基于DSP的电压闪变同步检测系统

针对典型电能质量扰动信号中的电压闪变,设计和实现了基于小波多分辨率信号分解原理的电压闪变同步检测系统。该系统用硬件实现同步电压的提取和相乘积信号的采样,而用软件实现检波功能。用子带滤波器组实现多分辨率信号分解,把信号分解成子带滤波器的输出信号序列,用小波域分解系数检测信号时间、频率、幅度信息。该系统充分利用了DSP芯片运算速度快和专用指令的优点来计算电压闪变值。通过仿真和和实际测量证明：该系统是一个较为有效的电能质量分析系统。     

采用小波分解和同步检波的电压闪变信号检测新方法

本文提出了一种新型同步检波器,用子带滤波器取代了传统同步检波器中的低通滤波器。在此基础上,提出了采用小波多分辨率信号分解和同步检波的电压闪变信号检测新方法。该方法不仅能够对电压闪变信号进行不失真地包络检波,而且能够精确地检测电压闪变信号的时间和包络信号的发量及其幅度。仿真实验结果表明,该方法具有良好的检测和时频分析性能,适用于突变的、非平稳的电压波动与闪变信号的检测。     

采用小波多分辨率信号分解的电能质量检测

针对典型的电能质量扰动信号 ,提出了采用小波多分辨率信号分解的电能质量检测与时频分析方法 ,并提出一种新型的同步检波器。该方法将电能质量扰动信号分解到子频带中 ,在小波域上检测信号的时间、频率和幅度 ,具有突出信号时域、频域局部特征的能力 ,因此特别适用于短暂瞬时信号的检测与分析。仿真结果表明 ,该方法具有优异的检测性能 ,适用于电压凹陷、电压凸起、电压间断、短时间谐波失真、暂态谐波失真、电压闪变与波动等电能质量扰动信号的检测与时频分析。     

采用小波包分析和拟同步检波的电压闪变信号检测新方法

提出了用小波包分析和拟同步检波的电压闪变信号检测新方法.该方法用软件来模拟硬件的同步检波,大大减少了投资成本;用小波包子带滤波器代替传统的低通滤波器,不仅能够对电压闪变信号进行不失真的包络检测,而且能够检测出电压闪变信号发生的时间、频率以及幅值.仿真结果表明,该方法对电压闪变信号检测和时频分析性能良好,特别适用于突变的、非平稳的电压波动与闪变信号的检测.     

基于Daubechies小波的多分辨分解在电压闪变信号分析中的应用

电压闪变是低频时变的非平稳信号,传统的傅里叶变换在分析非平稳信号方面存在很大的局限性,而小波变换具有时频局域化性质,是分析这类信号的有力工具.提出了利用小波多分辨分析提取电压闪变信号的方法,并根据小波函数的特点和分析的目的,选用不同N值(消失矩阶数)的Daubechies小波对闪变信号进行特征提取、定位及去噪处理.根据调幅波的时频信息,获得闪变信号的频率和幅值;通过检测小波变换模极大值,实现了对电压闪变发生、恢复时间的精确定位;并采用软阈值方法消去电压闪变信号中的噪声.仿真结果表明,不同N值的Daubechies小波和多分辨分析的结合在信号分析中可以取得良好的效果.     

基于小波变换的单频时变电压闪变检测仿真研究

电压波动与闪变是衡量电力系统电压质量的重要参数,而小波变换以其优异性在电压闪变检测中得到了越来越多的应用。为了验证小波变换在电压闪变检测方面的有效性与可行性,搭建了含单一闪变分量的电压闪变信号模型。采用小波变换对电压闪变信号的检测进行了仿真分析,并将仿真结果与基于平方检测法的仿真结果进行了对比分析。仿真结果表明,小波变换不仅能够检测出电压闪变分量的幅值与频率信息,而且能够根据小波变换的模极大值确定电压闪变发生与结束的时刻,基于小波变换的检测效果优于基于平方检测法的检测效果。     

多N值Db小波多分辨分解的电压闪变检测

与传统的傅里叶变换相比,小波变换具有时频局域化特性,时频窗口的宽度均可随信号的变化自动调节,在检测突变信号和不平稳信号方面有非常明显的优势。提出一种小波多分辨分析提取电压闪变信号的方法．并根据小波函数的特点和分析的要求,比较选用多N值（消失矩阶数）的Daubechies小渡对典型闪变信号进行特征提取和定位。根据调幅波的时频信息获得闪变信号的频率和幅值,实现了对电压闪变发生、恢复时间的精确定位。仿真结果表明,多N值的Daubechies小波结合使用在电压闪变检测和分析中具有更好的效果。     

