基于FrFT和三次样条插值的瞬时频率估计方法

瞬时频率估计作为非平稳信号分析的主要内容,具有重要的研究意义。针对基于微元法和分数阶傅里叶变换的瞬时频率估计方法在实时性、抗噪性等方面的不足,改用黄金法快速搜索最佳分数阶比以增强其实时性,引入三次样条函数对分段信号中间点频率进行插值以提高其抗噪性。仿真结果表明,本文方法时耗约为现有方法的1/3,在不同信噪比下,本文方法的RMSE和MAE都约为现有方法的1/2,是一种有效的瞬时频率估计方法。     

一种基于微元法和分数阶傅里叶变换的VCO非线性度检测方法

非线性度校正技术是实现高精度压控振荡器(VCO)以及高分辨率线性调频连续波雷达的关键技术之一.其中,非线性度的检测精度直接决定了非线性度校正精度.提出了一种基于微元法和分数阶傅里叶变换的VCO非线性度检测新方法.该方法结合一维搜索和离散时间傅里叶变换,检测信号频率及频率变化率,并利用起点预测算法提高其运算速度.仿真结果表明,与基于Wigner-Ville分布的方法相比,该方法能更有效地检测VCO的非线性度.     

用窗口傅里叶脊提取时变振荡信息

Prony算法可以提取稳信号的振荡频率和阻尼,但抗噪性能差,并且不能正确反映非平稳信号的振荡特性.提出用窗口傅里叶脊(WFR)分析非平稳振荡信号,其具有良好的杭噪性,WFR利用窗口傅里叶变换反映振荡信号的频域特性,以极大值点(脊点)反映信号振幅,通过窗口滑动反映振荡信号的时域特性,从而反映非平稳振荡信号的频率和阻尼时变...     

基于分段迭代的电力谐波神经网络分析方法

为了提高谐波和间谐波分析的速度、精度和抗噪性能,将基于分段迭代的增强型Adaline神经网络应用于电力系统谐波和间谐波分析。该网络在加汉宁窗双谱线插值FFT算法的基础上,将采样数据按采样时间分段,依次用各段对应的误差信息来调整增强型Adaline神经网络的参数。该方法结合一点迭代法和全部点迭代法的优点,既将各时段内的误差进行平均,减少噪声对参数调整的影响,又充分保留误差中包含的谐波和间谐波信息,提高网络的精度。另外,根据参数估计误差和频率对误差函数一阶偏导之间的关系,提出修正信号幅值最大分量对应的频率调整量的处理方式,提高网络的实时性和精度。仿真结果验证了分析结论的正确性。     

基于分数阶小波变换的电力系统谐波检测方法

针对稳态和暂态谐波检测易受噪声干扰的问题,提出一种基于分数阶小波变换(fractional wavelet transform,FRWT)的电力系统谐波检测方法。首先,通过快速傅里叶变换(fast Fourier transform,FFT)检测出各频谱的频率,根据频率确定分解层数;其次,利用FRWT对信号进行分解和重构,实现基波与各次谐波分量的分离;最后,对各次谐波分量进行Hilbert变换(Hilbert transform,HT),获取各次谐波分量的频率和幅值检测结果以及暂态扰动的起止时刻。对多种谐波信号的仿真试验结果表明,FRWT方法可以有效实现对含噪信号中稳态和暂态谐波的检测,即使信噪比较低也能保证各项结果的检测精度,证明FRWT方法是检测谐波的一种有效新方法。     

基于多孔分数阶小波变换的谐波检测新方法

基于分数阶小波变换的电力谐波检测方法是一项新兴的研究成果,其可较好地解决新型电力系统中谐波检测受噪声干扰的问题,提高谐波检测精度。然而传统离散分数阶小波变换均基于Mallat算法完成,其实现过程中的下采样操作将影响谐波信号的检测精度。针对这一问题,文章将非下采样多孔算法与分数阶小波变换相结合得到一种改进的离散分数阶小波变换实现方法,并在此基础上提出一种基于多孔分数阶小波变换的谐波检测新方法。此外,文章采用基于分数阶频谱四阶原点矩的方法确定最佳分数阶变换阶次,有效降低计算复杂度。实验结果表明,新方法对稳态谐波、短时谐波及时变谐波均能有效实现信号降噪和分离,并能对信号分量的幅值、频率及定位信息实现高精度检测。     

