基于小波变换的电压互感器误差校正研究

电压互感器易受到外界电磁干扰而影响测量精度,提出用小波变换的方法对互感器测量误差进行校正,着重分析小波变换在信号去噪中的应用,仿真和实验研究结果证明所提方法的有效性.     

微弱信号混沌检测系统的噪声分离研究

混沌学是目前非线性科学研究中的热点之一.传统的微弱信号混沌检测技术在信号存在噪声的情况下暴露出许多不足之处,如去噪能力较差、检测精度不高等,本文基于前人的研究基础,提出了一种改进小波变换算法的微弱信号混沌检测系统的方法,通过仿真实验可知能够将该方法运用到微弱信号检测.具体方法是对传统小波变换算法的变换域变量进行离散化,目的是消除变换中的冗余,之后采用阈值折衷策略对小波系数进行阈值优化,处理后的小波算法将应用于微弱信号混沌检测系统中,周期策动力为有限离散处理后的含噪信号并入混沌系统,从而实现含噪情况下的微弱信号检测.一系列仿真实验表明,提出和改进的小波变换算法的去噪效果要优于传统小波变换算法,同时在微弱信号混沌检测系统的应用中,改进算法的检测精度和鲁棒性更好.     

基于阈值降噪同步压缩变换和CNN的滚动轴承故障诊断方法（英文）

针对滚动轴承振动信号的非平稳性和易被背景噪声干扰导致故障难以被准确诊断的问题,提出了一种基于时频阈值降噪同步压缩变换(TDSST)和卷积神经网络(CNN)的滚动轴承故障诊断方法.由于传统的小波阈值降噪及小波相邻系数降噪方法受信号噪声方差估计精度影响大,因此采用了基于STFT谱相关系数阈值寻优的时频降噪方法,将其与同步压缩变换结合,并用滚动轴承模拟冲击故障信号验证了TDSST方法降噪及提高时频分辨率的能力.最后,利用CNN对TDSST方法处理得到时频图进行诊断,滚动轴承实验数据诊断结果表明了所提方法能够有效地提高诊断准确率,当轴承信号信噪比大于0 dB时,诊断准确率都达到了95%以上,即使信噪比降到-4 dB时,诊断准确率也维持在80%左右,并且多次测试结果的标准差较小,表明方法具有良好的鲁棒性.     

基于MRA的三相不对称系统谐波监测的研究

首先论述了基于小波变换的谐波检测的原理,根据目前小波变换在三相不对称系统谐波检测中存在的无法分离基波信号之不足,介绍了一种用于三相不对称系统的基于周期交错的测量方法。针对MRA算法既不能直接可靠地估算三相交流信号的基波成分(50 Hz),也不能精确地提取信号的谐波分量的缺点,探讨了将快速傅立叶变换和小波变换相结合的方法,利用小波变换的奇异信号检测能力和较好的时域分辨率,结合傅立叶变换准确的频域分辨能力对电网谐波信号模型进行了分析。文中归纳出基于小波变换的谐波监测方法。该方法的技术优势是可以实时跟踪谐波信号的变化。仿真实验结果表明了该方案能够满足电力系统中谐波检测的实时性要求。     

含噪电能质量信号小波降噪的方法与改进

在电力系统电能质量信号的检测中,不可避免会遇到因为测量设备故障以及环境因素的影响,使得信号夹杂噪声,使得采集到的信号受到一定程度的噪声污染,干扰了检测电力系统的电能质量准确性,而小波降噪在信号降噪中具有很大优势,所以利用小波降噪降低电力系统信号中的噪声具有重要的意义。在比较分析小波变换的优势,多次进行小波变换反馈信号特征,通过观察信号的时频特性,应用小波变换局部化特性可调整不同叠加信号的系数,可最大限度的得到电能质量的有用的分析信号,然后再分析和运用多种阈值处理方式改进小波降噪,并应用差值的方法分析哪种阈值处理方式更加有效。     

基于小波变换的暂态电能质量扰动的检测法

该文研究了基于小波变换的暂态电能质量扰动的检测算法,利用快速小波变换算法即Mallat算法检测和提取扰动信号,并在MATLAB环境下进行了仿真,采用db4小波、3尺度进行小波分解与重构并对信号进行检测,验证了小波变换能够实现电能质量扰动信号的准确定位。     

