染污绝缘子安全区泄漏电流检测中去除信号干扰方法

针对染污绝缘子安全区泄漏电流信号包含大量噪声干扰、很难准确提取其有效特征量的问题，利用4种小波阈值去噪方法对不同信噪比的实测安全区泄漏电流信号进行去噪，提取去噪前后的泄漏电流波形、有效值以及3次谐波与基波幅值比这3个特征量，对比分析了其去噪效果，优选出最适合安全区泄漏电流特征量提取的小波去噪方法。通过分析得出在信噪比大于1.0时，对于安全区泄漏电流波形和有效值，自适应阈值是最佳的去噪方法;对于3次谐波与基波的幅值比， 4种阈值去噪法获得的比值对真实比值的逼近效果基本一样。综合比较实测信号提取的各个特征量去噪前后的效果可知，自适应阈值法是提取安全区泄漏电流特征量的最佳去噪方法。     

CEEMDAN与小波变换混合去噪方法在光纤陀螺监测系统信号去噪中的应用

为了有效降低噪声对光纤陀螺监测系统实测信号的影响,提出基于CEEMDAN与小波变换混合去噪的方法。先将信号进行CEEMDAN分解,得到一系列IMF分量,计算每一个IMF分量与原始信号的相关系数,利用相关系数的大小筛选出主要的IMF分量。结合小波变换,对筛选出的IMF分量进行降噪处理,最后进行信号重构。引入含噪信号与降噪误差比和均方误差两个指标来判断降噪效果,利用单一的小波变换、CEEMDAN方法、CEEMDAN与小波变换混合去噪三种方法对仿真信号和实测信号进行分析。结果表明,基于CEEMDAN与小波变换混合去噪方法的去噪效果最好,有效地降低了噪声对真实信号的影响,去噪后的信号能准确地表征真实信号的变化特征。该方法非常适合光纤陀螺监测系统的信号去噪,能进一步提高光纤陀螺监测系统的测量精度。     

小波阈值与小波包对南水北调工程防渗墙监测数据去噪有效性研究

以南水北调北京段大宁水库防渗墙加高施工工程为背景,基于小波包变换去噪法和小波变换阀值去噪法,对现场监测数据进行了消噪处理,比较了两者在工程实际中的应用效果。研究表明,对防渗墙工程安全监测数据,小波包的处理结果更为理想,能够更有效地去除噪音突变信号,保留原始有用信号的突变点,使重构信号能够更光滑地重现原始信号,其去噪法性能比小波变换阀值去噪法更佳,具有更好的实际应用价值。研究结论为后期更加准确地评价防渗墙施工期间的变形和进行墙体长期稳定性分析提供重要依据,研究方法可为类似工程提供参考。     

超高压电网故障录波数据自适应压缩新方法

综合分析了超高压电网变电站故障录波数据快速压缩传输的必要性，以及现有故障录波数据压缩传输算法的优缺点。提出了基于信号奇异性检测原理的自适应小波去噪压缩算法，详细分析了各尺度上小波系数奇异点的匹配搜索过程和最大尺度层数自适应阈值选取方法;通过故障录波信号频率与采样率的关系，确定出最大小波分解层数，然后在该分解层数上进行噪声白化检验，并对某一个信号奇异点进行奇异性指数计算，以确定出小波最优分解层数。最后通过大量真实故障录波数据编程仿真，验证了该压缩算法的高效性。     

小波软阈值去噪技术在电能质量检测中的应用

小波方法是一种很好的电能质量信号检测和分析工具，但其性能往往受信号中噪声的影响，当噪声比较大的时候，小波方法甚至会失效。文中根据小波变换的时频特性，分析了信号和噪声在小波分解过程中的不同特性，并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声，并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾，能很好地对各种电能质量信号进行去噪处理，而且达到了数据压缩的效果。仿真计算结果表明，该去噪方法是有效的。     

基于离散平稳小波变换的原油触变特性研究

首次将离散平稳小波变换用于实验测定的原油触变信号的去噪。并与五点三次平滑处理及离散止交小波变换的去噪结果进行比较;实验结果表明：离散平稳小波变换明显优于其他滤波方法。对经离散平稳小波变换去噪后的触变数据分析的基础上,提出采用一种新型四参数双曲触变模型。该模型物理意义明确。拟合精度高,可用于工程实践。     

