电气火灾故障电弧检测方法的研究

电气火灾频繁发生,对人类的财产及生命安全造成极大危害。故障电弧是造成电气火灾的重要原因。实现全面而有效的对故障电弧的检测是本文的研究内容。文中通过比较确定了以电流信号作为检测物理参数．采用小波变换对电弧故障检测进行了研究。首先构造了小波函数,然后进行了故障电弧的小波奇异性检测,最后运用小波逼近的方法对电流信号进行了分析。     

基于小波变换的信号断点检测

小波分析是近15年来发展起来的一种新的时频分析方法,其在信号处理中有着广泛的应用。在很多情况下单单分析其时域或频域的性质是不够的,比如在电力监测系统中,即要监控稳定信号的成分,又要准确定位故障信号,这就需要引入新的时频分析方法。小波分析正是由于这种需求而发展起来的通过小波变换来精确地检测信号发生变化的时刻,构造一个信号模型,由一个低频正弦波信号连接一个高频正弦波信号,利用小波工具可以检测出信号发生不连续的间断点的位置。     

基于小波变换的故障信号分析与检测

讨论了小波变换及其基本性质，探讨基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法，在不同尺度上分析和处理信号的各种频率分量，使信号的奇点，突变点放大，提高信号的分辨率，信噪比。研究小波分析在机械工程信号处理中的应用，提出通过二进小波变换检测信号奇异点的实用技术。利用介绍的模极大值多尺度小波变换的方法，较有效地检测出滚动轴承故障发生的起始点，对在线故障诊断进行了有益的探索。     

基于粒子滤波的机械设备故障振动信号识别研究

针对目前机械设备故障振动信号识别精准度低的问题,文章提出了基于粒子滤波的机械设备故障振动信号识别研究。设计信号识别流程,对频带内信号能量分析,以能量为元素构造特征向量获取特征向量矩阵和归一化的特征向量,提取机械设备故障振动信号。结合小波包重构方法分析电机断条故障,使用粒子滤波分析轴承故障,利用非线性时间序列方法分析齿轮故障,以齿轮正常独立分量与齿轮断齿分量的相关系数为依据识别振动信号。由实验结果可知,该方法在不同故障情况下,信号波动频率与实际情况相差最小,具有精准识别效果。     

一种基于红外视频图像电力设施故障识别方法

提出了一种电力设施精确识别方法。首先对所获取的红外降质图像进行提升小波变换,对高频系数根据其信号分布的特征,分别引入改进自适应中值滤波算法(Improved Adaptive Median Filtering Algorithm,IAMFA)以实现该部分分解系数的精细化处理;对于低频分解系数,提出一种随着小波分解层数的变化而自适应改变的改进型小波阈值函数模型进行处理。然后,提出一种基于图像分块的自适应增强方法,通过对图像信号的自适应分类,仅对目标信息区域进行自适应同态滤波增强。通过大量实验证明,基于该图像滤波算法的电力设施故障识别准确率明显提高。     

激光雷达硬件故障数据的模式识别研究

利用当前方法对激光雷达硬件中的故障数据进行识别时,没有对数据进行预处理,导致准确率低、误报率高,识别时间长,因此,提出激光雷达硬件故障数据的模式识别研究方法.通过分析噪声和野值在小波变换域上的不同特性,利用双阈值小波变换法处理数据中的噪声点、野值,缩短方法的识别时间;对处理后的数据进行高维特征融合处理,提取数据的关联规...     

