基于小波分析和神经网络的井下电缆故障测距方法

针对现有的井下电缆故障测距方法存在可靠性差、精度低的问题,介绍了一种基于小波分析理论和神经网络的井下电缆故障测距方法,并比较了BP神经网络和RBF神经网络用于该方法的测距性能。该故障测距方法采用3次B样条半正交小波对暂态零序电流信号进行小波变换,得到特定频带内的暂态零序电流模极大值,并将该模极大值作为神经网络的输入信号,根据模极大值与故障点位置的映射关系实现故障定位。仿真结果表明,该故障测距方法能够较好地进行井下电缆故障测距,且RBF神经网络的测距误差及训练速度均优于BP神经网络。     

基于提升小波的输电线路短路故障仿真

输电线路发生故障后的信号是一个突变的、具有奇异性的暂态信号,包含着丰富的故障信息。输电线路的破坏多半是由短路故障引起的,通过分析短路故障,采用提升小波对故障后的电流进行检测。该文依据实际电力系统输电线路进行短路故障实例仿真,仿真结果表明,提升小波不但能有效地检测输电线路短路故障信号的奇异点,而且比db5小波快3 ms,从而为下一步故障测距提供有利依据。     

层合板固有频率分析的B样条小波元法

结合弹性材料修正后的H—R变分原理和区间B样条小波函数,建立Hamilton正则方程的区间B样条小波元列式．首先简要地介绍了弹性材料修正后的H—R变分原理,然后将区间B样条小波的尺度函数作为基函数,详细地推导了Hamilton正则方程的区间B样条小波元列式．数值算例验证了B样条小波元列式的正确性．     

自适应B样条小波函数模糊距离测量方法

目的 双目测距和单目测距是目前常用的两种基于光学传感器的测距方法,双目测距需要相机标定和图像配准,计算量大且测量范围有限,而单目测距减少了对设备和场地的要求,加快了计算时间。为了解决现有的单目测距方法存在精度低、鲁棒性差等缺点,本文提出了一种基于单模糊图像和B样条小波变换的自适应距离测量方法。方法 引入拉普拉斯算子量化评估图像模糊程度,并根据模糊程度值自动定位阶跃边缘;利用B样条小波变换代替高斯滤波器主动模糊化目标图像,并通过分析图像模糊程度、模糊次数以及测量误差之间的关系模型,自适应地计算不同景物图像的最优模糊次数;根据最优模糊图像中阶跃边缘两侧模糊程度变化求解目标边缘和相机之间的相对距离。结果 本文方法与基于高斯模糊图像的距离测量方法相比精度更高,平均相对误差降低5%。使用不同模糊次数对同样的图像进行距离测量时,本文算法能够自适应选取最优模糊次数,保证所测量距离的精度更高。结论 本文提出的单视觉测距方法,综合了传统的方法和B样条小波的优点,测距结果更准确,自适应性和鲁棒性更高。     

基于冗余提升不可分离小波的图像边缘检测方法

根据“五株排列”的不可分离小波构造方法,把基于矩形栅格的数字图像进行冗余提升,从而构造了“最大-提升”小波,由此提出了图像边缘检测的新方法,并将其与传统的B样条小波边缘检测方法进行比较,通过数据试验证明了新方法的优越性。     

小波方法光顺的B样条模糊系统及其应用

为了减少不准确数据对模糊系统的影响, 本文利用准均匀B样条小波方法光顺了B样条模糊系统. 首先将B样条模糊系统的多分辨率表示转化为准均匀B样条函数的多分辨率表示, 接着利用准均匀B样条小波分解方法对相应的准均匀B样条函数进行分解就得到了一系列光顺性逐渐增强、规则个数逐渐减少的模糊系统, 即基于小波方法的光顺B样条模糊系统. 最后, 仿真结果表明, 小波方法光顺的B样条模糊系统构造的模糊控制器在改善原来B样条模糊系统构造的模糊控制器性能的同时, 大大提高了原来控制器的运行效率.     