小波变换法在输油管道泄漏检测中的应用

动态系统的故障通常会导致系统的观测信号发生变化 ,因此 ,可以通过计算机对压力信号进行小波变换 ,求取极值点来检测负波的下降沿突变 ,以进行泄漏检测。通过应用 Gauss函数作二次求导 ,合理构造便于计算机处理并进行判断的小波基 ,并针对其在实际应用中误报率较高的问题提出了在信号采样后进行预处理 ,消除噪音信号 ,并通过方向性滤波提高灵敏度的思路。     

基于神经网络的双小波混沌信号降噪

根据信号和噪声的特性不同,提出了一种基于神经网络的双小波混沌信号降噪方法。该方法结合奇异谱和梯度下降算法,分别对小波变换后的近似部分和细节部分进行了分析。一方面,奇异谱分析更大程度地去除了代表噪声的较小奇异值;另一方面,神经网络对非线性阈值的自学习,实现了小波系数的自适应选取,提高了信号的定位精度。通过对Lorenz模型和月太阳黑子时序进行仿真,证实了本文所提方法能够对实际观测的混沌信号进行有效的降噪。     

基于小波变换和动态时间规整算法相结合的故障识别算法

提出了一种基于小波变换和动态时间规整算法相结合的故障识别算法。该算法首先利用小波变换对实验样本与参考样本进行处理以去掉样本信号的非平稳性和噪声,然后利用动态时间规整算法对未知的实验样本与参考样本之间的相似性进行评价,并基于最短距离进行分类,以达到故障识别的目的,最后将此算法应用到Tennessee Eastman过程的故障识别中,仿真结果表明基于小波变换和DTW算法能够准确地识别出发生何种故障,而常规的DTW算法则存在一定的失误。     

小波变换法在输油管道泄漏检测中的应用

动态系统的故障通常会导致系统的观测信号发生变化,因此,可以通过计算机对压力信号进行小波变换,求取极值点来检测负波的下降沿突变,以进行泄漏检测.通过应用Gauss函数作二次求导,合理构造便于计算机处理并进行判断的小波基,并针对其在实际应用中误报率较高的问题提出了在信号采样后进行预处理,消除噪音信号,并通过方向性滤波提高灵敏度的思路.     

基于小波变换的故障电弧检测技术研究

故障电弧是引起火灾的重要原因,为了确保用电安全,故障电弧检测装置的研究和应用日益受到人们的重视。故障电弧具有随机性,这使得传统的时域和频域方法都难以有效地对故障电弧信号进行分析。小波变换适合对小信号和突变信号进行分析,将其应用于故障电弧检测,可以有效提取电弧特征,准确判断故障电弧的发生。     

基于小波阈值去噪和自适应变分模态分解的谐波检测方法

为准确检测电力系统的谐波分量,提出一种基于小波阈值去噪和自适应变分模态分解（VMD）的谐波检测方法。在传统VMD算法基础上,通过构建输入信号Hankel矩阵并进行奇异值分解（SVD）的方法,自适应确定模态分解个数;利用改进的小波阈值去噪方法减少噪声的干扰,进一步提高检测精度。仿真实验表明,所提方法能有效地估计谐波的频率和幅值参数,具有较高的检测精度和良好的噪声鲁棒性。     

基于小波变换的电网电能质量评估与MATLAB仿真

随着电力市场和国民经济的迅速发展,电能质量问题已经引起世界各国电力部门和用户的广泛关注,供电质量不高将引起某些重要生产过程中断,导致工业产品质量下降,从而造成严重的经济损失.本文根据电能质量扰动信号的非平稳性,通过分析小波变换的原理,利用小波变换能够突出信号局部特征的特性,分析了利用小波变换对电网电压跌落及周期脉冲等典型电能质量扰动进行判断与定位的方法.相应的仿真结果说明小波变换是对电能质量扰动进行判断和定位的有效途径.     

