局部放电脉冲的Wigner时频分布特性研究

为了提高时频分布的分析精度和有效性,笔者根据局部放电脉冲信号的非平稳特性,提出使用联合时频分布对其进行处理,从而分析脉冲信号的时频特性。针对目前在非平稳信号处理中广泛使用、属于Cohen类的Wigner-Ville分布(WVD),笔者以仿真脉冲为对象,分别研究了其原始WVD、平滑伪Wigner分布(SPWVD)以及重排平滑伪Wigner分布(RSPWVD)。分析结果表明:WVD能够对局部放电脉冲信号引发的短时变化具有高度的敏感性,更适合表征非平稳信号的时变信息;SPWVD能消除双线性函数引起的交叉干扰项,但是以牺牲分布的时频分辨率为代价的;RSPWVD具有很好的时频聚集性,易于提取单个脉冲波形的时频特征参数,从而用于放电类型的模式识别以及深入研究绝缘系统中的局部放电机理。     

基于时频域反射法的核电站仪控电缆缺陷检测

为确保核电站中仪控电缆的安全运行,时频域反射法(time-frequency domain reflectometry,TFDR)被广泛用于识别和定位仪控电缆中的缺陷。文中对比魏格纳-维利分布(Wigner-Ville distribution,WVD)、伪魏格纳-维利分布(pseudo Wigner-Ville distribution,PWVD)、平滑伪魏格纳-维利分布(smooth pseudo Wigner-Ville distribution,SPWVD)算法的优势,并提出时频域互相关曲线(time-frequency cross-correlation,TFCC)的能量区间放缩法。分别对50 m和148 m的多芯交联聚烯烃仪控电缆进行短路、断路、绝缘屏蔽层破损和局部热老化的缺陷模拟,并基于TFDR,采用3种时频分布算法进行实验处理。随后,基于局部热老化的检测,采用能量区间放缩法,对TFCC定位峰主瓣较宽的问题进行改善。实验结果表明:经过SPWVD处理后,TFCC的主瓣较宽;在正常电缆检测时,PWVD对交叉项有更好的抑制作用;但在单缺陷检测中,SPWVD具有更好的缺陷识别能力;通过采用能量区间放缩法,可分离相近的定位峰,加强对微弱反射信号的判别。     

基于重排SPWVD的谐波检测

提出了一种基于重排平滑伪Wigner-Ville分布(SPWVD)的电力系统谐波检测方法。比较了信号的SPWVD和重排SPWVD,通过计算机仿真,表明重排SPWVD能增强时频聚集性,提高信号分量的定位精度,有效检测出谐波和间谐波信号的起止时间和频率信息。     

Wigner分布与谱图的几何平均时频表示

对于多分量信号,Wigner分布的时频能量集中但存在交叉项,而由短时傅立叶变换模的平方得到的谱图无交叉项但时频聚集性较差,因而引入Wigner分布与谱图几何平均这种思想简单且易于实现的时频表示综合了二者的优势.证明了这种时频表示不仅具有时频移位不变性、弱支撑性等性质,而且其时频聚集性接近于Wigner分布,且对于多分量信号减少了交叉项.进一步证明了Wigner分布与谱图均实现了噪声在时频面上的扩散,从而引入二者硬阈值滤波后的几何平均时频表示以抑制噪声在时频面上的干扰.仿真实例分析结果验证了这种时频表示的有效性和实用性.     

高速铁路轨道不平顺的时频特征分析

针对高速铁路实测轨道振动加速度信号,对比了STFT、WVD和Gabor变换三种方法分析的时频特征,利用STFT分析结果提取出匀速条件下最不利长波不平顺波长;针对STFT时频分辨率受限的特点,提出改进方案;利用改进后的STFT分析了实测信号的时频特征。时频分析结果表明：高速铁路长波不平顺信号振动频率与列车速度呈单调递增关系;改进的STFT能够顺利提取长波不平顺信号特征频率。     

基于STFT的高压电气设备局放信号时频分析

为了分析高压电气设备的局部放电信号,介绍了基于短时傅里叶变换(STFT)的时频分析方法及其重要性,并使用2种基于Matlab的方法仿真分析了局放信号。结果显示,基于trfstft方法的STFT时频分析可很好的给出局放信号的时频变化规律及其强度并从噪声中分离出局放信号。这提供了一种对含噪的模拟局放信号去噪处理的方法,可帮助有针对性地减少其危害,并进行目标识别和故障诊断。     

平滑伪Wigner-Ville分布在电力系统谐波和电压变动检测中的应用

在分析比较了现有用于短时电能质量扰动信号检测的方法的基础上,提出使用平滑伪W igner-V ille分布(SPWVD)对电能质量信号进行检测和时频分析的新方法。平滑伪W igner-V ille(SPWVD)分布是一种优良的时频分析方法,能够在时域频域上对平稳谐波信号及非平稳信号进行联合时频分析。仿真表明,该方法能够较有效地检测出突变、非平稳扰动的短时电压波动,谐波和间谐波等电能质量信号的起止时间、频率信息。     

