基于GST的煤矿电能质量扰动特性分析

针对我国现代化矿井的发展现状,阐述煤矿主要存在的4种暂态扰动信号的产生原因及特征,结合广义S变换(GST,generalized S-transformation)在分析电压幅值、持续时间及频率等方面的优越性,从不同角度提取模时频矩阵(MTFM,module time-frequency matrix)中频域和时域的有用特征,对4种暂态扰动信号:电压暂降、电压暂升、电压波动和电力谐波进行仿真分析.Matlab结果表明,基于GST的MTFM特征量提取方法能有效地检测到扰动的幅值突变、持续时间及频率变化,高频检测能力好.这些不同的特征可为进一步煤矿电能质量的扰动识别以及综合治理打下基础.     

基于HHT的水中爆炸冲击波信号特征分析

水中爆炸冲击波信号是一种瞬态、非平稳信信号,其信号的处理精度直接影响了冲击波测量精度和爆炸点的定位等。希尔伯特——黄变换（HHT）是一种基于瞬时频率分解的时频信号分析方法。本文介绍了一种利用HHT对水中爆炸冲击波信号的处理方法,研究结果表明,HHT方法对于处理瞬态非平稳信号是非常有效的。     

煤矿电网电能质量测量

介绍了电网电能质量常用测量装置的结构及测量要求;以某矿电网治理后的验收测试为例,介绍了通过分析各监测量参数的变化来判断电网电能质量是否符合要求的方法。     

改进型HHT方法在钻机电网谐波检测中的应用

传统HHT方法在分析谐波时存在模态混叠现象,不能有效得出各次谐波分量,所以本文采用基于小波分解的HHT方法来解决上述问题。该方法根据小波分解进行频带滤波,然后再利用empirical mode decomposition（EMD）分解得到准确的intrinsic mode function（IMF）,最后进行Hilbert变换得到各次谐波分量频率和瞬时幅值,解决了传统HHT方法存在的模态混叠问题。首次将改进的Hilbert-Huang Transform（HHT）方法用于石油钻机系统中,并在Matlab/Simulink平台上搭建了石油钻机电网谐波源模型,仿真谐波电流信号,并将改进型HHT方法与传统的HHT方法进行对比,比较结果验证了改进型HHT方法的先进性和有效性。     

基于MPA优化PNN的电能质量扰动识别方法仿真

电能质量扰动的识别精度直接影响着电网电能质量的治理手段及方法。为了解决复杂电网环境下的复合电能质量扰动识别问题,提出了一种基于改进小波阈值法消噪和海洋捕食者算法优化概率神经网络(MPA-PNN)的电能质量扰动识别方法。首先采用改进小波阈值法对8种典型的电能质量扰动信号进行消噪处理,并利用小波变换对消噪完成的信号进行多尺度分解,以其中3个区分度较为明显的维度能量构成输入特征向量,最后利用MPA优化PNN的平滑参数σ,完成电能质量扰动信号识别模型的训练。仿真结果表明,与单一PNN、改进小波阈值法-PNN、改进小波阈值法-GA-PNN等方法进行比较,改进小波阈值法-MPA-PNN方法可以有效降低噪声影响,在识别精度及模型优化速度方面均有一定的提升。     

基于小波包和HHT的轴承故障诊断研究

采用一种处理非平稳信号的新方法—希尔伯特-黄变换HHT(Hilbert-Huang Transform)来进行滚动轴承故障特征的提取.将信号先进行小波包降噪处理,然后用HHT进行信号故障特征提取.通过实验仿真和轴承故障诊断实例,对比没有进行小波包降噪而直接进行HHT的结果,证明了此方法在轴承故障诊断中的有效性.     

基于旋转向量法的电能质量扰动检测分割

电能质量扰动的检测与分割,是电能质量监测和数据记录的必要步骤;在分析3个相邻采样点三角特性的基础上,提出了旋转向量法的暂态电能质量扰动检测分割方法,并推导出的瞬时扰动量、瞬时幅值和瞬时相位的表达式,从而检测出扰动事件的起止时间和持续时间,并实现扰动的分割;仿真结果显示,该旋转向量法能对电压凹陷、电压凸起、暂态振荡和瞬时脉冲等多种暂态电能质量扰动实现有效检测分割;该方法误差小,且实时性好,是一种有效的电压扰动事件分割方法。     

基于HHT算法的扬声器异常音检测技术

为了有效地检测扬声器异常音,提出一种基于希尔伯特-黄变换的异常音识别及去噪方法。分析了小波变换的不足,再进行HHT分析。建立常见的几类扬声器异常音数学模型,并经EMD分解得到包含异常振动信息的IMF分量,利用IMF分量特点进行去噪处理。再求出各模拟异常音信号的Hilbert谱,采用图像二值化技术处理Hilbert谱,和小波变换时频谱比较后证明了HHT方法具有更多的优势。而且,根据不同类型异常音在时频域的特征,即可判断出扬声器异常音类型。matlab仿真实验结果表明,当归一化阈值取为0.065时,会得到清晰的图像,能更精确地检测出异常音类型。     

基于实时小波算法的暂态扰动检测的FPGA实现

通过实时小波算法在FPGA中的实现来检测暂态电能质量问题。采用高、低通分解滤波器来实现小波变换算法,以DB5小波为基函数,通过对暂态电能质量中五种扰动信号建立分析模型进行仿真并基于FPGA硬件平台进行模拟电能信号测试。对比信号源与测试结果中奇异点起止与持续时间,结果证明了该方法的准确性和可行性。     

