基于改进奇异值与经验小波分解的局放去噪算法

局部放电(partial discharge,PD)检测是监测绝缘劣化的重要手段.由于现场环境复杂,PD检测易被干扰,而PD检测的真实性影响电气设备绝缘性能评估的准确性.因此,检测信号去噪是PD检测的重要任务.常用PD去噪算法的效果依赖于人工选择阈值或分解层数等参数,为了解决这个问题,该文提出不依赖于人工选择算法,使用基于曲率的奇异值变换(singular value decomposition,SVD)自适应地选择奇异值重构并去除窄带干扰;然后对残留白噪声的PD信号进行基于经验小波变换(empirical wavelet transform,EWT)的自适应分解;利用通用阈值对满足峭度和相关系数条件的模态去噪;最后通过时域去噪去除残留噪声,得到去噪后的PD信号.模拟PD信号和现场实测PD信号的去噪结果均表明所提方法能够更有效地去除窄带干扰和白噪声.     

基于SVD-WT的电机局部放电去噪方法研究

局部放电(PD)在线监测是高压电机状态监测的常用技术。然而现场的噪声干扰难以避免,最常见的噪声是白噪声和周期性窄带噪声。为此提出一种结合奇异值分解与小波变换(SVD-WT)的去噪方法,对原始PD信号进行SVD分解,通过计算奇异值序列的峭度值,自适应的选取需要重构奇异值实现周期性窄带噪声的去除;通过计算滑动窗内信号的方差值,确定PD信号的起始位置;对无PD发生的位置进行置零,得到去除噪声后的PD信号。通过对仿真和实测的PD信号进行去噪分析,与经验模态分解与小波变换(EMD-WT)和自适应奇异值分解(ASVD)进行对比分析,仿真和实测的PD信号去噪结果表明,SVD-WT方法具有优异的性能。     

基于互补集合经验模态分解法的变压器局部放电信号去噪方法

提出一种针对特高频(ultra-high frequency,UHF)局部放电(partial discharge,PD)信号的去噪方法。首先利用互补集合经验模态分解法(complete ensemble empirical mode decomposition,CEEMD)将PD信号分解为一系列本征模态函数(intrinsic mode function,IMF),然后通过峭度值判定规则找出含有效PD成分的多组IMF,最终采用小波阈值法对重构信号进一步去噪。仿真和实测算例的处理结果表明,该方法能够有效去除UHF PD信号中的多种噪声,且去噪性能优于单纯的小波自适应阈值法和基于集合经验模态分解法。     

基于经验小波与小波变换的GIS局部放电信号去噪方法研究

为解决气体绝缘组合电器(gas insulated switchgear,GIS)内部缺陷局部放电(partial discharge,PD)信号含有噪声的问题,搭建了模拟局部放电环境,采用超高频法(ultra-high frequency,UHF)采集缺陷PD信号。针对UHF PD信号具有周期性窄带噪声与白噪声的特点,提出了基于改进的经验小波(experience wavelet,EWT)与小波变换结合进行UHF PD信号的去噪研究。首先,含噪信号通过EWT预处理分解为多频率的模态函数,然后对模态函数进行小波去噪处理,将去噪后的模态函数按照峭度值进行划分,根据合适的阈值选取UHF PD信号的有效成分并重构信号,最后,通过构建UHF PD仿真信号并采用实测数据验证所提算法的有效性。仿真实验与实测去噪结果表明:文中所提改进去噪算法具有良好的噪声抑制能力,为GIS设备内部UHF PD信号去噪提供参考。     

基于改进经验小波变换的高压电缆局部放电噪声抑制研究

对高压电缆的局部放电(PD)进行监测,并对其所包含的噪声信息进行抑制,是一种有效的绝缘评估方法.针对PD信号所包含的复杂噪声信息,提出一种基于改进经验小波变换(IEWT)的噪声抑制方法.该方法以IEWT分解为核心,通过将含噪信号分解为按频率顺序排列的经验小波函数(EWF),有效避免复杂噪声信号分解时的模态混叠现象.利用峭度规则对分解得到的EWF进行筛选,最后对筛选出的有用EWF进行重构和降噪处理,达到对复杂含噪信号的噪声抑制效果.模拟仿真以及现场测试表明,与现有基于EWT和基于EMD的降噪方法进行对比,该文所提方法可更有效地抑制PD信号所包含的噪声信息.     

