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。     

小波包励磁涌流波形识别算法的实现

在现有的小波变换的基础上，设计了一种基于小波包算法的大型变压器励磁涌流波形识别算法。该算法能实现励磁涌流的正确识别，且具有一定的工程应用价值。     

小波变换在短路故障检测中的应用

小波变换克服了傅里叶变换不能对信号同时进行时频局部化分析的局限性,具有很强的提取信号特征的能力。提出一种基于单向递推算法的故障信号检测方法：先从原始信号中提取基频电流信号,再提取基频电流信号的高频分量,通过测量高频分量的幅值突变点断定故障点。经过MATLAB仿真分析,证明这种方法可不受噪声和高频振荡影响准确检测出故障发生的时间。     

基于小波包变换的自适应线性均衡算法

在分析小波包和传统自适应线性均衡的基础上,提出了一种基于小波包变换的自适应均衡器结构,并结出了相应的自适应均衡算法,与通常的基于小波变换的自适应均衡算法相比,该算法利用了小波包对小波空间的进一步划分,因此其对信号的去相关能力比小波变换更强,仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现。     

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.     

基于动态小波变换的小电流接地系统故障选线研究

小电流接地系统发生单相接地故障时,由于故障电流小及接地点电弧不稳定等原因,其零序故障电流准确获取和定值整定困难,使其故障线路的检出仍是难题。提出一种基于动态小波变换的故障选线方法,利用所有健全线路暂态能量与故障线路暂态能量之差为最小值作为判据。该方法充分利用了动态小波变换分析故障信号的优势,克服常规小波变换在这方面的不足。仿真结果表明,该判据不受接地条件和接地方式影响,能够准确可靠地选出故障线路。     

基于小波分析的发电机匝间短路故障的智能诊断研究

本文提出了基于小波变换和模糊理论的智能诊断新策略。通过故障信号小波变换的模量极大值特征的提取,可实现发电机定子绕组匝间短路故障的诊断。仿真实验表明,本方法适用于动态非平稳故障信号的特征提取,适合于实时故障检测。同时,结合模糊诊断技术提高了故障诊断率。     

基于指数阈值的小波包变换图像去噪方法

小波包分析是一种比小波变换更加精细的分析方法,在对分解后的小波包系数进行软、硬阈值化处理时,易使重构后的图像产生马赛克现象,造成图像失真,为此提出一种基于指教阈值的小波包变换图像去噪方法.该方法采用小波包对含噪图像进行分解,然后利用指数降噪因子除小波包系数.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

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。     

基于小波变换的电力系统短路故障定位研究

输配电网承担着用户的供电任务,对供电可靠性的影响巨大,因此,当输配电网发生短路故障时,准确快速地进行故障定位显得至关重要.采用基于小波变换的双端行波分析方法进行故障点测距,利用Daubechies小波对发生故障时的暂态直流信号进行分解,并对双端提取到的故障点向两端产生的电压、电流行波信息进行5层小波变换分析.通过MATLAB/SIMULINK建立仿真模型,利用阈值触发法提取突变点时间,计算出故障距离,仿真所得到的故障信息与所设定的故障类别基本一致,表明本文采用的方法可以达到精确快速定位故障的目的 .     

基于小波包变换的故障诊断

由于小波包变换在信号分析与处理中,具有良好的局部化品质,本提出了一种基于小波包变换的故障诊断方法,并应用于控制系统动态测试过程的故障检测。计算和实验结果表明：该方法可以快速有效地进行故障检测与定位。     

双树复小波包和谱峭度在齿轮故障诊断中的应用

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法.首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息.通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信息,进而实现故障识别,验证了方法的可行性和有效性.     

基于双树复小波包和AR谱的滚动轴承复合故障诊断方法

针对滚动轴承复合故障信号中故障特征难以分离的问题,提出了基于双树复小波包和自回归(autoregressive,AR)谱的故障诊断方法.首先,利用双树复小波包变换将复杂的、非平稳的复合故障振动信号分解为若干个不同频带的分量;然后,对包含故障特征的分量进行希尔伯特包络;最后,对包络信号求其AR功率谱,由此实现对复合故障特征信息的分离和故障识别.实验结果表明:该方法可有效地分离轴承复合故障的特征频率,验证了该方法的可行性和有效性.     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

提升小波包在滚动轴承故障特征提取中的应用

为从滚动轴承振动信号中提取出故障状态信息的特征,针对信号的特点和提升小波包变换性质,采用提升小渡包最优分解法获得故障敏感特征频带,对各频带进行标准化向量特征构造,提取出各个频带的故障特征。结果表明,滚动轴承故障信号的敏感特征频带能量集中明显,故障特征得以有效的提取出来。     

基于小波理论的故障特征提取

在对齿轮进行故障诊断时,采样信号不可避免地受到各种噪声和干扰的污染,所测信号属于典型的非平稳信号.信号的降噪和特征提取是齿轮状态监测和故障诊断的关键环节.小波理论对于非平稳信号的处理非常有效.在MATLAB环境下,利用小波理论对减速器齿轮箱的采样数据进行去噪实验和分析,提取齿轮大周期故障的特征指标,为进一步进行故障诊断奠定基础.     

基于小波包变换的眼电信号特征提取及分类

眼电信号是人机交互系统中的一种重要的信息源,该文提出了一种眼电信号特征提取与分类算法。首先研究小波包变换,提出以小波包分解系数作为眼电信号特征,通过支持向量机进行分类识别。在实验室环境下,采用该方法对6名眼部功能正常测试者的样本数据进行分类,平均识别率达到96.83%,具有很高的实用价值。     

基于卷积型小波包变换的频谱感知方法研究

频谱感知是认知无线电（CR）系统中的核心技术之一.鉴于对可靠的主用户（PU）信号检测是实现频谱感知的前提,提出一种基于卷积型小波包变换的能量检测算法（CWPTED）用于频谱感知.该算法通过卷积型小波包变换（CWPT）较准确地估计噪声方差,以减小噪声不确定度并实时更新检测门限.仿真结果表明：该算法可有效减小噪声不确定度对能量检测（ED）的影响,较适合应用于噪声信息未知情况下的频谱感知.