基于小波分析的电缆故障特征提取方法研究

针对电缆状态检测过程中暂态信号靠传统检测方法难于处理的问题，提出运用小波工具箱函数，根据电缆故障暂态电压的奇异性及包含的故障状态信息，来确定故障信号产生奇变点的位置。通过低频交流电压叠加试验，应用小波函数分析绝缘树枝劣化中产生的电压信号。试验结果表明，此方法能准确确定故障信号出现的最早时刻，判定电缆绝缘的劣化程度。和传统方法相比：利用了小波的带通滤波性质，减少了信号损失，简化了检测系统硬件电路。此方法实现容易，信号分析效果好。     

基于小波分析的电力电缆故障检测方法研究

针对电缆状态检测过程中暂态信号靠传统检测方法难于处理的问题,提出运用小波工具箱函数,根据电缆故障暂态电压的奇异性及包含的故障状态信息,来确定故障信号产生奇变点的位置。通过低频交流电压叠加法,应用小波函数分析绝缘树枝劣化中产生的电压信号。检测结果表明,此方法能准确确定故障信号出现的时刻,判定电缆绝缘的劣化程度。和传统方法相比,利用了小波的带通滤波性质,减少了信号损失,简化了检测系统硬件电路,此方法易实现,检测分析效果好。     

基于小波分析和神经网络的井下电缆故障测距方法

针对现有的井下电缆故障测距方法存在可靠性差、精度低的问题,介绍了一种基于小波分析理论和神经网络的井下电缆故障测距方法,并比较了BP神经网络和RBF神经网络用于该方法的测距性能。该故障测距方法采用3次B样条半正交小波对暂态零序电流信号进行小波变换,得到特定频带内的暂态零序电流模极大值,并将该模极大值作为神经网络的输入信号,根据模极大值与故障点位置的映射关系实现故障定位。仿真结果表明,该故障测距方法能够较好地进行井下电缆故障测距,且RBF神经网络的测距误差及训练速度均优于BP神经网络。     

基于小波分析的传感器故障检测研究

针对航空发动机控制系统传感器故障检测在强噪声环境下易误报的问题,设计了基于模极大值原理的传感器故障检测方法.首先介绍基于小波奇异性进行故障检测的基本原理,之后根据信号和噪声奇异指数不同的特点判断噪声模极大值.对传感器典型故障,给出基于模极大值原理的传感器故障检测算法,并根据小波变换模极大值在不同尺度下的分布来完成故障的检测.通过某型涡扇发动机控制系统传感器故障检测仿真实验表明,小波变换能很好地刻画信号的奇异性特征,该滤波算法消噪效果明显,故障检测准确度高.     

基于小波分析的最优故障特征提取研究

针对因模拟电路的故障模型复杂、有容差、非线性等导致的模拟电路故障特征提取难度大、严重依赖于专家的经验的现状,对基于小波分析的模拟电路最优故障特征提取技术进行了研究;以四运放电路为实验基础,采用Morlet和Haar两种小波基分别从不同的维度上做数据预处理,能量化、归一化后组成故障特征,而后通过克隆选择算法的诊断结果分析对比特征提取的效果;实验结果为通过两种小波基提取的故障特征在不同的情况下达到最高故障诊断率均接近89%,表明基于两种小波基的故障特征提取技术都是优秀可用的,以及单点采样数据的有效性;同时实验结果还反映了模拟电路故障特征的详细程度与诊断正确率成正比例关系;这对实际复杂模拟电路的故障特征提取具有指导性的意义。     

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。     

基于多小波的煤矿井下动力电缆故障定位研究

针对基于传统小波变换的煤矿井下动力电缆故障定位方法由于小波函数不具有对称性而存在定位精度差的问题,提出了一种基于GHM多小波的煤矿井下动力电缆故障定位方法。分析了多小波理论的原理,详细介绍了GHM多小波在煤矿井下动力电缆故障定位中的应用。仿真结果表明,动力电缆故障电流信号经GHM多小波变换后各尺度的奇异点不会发生偏移,提高了故障定位精度。     

基于小波分析的人脸特征提取方法

人脸识别是目前生物识别的热门研究领域 ,具有广泛的应用前景。人脸具有唯一性 ,相对稳定 ,所以机器自动识别人脸是可行的。本文提出利用小波分解提取人脸特征进行分类     

基于小波优化神经网络的故障定位算法研究

在研究已有小电流接地系统单相接地故障定位方法优缺点的基础上,提出了一种小波优化神经网络的故障定位算法。首先在分析单相接地故障暂态电气量特征的基础上,利用小波奇异性检测进行特征提取。然后构建故障定位的优化神经网络模型,以遗传算法良好的全局寻优能力为基础,根据神经网络良好的非线性拟合能力,建立起故障特征与故障点位置之间的映射,实现故障定位。最后仿真测试表明,故障定位的相对误差不超过1.5%,并且不受故障点位置、故障点电阻和相角的影响。     

