多层导电结构缺陷电涡流扫描检测信号预处理技术研究

应用小波多分辨分解及重构技术和小波包分析技术进行检测信号预处理(噪声和干扰信号分离与去除)的基本原理,结合电涡流扫描检测实验,采用离散小波变换强制消噪法、软阈值消噪法和不同熵准则的小波包分析消噪法对检测信号进行预处理,并以SNR和RMSE为判断消噪效果好坏的标准,进行了效果的比较和优选.从理论分析和实验研究结果可知,分离提离等干扰信号,可采用强制法;消除高频噪声,采用基于Shannon熵准则的WPA法,效果最好.     

基于小波包Tsallis熵和RVM的模拟电路故障诊断

针对模拟电路故障难以识别等问题,提出一种基于小波包Tallis熵和多分类相关向量机(Rele-vance Vector Machine,RVM)的模拟电路故障诊断方法.该方法采用脉冲信号仿真模拟电路,应用小波包变换对采集到的故障响应信号进行分解,通过提取不同频带内的Tsallis熵作为故障特征值,利用相关向量机对各种状态下的特征向量进行分类决策,实现模拟电路的故障定位.实验结果表明,提出的故障诊断方法相较于现有的故障诊断方法能较好地提取故障特征,极大地提高模拟电路故障诊断的效率.     

小波理论和分形理论相结合对高速自动机的故障诊断方法

因为高速自动机的工作环境比较特殊,小波理论和分形理论相结合的故障诊断方法应运而生,力求提高故障状态的分辨率和诊断效率.运用小波理论对其初始特征振动信号进行降噪处理和小波多分辨率分解,小波包分解处理分析故障状态表现的不同特征,进行定性的故障诊断,计算所得信号的分形维数量化故障特征,进行定量的故障诊断,实现故障类型的判别及确定故障的敏感频带.     

基于小波多分辨率分析的并发故障检测方法

提出了利用小波多分辨率分析技术进行多重并发故障检测的方法。根据信号分解重构后的时间位置不变这一事实,将信号进行多尺度的小波分解,并根据奇变信号和噪声信号小波变换后的系数差异,采用软阈值法,对其高频分量进行去噪重构,根据重构后的故障信号高频分量在不同尺度上的特征,对其进行故障特征提取,并将不同尺度上的故障特征进行综合,获得并发故障各自特征,进而可以实现对多重并发故障的检测和识别。对一电网信号分析的仿真结果证实了该方法的正确性和可行性。     

基于小波包分形的电力电子故障诊断方法

针对现有电力电子故障诊断的问题,提出了一种基于小波包分形的电力电子故障的诊断方法.首先使用3层小波包对电路输出电压波形进行分解、消噪和重构等预处理,以获得不同频带的重构信号,然后再计算各个重构信号的分形维度,提取出相应的故障特征;最后以此作为输入数据来训练支持向量机,实现电力电子故障的诊断.以三相整流电路为例进行实验,实验结果表明该方法能有效地提取电力电子故障诊断的故障特征,提高故障诊断的准确率,可有效地应用于电力电子系统的故障诊断.     

一种模拟电路的支持向量机故障诊断方法

系统地提出了模拟电路的最小二乘小波支持向量机故障诊断方法。从测试点得到各种故障状态下的输出电压信号，对输出电压信号进行小波去噪，对信号进行小波分解获取多尺度的低频系数和高频系数，并对小波系数进行处理从而提取出故障特征量，以此作为学习样本来训练最小二乘小波支持向量机，确定其模拟电路故障诊断的模型。雷达系统电路仿真结果表明了模拟电路的小波变换和最小二乘小波支持向量机故障诊断方法取得了较好的效果。     

基于小波包变换的多光谱图像融合方法研究

小波包分析将频带进行多层次划分,对小波多分辨分析没有细分的高频部分也进行了进一步的分解。本文在研究了小波包图像分析法后,提出了基于小波包变换的象素级图像融合算法。通过把同一目标的多传感器获得的不同波段的图像数据利用小波包变换进行融合,得到融合图像。这种方法能够很好地将源图像的细节融合在一起,完好地显示了源图像各自的信息。     

基于小波分析和遗传神经网络的模拟电路故障诊断方法*

针对BP网络极易收敛于局部极小点与过拟合等缺点,在构建小波神经网络的基础上,提出用遗传算法优化BP神经网络的模拟电路故障诊断方法.该方法使用小波作为预处理工具,经PCA分析和归一化后提取输出信号的能量信息作为特征向量,用遗传BP神经网络作为故障识别器,对模拟电路故障进行诊断.与传统BP神经网络相比较,结果表明,该方法可明显改善神经网络结构、提高故障诊断的精度和速度.     