基于S变换和径向基神经网络的暂态电能质量扰动识别

提出一种基于S变换和径向基神经网络的暂态电能质量扰动识别的方法。该方法首先用S变换对暂态电能质量扰动波形进行预处理,使用统计的方法提取了5个相关特征量,然后用径向基神经网络对提取的特征量样本进行分类。仿真结果表明,该方案正确率高,抗噪声能力强,训练样本少,响应快速。     

一种煤矿电能质量控制装置谐波检测算法的仿真及实现

为满足煤矿电网动态补偿谐波时需要准确、实时检测出谐波电流的要求,提出了一种基于坐标变换的离散傅立叶变换滑窗迭代电力谐波检测算法。该算法能够实时准确地检测出谐波参考指令电流,提高了系统的实时性、抗干扰性及检测谐波的同步性,而且具有计算量小、应用灵活、易于工程实现等特点。理论分析、仿真及DSP实现结果表明,该算法能够准确、可靠、实时地提取谐波指令电流,检测谐波效果理想。     

面向突发事件识别与测度的金融信号分析

通过金融市场传递的信号观察实体经济和社会秩序的安全和稳定受到了越来越多的关注。然而当前产学界的研究较多依赖于经济学理论和计量模型,获得需要的数据面临样本频次低、统计难度大的问题,其可解释性也受到了限制。为此,该文选择获得成本低、时效性强、权威可靠的金融数据,将金融时间序列视为隐藏社会和经济系统运行信息的金融信号。选择由经验模态分解（EMD）和希尔伯特谱分析（HAS）组成的希尔伯特-黄变换（HHT）方法对金融信号进行分析,通过EMD方法从金融信号中捕获对经济形成冲击的突发事件,通过HAS方法测度突发事件对于社会产生的影响程度。实验结果表明,HHT能够克服金融信号由于混叠多种效应难以挖掘具有实际意义的信息的问题,对于实际发生的突发事件能够做到快速识别和预警作用。     

电能质量短时扰动检测及其DSP实现

工业生产中对电能质量短时扰动精确检测的需求日益增长,设计了基于DSP的电能质量短时扰动检测装置。分析了Teager能量算子检测短时扰动的原理,针对高频扰动的情况使用了小波变换优化算法,并给出了Teager算法在DSP上的具体实现。实验结果证明该方法是可行而且高效的。     

基于独立分站的煤矿井下高压电网自适应保护系统方案

针对煤矿井下高压供电系统速断保护经常越级跳闸的问题,提出了一种基于独立分站的自适应保护系统方案。该方案通过对每条线路的电压、电流进行实时监视和分析,自动改变继电保护的整定值和特性以提高过流保护装置的灵敏性、可靠性;通过独立分站实现了速断保护的纵向选择性,为消除矿井高压电网长期存在的因短路故障而引起越级跳闸的安全隐患提供了技术支持。     

基于RDB-YOLOv4的煤矿井下有遮挡行人检测

针对煤矿井下数字化人员检测过程中行人易被大型设备遮挡而导致的误检、漏检等问题,提出了一种基于RDB-YOLOv4网络的煤矿井下有遮挡行人检测方法.该算法以YOLOv4为基础网络架构,在CSPDarknet-53特征提取网络中加入了残差密集块(residual dense block,RDB),对不同层次的特征实现跨层传...     

煤矿安全网格环境下资源管理与任务调度的研究

安全问题是煤矿急需要解决的一个重要问题。文章在现有的煤矿通信网的基础上,结合目前网格的发展技术构建了煤矿安全网格模型,并重点针对网格资源管理与调度进行了详细的说明。优化的资源管理与调度策略使得网格计算获得了较高的运行性能,从而为网格的计算与安全评价提供了很好的服务。     

基于机器学习的煤矿突水预测方法

由于影响煤矿突水的因素多、相关性强,影响模型预测精度;数据收集工作量大,成本较高,如何科学地选取特征以提高模型预测准确率成为本文重点研究内容.本文首先提出采用稳定性选择方法在已知的22个影响因素中选取7个最重要的因素,之后构建随机森林、神经网络以及支持向量机3种典型机器学习分类预测模型对特征选取前后的数据进行预测分析,实验结果表明,特征选取后的预测模型非常稳定且预测准确率可达100%,同时降低了样本数据收集成本.     

基于动态时间规整和隐马尔可夫统一模型的无端点检测的汉语识别算法

根据汉语语音的特点，提出了一种无端点检测的语音识别算法。在识别过程中，该算法无需确定语音信号起止点位置，而是从寂静段开始，直接按帧提取特征（帧长２０ｍｓ，帧间重叠５０％），特征向量由１５阶倒谱系数和帧平均能量组成。在动态时间规整（ＤＴＷ）和隐马尔可夫（ＨＭＭ）统一模型（ＤＨＵＭ）中，引进寂静段自环，并用ＤＨＵＭ实现了该算法。对９９个相似汉语单字的识别实验表明：无端点检测的识别器正识率为９４．９５％，正识率下降很少，但不作端点检测却降低了算法的复杂程度。该算法中，若特征向量采用一种听觉模型特征，识别器具有更好的鲁棒性，识别率会略有提高。