号,证明了小波包广义相关时延在电缆局放信号时延检测中具有可行性,同时得出小波包在较低信噪比的条件下且在较长电缆段仍能较准确的检测出时延点.     

小波包分析在滚动轴承信号消噪处理中的应用

对滚动轴承的故障特点进行了分析.根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,提出了小波包分解和重构用于滚动轴承信号消噪处理的概念及其算法,建立了滚动轴承加速度信号实时测试系统.通过实验研究得出,用小波包分解并通过重构可使分解后的数据长度不变,使分解层数不受限制,证明小波包分析方法应用于滚动轴承信号消噪的有效性,并取得了较好的效果.     

应用谐波小波包提取转子故障特征方法

为消除转子转速变化时各节点中倍频分布的随机性,提出一种应用谐波小波包技术提取转子故障特征参数方法.该方法首先依据尺度变换思想对原始振动信号进行重采样,然后应用谐波小波包技术将重采样信号分解到给定层上,最后提取各个节点的谐波小波包系数能量值作为故障诊断的特征参数.通过对油膜涡动实验数据的处理和分析,观察到不同转速下节点倍频分布与能量分布具有了统一的物理意义.转子故障诊断实验中,对转子不平衡、不对中、动静碰摩、油膜涡动故障的分类准确率达91.4％.表明应用该方法提取的特征参数,可以作为转子故障诊断的可靠依据.     

基于TLS-ESPRIT和小波变换的间谐波检测方法

目前间谐波检测方法主要针对平稳信号,对时变间谐波的检测效果不理想。针对这个问题,该文基于总体最小二乘—旋转不变子空间算法和小波变换算法提出一种综合的间谐波检测方法。首先采用总体最小二乘—旋转不变子空间方法计算出谐波和间谐波分量的频率,其次根据得到的频率确定小波多分辨率分析的频段范围和层数,最后采用DMEY小波对信号进行分解,由分解系数得到各平稳谐波分量,并通过系数重构对时变间谐波跟踪。仿真结果表明,该算法抗噪能力强、检测精度高,能够跟踪时变间谐波。     

基于小波分析的信号滤波方法研究

论述了小波分析的基本原理,研究了应用小波变换进行信号滤波的方法,通过正交小波包对信号的分解,把频率成分复杂的信号分解到互不重叠的频带,根据需要删除某些频带的信号（噪声）,然后用小波包生包重构算法对信号进行重构,可实现对信号的滤波。给出了应用小波包变换对振动信号进行滤波的实全坷有效地滤除信号中的确定必噪声和随机噪声,可进取出淹没在信号中的非常微弱的特征信息,与传统的信号滤波方法相比具有明显优点。     

Wavelet analysis method of harmonics and electromagnetic interference in coal mines

In this study we propose an analytical method based on orthogonal wavelet transforms for detecting harmonic noise and Electromagnetic Interference(EMI)from power supply systems and equipment in coal mines. The method will separate interference from signals through wavelet packet decomposition and then accomplish wavelet packet synthesis towards decomposition results after filtering, to remove harmonic noise and electromagnetic interference. Detailed simulation experiments are presented to study, power harmonics and Electrical Fast Transient Burst(EFT/B)interference and to validate the effectiveness of our proposed method. The experimental results show that the proposed method, suitable for mutant and non-stationary signal detection, can accurately analyze harmonic interference and EMI in coal mines, as well as establish EMI source models and perform underground Electromagnetic Compatibility(EMC)prediction analyses.     

一种小波包分解的FX结构全频带ANC系统

针对传统有源降噪系统在噪声与信号混合的复杂环境中无法有效工作的问题,设计了一种应用于舰艇艏端被动声纳平台的本艇自噪声有源抵消系统,从而提高声纳的作用距离．该系统采用基于小波包分解的FX结构,小波包这种正交变换方法降低了各分量之间的相关性,改善了参考输入矩阵的特征值分布,而其滤波器组的工作方式可以对不同频段的噪声任意细分,分别抵消,具有多子带系统的效果．通过与LMS算法相结合,使系统具备了灵活的全频带时频多分辨能力和较快的收敛速度．利用真实海试数据仿真试验,在较小的信号失真度状态下,取得了约12.2dB的全频带降噪量,进一步表明系统在复杂水下噪声场中的优势．该种结构提升了系统的噪声控制能力,具有较高的实用价值．     

基于嵌入优化的铣削去重平衡机电气测量系统研究

目前铣削去重平衡机电气测量系统是由微控制器和外围器件级联而成,集成度低、信号处理算法单一、测量误差大,对实现智能铣削有很大的限制。基于此,提出了基于嵌入式OMAP的自动铣削去重平衡机电气测量系统的实现方法。首先,通过OMAP双核架构中的ARM子系统完成对平衡机电气测量系统的控制功能,DSP子系统实现数字信号处理和不平衡量的解算;其次设计实现了基于谐波小波包的数字带通跟踪滤波器;最后利用谐波小波包在频域对信号进行无限细分的特性来提取任意一段微弱信号的特征。仿真及测试结果表明,该系统有效抑制了近频信号干扰,提高了信噪比,并对初始不平衡信号特征实现有效还原。     

多频波动线谱自适应控制算法及试验

研究了多频波动线谱激励下的主动隔振控制问题,提出一种改进小波包自适应控制算法.传统的自适应算法难以同时控制多线谱,当线谱存在频率波动时,窄带滤波算法难以取得理想的控制效果.因此,将小波包分解算法应用在控制算法中,对信号进行等间距频带划分,采取并行控制策略完成多线谱控制.分析了不同小波基函数对信号分解的影响,确定最优小波基.针对虚有线谱和子频带过多导致的控制过盈问题,改进小波包分解算法,降低了计算量,消除子频带中虚有线谱.为每个子频带设置独立步长,并根据箕舌线函数修正迭代步长.搭建控制系统开展试验研究,结果表明,本文所提改进小波包自适应算法在多频波动线谱激励下能够取得良好的控制效果,线谱振动能量显著降低.     

基于概率神经网络的配电网接地故障选线方法

针对小电流接地系统单相接地故障,提出一种基于概率神经网络的配电网接地故障选线方法。采集每条线路在单相接地故障发生时的零序电流暂态信号(一个周波,故障前1/4个周波和故障后3/4个周波),运用db10小波序列进行5层小波包分解。提取零序电流小波能量并将其输入到PNN网络,实现故障线路自动识别。并给出故障选线小波包分解算法和PNN算法的具体步骤,可直接用计算机编程实现。运用Matlab软件对中性点不接地系统和中性点经消弧线圈接地系统均进行了仿真,验证了该方法的可行性与准确性。     

基于最佳小波包基的边海防声目标识别

针对于将声音识别技术应用于边海防目标的识别,提出了一种新的基于最佳小波包基的特征提取方法。具体方法是首先根据边海防声音信号的频率分布特征,对这些信号进行有选择地多尺度小波包分解,获取最佳小波包树,然后将相应的最佳小波包基的能量值归一化后作为特征向量,再将这些特征向量输入BP神经网络训练,用训练好的神经网络对边海防声音信号进行识别。仿真结果表明:在噪声条件下,利用此特征提取方法,识别率达到94%,比基于小波包分解的特征提取方法的识别率高出6个百分点。