GIS局放在线监测用高频宽带信号调理电路

根据气体绝缘变电站(GIS)高频宽带局部放电在线监测的需要,运用射频电路的设计理论,研究开发了一 种适用于GIS局部放电在线监测的高频带宽信号调理电路。该电路在1～150MHz带宽范围内可实现GIS局放 信号的高频宽带多路输入测量及信号调理并已成功应用在一GIS现场高频宽带局放在线监测系统中。     

局部放电脉冲波形特征提取及分类技术

根据电力设备周围存在多种干扰以及绝缘存在多局放的工况,提出基于单一缺陷的局部放电在线监测与识别方法,并指出实现此系统的关键技术之一是脉冲群快速分类技术,其由脉冲波形特征提取和聚类分析算法组成。针对108次/s的超宽带局部放电脉冲波形-时间序列,重点研究脉冲波形特征提取及分类技术。在分析等效时频算法和模糊 C均值聚类算法的基础上,对其做了进一步的改进。基于气体绝缘开关设备(gas insulated switchgear,GIS)的局部放电试验结果表明：采用改进后的算法可以使计算机准确的完成对局放脉冲的的自动分类,并通过在聚类中引入阀值滤除了各子类脉冲中相似性较低的脉冲。这为研制多局放源的在线监及模式系统提供了试验和理论依据。     

局部放电脉冲波形特性分析

根据局部放电特性,设计了测量电阻和测试回路。经检验,表明该回路具有灵敏度高、测量准确、对脉冲波形畸变小等优点,可用于测量局部放电脉冲电流波形。采用此装置测量了空气中尖板电极电晕及火花放电、电机模型线棒中气隙放电、线棒端部表面电晕及滑闪放电和油中尖板电极放电的脉冲电流波形,并对各类放电脉冲的主要时间特征进行了归纳。     

用于提取局放脉冲的波形匹配识别方法初探

针对现场采集的局部放电信号中经常混杂白噪声和窄带周期干扰现象,本文首次提出使用Laplace小波按照波形匹配的原则来提取局部放电脉冲信号的方法.利用该小波波形与局部放电脉冲波形相吻合程度较好的特点,根据波形匹配的原则对含噪信号在一个由该小波构成的小波基函数空间中进行模式识别,进而去除噪声,提取局部放电脉冲信号.该方法不仅能够用于去噪,而且可以确定脉冲的放电主频率、衰减度、放电时刻及放电个数,从而为故障识别和定位奠定良好的基础.仿真和实验结果显示该算法具有良好的去噪性,同时可以获得更多的局放脉冲信息.     

电脉冲、超声和超高频局放传感器检测波形对比

基于传感器获取局部放电信号,在对信号特征及信号分布进行分析统计的基础上,可以实现不同类型局放传感器对不同绝缘介质下典型缺陷的基于频谱、放电量、放电机理、放电类型的基础研究.本文对电脉冲、超声、超高频传感器获取的波形对比分析进行了综述,并介绍了基于波形获取的对比分析平台,以后可以依托此平台开展相关研究.     

基于脉冲电流波形的GIS局部放电检测抗干扰技术研究

介绍了基于脉冲电流波形用于GIS局部放电检测的新型抗干扰技术。该抗干扰技术由脉冲电流波形的特征提取以及基于波形特征的聚类分析实现。其中,脉冲电流波形的特征提取由基于时频波形和频域波形的等效时频法,而快速聚类分析则由模糊C均值聚类(FCM)实现。受干扰脉冲源影响的电晕放电仿真试验和基于宽带局部放电检测的GIS母线毛刺试验均验证了该新型抗干扰技术的可行性和实用性。     

变压器局放检测的信号处理技术

介绍了为排除变压器局部放电在线检测时存在的各类干扰所采取的几种方法,综述了其原理及应用。     

UHF波形及频谱检测法在局放检测中的应用

针对空气绝缘高压开关柜内部局部放电,采用UHF传感器、示波器的波形检测法和UHF传感器、便携式频谱分析仪的频谱检测法,在实验室对脉冲电流局放测试法检测超标的TV进行测试,在昆明局某变电站对TEV法和超声波法检测异常的开关柜进行测试,均有检出异常信号,表明该综合检测法在现场测试应用中的有效性.     