基于小波变换多分辨率特征提取的模拟电路故障诊断方法研究

提出一种基于小波变换多分辨率特征提取的模拟电路故障诊断的方法。该方法先对采样后的故障信号进行小波分解,提取各频段系数作为特征向量输入到神经网络进行训练。通过带通滤波器电路诊断的实例,阐述该方法的具体实现,验证该方法可以有效地简化神经网络结构和减少它的训练时间,快速高效地进行模拟电路故障的诊断和定位。     

基于能量熵对SVM的电路故障诊断

研究电路故障诊断问题,提高诊断效率.由于电路集成度提高,电路信号与故障相关,针对传统故障诊断因采用线性诊断方法与提取的电路特征信息不全面,导致诊断定位精度不高,为有效提高电路故障诊断的速度与精度,提出了一种根据小波包能量熵的支持向量机电路故障诊断方法(EE-SVM).首先利用小波包对电路故障信号进行3层的小波包分解,并提取小波包能最熵,构建输入特征向量.对于支持向量机进行非线性特征向量汰选,去除冗余特征,以保留特征向量构建智能化诊断模型.进行实例仿真,结果显示,方法在所有参比模型中精度最高,能高效地对电路故障进行检测与定位.     

基于小波包分析的滚动轴承故障特征提取

简述了小波包分析的基本原理及其用于特征提取的机理,利用小波包对滚动轴承振动加速度信号进行分解,求出各频率段的能量,并以此作为滚动轴承所发生故障的特征向量进行提取,从而识别出滚动轴承的故障,通过对于实测信号的分析证明了该方法的有效性,体现了小波包分析的优良性。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于多小波变换的模拟电路IDDT故障诊断

动态电源电流测试（I_DDT ）对模拟电路故障诊断非常有效。针对小波神经网络在模拟电路I_DDT故障诊断中存在的缺陷,提出了一种基于多小波变换的模拟电路I_DDT故障诊断方法。即利用多小波变换提取电源电流各频段的能量,作为神经网络的输入特征向量进行故障诊断。仿真结果表明,该方法是有效的,而且比小波神经网络方法的收敛速率快。     

基于多小波变换的模拟电路IDDT故障诊断

动态电源电流测试（IDDT）对模拟电路故障诊断非常有效。针对小波神经网络在模拟电路IDDT故障诊断中存在的缺陷,提吐了一种基于多小波变换的模拟电路IDDT故障诊断方法。即利用多小波变换提取电源电流各频段的能量,作为神经网络的输入特盘向量进行故障诊断。仿真结果表明,该方法是有效的,而且比小波神经网络方法的收敛速率快。     

基于PSO-RBF神经网络的模拟电路诊断*

为了提高径向基神经网络(radial basis funtion neural network,RBFNN)进行模拟电路故障诊断的速度与准确性,提出了一种基于粒子群算法(particle swarm optimization,PSO)优化RBFNN的故障诊断方法。该方法利用PSO优化RBFNN的结构参数,克服了神经网络中模型结构和参数难以设置的缺点,避免了参数选择的盲目性;同时对模拟电路的响应信号采用小波包分解,提取有效故障特征。仿真结果表明,方法具有更高的诊断精度和更快的收敛速度,能有效地实施模拟电路的故障定位。     

基于小波分析的变频调速系统故障诊断研究

讨论了交—交变频调速系统故障诊断的重要性,在当前的检测方法与故障诊断手段研究的基础上,提出了基于DSP和小波分析的变频调速系统故障诊断方法,建立了故障诊断系统;采用了基于小波能量的机电设备状态检测方法,充分利用了DSP强大的数据处理功能,以及小波分析所具有的对非平稳信号的分析处理能力和多分辨力的特性;建立了交—交变频调速系统的数学模型。经仿真实验证明:该方法适用于变频调速系统的故障诊断。     

基于自联想小波网络的汽轮发电机组故障诊断

针对电厂汽轮发电机组故障诊断问题,将小波变换和自联想神经网络结合构造了一个多层的自联想小波网络故障诊断系统。在输入层对振动信号进行二进离散小波变换,提取其在多尺度下的细节系数作为故障特征向量,根据这些特征向量进行自联想网络的学习,用学习过的自联想网络诊断故障。将该方法成功地应用于汽轮发电机组故障诊断,实验仿真结果表明,该方法优于常规的BP网络方法：某些单一故障的识别率提高了31.2%,综合故障的识别率提高了26.6%。     

一种电力故障录波数据压缩算法的研究

电力系统故障录波数据是分析电网故障的主要依据,录波数据压缩有益于减小数据存储容量和提高数据传输效率。针对电力故障录波数据的格式及构成特点,提出了一种基于傅里叶变换和小波包变换的数据压缩新算法。采用离散傅里叶变换对录波模拟量通道的B时段数据进行压缩和重构,根据重构误差判断该通道是否为故障通道;对故障通道的暂态扰动时段采用小波包变换进行压缩,对正常通道及故障通道的其他时段采用傅里叶变换进行压缩。大量录波文件的压缩结果和工程实际应用表明,所提算法可以同时获得很高的压缩率和压缩精度,具有广阔的应用前景。     

Research on WNN soft fault diagnosis for analog circuit based on adaptive UKF algorithm

To improve the diagnosis capability of soft fault for analog circuit, a WNN diagnosis model is proposed based on fault feature samples extracted, which is trained by a modified UKF algorithm. An adaptive factor is firstly introduced to enhance the accuracy of UKF algorithm. Then, the UKF algorithm with adaptive factor is used to optimize the parameters of WNN, establishing the soft fault diagnosis model for fault feature samples extracted by multi-resolution transform. Finally, each fault mode is diagnosed and determined by the model. The simulation experiment on Sallen-Key bandpass filter indicates that, the proposed method has a good convergence rate and diagnosis accuracy rate for all faults in analog circuit. The feasibility and effectiveness of this method is also validated.