应用能量算子和改进MODWT的孤岛检测算法研究

针对传统孤岛检测法定位精度差、抗噪性能不强的问题,提出了一种应用能量算子和改进最大重叠离散小波变换(maximal overlap discrete wavelet transform, MODWT)的孤岛检测算法。为了有效解决MODWT算法的边界效应问题,在传统MODWT算法的基础上,采用环形边界系数更新原来的小波系数,并通过滑动窗口分析其能量。再将该算法应用于孤岛检测,用处理得到的细节系数和近似系数能量分析孤岛状态下公共耦合点的电压扰动信号特征。仿真结果表明,该算法可准确检测电压扰动信号的起始时刻和幅值变化,且在实际信号检测中不受母小波和分解层数影响、抗噪能力强且时延偏差小。     

基于相位积累的多段异频信号的频率估计算法

多段信号的信息融合能够有效提高信号的频率估计精度。为扩展现有方法的适用范围,提出一种基于相位积累的多段异频信号的频率估计算法。算法通过生成异频分析参数矩阵克服了分段信号频率不等问题,实现了同频化处理;通过设计相位差补偿因子克服了分段信号相位不连续问题,达到了相位连续信号的频谱分析效果;通过搜索相位累积频谱的最大值获得了信号频率估计值。为验证算法的正确性,给出了详细的数学推导。仿真实验结果表明本文所提算法的频率估计误差约为现有方法的1/3~2/3,算法普适性强,频率估计性能稳定。     

改进的Prony算法在多正弦信号频率估计中的应用研究

针对噪声背景下经典Prony算法对多正弦信号频率估计受限的问题,提出一种抗噪性强的改进Prony算法。通过建立一种新的累积关系,提出的算法可以在低信噪比情况下,仅利用适当数量的新序列值线性重构稀疏和,从而较为精确地估计出信号的频率。对提出的算法与经典Prony算法的性能作出仿真实验对比。实验结果表明,在信号中嵌入噪声时,经典Prony算法在估计信号频率时失去效用,而新算法依旧可以有效估计信号频率。所以,提出的算法抗噪能力较强,性能相对稳定,精度较高,在多正弦信号频率估计中表现出更好的实用性。     

基于小波分解与滑动峰态的微弱放电信号联合检测方法

基于四阶累积量的滑动峰态算法在表征微弱信号的非高斯特性方面具有优势,可用于对微弱放电信号进行检测。但在混合噪声干扰下,受固定滑动窗宽度的影响,该算法对微弱放电信号的检测性能会显著劣化。针对该问题,提出了基于小波分解和滑动峰态相结合的联合检测方法,并进行了仿真分析和实验验证,结果表明:利用小波变换对信号的多尺度分解以及信号在不同分解尺度上的特征差异,该联合检测方法实现了信号在多个优化的滑动窗宽度共同作用下的峰态检测,进一步增强了其抗噪声干扰能力,对微弱放电信号的检测性能相比原有滑动峰态算法有明显提升。     

三元乙丙橡胶在线缆行业中应用和改性

本文介绍电线电缆绝缘专用的三元乙丙橡胶的应用情况 ,以及如何降低成本 ,提高胶料的机械物理性能和电性能 ,并作了分析和比较。     

电线电缆用塑料与橡胶加工的新进展

介绍电线电缆用塑料与橡胶加工的新进展 ,其中包括热塑性料、可交联料和橡胶混合料等加工设备特点及要求 ,以及对塑料和橡胶性能的影响     

NdFeB磁体市场的大趋势

上世纪末以来,日本的经济始终未从低谷中走出,而欧洲的经济也不见起色,2000年美国经济发展放缓,特别是今年的9·11恐怖袭击事件使本已疲软的经济雪上加霜,这一切无疑对全球磁体产业的发展影响巨大。首先,由于采购的减缩,发达国家磁体产业的并购极为频繁,磁体产业结构变化迅速,一些新公司的名字尚未被人们所熟悉,却已经消失了。此外,生产成本的增高,迫使许多厂家,包括一些知名的公司停止材料生产,转向下游的器件生产。磁体的生产多转移到包括中国在内的发展中国家。本文将讨论当前稀土磁体生产、应用的发展趋势。     