基于小波分析的故障系统在旋转机械中的应用

就小波分析技术在旋转机械故障诊断应用中的故障特征提取问题进行了深入研究,提出了基于小波奇异性及小波变换模极大值的故障特征提取方法,通过对故障信号与小波变换的多分辨率方法以及奇异性理论相结合进行研究,发现小波分析便于对信号的总体和局部进行刻画;利用小波变换对信号的分解和重构特性,可有针对性地选取有关频带的信息以及降低噪声干扰,通过对重构信号的频谱分析能更有效地提取裂纹故障的典型特征。结果表明,对于旋转机械的非平稳信号来说,利用小波变换方法进行故障诊断是行之有效的。     

基于小波多分辨率分析的故障检测方法

提出了利用小波多分辨率分析技术对系统信号进行分析的故障检测方法。利用小波多分辨率分析技术对信号进行多尺度小波分解,得到信号的高频分量,对此高频分量进行去噪和特征提取,可以得到反映系统故障的特征,实现对系统的故障检测,并可根据阈值大小的不同区分故障程度,实现对不同故障的区分。为避免因阈值选择不当可能造成的故障漏检,对于去噪阈值的选择,提出了一个有效的解决方法。仿真结果证明该故障检测方法的有效性和可行性。     

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。     

基于小波变换的泄露故障特征提取研究

为研究液压系统管路泄漏对压力脉动信号的影响,提出利用改进的小波消噪算法和小波包对压力脉动信号进行消噪和特征提取;针对传统小波变换阈值函数在去噪处理中存在的恒定偏差、不连续等缺点,提出一种改进阈值函数和新阈值相结合的新方法,将该方法与平移不变量方法相结合,避免了传统小波变换去噪时在不连续点存在的Pseudo-Gibbs现象;通过利用改进小波消噪方法和小波包对FESTO试验系统采集的正常和故障压力脉动信号进行分析比较,研究结果表明,不同工况下压力脉动信号3个主要能量频带的分布特性,可以作为泄露检测和识别的故障特征。     

基于脉冲反射法的电缆故障检测仪设计

介绍了一种以嵌入式微处理器Nios为核心的电缆故障检测仪.该仪器应用A/D器件和FPGA组成可变频率的高速数据采集系统,利用低压脉冲反射法原理来实现对电缆的断路、短路等故障的检测与定位.     

基于小波分析方法实现电网信息故障检测的研究

针对电网信息分析以及数据处理复杂的问题,提出了使用小波变换的分析方法进行电网故障信息诊断,并实现电网信息的远程监控。本研究首先采用传感器组件采集电网信息系统各个部件的故障数据,并将传感器感测的现场数据传递到工业计算机,然后构建小波分析模型,对电网故障信息进行提取,实现故障特征的进一步细化,该方法有利于从获取的宏观信息中得出反映电网信息故障信息的微观因素。本研究还能通过数据传输单元将接收到的数据进行远程传递,数据传输单元可以通过ZigBee无线网络或者GPRS/CDMA无线通讯的方式实现数据的远程传输,使得用户能够在上层管理系统中远程监控检测数据。试验表明,用户能够通过LABVIEW软件实现电网信息系统的故障分析、波形显示、频率测试、谐波检测、报表生成等功能,分析比较明晰,试验效果较为明显。     

基于小波旁瓣相消器的轴承故障特征提取

为解决强背景噪声下声信号提取的轴承故障特征不显著问题,提出一种基于小波旁瓣相消器的故障特征提取方法。该方法利用小波滤波器组将含噪故障轴承声信号变换到小波域,进行小波域阵列广义旁瓣相消自适应波束形成,再通过小波滤波器组重构增强后的故障轴承信号,最后对重构增强后的信号进行包络解调并提取故障特征频率进行故障诊断。实验结果表明,该方法能够在强背景噪声下有效提取滚动轴承故障特征,并且相较于传统的延时求和波束形成器具有更好的降噪和故障特征增强效果。     

模拟电路故障特征提取的小波基选取方法研究

小波技术在高维故障特征数据的压缩及敏感信号提取已被广泛应用,但小波基的选取没有一个统一的标准;通过实际采样信号数据的小波分解、特征向量计算、波动性函数比较等技术对小波基函数的选取进行了研究;最后通过综合小波分析、神经网络等技术的模拟电路故障诊断系统的诊断实例验证了所提选取方法的有效性;使用9种常用小波基函数,分别对采样信号进行分解并计算波动性函数,并在模拟电路故障诊断系统进行验证;小波基函数bior2.2的波动较小且与诊断结果一致。