体数据小波分解的周期化技术

:体数据的小波表示及其在体绘制中的应用是近年来的一个研究热点。周期化技术是实现体数据小波分解的一个关键技术 ,但有关文献既未详细讨论也未给出技术细节。鉴于基数B样条小波在体绘制中的重要性 ,本文根据基数B样条小波分解算法及周期小波的概念 ,推导了周期B样条小波分解算法 ,并将该算法应用于体数据的多分辨表示。     

基于小波过零点检测的虹膜识别方法研究*

在经典过零点算法的基础上,改进特征提取与匹配算法。分析各阶高通小波系数在同一算法下的识别率,以此选择小波系数来综合编码分析。采用不同的小波滤波器进行分析,考察不同的小波滤波器对算法的影响。DB3小波的识别率为99.61%,等错率为0.41%;四次B样条小波识别率为99.75%,等错率为0.25%;Coif3小波识别率为99.72%,等错率为0.29%。第五、六阶小波高通系数涵盖了虹膜纹理的主要信息,可采用第五、六阶小波系数进行编码识别。不同的小波滤波器得到的结果区别不是很大,DB3、四次B样条、Coif3     

基于小波过零点检测的虹膜识别方法研究*

在经典过零点算法的基础上,改进特征提取与匹配算法。分析各阶高通小波系数在同一算法下的识别率,以此选择小波系数来综合编码分析。采用不同的小波滤波器进行分析,考察不同的小波滤波器对算法的影响。DB3小波的识别率为99.61%,等错率为0.41%;四次B样条小波识别率为99.75%,等错率为0.25%;Coif3小波识别率为99.72%,等错率为0.29%。第五、六阶小波高通系数涵盖了虹膜纹理的主要信息,可采用第五、六阶小波系数进行编码识别。不同的小波滤波器得到的结果区别不是很大,DB3、四次B样条、Coif3小波编码识别效果好。DB3小波符合识别速度与效果的综合要求。     

基于B样条有限元机载激光陀螺测量装置系统的建模与仿真

建立了激光惯性导航系统的三维有限元模型,对其力学特性进行了模态分析,建立了整个模型B样条小波有限元模型;研究了一类新的有限元空间,它以B样条小波函数作为有限等参元的形状函数;建立了IMU模型的B样条小波有限元序列,利用B样条小波函数的变尺度特性在不改变网格的剖分下提高分辨率,因此在处理局部应力集中,曲率分布突变边界等应用中具有一定的优势,所以它的结果更接近于实际;最后对系统模型进行了仿真,给出了各个阶次模态值,通过与传统有限元比较发现小波有限元具有收敛性好、求解迅速和网格划分灵活优点,离散的单元数减少了13％,计算时间也是原来的35％,这对于激光惯性导航系统的优化设计具有重要参考价值.     

基于改进阈值和小波包的轴承故障诊断方法

为了准确有效地确定滚动轴承的故障部位,提出一种轴承故障诊断的新方法。用改进的小波阈值法对轴承振动信号进行降噪处理,对去噪后的信号进行小波包分解与重构,提取各重构子带内的信号特征作为故障诊断的样本,依据各子带信号的能量分布特征判断轴承的故障部位。在MATLAB环境下对SKF6205-2RS轴承的典型故障进行了仿真研究,结果表明改进的阈值法相比于传统去噪方法有较好的去噪效果,小波包能够准确提取信号的故障特征,能够提高轴承故障检测的准确性和有效性。     

基于Haar小波的眼睛定位方法

积分投影方法是一种眼睛定位的基本方法,但传统的投影函数在光照干扰条件下容易失效。针对上述缺陷,提出用圆差异算子的平均波动值代替灰度平均值做积分投影,增强抗光照干扰能力,利用Haar小波对投影曲线进行过滤规整,有效地过滤了杂波,使得极值点定位非常容易,其中包括利用左右眼睛垂直投影的相似性识别眼睛的方法。在Yale 照片库上的实验证明该方法简单有效,抗光照干扰能力强。     

基于离散小波变换的输电线路故障精准定位

为了提高架空线路和地下电缆组合输电线路发生故障时的定位精度,提出了一种基于离散小波变换(DWT)的输电线路故障定位新方法。通过DWT对输电线路单端测得的瞬态信号进行多分辨率分析(MRA),在低故障起始角情况下,利用线模电流和零模电流检测故障,结合小波模量极大值(WMM)求解从故障点到变电站的行波到达时间,从而对输电线路故障进行精准定位。采用半正弦电压响应的方法克服了采样频率有限和故障起始角低的缺点,运用100kHz半正弦信号的发送时间与接收导数信号的时间之差计算故障距离。在考虑谐波畸变和故障电阻、接地电阻、故障位置和起始角变化的情况下对所提方法进行测试,结果表明：对于100km的输电线路,即使在故障靠近总线（<2%）且故障起始角较低的情况下,所提出的方法得到的故障定位误差仅为0.14km。     