改进的 FEWT 及其在滚动轴承故障诊断中的应用

针对快速经验小波变换(FEWT)中使用软阈值函数造成的频谱划分不合理的问题,提出了一种基于折中阈值函数的改进的快速经验小波变换(MFEWT)方法。方法首先通过傅里叶变换及反变换计算信号频谱的趋势谱,使用小波折中阈值函数去噪方法对趋势谱进行优化;然后根据优化后的趋势谱建立滤波带,融合峭度准则和相关系数分量选取原则,完成EWT经验模态分量的重构和特征分量的筛选,并对重构信号进行最小熵解卷积,进而计算频谱特征频率;最后,通过理论特征频率的匹配,完成滚动轴承的故障诊断。实验结果表明,与FEWT相比较,改进的快速经验小波变换能够获得更理想的信号分解结果,包络频谱中的故障特征频率峰值更为明显;改进方法实现了EWT信号分解的性能的改善,提高了滚动轴承故障诊断的可靠性。     

基于改进Protrugram和小波变换的超高频局部放电信号去噪方法

为同时抑制超高频(UHF)局部放电(PD)信号中的周期性窄带噪声和随机白噪声,在分析UHF PD信号频谱特性的基础上,发现PD脉冲的频谱具有以某一频率为中心向左右两侧衰减的特征,中心频率处的谱线幅值要明显高于边带部分,且位于谱图上的局部极大值点处。为此,提出了一种基于改进Protrugram和小波变换的UHFPD信号去噪算法。该方法首先在频域上识别PD脉冲的中心频率,然后依据"峭度值"这一指标自适应获取中心频率所对应的频宽,实现脉冲的频谱定位。最后采用小波去噪法去除信号中的冗余白噪声,实现多类噪声的有效抑制。仿真和实测结果表明:同经典的小波去噪算法和集合经验模态分解(EEMD)自适应阈值算法相比,所提算法不仅具有更好的噪声抑制能力,且能更好地保留有效信号。论文研究可为超高频信号去噪提供参考。     

基于ITD的局部放电去噪方法的研究

本文提出了局部放电信号的固有时间尺度分解(intrinsic time-scale decomposition,ITD)去噪方法,将信号进行固有时间尺度分解,得到多个固有旋转分量(proper rotation component,PRC),采用3σ准则去除每个PRC的异常噪声,然后对其进行重构,从而实现局部放电信号的消噪.分别用小波变换(Wavelet transform)、经验模式分解(empirical mode decomposition,EMD)和ITD处理含噪局放信号,比较它们的均方根误差、相关系数和计算速度.结果表明:ITD的去噪过程具有自适应性,有较好的去噪性能和较快的计算速度,非常适合局部放电信号的在线去噪.     

EWT 算法在姿态解算中的应用

针对陀螺仪存在低频噪声和漂移误差导致姿态测量精度下降的问题,提出采用经验小波变换( empirical wavelet transform,EWT)算法融合陀螺仪、加速度计解算姿态角。 首先运用 EWT 算法对陀螺仪采集的数据进行频谱分割,得到信号的 模态分量;其次采用小波自适应软阈值去噪的方法对信号进行降噪处理并重构信号,得到处理后的陀螺仪数据;然后根据 PID 互补滤波方法,利用加速度计的数据实现对陀螺仪数据的修正;最后利用校正后的陀螺仪数据,结合龙格库塔法解算四元数,从 而通过四元数获得精确的姿态角。 实验结果表明,EWT 算法融合陀螺仪和加速度计,能够将姿态解算精度提高 50%,且降噪效 果良好,满足姿态解算准确性的要求。     

基于VMD的电力电缆局部放电信号自适应阈值降噪方法

局部放电(Partial Discharge, PD)用于高压电缆在线监测时,采集到的信号包含多种噪声,白噪声是最常见、影响最广泛的一种。为了抑制白噪声的影响,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)的局部放电信号降噪方法。采用变分模态分解对含噪局部放电信号进行分解,得到频率从低到高的模态分量后,计算各个变分模态分量的峭度值,选取脉冲特征分量进行重构,利用小波自适应阈值对重构信号再次降噪。与小波变换阈值法对比在不同噪声环境下的降噪结果,结果从均方误差、波形相似系数定量优于小波标准软阈值降噪法和小波全局硬阈值降噪法。仿真和现场实验结果表明,该方法可以有效去除噪声信号,能够较为完整地保留原始信号波形。     

小波包变换和广义形态滤波器在局部放电检测中的应用

现场局部放电在线检测过程中常伴随有白噪声和窄带周期性干扰,为局部放电信号的检测带来很大的困难.为了从强的噪声干扰中有效的提取局部放电信号,本文提出了一种小波包变换和广义形态滤波器相融合的新方法对含有强噪声的局部放电信号进行去噪.结果表明该方法能够有效的消除局部放电信号的噪声,同时能很好的保留原信号的特征,解决了滤除混合...     

