基于小波重构的电力电缆故障测距方法

提出了一种基于小波重构的电力电缆故障测距方法。该方法利用脉冲电源作用下故障相与健全相的电流差作为测量信号，利用小波变换对其作多尺度分解，然后对信号在高频下进行单支重构。与传统的行波测距方法相比，该方法不受电缆分支接头或其他阻抗不匹配点反射被的干扰，不受故障类型的影响，在近区也不存在无法识别反射波的问题，同时也减少了波速不确定性对测距精度的影响。仿真结果表明了该方法的正确性。     

基于元素分析的滚动轴承故障诊断

针对现有信号降噪或重构方法无法完全去除噪声,且时频表示存在能量模糊问题,提出了一种利用元素分析进行滚动轴承故障诊断的方法。所提方法首先构造了元素模型来表征信号,然后对元素模型进行Morse小波变换,并从小波变换中计算得出信号冲击点,从而得到信号的故障特征频率。该方法还可以利用基于小波变换中时间或尺度平面内的少量孤点来重构信号。最后,采用一组仿真信号数据和两组实验数据来评估所提方法性能,并与其他信号重构方法和时频分析方法对比,结果表明,所提方法对滚动轴承故障信号重建和识别的效果更好。     

基于小波重构的异步电动机故障诊断

选用Daubechies小波作为小波基 ,对异步电动机鼠笼转子故障电流信号进行多尺度分析 ,将小波变换后取得的变换系数进行单支重构 ,取得了各频率分支上的时间信号。从高频分支上能够清楚辨识出异步电动机鼠笼转子故障时所不同于正常情况下的电流特性 ,实现了异步电动机鼠笼转子故障的小波诊断。     

基于希尔伯特-小波变换与神经网络的风电接入配电网电能质量检测与辨识方法研究

提出了一种希尔伯特变换、小波变换与神经网络相结合的风电接入配电网电能质量检测与辨识方法。该方法利用希尔伯特变换对低频电能质量扰动敏感、小波变换对高频电能质量扰动和短时电能质量扰动敏感及消噪能力强、神经网络模式识别能力强等特性,通过合理的小波变换消噪、希尔伯特变换的时间幅值特性和时间频率特性以及离散小波变换的细节系数、尺度系数和模极大值的计算,可以检测出各个电能质量扰动的实时值、幅值、频率和起止时间;通过合适的神经网络,辨识出各个电能质量扰动的具体类型。该方法具有通用性强、检测信息全面、检测准确度高和辨识准确性高等优点,仿真结果验证了其有效性和可行性。     

基于小波包变换的电机定子故障特征提取方法

针对感应电机定子故障的特征频率处在低频段,小波分解系数易受电机负荷波动影响的问题, 提出一种采用希尔伯特变换对信号进行预处理,利用小波包分解来实现定子故障特征的提取方法。通过小波包分解,使相应分解子频段能始终覆盖随电机转差率以及供电电源频率变化的故障特征频率。增加小波时域波形的波峰数,减少了子频段间的频域混叠及频谱泄漏现象。对原始信号进行希尔伯特变换的预处理,降低了电机负荷波动对分解系数的影响;采用子频段节点重构系数的均方根值变化率作为故障特征指标。通过对实测故障数据的应用,利用上述方法可以有效地识别出电机的定子故障。     

Symlets小波幅值算法研究

提出了利用小波变换高频分量模极大值预测故障电流幅值的Symlets小波幅值算法.分析了Symlets小波的正交性、计算性和对称性,给出了与sym3小波相关联的分解与重构滤波器,研究了Symlets小波幅值算法可精确捕捉故障发生时刻的基本原理,建立了基于sym3小波变换高频分量模极大值的故障电流幅值计算数学模型.通过利用sym3小波变换对不同电流信号进行分解和重构,确定了每周期采样点数不同和故障前最后一个采样点相位不同时数学模型中系数k的大小.仿真结果表明,该算法可精确捕捉故障发生时刻并能在7/N个电力信号周期内定量预测出故障电流幅值.     