电力通信同步网的规划与建设

论文就数字同步网在电力通信中的地位、建设必要性进行了探讨，并给出同步网的有关概念。同时，结合中国电信数字同步网的建设经验，就电力通信数字同步网规划与建设中应注意的几个问题进行分析并提出建议，包括时钟设置、局内／局间定时分配、SSM功能以及同步网的监控管理等。对于电力通信数字同步网规划建设的实施方案、配置方案以及同步产品的应用也提出了相应的建议。     

测量不确定度在电动机效率评定中的应用

面对资源约束趋紧的发展环境,全球都将提高电机能效作为重要的节能措施。随着测量不确定度的发展,在以往的电动机效率评定时,测量不确定度的方法或要求不统一,只考虑电动机效率容差,如何考虑二者的使用成为了难题,本文的研究,不仅在电动机效率测量不确定度评定的理论、方法上有一定的探索,而且对电机效率检测也提供重要参考。     

需求响应下含微电网配电侧市场多目标出清模型

微电网的高效利用有助于加快电力行业低碳发展。随着电力市场改革的推进,科学合理的市场竞争机制将对微电网的市场化进程产生重要影响。为解决微电网富余电量竞价上网问题,在充分考虑到微电网特性情况下,建立了需求响应下基于分段竞价的多目标竞价出清模型,模型兼顾系统的经济性和低碳性,并提出可移动负荷的优化方法和更合理的混合结算方式。使用非支配排序遗传算法（NSGA-II）获得多目标模型的Pareto解集并采用模糊聚类方法进行决策。算例结果表明,采用基于分段竞价的多目标竞价出清模型可以提升微电网的市场竞争力,改善系统的低碳性,对于低碳经济和环境保护将产生积极作用。     

热控技术的发展与先进控制理论的应用

分析了热控技术的现状和发展方向,提出了“多种控制理论相结合”的全新观点,并以电站热控系统中的几个典型的先进控制理论应用实例为依据,进行了详细论证,指出了热控技术发展的有效途径。     

基于CEEMDAN-GAF的变压器机械故障检测方法

针对传统基于振动信号的传统机械故障检测方法中需要选择多个特征量这一缺点,文中介绍了一种基于自适应白噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与格拉姆角场(gramian angular field,GAF)的配电变压器机械故障判别方法。该方法利用CEEMDAN对信号进行重构并应用GAF变换获得重构信号的二维图像,通过对二维图像灰度处理、二值化后将所得二值矩阵用于训练径向基函数(Radical Basis Function,RBF)神经网络,实现对于机械故障的检测。利用一台变压器进行了故障模拟及测试,结果表明该方法准确有效。工程实际中通过持续大量采集变压器运行数据优化RBF神经网络的分类函数,可以实现不同类型故障的精准识别,具有较高的参考价值。     

基于改进SSD模型的输电线路巡检图像金具检测方法

为了解决航拍图像金具智能检测问题,提出一种基于改进SSD模型的输电线路航拍巡检图像金具目标检测方法。对巡检图像进行多角度旋转并自适应裁剪扩充样本,以解决金具在图像中占比过小导致大量漏检问题,使用改进的IoU得到对目标尺度更敏感的默认框;进一步针对图像中金具目标密集问题,在模型中加入对密集目标检测有效的斥力损失,提高模型对密集遮挡金具的检测效果。在包含6934个训练目标框和1879个测试目标框的11类金具数据集中进行实验,使用文中方法的金具检测准确率达到了75.64%,相对于使用原始SSD模型检测准确率提升了4.73%,且检测框更贴合目标。     

基于EPOCHS平台的监控网与GOOSE网合一的网络仿真分析

通用面向对象的变电站事件(GOOSE)是IEC 61850标准中用于满足变电站自动化系统快速报文需求的机制。针对监控网与GOOSE网合一的网络结构,运用电力通信同步仿真平台(EPOCHS)进行通信网络动态仿真。通过对GOOSE及采样值(SAV)实时性的仿真分析,其结果为报文优先级、网络带宽及组网的创新拓展提供了依据。