基于ADALINE神经网络的电能质量监测终端设计

谐波频谱检测是电能质量监测仪器的核心功能,其检测频谱是进行各种电能质量特征值运算的前提。传统以STFT为检测算法的电能质量终端由于时间窗固定,不具有暂态情况下的谐波分析能力。而诸如小波变换、S变换等算法则由于运算量巨大不利于谐波实时在线监测。针对这种情况,设计了一种以DSP为处理器,基于自适应线性神经网络(ADALINE)的电能质量监测终端。详细介绍信号接口电路、调理电路、PLL倍频电路、AD转换电路的硬件设计,给出了自适应线性神经算法推导和DSP数据处理框图。实验表明,所构建系统在运算量不大的情况下增强了暂态谐波测量能力,同时利用ADALINE误差信号可对电压暂降进行精确时间点定位。     

S变换在电力电缆局部放电信号时频分析中的应用

针对电力电缆局部放电检测,介绍了基于新型S变换的时频分析方法,用于提取及分辨淹没在现场噪声干扰中的局放脉冲信号。局放信号是典型非平稳信号,单纯使用时域或者频域信息都不能很好地表示奇异信号的时变信息。最近发展的S变换是连续小波变换和短时傅里叶变换的一种结合与延伸,引入了幅度和宽度均随频率变换的高斯窗,具有与频率相关的渐进分辨率特性。局放信号的S变换图谱,在信号高频分量部分获得较高的时域分辨率,而在低频分量部分获得较高的频域分辨率,并可提取局放脉冲发生时刻及信号中心振荡频率等特征信息。对仿真信号和现场采集的电力电缆接地线上的局放信号应用S变换进行时频分析,并与短时傅里叶变换及Gabor变换等传统时频分析方法比较,结果显示S变换的时频分析可有效获取局放脉冲信息。     

短时傅里叶变换和S变换用于检测电压暂降的对比研究

针对电压暂降的特征值检测问题,介绍了短时傅里叶变换(STFT)和S变换两种时频分析法,并对两种方法进行了对比分析。在STFT变换中选取不同窗宽的窗函数对同一电压暂降信号进行时频分解,分析不同窗宽对检测结果的影响。提出用时频等值曲线定位暂降的起、始时刻,用基频幅值曲线检测暂降幅值,用相位跳变曲线判定暂降发生时相位是否跳变。仿真结果表明,在STFT变换中窗口越小,检测结果越准确;与STFT变换相比,S变换的检测结果更准确,并且抗噪声能力强,有助于电能质量的治理。     

一种强噪声背景下地铁车轮轴承故障信号的特征提取方法

针对地铁车轮轴承的声学法故障诊断中背景噪音大、难以提取出有效故障特征的问题,提出了一种在强噪声背景下故障特征提取的方法。对声音信号进行短时傅里叶变换(short-time Fourier transform,STFT)得到时频图,时频图中的条纹就是故障特征;沿条纹方向将图像各个点的信号强度相加,得到时频图对应的信号强度叠加折线图来展示故障特征,并且提出一种基于峰值高度的自适应循环降噪算法对信号强度叠加折线图进行降噪,得到该折线图的评价指标为有效峰值数目;最后提出一种自适应滑动窗口检测法来截取时频图中条纹分布的区域,以此来得到最优的故障特征展现效果。实验结果表明,所提出的方法可以从采集的音频信号中提取出来明显有效的故障特征。     

复杂电能信号谐波时频域特征分析及其对电能计量影响

为准确分析复杂电能信号谐波时频域特性对电能计量的影响,提出了一种零值搜索-短时傅里叶变换时频域电压、电流信号幅度和相位分析算法,利用信号波形过零特征,自适应调整短窗傅里叶变换的时域窗宽,解决了电网频率波动导致的相位累积效应对相位分析的影响,算法的幅值分析误差为10-3、相位分析误差小于1°;建立了复杂电能信号时频域数据表征模型和4类时频域全局化特征矩阵提取算法,解决了时频域特性表征与提取的问题;以典型非线性动态负荷中频炉为分析案例,分析给出了其4类时频域全局化特征,并建立了畸变波形动态电能测试信号特征模型,通过辅助实验验证了4个时频域全局化特征对电能表动态超差的影响,提出了对国际和国内标准修改的建议。     

基于时频分析的战场声信号主成分特征提取技术

信号的时频分布描述了信号从时域到频域的变换,较为全面地表征了信号的特征.主成分分析是统计学中分析数据的一种有效方法.本文将时频分析的方法应用于声目标的特征提取及分类;在保证信息的相对完整性的基础上,利用基于时频分析的主成分特征提取技术对4类战场目标的声信号进行了特征提取.经仿真实验验证,信号的时频分布较好地体现了各类声目标在时一频域的分布规律,主成分分析方法有效地压缩了数据量.结果表明,各目标的类间可分性测度值较大,具有良好的可分性.     