基于小波包变换的电机定子故障特征提取方法

针对感应电机定子故障的特征频率处在低频段,小波分解系数易受电机负荷波动影响的问题, 提出一种采用希尔伯特变换对信号进行预处理,利用小波包分解来实现定子故障特征的提取方法.通过小波包分解,使相应分解子频段能始终覆盖随电机转差率以及供电电源频率变化的故障特征频率.增加小波时域波形的波峰数,减少了子频段间的频域混叠及频谱泄漏现象.对原始信号进行希尔伯特变换的预处理,降低了电机负荷波动对分解系数的影响;采用子频段节点重构系数的均方根值变化率作为故障特征指标.通过对实测故障数据的应用,利用上述方法可以有效地识别出电机的定子故障.     

电力系统故障信号的小波变换奇异性检测

小波变换具有良好的时频局部化特性,并可根据信号频率的变化自动调节时频窗口,因此利用小波变换可有效地检测出信号的奇异性特征。根据小波分析的基本理论,介绍了利用小波分解后的多尺度高频分量模极大值进行电力系统故障实时定位。给出了仿真研究,仿真分析表明该方法有效。     

李氏指数及其在电力系统暂态信号分析中的仿真应用

在分析电力系统暂态故障信号的奇异性和小渡变换奇异性检测基本原理的基础上，得出电力系统暂态故障信号奇异性的特殊性．提出了利用小波变换进行故障暂态信号奇异性检测的方法，并描述了算法的基本思路以及李氏指数的计算步骤。对实际输电系统进行了仿真，通过对暂态故障信号的多尺度分析及各尺度上的信号重构．得出各尺度下的模极大值，从而计算出李氏指数并判断信号奇异性。     

基于小波和神经网络的齿轮箱故障诊断

本文对齿轮箱故障诊断特点和方法进行分析,并举例介绍了小波变换在齿轮箱故障诊断中的应用。利用小波变换对齿轮箱工况信号进行分解,重构以及提取细节信号包络谱,快速准确判断出齿轮箱设备运行状态是否异常,并利用BP神经网络进行故障诊断定位,比传统方法更有效。     

基于小波分析的特高压直流输电线路双端电压暂态保护

分析云广直流输电线路和边界的频率特性,结果表明当故障发生点与保护安装点的距离大于一定值时,线路对某频率的高频信号衰减作用将大于本侧边界对该频率高频信号的衰减作用,据此提出用保护元件区分对端区内外故障的特高压直流线路暂态保护原理。分析和仿真试验表明该暂态保护原理能够保护线路的全长。通过比较两端检测到的故障暂态信号,判断故障位置更靠近整流侧还是逆变侧;对检测到的对端故障电压暂态信号进行多尺度小波变换,利用高频段小波能量与低频段小波能量不同构造区内外故障判据;根据故障后两极线上暂态电压之间的差异构造故障选极判据。仿真结果表明所提方法具有良好的反映过渡电阻的能力。     

电机故障的小波MRA诊断技术

本文论述了电机运行过程中产生的故障现象,以及对电机故障信号的诊断方法。利用小波变换的多分辨率分析特性对电机故障信号进行多尺度分解,将信号分解到不同的频带上。通过对高频带分解系数的分析,可以提取出故障信号的特征,从而可以有针对性地对故障进行定位和诊断。仿真结果表明,从小波分解的高频细节系数中能够提取出精确的故障信号发生时刻以及频率,为故障的诊断提供了可靠的依据,表明了小波分析在电机故障诊断方面的广泛应用前景。     