基于小波分析与神经网络的风电场短期风速预测

对风力发电进行有效的预测,可降低电网调度的难度。先对风速历史数据进行小波分解,再针对各小波分量分别建立改进型BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。     

基于SURE小波与ITD法的电力系统模态辨识

针对因互联系统稳定性的下降引起的低频振荡事故,提出了基于无偏似然估计(stein unbiased risk estimate, SURE)的自适应小波阈值与固有时间尺度分解(intrinsic time-scale decomposition, ITD)的联合辨识算法,以解决在低频振荡的关键模态辨识中提取出的参数精度不够准确的问题。对含有噪声干扰的信号进行小波变换得到其小波系数,根据信号特点按照最小均方误差算法估计其最优阈值,从而进行小波系数的筛选和信号的重构,得到去除噪声后的信号。对处理后的信号进行固有时间尺度分解,构建相应的信号测点矩阵并求解矩阵的特征值,获取系统的关键振荡参数。采用数学测试信号、PSASP软件中的8机36节点仿真系统信号以及实测信号,验证了所提方法对实际电网是有效可行的。     

小波CWT-MLP网络预测负荷方法改进

为提高对短期负荷的预测精度,提出基于小波变换,并加入电价因子构建MLP神经网络对负荷进行短期预测的方法。首先通过小波变换将原始负荷、电价序列进行分解,得到高、低频率的时间序列带;其次分别利用高频、低频电价序列对高频、低频负荷序列进行MLP神经网络训练与预测;最后,将预测的高频、低频负荷值通过小波变换,重构完整的负荷预测值。采用美国电力联盟实例对该方法进行验证,并与含电价因子的MLP网络预测法、经典MLP网络预测法,以及不含电价因子的CWT-MLP网络预测法预测效果进行比较。结果证明,含有电价因子,并结合小波与MLP神经网络构建的模型能够丰富数据信息,提高负荷预测精度。     

蓄电池内阻测试信号小波去噪

利用小波变换方法对蓄电池内阻测量过程中产生的干扰进行了滤波。交流激励法在线测量蓄电池内阻过程中,现场周围存在各种干扰,给测试信号带来噪声或突变问题。介绍了交流激励法测量阻抗及小波分析信号的基本原理;提取UPS系统现场工况环境下的测试信号序列,运用小波去噪方法进行处理,获取消除噪声后的信号序列。仿真结果表明,利用小波变换理论能够有效检测出信号中的突变现象,重构有用信号,有效消除噪声干扰。     

基于小波分析的配电网故障选线方法研究

提出了一种基于小波分析的配电网故障选线方法。通过剔除线路谐振状态的频带,利用小波包良好的分频特性,以适当带宽对故障后线路的暂态零序电流进行分解,从而实现在低频段下对各线路的零序电流进行小波重构,通过比较重构后的信号来实现选线。仿真实验表明,该选线方法受故障点位置、故障时刻、过渡电阻等因素影响较小,具有可靠性高、抗干扰能力强的特点,适用于中性点不接地的配电网。     

基于小波变换频谱细化方案的电动机故障检测方法

交流电动机是近代工业生产中重要的动力设备,然而,在工作过程中,电动机故障却时有发生,如果检测、处置不及时,则非常容易延误生产,致使工业生产停滞。为了解决这一难题,广大电动机科研工程师、技术人员努力钻研、刻苦研究,研发了许多较为可行的方式方法,其中,小波变换的频谱细化方案在实践应用中的效果较好。透过对故障信号的索取、搜集,找出运行状态下电动机装置各功能元件的在线工作情况,进而判断出故障源、问题点,可提高故障检测的准确性、故障排除的效率。基于此,本文将结合小波变换的频谱细化方案,深度解析电动机常见的故障问题,并仔细研究其在电动机故障检测过程中的主要应用。     

基于小波分析的振动信号去噪处理

为提高检测气体绝缘金属封闭开关设备（GIS）故障点的有效定位率,提出利用软硬阈值结合法对振动信号设定阈值,采用具有多分辨率特性的小波分析方法进行有效降噪;通过Matlab仿真和实际试验结果验证其准确性,对比分析表明,基于小波分析的去噪方法提高了信噪比和定位准确性,是一种提取有用信号的有效方法。