基于改进的FastICA算法的电压闪变检测

提出了一种基于改进的快速独立分量分析（FastICA）算法的电压闪变检测方法。将闪变信号乘以一个与基波电压同相位同频率的同步电压得到一个乘积信号并将其变换为包络信号和中心频率为100 Hz的双边带调幅信号的线性组合;依据负熵极大的独立性准则和改进的FastICA算法实现了电压闪变信号的盲分离。为了更好地逼近真实信号,对分离得到的包络信号进行幅值修正,最终完成电压闪变信号的检测。仿真结果表明了该算法的正确性和可行性。     

小波分析在电能质量检测上的应用研究

把小波多分辨率分解方法和小波包分解方法应用于电能质量短期变化分析中，通过小波变换对信号进行多分辨率分析可以判断出信号是短时断电、电压骤升、电压骤降还是短时谐波，如果足短时谐波，则可利用小波包分解的方法进行时频分析。     

采用小波包分析和拟同步检波的电压闪变信号检测新方法

提出了用小波包分析和拟同步检波的电压闪变信号检测新方法。该方法用软件来模拟硬件的同步检波,大大减少了投资成本;用小波包子带滤波器代替传统的低通滤波器,不仅能够对电压闪变信号进行不失真的包络检测,而且能够检测出电压闪变信号发生的时间、频率以及幅值。仿真结果表明,该方法对电压闪变信号检测和时频分析性能良好,特别适用于突变的、非平稳的电压波动与闪变信号的检测。     

基于小波变换和Prony算法的振荡瞬变和电压波动检测

近年来,电能质量扰动信号的检测已成为国内外研究的一个热点。就振荡瞬变与电压波动这两种电能质量现象提出了新的检测方法。对于振荡瞬变现象,现有的方法往往只能实现扰动定位检测,难以提供振荡频率、幅值、持续时间等必要特性参数。提出了基于小波变换和Prony算法的检测方法,利用小波奇异性检测特性实现扰动定位检测,同时还利用Prony算法直接求取其特征参数。对于电压波动,IEC推荐的闪变仪不适合分析时变的或含多种调制频率的波动信号,并且只能提供基于统计评价的闪变值。提出的基于小波变换的检测方法,利用小波奇异性检测特性检测出波动的起止时刻：利用小渡多分辨分析理论测量出波动分量含有的各调制频率及对应幅值,最后计算出闪变值。基于Matlab和Simulink／PSB软件的仿真结果都表明了提出的两种检测方法的有效性。     

基于COT-SSD的变转速滚动轴承微弱故障诊断

针对背景噪声干扰及转速波动工况下滚动轴承微弱故障识别困难这一问题,提出一种结合计算阶次追踪(COT)和奇异谱分解(SSD)的新型诊断方法。利用COT算法对采集的原始时域信号进行等角度重采样,继而利用SSD算法对重采样角域信号进行处理,通过自适应构建的轨迹矩阵的奇异值分解重组,将角域信号从高频至低频分解为若干个奇异谱分量,利用融合峭度指标筛选最佳奇异谱分量,选定最佳分量后对其进行进一步的包络解调运算,最终通过分析包络阶次谱中幅值突出的成分来准确判定滚动轴承运行状态。滚动轴承内外圈故障实测信号分析结果表明,所提方法能够有效提取出变速工况下滚动轴承的微弱故障特征信息。     

基于SWT的电力系统基波检测

在噪声混入含有基波的信号时,传统的时频分析方法在基波提取过程中易出现模态混叠。为了准确检测出基波分量,利用时频分析精度较高的同步挤压小波变换(Synchrosqueezing Wavelet Transform, SWT)实现基波检测。首先,采用SWT将含有基波的信号分解为一组内蕴模态类函数(Intrinsic Mode Type functions, IMTs),第一个分量IMT1即代表基波。然后,该分量经Hilbert变换实现基波频率和幅值的测量。在谐波幅值瞬变、噪声混入、基波频率波动、间谐波频率靠近基波和谐波的情境下进行算法验证。实验结果表明,SWT能够准确提取基波,频率精度最高可达10?8量级,具有较强的抗噪性,且SWT的基波提取能力强于谐波和间谐波。     

