基于改进S变换的电能质量扰动分类新方法

提出一种改进的S变换(MST)方法并应用在电能质量扰动识别中。针对S变换(ST)窗函数固定、时频分辨率不能调节的问题,对S变换中的窗函数引入参数p、q进行改进,使时频分辨率的调节更加灵活。提出确定p、q的评价指标,使得p、q的求取具有一定自适应性和理论依据。用MST提取电能质量扰动的特征向量,根据电能质量扰动信号的MST分析结果,提出4种扰动特征作为特征向量,解决了特征向量冗余的问题。仿真数据和工程数据实验分析结果表明,该方法具有更好的抗强噪声性,使电能质量扰动分类精度更高。为复杂信号特征提取提供了一种有效途径,也为电能质量分类提供了一种新的方法。     

基于S变换和人工神经网络的电能质量扰动识别

本文提出了一种基于S变换和人工神经网络的电能质量扰动识别方法.首先通过S变换对电能质量扰动信号进行时频分析,实现了各种扰动的有效检测,然后对该检测输出信号进行特征提取,得到包含扰动时频特性的训练和测试样本集,并运用人工神经网络进行扰动训练识别,最终实现电能质量扰动信号的自动分类.测试结果表明,该方法能有效识别参数大范围内随机变化的各种电能质量扰动.     

电能质量小波检测与定位及基于多尺度能量曲线分类

从小波变换模极大值与信号突变点之间的关系出发，分析了信号幅值扰动的小波检测和定位，进行了相应的算例实测。利用不同扰动信号的小波变换在不同尺度上能量分布存在差异的特性，提出了基于小波变换多尺度能量曲线电能质量扰动类型的分类方法，并通过算例实测验证了其有效性。     

基于Hilbert-huang变换和RVM的电能质量检测与分类

由于电力系统非常复杂,电能质量对电力系统的影响很大,为了提取电能质量的扰动参数及其对扰动类型的判别,在常规电能质量检测的基础上,利用Hilbert-huang变换(HHT)算法对集总经验模态分解(EEMD)产生的有效分量进行变换,将扰动频率数量、扰动持续时间、电压扰动幅值与相位这四个特征量从得到的曲线中提取,同时结合相关向量机(RVM)的分类特性,对特征值进行提取,处理后输入到粒子群优化相关向量机(PSO-RVM)分类器中进行扰动问题分类。最终在Matlab仿真平台上进行验证,该方法可以准确地识别各个扰动的特征量,与现有的扰动分类方法进行对比,表明PSO-RVM有较高的分类准确性,且参数简单,具有一定的抗噪性。     

基于S变换与PNN的电能质量多扰动检测

针对电能质量检测与分类需求,提出了一种基于S变换与概率神经网络的电能质量扰动检测和分类方法,应用S变换对电能质量扰动样本信号进行时频分析,提取信号的特征量,利用获得的特征量训练概率神经网络,并进行分类.仿真实验证明基于S变换与概率神经网络融合的电能质量多扰动分类方法训练速度快、分类准确度高,在训练样本数少、噪声影响大和多扰动信号并存时分类识别效果好.在此基础上研制了基于虚拟仪器的电能质量扰动检测系统,给出了系统构成与工作流程,现场试验验证了系统的准确性.     

基于改进S变换的工业设备用电参数检测仪研究

针对工业企业中主要用电设备对电能质量的要求,介绍了一种基于MSP430+TMS320C6713架构的电能质量检测仪设计方法;提出了一种结合包络极值和GAUSS窗的改进S变换,以准确提取电压扰动特征值;分别对电炉、大功率电机以及金属切削机床进行了电能质量信号检测测试,结果表明,该检测仪可以准确实现对设备电压、电流、频率及电能质量扰动等电能参数的精确测量,具有较好的工程应用价值。     

基于短时傅里叶变换的无芯片RFID多标签识别

针对无芯片RFID多标签难以识别的问题,提出一种基于短时傅里叶变换的多标签识别算法。标签散射信号在时域内可表示为衰减复指信号,在频域内表现为标签谐振频率幅值会随着时间不断衰减。多个标签散射信号到达阅读器天线时间不同,导致谐振频率幅值不会随时间一直衰减,会出现局部极小值。利用这一特性,该算法使用短时傅里叶变换计算出标签谐振频率的时间-幅值曲线,根据时间-幅值曲线中局部极小值出现的时间来区分不同的标签。为了验证算法的有效性,使用算法对3个ID编码为111, 101, 010的条形开槽标签进行识别。仿真结果表明,该算法能够成功识别3个标签,标签谐振频率识别误差小于100MHz,验证了该算法对多标签识别的有效性。     

基于S变换和神经网络的电能质量多扰动分类识别

主要针时谐波扰动与其他扰动共存的情况,提出了一种识别电能质量多扰动共存下的多扰动分类方法.它利用S变换计算基频的幅值信息,从而获得幅值特征向量,再利用傅立叶变换得到频谱的特征向量,然后根据这两组特征向量训练并行的神经网络,得到并行的分类器;它既可以对单种扰动进行分类,也可以对多扰动进行分类.通过仿真试验,验证了此分类器是有效的,可行的.     