基于CWD及分块SVD的配电开关故障诊断方法

通常,配电开关分合闸操作产生的振动信号中蕴含有体现机械状态的重要信息。提出一种基于振动信号分析的新型配电开关故障诊断方法。首先对振动信号求取乔-威廉斯分布获得二维时频矩阵,然后对时频矩阵作分块奇异值分解,用于表征不同机械状态的时频特性,最后结合极限学习机算法对4类实测振动信号的特征向量进行训练和测试。所提方法的优点是有效提取了配电开关振动信号时频域的特征,并且可以在较少样本的情况下训练诊断模型。基于实测数据的实验表明,该方法具有较高的识别精度和较快的收敛速度。     

球形麦克风阵列时频故障信号定位算法研究

针对广义互相关算法在强噪声环境下,设备故障时频声音信号定位困难的问题,提出一种结合图像分析与短时傅里叶变换(STFT)的时频信号子空间延时(TFSD)估计算法。利用STFT域中的噪声与信号特征,结合STFT域中不同麦克风测量数据的相关信息,使用滤波、谱减等方法进行信号、噪声区域分离,构建信号主成分区域,通过反演构造信号子空间,从而进行端点识别,延时值估计,实现声源定位。仿真结果表明,即使在加性噪声幅度远大于故障信号的2倍,也能实现准确的延时估计,延时估计误差和5 m×5 m范围的定位误差小于10%,实测也证实了该结果的正确性。     

基于时频分析的工频通信信号特征提取

由于数字差分技术不能提取单个通信脉冲信号，而无法实现工频通信信号的多路传输。该文从时频两个角度分析信号特征，提出了解决方案。短时傅立叶变换方法的时间与频率分辨率矛盾突出，而多分辨分析在低频段的时间分辨率差。如果将二者结合，将在低频段同时具有时域和频域的良好局部化特性。采用多分辨短时傅立叶变换方法有效的提取了信号的时频特征，并利用特征向量的自协方差矩阵，构造了可有效识别工频通信单个信号的特征参数。     

基于SPWVD图像和深度迁移学习的强迫振荡源定位方法

强迫振荡扰动源的准确定位是消除强迫振荡、恢复电力系统正常运行的关键。文中提出一种基于平滑伪Wigner-Ville分布(SPWVD)图像和深度迁移学习的强迫振荡扰动源定位方法。首先对强迫振荡信号采用SPWVD方法以图像形式表征全网强迫振荡特征信息,然后通过深度迁移学习将其他领域的图像识别知识迁移到电力系统领域,挖掘振荡图像与扰动源位置之间的联系,在保证训练准确度的同时,提升了训练效率。在WECC 179节点系统中的算例验证了该方法的有效性,并且相比于传统机器学习方法具有准确率高的优势。此外还考虑振荡数据中的噪声、录波起始时间以及数据长度验证了所提方法的准确性和抗噪性,并在由负荷引发的强迫振荡和系统拓扑发生变化的情况下,验证了方法的有效性。     

基于数学形态学的短时傅里叶分析

为了提取恰当的短时傅里叶分析(STFT)时间窗宽度和中心,进而利用STFT分析暂态信号成分,提出了基于数学形态学的STFT方法.针对电力系统信号特点,讨论了结构元素的选择问题,推导了结构元素大小公式及离散化的结构元素方程.同时提出了奇异点定位算法,进而得到了基于数学形态学的STFT算法.在MATLAB中的仿真结果表明该方法能够快速准确地得到暂态信号中主要频率成分及其幅值,可提高STFT的精度和效率.     

Cohen类时频分布比较及其在局部放电信号处理中的应用

系统地以参函数的角度介绍了6种典型的Cohen类时频分布。从理论和应用效果上分析了各分布的交叉干扰项衰减和时频分辨率性能。针对局部放电信号的非平稳性,展现了各分布在处理仿真和实际脉冲信号的应用效果。试验结果表明,平滑伪Choi-Williams分布(SPCWD)对局放脉冲非平稳信号引发的短时变化具有高度的敏感性,更为适合表征局放脉冲信号的时变信息。据此,可提取单个脉冲波形的时频特征参数、分析多个连续放电脉冲的时频变化,从而用于放电类型的模式识别以及深入研究绝缘系统中的局部放电机理。     

Nonstationary Motor Fault Detection Using Recent Quadratic Time–Frequency Representations

As the use of electric motors increases in the aerospace and transportation industries where operating conditions continuously change with time, fault detection in electric motors has been gaining importance. Motor diagnostics in a nonstationary environment is difficult and often needs sophisticated signal processing techniques. In recent times, a plethora of new time-frequency distributions has appeared, which are inherently suited to the analysis of nonstationary signals while offering superior frequency resolution characteristics. The Zhao-Atlas-Marks distribution is one such distribution. This paper proposes the use of these new time-frequency distributions to enhance nonstationary fault diagnostics in electric motors. One common myth has been that the quadratic time-frequency distributions are not suitable for commercial implementation. This paper also addresses this issue in detail. Optimal discrete-time implementations of some of these quadratic time-frequency distributions are explained. These time-frequency representations have been implemented on a digital signal processing platform to demonstrate that the proposed methods can be implemented commercially.