基于灰度-梯度共生矩阵的串联故障电弧特征

为了获取非线性负载回路中串联故障电弧的特征,利用自行研制的故障电弧实验系统开展了变频器和工控机负载条件下的串联故障电弧实验。提出一种基于灰度-梯度共生矩阵的特征提取方法。采用前向差分法对电流信号进行预处理,并利用小波包技术对差分信号进行分解、重构,将重构信号按频率高低依次放入二维数组;二维数组中同时刻各频段的能量归一化后,将其转换为0~255的灰度值图像,对灰度值图像进行Wiener滤波并采用Laplace算子进行锐化和加强处理,取频率高于1 562.5 Hz的图像求解灰度-梯度共生矩阵。通过计算共生矩阵的15种特征量,筛选得到工控机和变频器负载条件下串联故障电弧的特征向量。将获取的故障电弧特征向量输入到支持向量机进行故障电弧识别测试,验证了上述故障电弧特征提取方法的有效性。     

基于ST-SVD-PCA的串联故障电弧特征提取方法

为深入研究煤矿井下串联故障电弧特征及提取方法,分别以电动机和变频器负载为研究对象,开展不同电流条件下的串联型故障电弧实验。采用S变换(ST)对回路电流进行时频域变换,求得S变换矩阵的幅值矩阵作为特征矩阵;对特征矩阵进行奇异分解(SVD),得到矩阵的奇异值;对多组奇异值组成的特征向量进行主元分析(PCA),选取累积贡献率高于95%的主元作为故障识别的特征,实现特征向量的降维;最后采用遗传算法(GA)优化的支持向量机(SVM)算法对故障电弧特征的有效性进行了测试。通过不同负载和工况条件实验,进一步验证了基于上述故障电弧特征的故障电弧识别方法的兼容性,该方法可以有效识别电机及变频器负载回路的串联故障电弧。     

SVD滤波的串联故障电弧特征分析

为进一步研究故障电弧特征,针对三相电动机及变频器负载开展了串联故障电弧实验。首先将电流信号经过一阶差分预处理,再通过奇异值分解SVD(singular value decomposition)对信号进行两级滤波,剔除信号中的工频和噪声成分。采用柯尔莫可洛夫-斯米洛夫K-S(Kolmogorov-Smirnov)检验法分析SVD滤波信号的正态分布情况。采用线性调频Z变换CZT(chirp-Z transform)对SVD滤波信号0～500 Hz频段进行频谱细化分析。提取时域峭度和特征频段幅值平均值组成特征向量,并构建故障电弧区矩形。通过大量数据测试表明:该方法可有效识别三相电动机及变频器负载回路中发生的故障电弧。     

废弃羊毛蛋白质的提取及染料脱色研究

文章采用氢氧化钠和双氧水法提取羊毛中的角蛋白,通过正交实验获得了最佳提取工艺,并测试了羊毛蛋白提取液对活性红2GR以及阳离子红2GL的脱色效果。实验表明,在40℃、2.5h、1g氢氧化钠、1.5mL双氧水条件下,2g羊毛的角蛋白提取率可达46.4%,并且羊毛角蛋白液对阳离子红2GL具有较好的脱色效果。