基于小波包—贝叶斯的小电流接地系统故障选线方法

针对现有小电流接地系统故障选线方法存在故障状况复杂、故障信号特征不明显等问题,提出了一种基于小波包-贝叶斯的小电流接地系统故障选线方法。该方法首先按故障过渡电阻值的大小将小电流接地系统故障分为强故障模式、中等故障模式、弱故障模式,并分别构建相应的贝叶斯分类器;在故障特征提取方面,采用db小波包按照能量最大原则选取各条线路的故障特征频带,对所构建的3类分类器进行训练后,再将提取的各条线路的特征频带输入到分类器进行故障类型的判别;最后,采用"少数服从多数"的原则,对3类分类器的输出结果进行表决,进而得出选线结果。仿真结果表明,该方法选线准确率高。     

基于小波包Tsallis熵和RVM的模拟电路故障诊断

针对模拟电路故障难以识别等问题,提出一种基于小波包Tallis熵和多分类相关向量机(Rele-vance Vector Machine,RVM)的模拟电路故障诊断方法.该方法采用脉冲信号仿真模拟电路,应用小波包变换对采集到的故障响应信号进行分解,通过提取不同频带内的Tsallis熵作为故障特征值,利用相关向量机对各种状态下的特征向量进行分类决策,实现模拟电路的故障定位.实验结果表明,提出的故障诊断方法相较于现有的故障诊断方法能较好地提取故障特征,极大地提高模拟电路故障诊断的效率.     

基于神经网络的高压输电线路单端测距方法

针对单端行波故障测距第二个行波波头性质辨识问题,提出一种将小波模极大值方法和神经网络算法相结合的测距方法。采集故障波头时间差和极性等信息作为样本,利用神经网络的非线性拟合能力对样本进行训练、测试,从而建立相应的故障测距神经网络模型。将故障信息代入神经网络模型得到初步测距结果,根据初测结果和波头极性、时间差等性质的关系,对第二个行波波头进行正确辨识,从而得到优化的测距结果。经Matlab/Simulink仿真验证,该方法有较高的可靠性和精确性。     

Fault diagnosis of rolling bearing based on back propagation neural network optimized by cuckoo search algorithm

In order to improve the accuracy of rolling bearing fault diagnosis in mechanical equipment, a new fault diagnosis method based on back propagation neural network optimized by cuckoo search algorithm is proposed. This method use the global search ability of the cuckoo search algorithm to constantly search for the best weights and thresholds, and then give it to the back propagation neural network. In this paper, wavelet packet decomposition is used for feature extraction of vibration signals. The energy values of different frequency bands are obtained through wavelet packet decomposition, and they are input as feature vectors into optimized back propagation neural network to identify different fault types of rolling bearings. Through the three sets of simulation comparison experiments of Matlab, the experimental results show that, Under the same conditions, compared with the other five models, the proposed back propagation neural network optimized by cuckoo search algorithm has the least number of training iterations and the highest diagnostic accuracy rate. And in the complex classification experiment with the same fault location but different bearing diameters, the fault recognition correct rate of the back propagation neural network optimized by cuckoo search algorithm is 96.25%.

     

基于db4提升小波的暂态电能质量的检测

暂态扰动是影响电能质量的重要因素之一,对电力用户和电力系统都会产生危害。针对暂态扰动信号具有非平稳性、突变性的特点,分析了db4提升小波变换的特性,提出了更新—预测—更新—预测—更新的结构,选择了合适的采样频率和分解层数,对暂态电能质量扰动信号进行检测与定位。在MATLAB仿真环境下,利用db4提升小波变换对电压暂降、暂升、中断以及暂态脉冲、振荡等几种暂态电能质量扰动信号进行检测与定位,仿真结果表明,该方法可以实现对扰动信号起止时刻更为准确的检测与定位,且计算速度快。