VTI介质改进声学近似qP波交错网格正演模拟

Alkhalifah提出的声学假设近似令沿TI介质对称轴的qSV波速度近似为0,建立了相应的qP波波动方程并进行了数值模拟,但存在两个不足:一是方程中存在退化的qSV波解,不是纯qP波波动方程;二是方程不适用于ε<δ(ε和δ为Thomsen参数)的介质。为此,在Liang等的工作基础上,将改进声学近似方法的思想引入qP波频散关系和一阶波动方程推导。令qSV波的精确频散关系中的圆频率为0,同时结合椭圆分解,推导了VTI介质纯qP波解耦频散关系,利用改进标量算子的空间域渐近近似建立了VTI介质改进声学近似qP波一阶速度—应力波动方程,采用交错网格有限差分算法实现了基于改进声学近似的VTI介质纯qP波正演模拟。频散关系分析和数值示例表明,基于改进声学近似的qP波一阶波动方程不包含退化qSV波,是纯qP波方程,与弹性波波动方程模拟结果吻合较好,具有较高精度,并且该方程在ε≥δ和ε<δ的VTI介质中均是稳定的,同时也适用于复杂VTI介质。

基于改进蜜獾算法的波能转换器阵列优化

针对波浪能转换器(WEC)阵列发电效率提升问题,提出一种基于改进蜜獾算法的三系WEC阵列优化方法.首先,为克服原始蜜獾算法(HBA)收敛速度慢、收敛精度低等缺陷,引入佳点集初始化、混沌机制和蜜獾种群变异3种策略对原始HBA进行改进.此外,为了验证改进蜜獾算法(IHBA)的先进性和有效性,开展2个浮标、10个浮标和20个浮标3个不同规模的WEC阵列优化实验.2浮标阵列仿真结果表明,WEC阵列优化存在多组最优解,且IHBA、HBA、遗传算法和粒子群优化算法都能以不同速度找到最优解.然而,随着WEC阵列规模的增大,3种对比算法都会陷入局部最优解.相反地,IHBA依然表现出较强寻优能力并能搜寻到全局最优解.最后,IHBA所获10浮标和20浮标的阵列q因子分别高达1.059和0.968,远优于其他3种算法.

基于改进小波阈值函数和全尺度Retinex的红外图像融合增强算法

针对现有红外图像增强算法存在信噪比低、细节模糊、清晰度差等问题,本文提出基于改进小波阈值函数和全尺度Retinex的红外图像融合增强算法。首先,为克服尺度参数固定和光线散射导致红外图像退化的问题,利用大气透射率得到Retinex尺度参数的全尺度映射图,从而有效提高图像的清晰度,并将输入图像和使用全尺度Retinex处理后的输入图像作为算法的第一个输入和第二个输入。其次,为解决传统小波阈值函数在图像降噪过程中存在伪影、细节丢失等问题,设计改进小波阈值函数,通过引入尺度因子,在计算每层高频子图小波系数后,能根据该层数自适应调整尺度因子,并引入调节因子,结合指数函数,使该函数不仅能抑制高频子图噪声,还能极大程度保留细节信息。然后,使用小波图像融合的方式融合输入的高频子图和低频子图,进一步提高输出图像的纹理细节。主客观仿真结果表明,所提算法比其它对比算法具有更好的降噪和细节突出能力,并能提高红外图像的人眼视觉效果。最后,本文算法应用于红外成像模块采集的红外图像增强,效果良好,表明本文方法具有实用性。

经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换(EWT)和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交(NDQ)算法和奇异值分解(SVD)算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法(IPSO)优化支持向量机(SVM)的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。

联合VMD与改进小波阈值算法的GIS局部放电信号去噪

针对气体绝缘开关设备(GIS)因其内部缺陷而产生的局部放电(PD)信号含有白噪声干扰的问题,提出联合变分模态分解(VMD)与改进小波阈值算法进行去噪。首先运用VMD将含有噪声的PD信号拆解为多个本征模态分量;然后在现有的小波阈值去噪算法的基础上,克服传统软硬阈值函数的缺点,构造新阈值函数,并采用改进小波阈值算法对每个本征模态分量进行处理,将处理得到的信号重构;最后得出去噪后的局部放电信号。将所提出的方法与小波阈值去噪、VMD算法进行比较分析,通过仿真结果表明,所提方法去噪效果更好,为GIS设备内部PD信号去噪提供参考。

基于改进小波阈值—CEEMDAN的变压器局部放电超声波信号白噪声抑制方法

为了有效去除变压器局部放电超声信号中的白噪声干扰,提高后续局部放电模式识别及定位的准确性,提出了一种基于改进小波阈值和自适应噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)的变压器局部放电超声波信号去噪方法。首先,通过对放电信号进行CEEMDAN分解得到一系列由高频到低频的本征模函数IMF(intrinsic mode function);然后,利用多尺度排列熵(multi-scale permutation entropy,MPE)算法计算各阶IMF分量的排列熵PE(permutation entropy),根据各IMF的排列熵值确定信号的去噪阈值与有效阈值。对高于去噪阈值的IMF分量采用改进小波阈值法进行去噪处理,对低于有效阈值的IMF分量视为基线漂移进行剔除。最后,通过重构去噪分量与剩余分量来获得去噪后的超声波信号。仿真和实验结果均表明,文中所提出的去噪算法大大提高了信号的信噪比,并保留了原始超声波信号中的有效信息,对提高后续利用超声波信号进行局部放电模式识别及定位的精确性具有重要意义。