基于非线性小波变换阈值法的大坝表面变形监测分析

为了实现对大坝坝体GNSS原始监测数据中高斯噪声、白噪声等异常特性进行有效去噪，同时要求保留异常信号中的有效信息，基于小波变换分析理论，应用非线性小波变换阈值法对大坝坝体的GNSS原始监测数据进行去噪处理。结果表明，该方法能够有效剔除GNSS原始监测数据中不同类型的噪声点，明确了大坝坝体外部变形与库水位的相关性关系，分析了运行期内大坝坝体外部变形相对值分布状况，揭示了大坝坝体变形的周期性、趋势性等特征，为坝体变形监测的设计、变形趋势的观测与预测等提供参考。     

二维离散小波变换在电能质量检测数据压缩中的应用

提出了用二维离散小波变换和能量阈值相结合的方法来解决电能质量扰动信号的压缩问题。利用二维db小波变换对矩阵数据分别进行行卷积和列卷积，把检测数据的高频信号和噪声信号分解在3个不同的方向上，且信号的能量集中在很少的小波系数上。再通过改进的能量阈值法，利用能量均值修正系数设置阈值使得压缩后的能量保留在99%以上，从而保证了重构信号的失真度很小且自适应地消除了加在扰动信号上的噪声。对6种扰动信号进行仿真并与小波包的压缩结果进行比较，结果表明该方法极大地提高了压缩率，并对噪声干扰有很好的去噪能力。     

基于小波包-神经网络的尾水管故障诊断

尾水管水压脉动信号中包含与涡带紧密相关的低频信息。偏心涡带是引起尾水管振动故障的主要根源。傅立叶变换很难提取涡带的低频特征，为此采用小波包与神经网络相结合的方法，对尾水管信号进行小波包多层分解，以提取信号的特征信息，然后输入神经网络进行故障诊断。试验表明：该法能利用小波包时频局部聚焦分析能力和神经网络的自适应能力，对尾水管振动故障进行有效诊断。     

GIS局部放电检测中的小波包变换提取信号

在介绍小波包变换算法的基础上，将小波包变换用于白噪声干扰下的气体绝缘组合电器（GIS）局部放电信号提取。对模拟的局部放电信号进行了小波包分解与重构的计算机仿真研究，分析了不同的局部放电波形、噪声水平及采样率对去噪结果的影响，最后对GIS内置传感器实测波形进行了小波包变换去噪。     

基于经验模态分解的局部放电去噪方法

在简单介绍经验模态分解（EMD）的基础之上，将经验模态分解用于局部放电的信号分析。根据含噪声信号分解后固有模态函数（IMF）的统计特征，提出了一种基于向量阈值的新去噪算法，相比于常规的小波去噪算法，该算法具有形式简单、应用方便灵活、不受傅里叶变换及小波函数选择的限制等特点。实际处理结果及与小波的对比表明，新算法可以有效地抑制白噪声，取得和小波变换几乎一致的效果。     

长距离输水隧洞管道运行故障监测方法设计

面对目前监测方法压力监测精准度低问题,提出长距离输水隧洞管道运行故障监测方法。构建瞬变流数学模型,分析管道压力、流量参量信息。采用高频3细分量小波分解信号后,使用小波去噪方法分析信号突变点,结合相关分析法定位管道故障位置。由实验可知,该方法与实际值存在2.5Pa的最大监测误差,能够精准监测故障点压力数值。     

基于小波分析以及ε-SVR的隧道围岩位移时序预测

根据龙滩地下洞室围岩现场长期的观测数据,利用小波变换阈值去噪法对数据信号的高频系数进行量化处理,恢复原有的监测信号。实例结果表明,小波变换阈值去噪法能够有效地去除噪声的影响,获得围岩变形的真实信号。同时将去噪后的数据用于支持向量机(ε-SVR)建立时序分析模型中,并与GA-BP模型进行对比,结果表明ε-SVR模型的误差更小,预测效果更佳。更多还原     

奇异值分解理论和小波变换结合的行波信号奇异点检测

准确检测故障行波信号的奇异点是行波故障测距的关键。现场故障行波信号通常含有大量噪声，有些情况下单独使用传统的小波变换将不能有效检测到信号的奇异点。为解决强噪声情况下故障行波信号奇异点的检测问题，提出了基于奇异值分解理论和小波变换的故障行波信号奇异点检测方法。通过构造重构的吸引子轨迹矩阵，并由Frobenious范数意义下的最佳逼近矩阵可以得到除噪后的信号序列，对所得信号序列进行奇异性检测得到信号序列奇异点。仿真结果表明，该方法在强噪声情况下可以去除噪声影响，并且保持信号的奇异性，准确检测到信号的奇异点。     