基于脉冲波形时域特征的局部放电识别

建立了一套数字化实时高速局部放电波形测量系统,由简单实验室模型和工业仿真模型取得了不同类型局部放电的脉冲电流波形,包括空气中和油中尖板电极放电,电机模型线棒内部气隙放电,线棒端部沿面放电,用分段的时域数据压缩法提取了脉冲波形特征,采用分级人工神经网络进行放电模式识别,以得较好效果。     

基于超声的局放检测系统

介绍局部放电时声波的产生机理与特性,阐述基于超声的局放检测系统的研制方案及现场的应用情况。经现场测试,验证了该系统检测局部放电的有效性。     

人体脉搏信号的希尔伯特-黄特征提取

脉搏信号包含与心血管相关的特征参数,提取与分析其特征参数能为心血管的初步检测提供一定的参考信息.采用希尔伯特-黄变换对脉搏信号进行时频特征提取,主要包括预处理和特征提取两部分.对小波软阈值滤波后的信号经验模态分解和希尔伯特变换,求取Hilbert谱与边际谱.从Hilbert谱与边际谱中分析了脉搏信号的生理特征反映,对人体心血管等方面健康状况的判断有一定指导意义.     

基于紫外脉冲法与SMS的绝缘子污秽实时监测系统

研究了基于SMS传输的绝缘子污秽实时监测系统。系统在一些预定的地点设立监测点,利用全球移动系统（GSM）公众无线通信网的短信息服务（SMS）作为通信平台,与监测服务器构建成多点对一点的星型网络,实现对线路绝缘子表面污秽状态的实时监测。并对不同气候环境下绝缘子绝缘状态进行分析,监控绝缘子污秽状态的变化,从而了解整个线路污秽状态,避免事故的发生。目前共有5台监测终端与一台服务器小型系统正在运行,状况良好。     

心电图ECG信号自动检测特征提取方法研究进展

心电图特征参数特征提取技术是人体信号智能化检测领域研究热点之一。论文从差分阈值、模板匹配、小波变换、神经网络等多种特征提取法系统评述常见心电图特征参数自动化检测提取方法,阐述各种方法机理、主要研究应用方向及特点,总结分析指出各方法在不同应用场景下的优缺点。其中神经网络特征提取法准确性高、鲁棒性好,是心电图特征参数提取研究趋势及热点,后续可将神经网络深度学习、自学习与差分阈值、模板匹配、小波变换等特征提取方法相结合,实现更高要求的复杂心电图特征参数检测。     

感应式磨粒检测传感器信号特征提取方法研究

针对感应式磨粒检测传感器信号输出易受噪声干扰而导致微小磨粒难以提取的问题,提出了一种基于方差稳定性的磨粒信号降噪及特征信息提取新方法。首先,利用预处理信号中不同信息成分的差异性进行方差稳定性度量;然后,依据归一化方差稳定度的统计特征实现自适应阈值提取,并在此基础上对预处理信号进行阈值分割;最后,利用目标信号特征判定指标对磨粒感应电压进行识别与计数。实验结果表明,算法能够成功提取出50μm(球体等效直径)磨粒产生的感应电压信号,与传统分解类降噪算法相比,所提的新方法能够有效剔除检测信号中的背景噪声,其保护磨粒信号形态特征的优势可以进一步提高传感器在强干扰环境下的微小磨粒检测能力。     