基于小波消噪的充油电缆局部放电抗干扰技术研究

在分析高压充油电缆局部放电信号及白噪声干扰特征的基础上,利用小波消噪技术从白噪声中提取局部放电信号,通过仿真研究,证实了消噪模型的可行性,确定了小波消噪的分解尺度,实测信号的消噪处理证实了消噪算法在充油电缆局部放电在线监测上的有效性。     

基于经验小波变换的变压器振动信号特征提取

为有效提取变压器振动信号特征,提出了一种基于经验小波变换(EWT)的信号特征提取方法。首先利用EWT方法将不同工况的变压器振动信号分别分解为若干经验小波函数(EWF)分量;然后计算各分量Hilbert谱,通过时频表示直观反映不同工况变压器振动信号的频率特征信息;最后计算不同工况振动信号各EWF分量与原信号的相关系数,并提取相关度高的分量,根据其能量构建信号的特征矢量,实现对不同工况变压器振动信号特征提取的量化处理。仿真试验表明,该方法能有效提取变压器振动信号特征,且根据提取的特征矢量能够正确识别变压器绕组所属的不同工况。     

基于变分模态分解和小波分析的变压器局部放电去噪研究*

为有效去除变压器局部放电信号中大量的电磁干扰,针对现有经验模态分解存在模态混叠等问题,提出将一种新的信号分解算法——变分模态分解结合小波运用在变压器局部放电信号中来抑制窄带周期干扰和白噪声。首先利用变分模态分解将含噪信号分解成若干个以某中心频率波动的模态,在分解过程中自动滤去白噪声;然后提取含局部放电信息的模态进行重构;最后通过小波去除残余窄带周期干扰,进而实现干扰抑制。仿真和实测信号分析结果表明,该方法能很好地抑制两类干扰,保留局部放电信号特征,验证了采用变分模态分解结合小波去除噪声的有效性,为局部放电信号去噪提供了一种新的方法。     

Support Vector Machine-based Denoising Technique for Removal of White Noise in Partial Discharge Signal

Abstract—Partial discharge (PD) measurement has emerged as a dominant investigative tool for condition monitoring of insulation in high voltage equipment. In general, PD signals are severely polluted by several noises like white noise, random noise, discrete spectral interferences (DSI). The challenge lies with removing these noises from PD signal effectively by preserving the signal features. In this article, support vector machine (SVM) based denoising technique has been proposed for the removal of white noise from PD signal. The proposed SVM technique retains the edge of the original signal efficiently and also pseudo Gibbs phenomenon does not exist with SVM technique. In order to evaluate the effectiveness of the proposed method, artificially simulated PD signal mixed with white noise and the measured PD readings are considered. For the purpose of comparison, other denoising techniques such as fast Fourier transform (FFT), discrete wavelet transform (DWT), and translation invariant wavelet transform (TIWT) are also considered. The results reveal that, SVM based denoising technique shows better performance in terms of higher signal to noise ratio, signal reconstruction error ratio, cross correlation coefficient and reduction in noise level, mean square error, and waveform distortion.     

改进EWT算法的心电信号去噪研究

心电图对诊断心律失常具有重要意义,但心电信号易受各种噪声的干扰,噪声会改变心电信号的形态,影响心律失常的准确诊断。本文提出了一种改进经验小波变换的心电信号去噪算法,根据心电信号的频域特点,改进了经验小波变换中频谱的划分方法,并通过计算过零率和相关系数去除噪声相关的经验模态函数,使用小波阈值法去除剩余分量的残留噪声。实验结果显示,基线漂移和肌电干扰得到有效滤除,降噪后信号的信噪比为17.7382dB,均方根误差为0.0203,优于其他常用方法。改进的经验小波变换算法降噪效果明显,能够有效还原原始心电信号特征。     

基于双树复小波变换信号去噪算法研究

离散小波变换被广泛应用于数字信号的去噪处理中,特别是非平稳信号、瞬时时变信号等的去噪,但是有平移敏感性的缺陷。为了克服这种缺陷,文中采用双树复小波变换进行信号去噪,并使用硬阈值、软阈值等准则进行滤波处理。最后采用SNR（信噪比）和MSE（均方误差）来评估两者信号去噪效果。结果表明,双树复小波变换能够较好的保存信号的细节信息,其去噪效果优于离散小波变换。     

基于改进EMD的GIS局部放电特高频信号降噪方法研究

特高频法检测GIS局部放电时往往受到不同类型的噪声干扰,天线采集到微弱的特高频信号容易被噪声淹没,导致局部放电检测不准确甚至检测系统在现场无法正常工作等问题。针对上述问题,提出一种基于改进EMD的GIS局部放电特高频信号降噪方法。该方法利用对偶树复小波(Dual-Tree Complex Wavelet Transform,DTCWT)对经验模态分解(Empirical Mode Decomposition,EMD)降噪法进行改进并对GIS局部放电特高频信号进行降噪。利用EMD法将含噪信号分解为一系列的固有模态函数(IMF)分量,然后利用联合分布模型进行每个IMF分量的DT-CWT降噪的小波系数估计,对每个IMF分量进行降噪。最后将降噪后的IMF分量进行信号重构得到降噪后的信号。GIS局部放电特高频信号降噪试验结果表明了该方法达到很好的噪声与非噪声信号的分离效果,拥有较高信噪比,以及能够保持早期局部放电特高频信号特征。