基于小波分析的地下电缆故障定位仿真研究

针对电力电缆行波法故障测距中脉冲信号识别难度大的问题,文中提出了将小波分析理论应用于电力电缆的行波信号识别的方法。该方法利用PSCAD/EMTDC软件建立精确的仿真模型,借助于MATLAB中的Daubechies小波对仿真波形进行5层小波分解。仿真结果表明,利用小波分析对故障信号进行全频段范围的分析处理能够显著提高电缆的故障测距精度,在一定距离范围内,其相对误差可以有效控制在0.5%以下。     

非线性测量装置微弱故障信号增强检测方法研究

传统电表测量装置故障检测方法无法识别微弱故障信号,导致故障诊断精度偏差.为更好地修复电表测量装置故障,需准确提取微弱故障信号.文中提出了测量装置微弱故障信号增强检测方法,利用非线性耦合作用构成随机共振模型,获取耦合势函数三维图,提取电表装置微弱故障信号特征;利用小波变换归一化处理故障信号特征识别矢量,提取噪音信号特征,...     

基于小波脊线的OFDM与单载波信号识别

正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)与单载波信号广泛应用于短波通信领域。针对低信噪比和多径环境下OFDM与单载波信号识别效率低的问题,本文提出了基于小波脊线的信号识别算法。本文推导了常用信号对应的小波脊线幅度和脊点位置,并分析了小波脊线幅度和脊点形态。通过理论推导和仿真测试证明了OFDM与单载波信号对应小波脊线具有不同特征,对小波脊线差分、中值滤波、并利用其熵作为特征值能够有效的进行OFDM信号与单载波信号的识别。仿真结果证明该算法对输入信号点数要求低,在低信噪比和短波中等信道下识别效果具有稳健性和有效性。      

基于经验模态分解的有载分接开关振动信号识别

为了提升有载分接开关振动信号降噪效果及故障识别准确率,研究了一种基于经验模态分解的有载分接开关振动信号识别方法。该方法对有载分接开关振动信号进行采用掩膜的经验模态分解,降低模态混叠;采用阈值滤波方法对各个固有模态函数进行处理,降低噪声影响;再采用相关系数法选取特定固有模态函数并进行信号重构,采用时频分析和卷积神经网络方法进行特征提取和故障识别,得到故障识别结果。实验结果表明,利用所提出的方法进行降噪处理后的识别准确率得到有效提高。     

基于综合负序分量的变压器转换性故障识别系统

针对目前提出的变压器故障识别系统对数据的分类能力较差,无法考虑样本状态,造成故障识别准确率较低的问题,引入综合负序分量,设计了变压器转换性故障识别系统。选择TMS320F2812核心处理器处理得到变压器转换性故障信号,由无源晶体配合DSP完成时钟模块设计,利用RC60000T-J加速度传感器,并配合信号调理器实现转换性故障信号采集。分析转换性故障信号的负序分量,确定初始饱和点,比较变压器转换性故障识别与饱和阈值,判断是否需要启用差动保护解除闭锁,完成故障识别。实验结果表明,设计的系统能够很好地完成故障分类,进而提高转换性故障识别准确率。     

基于小波分析的火车滚动轴承故障点分析

火车机械在运转时发生故障是常见的一种现象,如何快速、准确地提取故障信号、定位故障发生点及进行故障预测是滚动轴承故障信号分析的关键性问题。为此,本文提出基于小波分析的滚动轴承故障诊断分析方法。首先通过试验方法确定了小波基和分解层数,然后对第一层小波系数进行希尔波特变换及频率分析,从而对故障点进行定位。试验结果表明,通过小波变换对火车滚动轴承故障信号进行分析,提高了故障检测的准确性,同时使故障检测更具可操作性。     

空分复用弹性光网络多链路故障快速识别研究

随着空分复用弹性光网络规模的不断扩大,链路故障发生率持续增加,提出空分复用弹性光网络多链路故障快速识别方法。利用小波包分解方法将空分复用弹性光网络多链路信号分为高频和低频部分,使用Mallat算法快速重构链路信号,提取小波包能量谱特征和故障复合特征。根据特征提取结果采用改进贝叶斯算法对多链路故障进行定位,将定位结果输入到BP网络模式分类器中,完成多链路故障快速识别。实验结果表明,所提方法的故障定位时间最低仅为3.21 s,故障识别成功率在96%以上,故障误识率变化相对稳定,综合性能较为优越。     

