变压器负载条件下提取铁心振动信号基频成分方法的研究

振动法是诊断变压器运行中潜伏故障的一种有效手段,不仅能够检测出故障绕组,还能检测铁心的状况,对其进行充分的研究有良好的应用前景。本文介绍了变压器铁心振动的起因,提出了一种不必空载运行变压器即可取得变压器铁心振动信号基频成分的方法。通过设计的测试系统,本文模拟变压器实际运行时的情况,测量了不同负载电流及空载情况下变压器本体的振动加速度信号。通过拟合的负载电流与振动加速度信号基频成分的关系曲线,得到了负载电流为零时变压器振动信号基频成分的幅值,这个值与空载情况测得的振动信号基频成分相当,说明了利用这种方法可以提取出变压器铁心振动信号的基频成分用于铁心的在线监测。

心电图能量谱中基频及谐频成分能量密度分布与年龄的关系

对长时间心电图能量谱中的心率基频及其谐频成分能量密度的分布,用一个指数函数进行最小二乘拟合,函数中引入的分布指数用来量化能量密度分布分散与集中的程度.用该函数对年轻(21～34岁)与年老(68～81岁)二组经过严格筛选的健康人心电图数据的能量谱进行局部拟合,计算出每个个体的心率基频及其谐频成分的中心频率f0、在中心频率f0处的能量密度、谐频与基频成分能量密度的比值、谐频与基频成分分布指数的比值以及可识别出的谐频个数等特征参数值.结果:分布指数是年轻组明显大于年老组(P<0.01),谐频与基频能量密度的比值是年轻组明显小于年老组(P<0.01),可识别出的谐频个数是年轻组明显少于年老组(P<0.01),f0及在f0处的能量密度在二个不同年龄组之间没有差异.这些结果预示着在本研究中提出的特征参数值可作为心率波动的一种新的度量.

图形推理的脑波超慢涨落研究

对140名大学生进行了瑞文图形推理测试,然后从中选取了高分组和低分组各21名参加了脑波超慢涨落测试.结果表明:1)高分组和低分组在α波频率成分以及α波平均频率之间差异均不显著(P>0.05);2)推理能力无论是高分组还是低分组,前、后脑区平均功率符合额低枕高的前、后梯度.图形推理高分组在各个脑区的平均功率均高于低分组,在右额叶、右中央区、右前颞叶以及右后颞叶高分组和低分组差异显著(P<0.05);3)对图形的推理能力高分组和低分组S谱的9种基频成分在全脑出现次数的分析发现,在S 6成分上高分组和低分组差异显著(P<0.01),而在其他基频成分上高分组和低分组差异均不显著(P>0.05).