基于改进频移经验模态分解的低频振荡参数提取

对于规模越来越大的复杂电力系统来说,采用基于量测数据的低频振荡研究方法日益受到重视。经验模态分解(EMD)方法的分解过程具有自适应且适于分析非平稳信号,在低频振荡参数提取方面应用较多,但EMD方法存在模态混叠等现象。当信号中2个单频分量的频率在2倍频内时,频移经验模态分解(FS-EMD)可将2个分量分解开。但当信号中有多个单频分量的频率在2倍频内时,FS-EMD就无法分解。为了提高EMD的频率分辨率并使分解方法具有通用性,文中提出了改进的频移经验模态分解(RFS-EMD)算法。此方法增大了信号中组成分量的频率比,且保证频率不翻转,使之可循环使用RFS-EMD算法分解复杂信号。该方法在应用于电力系统低频振荡模态参数的提取时,能较好地提取多个2倍频范围内的低频振荡模态分量的频率、幅值、相位及阻尼比等参数。数值仿真和实例分析均表明了该方法的有效性。     

多共振频带自适应检测的轴承微弱故障诊断方法

滚动轴承的局部缺陷产生的冲击可激励起轴承自身固有频率及相邻部件固有频率,使得采集到的振动信号中包含多个共振频带。针对一般方法难以直接地定位多个共振频带的问题,通过讨论变分模式分解方法与轴承故障振动信号之间的内在联系,提出一种多共振频带自适应检测的轴承微弱故障诊断方法。该方法首先采用变分模式分解法将振动信号分解为独立模式分量,然后对解析形式的独立模式分量进行包络分析,最后提出以归一化频率能量比作为识别故障分量的准则以及把故障模式分量的中心频率作为轴承缺陷激励起的相关部件固有频率。仿真与试验分析结果表明该方法可准确地检测多共振频带,以及有效地进行轴承微弱故障诊断且诊断结果显著优于传统解调方法。     

基于小波变换与BP网络的舰船磁场信号检测

针对水中兵器探测舰船磁场信号时信噪比较低的问题,提出了一种小波变换结合反向传播(backpropagation,BP)神经网络的检测方法.根据舰船磁场信号的时频特征,首先对信号进行小波分解,提取最后一层的低频分量,滤除高频噪声;再采用BP神经网络对低频分量进行学习,提取舰船目标特征信号.将此算法应用于船模实测实验,结果...     

融合VMD优化和小波包分析的陶瓷检测信号降噪方法研究

针对陶瓷敲击检测信号含有噪声的问题,提出一种融合VMD优化与小波包分析（WPD）相结合的联合降噪方法。首先,应用能量的起始点检测准则提取实际信号的有效信息;其次,遗传算法（GA）选取VMD参数并自适应分解含噪信号;然后,计算各模态分量和原始信号的相关系数,将模态分量分为信号主分量和噪声分量;最后对信号主分量进行小波包分析,重构信息获取去噪后的信号。仿真实验证明：在分别加入10dB、20dB噪声时,该方法信噪比最高（23.81dB、24.75dB）,均方误差最小（0.07、0.01）, 与常用的去噪方法相比,去噪效果均有明显提升。陶瓷试件敲击检测信号测试实验表明,该方法能有效去除不同类型陶瓷试件敲击检测声音信号的噪声,具有良好的去噪性能。     

小波包特征熵提取水轮机尾水管动态特性信息

将小波包多分辨与信息熵相结合,提出了一种故障检测与诊断的方法——小波包特征熵-故障法。首先对采集到的振动信号进行3层小波包分解,在通频范围内得到分布在不同频段内的分解序列,进而建立信号的小波包特征熵向量,选取最能反映故障特征的参数作为特征参数,进行故障诊断识别。以水轮机尾水管压力脉动信号为例,运用此法进行了尾水管动态特性信息提取。试验表明小波包特征熵法是提取故障信息并进行故障识别的一种行之有效的方法,为流体机械的故障诊断开拓了新的思路。     

基于DSP的小波变换在振动信号分析中的应用

小波变换是1种具有多分辨率分析特点的信号处理方法,而且在时频域具有表征信号局部特征的能力,特别适合于振动信号的分析.利用DSP强大的数据处理能力以及小波变换处理振动信号方面的应用,对一振动信号进行如下分析处理:首先对该振动信号进行多尺度小波分解,并重构每一层细节信号,然后利用MATLAB对重构的细节信号进行谱分析.最后...     

多频率尺度下的风电场短期风速预测融合算法

提出了一种基于多分辨率分析下的短期风速预测方法.利用小波分解将原始风速序列分解成低频信号分量和高频信号分量,将低频信号分量作为时间序列模型的输入,将高频信号分量作为最小二乘支持向量机的输入,输出未来时间段的各分量预测值.最后将各分量的预测值重构为风速序列的预测值.以内蒙古风电场为例进行仿真,结果表明文中方法显著提高了超前风速预测的精度.