一种改进的暂态电能质量扰动检测方法研究

针对希尔伯特-黄变换算法(HHT)在检测电能质量扰动时端部存在失真及瞬时幅值分量不稳定等问题,提出了一种基于局部均值分解法(LMD)和Teager能量算子的暂态电能质量扰动检测算法,采用LMD算法分解扰动信号,提取所需能量信号,然后利用Teager能量算子法对该能量信号进行检测。最后,以不同的扰动信号为研究对象进行了试验,验证了改进算法的有效性。     

基于MEEMD的复合电能质量扰动检测方法研究

该文提出一种基于改进集合经验模态分解(MEEMD)的复合电能质量扰动检测方法,该方法不仅能抑制分解过程中的模态混叠,而且可以减少计算量,降低重构误差。采用MEEMD方法分解复合电能质量扰动信号,得到固有模态函数(IMF)分量,然后进行希尔伯特(Hilbert)变换,获得频率和幅值等信息,进而确定电能质量扰动信号的瞬时特征信息。MATLAB仿真结果表明,该文所提出的方法对复合电能质量扰动具有良好的分解效果,同时能够抑制模态混叠。     

基于混沌关联积分的暂态电能质量扰动分类

关联积分曲线基于时间序列重构,能够更全面反映时间序列扰动变化,并且作为扰动识别的特征量,可以避开关联维无标度区间确定这一问题。根据暂态电能质量信号在不同扰动下其关联积分曲线所呈现出的特有形态特征,将关联积分曲线作为扰动识别的特征量。不同扰动信号的关联积分曲线区别较大,直观明了。该方法操作简单方便,可以省去烦琐的数值分析,且具有较高的精确度和实用性。对几种典型的暂态扰动信号进行识别和分类,仿真结果证明了其有效性和优越性。     

窗口伸缩优化的同步压缩算法及其在变转速工况瞬时频率估计上的应用

针对传统时频分析方法的固定窗在分析非线性调频信号时存在时频聚集性不高等问题,在短时傅里叶变换基础上引入同步压缩理论,利用信号的局部信息特征,提出一种窗口伸缩优化的时频同步压缩变换算法,并在此基础上推导出二阶及高阶的窗口伸缩优化的同步压缩变换算法.该方法能够兼顾同步压缩变换和重排的优势,进一步锐化时频脊线,从而增强时频表...     

基于Hilbert-Huang变换与理想带通滤波器的系统识别

针对经验模态分解存在模态混叠现象,提出基于Hilbert-Huang变换与理想带通滤波器的系统识别方法。该方法利用傅里叶变换得到结构加速度响应频响函数,粗略估计固有频率范围,通过半功率带宽法设计理想带通滤波器,定量化确定通带带宽,使信号在经过滤波器后频域内零相移,同时不改变其幅值谱。结构响应通过指定频带的理想带通滤波器产生若干窄带信号,利用经验模态分解获取结构模态响应,经Hilbert变换构造模态响应解析信号,并通过线性最小二乘拟合提取结构模态参数与物理参数。结果表明:半功率带宽法可实现带通滤波器频带的定量化设计,理想带通滤波器的零相移特点较好契合Hilbert-Huang变换用于系统识别的要求,两者结合可有效地解决模态混叠现象,减少虚假模态,大大提高结构系统识别精度。     

Non-parametric estimation of the amplitude ratio of sinusoidal signals with common frequency

The systematic bias error of the amplitude ratio estimation owed to leakage effect can be effectively reduced by employment of the non-parametric multi-point interpolation of the discrete Fourier transform in the quotient of amplitudes. Simple single-step algorithms for fast measurement and estimation of the amplitude ratio of sinusoidal signals with the same frequency from two channels are presented. The paper analyzes and compares the systematic bias errors and the noise error behaviors of the amplitude ratio estimation changing the order of Rife–Vincent windows class I, which are designed for maximization of the window spectrum side-lobe fall-off, and minimum side-lobe level (MSL) windows, which are designed for minimization of the energy in the window spectrum main lobe. Estimation errors are shown in relation to the number of signal cycles in the measurement interval.     

Energy based signal parameter estimation method and a comparative study of different frequency estimators

The influences of window functions and noise on the performance of the energy-based signal parameter estimation method are investigated, and the appropriate parameters and algorithm are recommended accordingly. The frequency, amplitude and phase estimation variances of the energy based method are deduced and verified by computer simulation. The performances of four frequency estimation methods are compared: the energy based method, the interpolation based method, the phase difference based method and the Fourier transform (FT) continuous zoom based method. For the second and third methods, the Quinn algorithm and the phase difference based method with factor η=0.5 are recommended, respectively. It was found that each method has its own advantages. The energy based method has the best stability compared with others. The interpolated method has the lowest frequency estimation variance when the frequency biasδ is large, while the phase-difference based method does better when δ is low. The change of δ does not influence the maximum frequency estimation error of the FT continuous zoom based method. Comparatively speaking, the phase-difference based method has the least frequency estimation error.     