基于多小波的变形监测信号处理

在简单介绍多小波基本理论的基础上,给出了把DGHM多小波应用于全球定位系统(GPS)监测信号去噪的实例.由于DGHM双正交小波具有短支撑、正交性、对称性(反对称性)及二阶逼近性等特点,在相同的滤波器长度下,利用多小波对变形监测信号消噪,可以取得比传统小波更好的信号消噪效果.实例表明多小波在信号去噪方面具有很大的应用潜力.     

自适应LMD融合新小波阈值函数的信号去噪

针对非线性非平稳信号的去噪问题,基于LMD分解噪声的特征,并融合自适应寻优函数,提出了一种基于局部均值分解新小波阈值函数去噪方法。通过仿真信号和实测工程信号验证,比较EMD滤波、Harr小波、LMD滤波和LMD-新小波阈值函数4种算法的信号去噪效果,并采用3种评价因子对各种算法的去噪效果进行评价。结果表明,文中提出的LMD-新小波阈值函数方法能够基于白噪声分解特征,充分发掘数据本身所蕴含的物理机制和物理规律,融合新阈值函数,相比于其他传统方法在信号去噪方面效果较好。     

基于小波变换的风力发电机组故障检测方法

针对传统风力发电机组故障检测方法受到非平稳振动信号影响，导致检测结果不精准的问题，提出了基于小波变换的风力发电机组故障检测方法。根据风力发电机组轴承非平稳信号特征，使用小波变换降噪技术，分解非平稳信号，获取有限长度离散含噪信号。消除噪声项后，利用峭度对非平稳信号的敏感性，提取故障自旋频率特征，实现轴承的故障检测。利用卷积神经网络提取齿轮箱阶次信号时序特征，通过齿轮箱故障时序特征的小波变换平移，利用阶次跟踪分析方法推导不同转速级的故障特征，以此对非平稳工况下齿轮箱故障状态诊断。由实验结果可知，该方法内、外滚道加速度时域信号变化范围分别为-0.3～0.3、-0.06～0.05 m/s²，小、大齿轮断齿故障幅值为0.2、 0.4，轴承故障和齿轮箱故障变化范围均与实际范围一致。     

一种模糊变步长自适应谐波检测算法

电力有源滤波器的成功应用依赖于精确的谐波电流检测技术。基于自适应干扰对消理论，提出一种基于模糊变步长推理的最小均方差（LMS）自适应谐波检测算法。通过分析影响LMS自适应谐波算法性能的不利因素，选取均方误差变化量和输入输出信号相关函数作为参量，建立模糊推理系统，自适应地调节算法的步长，实现谐波检测过程中，既能保证较快的动态响应速度和对噪声干扰的抑制，又能保持较高的检测精度，并通过计算机仿真及物理实验验证了该算法的有效性和可行性。     

基于传递熵的水电站厂房振动传递路径识别

水电站厂房空间结构复杂,同时振动测试信号中常混杂各种噪声,使得水电站厂房结构振源传递路径的分析难度增大;论文将传递熵方法与基于EMD分解的小波熵阈值去噪方法相结合,实现水电站厂房振动传递路径的识别。首先采用EMD分解和小波熵方法自适应地根据信号能量特征确定对应尺度的去噪阈值,对振动测试信号去噪;然后采用传递熵的方法识别厂房结构振源的传递路径。通过模拟信号的分析证明了该方法在判断信号传递方向方面的合理性。将该方法应用到一大型水电站厂房,结合现场实测振动数据对尾水涡带的垂向传递路径进行了识别,并计算了测点之间的信息传递率。结果表明尾水涡带引起的垂向振动主要传递路径为:尾水管→机墩(定子基础、下机架基础)→厂房上部结构楼板。     

水轮发电机组故障信号检测及小波去噪研究

小波分析是一种全新的时－频分析技术。本充分利用故障特征信号，系统运行信号和噪声其二进小波变换模的极大值在不同尺度下的传播特性不同，研究了一种简单而有效的水轮发电机组故障信号检测与信号消噪方法。