基于小波变换的脉搏信号特征提取

提出了一种适合于非平稳脉搏信号的特征提取方法。对在校学生和血管硬化患者两组各20例的脉搏信号进行分析,选择了具有多分辨分析特性的小波变换,分别对每例信号进行5层分解,提取出各尺度小波系数。根据小波系数与信号能量之间的等价关系,将归一化的各尺度小波系数能量值作为识别脉搏信号的特征向量。针对脉搏信号频谱特点并结合实验数据,改进了现有的能量特征提取算法。在样本有限的情况下,通过统计分析得出可以用改进的能量特征向量来区分心血管疾病患者和正常人群的结论。     

脉搏信号中有效信号识别与特征提取方法研究

脉搏信号是重要的人体生理信号,但采集过程中会存在一定的干扰信号。针对人体脉搏波采集后的有效信号识别与特征提取的问题,提出一种基于时间序列描述的信号识别方法,首先将脉搏时间序列进行分割,每个分割段采用斜率符号化进行表示,通过段与段之间的相似性判断出信号的有用段和干扰段。再根据得到的有用段信号,提出一种基于滑窗的特征提取方法,寻找脉搏信号中的峰值、谷值,同时调整滑窗宽度,还能够进行重搏波波峰的检测。经实验验证,所提出的识别与特征提取方法准确率高且抗干扰性强。     

直流下油纸绝缘中局部放电脉冲典型波形及其参数提取

笔者介绍了直流下局部放电脉冲波形测量系统的组建以及测量电阻的校验。利用该试验系统对模拟换流变压器油纸绝缘的5种典型缺陷模型进行了局放脉冲波形测量。试验结果表明:直流下油纸绝缘中缺陷放电稳定,脉冲波形无振荡分量和过冲,且不随电压变化而发生畸变。在对典型脉冲波形进行预处理的前提下,使用形状参数法、自相关函数法、AR模型参数法以及Renvi信息量进行了波形特征参数提取。所得结果为深入研究直流下油纸绝缘中局部放电机理、局放在线监测系统的频率特性以及放电类型的波形识别提供了实验依据。     

基于形状特征的图像检索系统的设计

基于图像形状特征的图像检索方法已成为一个研究热点。为了便于在众多的图像信息库中快速、准确的检索出所需图像,研究了基于形状特征图像检索的主要步骤,且对步骤中所涉及的算法做了比较、选取、改进。利用MATLAB语言开发了一个基于形状特征的图像检索系统。并对该系统进行了测试,通过测试表明该系统可以有效的检索出相似的图像,且对于实验结果做了查全率和查准率的计算与分析,结果证明该系统切实可行具有一定的推广价值和使用价值。     

基于HRM特征提取和SVM的目标检测方法

在航拍图像的目标检测中,由于目标外部形态以及复杂背景的影响,对一个有效的航拍目标检测仍然是目标识别领域的一个巨大挑战。提出了一种基于Hu矩、径向矩(Radial moment)组成的HRM(Hu Radial Moment)特征和支持向量机(SVM)的目标检测方法。该方法为首先提取目标的Hu矩特征,并结合其各向同性的径向矩特征共同构成新的特征向量HRM,然后采用支持向量机来对特征进行分类、预测。实验结果表明,针对不同的目标外部形态和复杂的外部场景,所提出的方法具有较高的检测率,且是高效的。     

基于微动特征提取的太赫兹雷达目标检测算法研究

微多普勒现象是微动目标在极高频雷达照射下重要的特征属性之一,已广泛应用于雷达目标成像与识别方面。但是,目标微多普勒现象可能会在一定程度上导致雷达检测概率的降低,这在太赫兹频段尤为明显。本文结合目标微动特征,建立了一种新的信号检测模型,在原有常规目标检测模型的基础上,考虑了微动特征参数,该参数由时频分析算法提取。仿真结果显示,基于微动特征提取的信号检测模型可有效的提高雷达检测概率,在13dB的信噪比下,针对一定的虚警概率,检测概率可提高13%左右,对太赫兹雷达系统设计具有重要的理论意义。