基于指数窗截取递推最小二乘法的齿轮啮合刚度辨识算法研究

齿轮在机械传动系统中有着广泛应用,由于齿轮啮合过程中参与啮合的轮齿对数周期变化,因此,齿轮啮合刚度为时变参数,在啮合时会产生啮合振动。当齿轮副出现齿根裂纹时,啮合刚度会减小,齿轮啮合产生的系统振动响应也发生改变,通过振动响应辨识齿轮啮合刚度能够监测齿轮副的健康状态。针对齿轮啮合刚度的时变特征,提出了基于指数窗截取递推最小二乘(Exponential window recursive least square,EWRLS)算法和振动信号瞬时频率的齿轮啮合刚度辨识方法。进行啮合刚度辨识时,EWRLS算法将输入、输出齿轮的转速曲线分别作为辨识输入信号和观测信号,使用指数窗函数进行数据截断,使用递推最小二乘算法估计系统参数。为了计算输入、输出齿轮的转速曲线,使用经验模态分解(Empirical mode decomposition,EMD)方法将振动信号分解为具有不同变化频率的本征模态函数(Intrinsic mode function,IMF),并根据IMF的平均频率重构输入、输出齿轮的特征信号。通过Hilbert变换计算特征信号的瞬时频率曲线,从而获得各齿轮的转速曲线。使用仿真和实测信号对算法进行验证,结果表明,EWRLS算法能够辨识齿轮副的时变啮合刚度。     

基于信号延拓的采样信号频谱泄漏抑制

提出一种基于信号数据延拓的采样信号离散傅里叶变换频谱泄漏抑制方法,分析了经典谱估计方法中频谱泄漏产生的原因,得出含噪声周期信号的无泄漏条件,进而提出频谱泄漏抑制方法:对采样信号作周期估计和整数周期数据延拓处理,使DFT计算窗内信号的边界连续或近似连续,以达到抑制频谱泄漏的目的。对通信、电力系统中常出现的加性高斯白噪声恶化信号的仿真表明:该方法可以显著减少频谱能量泄漏,获得更高质量的频谱。     

Extraction of time varying information from noisy signals: An approach based on the empirical mode decomposition

A windowed average technique is designed as an efficient assistance of empirical mode decomposition, aimed especially at extracting components with temporally variant frequencies from heavily noisy signals. Unlike those relying on detection of such points as local extrema that are highly sensitive to noise interference, the present method evaluates a local mean curve that reflects the slow variation of a signal in longer time scales by locally integral average over a sliding window. It adapts to variation of signal component in a broad frequency range by making the window width variable in response to the variation. The enhanced performance and robustness of the new algorithm with respect to noise resistance are demonstrated in comparison with other EMD-based methods, and examples of processing both speech and underwater acoustic signals are given to show the success of extracting time varying information.     

FFT+FT离散频谱校正法参数估计精度

研究用FFT谱连续细化傅里叶变换分析法进行离散频谱校正时的参数估计误差。分析无噪声情况下频率﹑相位﹑幅值的估计误差随细化倍数的变化规律,估计精度随细化倍数的增大而提高,当细化倍数大于40时,最大估计误差几乎可忽略不计。在高斯白噪声的影响下,细化后频谱序列最大值找错的概率随细化倍数的增加而增加,综合考虑频率分辨率对频率估计精度的影响及频谱序列最大值找错的概率,提出用归一化频率估计综合误差和归一化频率估计最大可能误差两个指标评价此校正法对频率的估计精度,并基于此给出不同信噪比条件下的最优细化倍数。采用非线性最小二乘拟合法对噪声影响下的FFT谱连续细化傅里叶变换分析校正法进行改进,通过仿真模拟验证改进后该校正方法具备更高的校正精度和抗噪能力。     

基于微分熵与RQA的电能质量扰动分析

基于非线性混沌和相空间重构理论,将电能质量扰动信号序列重构到高维相空间,进行递归图(RP)分析。采用微分熵法对电能质量信号进行相空间重构,避免分别求取嵌入维数和延迟时间的不一致性;引入递归定量分析(RQA)进行扰动的定量分析,克服传统特征提取方法对过程平稳的严格要求。利用能够表征信号发散程度的RQA参数-确定率(DET)和分层率(LAM)组成电能扰动信号识别的特征向量,根据不同电能质量扰动信号各自的分布情况,来区分不同的电能质量扰动信号。通过对6种电能质量扰动信号进行实验分析,结果表明:该方法不仅能够很直观地识别电能质量扰动信号,还能利用RQA的特征量对信号进行具体的定量分析,为电能质量扰动分析提供了高效、直观的方法。