基于小波包神经网络的开关电源电路故障诊断研究

针对开关电源电路常见故障,提出一种基于小波包神经网络的开关电源电路故障诊断方法。利用小波分析对开关电源输出电压进行分析处理,依据小波多分辨分析的特点,获得信号各频段的细节系数及其能量,再利用小波包分析对小波分析中没有细分的高频信号进行分解,提高频率分解率,将各频段能量进行归一化处理后,构造故障特征向量作为神经网络的输入进行分类。将Multisim13与Matlab可以实现开关电源电路的故障诊断。     

强噪声背景下动车组轴承微弱故障信号检测

动车在高速行驶中,齿轮箱轴承易发生裂纹、点蚀等故障.为了在故障发生的初期检测出微弱的故障频率成分,本文提出了一种基于小波降噪预处理的周期势振动共振的轴承故障诊断方法.利用小波包提取轴承的固有共振频带,重构提取出的信号,滤除其中的强噪声干扰,随后将信号输入周期势振动共振系统,增强了故障特征.同时,本文建立了考虑振动共振系统中高频激励信号幅值的优化模型,并采用蚁群算法实现了其参数的自适应优化,得到输出信号后将其转化到频域分析,从而检测出轴承早期故障.实例分析表明,所提方法的数据处理结果相比单独采用随机共振的结果更精确,误差缩减至0.3％.     

基于小波包变换和支持向量机的制冷机动静碰摩故障部位识别研究

制冷机在红外遥感领域发挥着极其重要的作用,如果出现故障直接影响探测器的正常工作以及性能,因此,制冷机智能故障诊断具有重要的意义.针对制冷机出现的碰摩故障,提出了一种基于小波包变换、遗传算法、支持向量机的智能故障诊断方法.首先对振动信号做小波变换及时域特征提取组成特征集.利用距离评价技术从特征集中选择敏感特征.利用遗传算法优化支持向量机参数.将特征值输入到优化好的支持向量机中,自动识别机器运行状态.开展制冷机故障模拟实验,结果表明,该方法最终识别准确率达95%,能有效识别制冷机碰摩故障部位.     

光纤传感信号的模糊神经网络处理研究

为精准识别处理光纤传感振动信号、实现通信线路异常实时报警,提出了基于模糊神经网络的光纤传感信号处理方法,通过光纤传感采集异常事件振动信号,运用小波包分解对振动信号实施降噪处理,并提取到振动信号的低频与高频特征向量,对振动信号特征向量进行量化处理,将其作为输入,构建基于概率的模糊神经网络分类器,完成对光纤传感振动信号的处...     

故障信号的分析与检测方法

讨论了小波变换及其基本性质,探讨了基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法。在不同尺度上分析和处理信号的各种频率成分,使信号的奇点、突变点被放大,成为诊断故障信号的手段。     

小波包分析在井下供电线路质量分析中的应用

小波包是对多分辨分析方法的改进,它同时对分解结果的低频和高频部分进行再分解因而提高了对信号高频部分的频率分解率,适用于对信号进行分离、谐波分析等。本文从小波包定义出发,把它用于井下供电缆线路故障检测中并给出了算例,分析了计算结果。同时提出了利用小波包变换进行检测时应注意的问题。     

一种基于小波神经网络的缺陷检测新算法

运用多分辨分析对缺陷检测信号进行小波分解和重构,消除信号中的噪声,再基于多分辨分析提取检测信号的特征量。选取B-小波为小波基构建了断丝定量识别的小波神经网络模型,并运用该小波神经网络对缺陷检测信号进行了检测,试验结果证明了小波神经网络能够较为理想地完成缺陷信号的智能化检测,对断丝位置及断丝根数能实现无人工干预的自动识别,比传统的断丝识别方法准确率提高了很多。