基于IEWT-DELM的行星齿轮箱故障诊断

针对在恶劣情况下行星齿轮箱特征难以提取以及多种故障状态下难以准确分类这种问题，提出在经验小波变换基础上将原有频谱分解替换为在噪声干扰下更为稳定的尺度谱分解的改进经验小波变换与深度极限学习机相结合的故障诊断方法。首先，将行星齿轮箱不同故障工况下的信号利用改进经验小波变换分别进行降噪处理并提取各阶调频-调幅分量，之后选取包络幅值峭度较高的前6个分量多尺度样本熵作为故障特征集，输入到深度极限学习机中进行故障诊断分类，行星齿轮箱故障诊断试验表明：与EWT、EMD与DELM结合的故障诊断准确率相比，该方法故障平均识别率可达97.6%,具有一定的有效性。     

离散小波变换用于电能质量扰动数据实时压缩

电力系统中与电能质量扰动相关的监测数据规模在短时间内迅猛增加，其庞大的数据容量给存储带来了很大的麻烦，亟须在存储前对其做压缩处理。文中提出了电能质量扰动数据的实时离散小波变换（DWT）法，该方法能够实时地对电能质量扰动数据信号进行多分辨分析（MRA），在各尺度上筛选与扰动相关的小波变换系数并进行保留，从而实现实时压缩的目的。该方法还可以利用保留下来的小波变换系数进行几乎无信息损失的信号重构来复原原始电能质量扰动数据信号。工程实际应用证明了该实时压缩方法的可行性。     

基于改进灰色关联度及尺度一小波能量谱的输电线路故障选相

提出基于改进灰色关联度和尺度一小波能量谱的输电线路故障选相新方法,依据尺度一小波能量谱分析提取暂态故障特征,再由改进灰色关联度分析来确定故障相别。对故障线路三相电流信号进行小波分析,获取各尺度下的小波变换系数,计算尺度一小波能量谱;采用改进的灰色关联度算法对故障信号能谱和参考序列进行关联度分析,根据最大关联度原则确定故障类型。仿真表明,该方法能准确地判断故障相别。     

EMD小波变换水轮机故障奇异数据还原研究

水轮机组状态监测数据由于受到传感器、测量条件、环境等因素影响会造成数据失真,产生众多奇异点,对正确分析机组运行状态十分不利。本文提出通过经验模态分解与小波变换相结合的方法来分析水轮机故障信号的奇异性,该方法将原始信号经验模态分解后,利用小波变换检测出信号中的奇异点,并将剔除奇异点的信号重构,通过重构信号对机组进行分析。实例仿真表明,与直接对原信号进行小波分析相比,该方法提取的奇异性特征明显并能准确重构,在采用通用传感器信号准确描述机组状态和正确认识机组故障上有较好的应用价值。     

利用多小波的电力系统信号重构分析

以电力系统故障电压信号为原始信号,通过对不同预/后处理方法的多小波自身重构误差比较和基于不同预/后处理方法的整个多小波变换过程中的重构误差分析,详细讨论了影响多小波重构精度的因素。通过对不同预/后处理方法的多小波分解结果的对比,以及对不同类型信号的多小波与传统小波的重构误差的详细比较和讨论,认为多小波比传统小波更适合于对信号的精确重构,适合用于对电力系统暂态故障信号的处理。     

利用多小波的电力系统信号重构分析

以电力系统故障电压信号为原始信号,通过对不同预/后处理方法的多小波自身重构误差比较和基于不同预/后处理方法的整个多小波变换过程中的重构误差分析,详细讨论了影响多小波重构精度的因素.通过对不同预/后处理方法的多小波分解结果的对比,以及对不同类型信号的多小波与传统小波的重构误差的详细比较和讨论,认为多小波比传统小波更适合于对信号的精确重构,适合用于对电力系统暂态故障信号的处理.     

小波分析用於继电保护装置时尺度参数的选取

小波分析可以对信号进行多尺度分析,具有很强的特征提取功能,对突变信号的处理具有明显优势。利用电磁暂态仿真程序对电力系统输电线路故障进行仿真,并利用小波分析程序对仿真结果进行分析,根据故障瞬间电流信号的小波变换特征,探讨了小波分析用于微机继电保护时,尺度参数对小波变换的影响。     

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...