基于CEEMDAN-改进小波阈值的大坝变形数据处理方法

针对现有方法对大坝变形监测数据去噪精度低、易将部分高频有用信息误判为噪声的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)和改进小波阈值联合去噪的方法。该方法利用CEEMDAN对原始数据进行分解,通过t检验对分解获得的多个本征模态函数(IMF)分量进行特征分析,筛选出含噪分量并利用Pearson相关系数和方差贡献率进行校验,最后采用改进的小波阈值对筛选出的含噪分量进行精细化去噪,并重构去噪后的模态函数分量,得到去噪后的数据。仿真试验和工程实例验证结果表明,该方法在多种不同指标上均优于对比的3种方法,同时能够更有效地保留数据的高频有用信息,提高准确度和平滑性,可用于大坝中的非线性变形数据去噪处理。

基于改进小波变换与卷积神经网络的干式空心电抗器红外图像去噪方法

针对传统小波变换法去除干式空心电抗器红外图像中夹带的噪声效果不理想的问题,提出了基于改进小波变换与卷积神经网络的干式空心电抗器红外图像去噪方法。首先利用卷积神经网络中的残差学习对图像中混合特征信息进行提取;然后通过改进小波变换对图像进行小波分解,并将分解后的分量输入至网络中进行训练;进而通过残差学习增强图像纹理细节信息,解决了传统图像去噪方法的不足;最后进行仿真比较。结果表明,所提方法可以降低网络计算难度,加快训练速度,同时具有良好的去噪性能,优于传统图像去噪方法。

基于改进小波模型的样条光顺算法

数控加工数据传输过程中存在丢包、噪声干扰等现象,导致数据点位出现误差。针对现有方法对误差的修正大多适用于平面,且基本都是只对单独一段的大弧段修正等限制,提出一种空间整体的光顺处理方法。该方法借由小波光顺分离出细节部分,定义修正因子后配合有局部自检效果的改进灰狼粒子寻优优化算法再对细节修正,构建新的稀疏模型进行光顺效果的判别。实验结果表明:提出的方法不仅可用于多弧段的情况,且可适用于空间样条的光顺。

基于改进小波分析的电弧故障高频信号识别

电力故障监测范围较广,电弧故障高频信号识别准确率不高,因此引入改进小波分析技术,设计电弧故障高频信号识别方法。按照故障类型将电弧故障分为串行电弧、并行电弧、接地电弧。检验电弧高频信号的正则性,确定平方函数的连续小波变换结果,通过离散化处理分析故障特征。根据特征提取结果利用小波模极大值理论完成信号降噪处理,采用分级保留识别故障波形,通过电路信号分析实现故障高频信号识别。实验结果表明,该方法对时刻突变点故障识别准确率高达99.99%,对连续间断点故障识别准确率高达99.2%,故障信号识别效果好。

改进小波阈值与优化BiLSTM组合的大坝变形预测方法

变形是反映大坝结构状态变化的重要指标。由于变形数据的非线性特点和其背后复杂的机理,提升变形的预测精度对大坝安全及结构控制具有重要意义。为此,基于融合建模理念提出了一种组合的大坝变形预测方法,该方法结合了改进小波阈值去噪与鹈鹕优化算法(POA)优化的双向长短期神经网络(BiLSTM)。首先,采用改进小波阈值去噪法对变形实测数据序列进行处理;其次,通过POA搜索最优超参数组合用于优化BiLSTM模型;最后,基于最优超参数下的BiLSTM模型进行大坝变形预测。工程实例表明,改进小波阈值法具有更好的去噪效果,POA-BiLSTM能够准确预测大坝变形。在最终测试集上平均MAE、MAPE、RMSE、R^(2)分别为0.244、0.041、0.301、0.906。相较于其他方法,表现出更高的预测准确性和稳健性,可为大坝变形监测提供参考。

基于改进小波变换的造纸车间网络通信弱信号增强研究

传统造纸车间网络通信弱信号增强方法由于仅提取了造纸车间网络通信弱信号的单一参量,导致对其的增强效果不佳。为解决这一问题,设计一种基于改进小波变换的造纸车间网络通信弱信号增强方法。首先,利用信号采集设备采集造纸车间网络通信信号,并对采集信号进行预处理;其次,计算感知造纸车间网络通信弱信号,在传统小波变换的基础上对其进行改进,并由此提取造纸车间网络通信弱信号的频率参量、幅度参量等多个信号参量;最后,利用提取的信号参量,将相似信号进行叠加,以完成弱信号增强。实验结果表明,与以往的造纸车间网络通信弱信号增强方法相比,设计的基于改进小波变换的造纸车间网络通信弱信号增强方法在实际应用中信号强度更高,增强效果更好。

小波降噪及改进遗传算法的BP神经网络在基坑变形中的组合应用

以某市人民医院基坑工程为例,针对实测数据建立实测数据结合BP神经网络预测模型,小波降噪结合BP神经网络模型和小波降噪结合改进遗传算法优化的BP神经网络模型,并利用误差分析理论对基坑变形数据预测效果评价。结果表明:对比3种模型实际处理、预测数据能力,实测数据结合BP神经网络模型预测精度在1%-4%之间,小波降噪结合BP神经网络模型预测精度1%-2%之间,小波降噪结合改进遗传算法优化的BP神经网络模型预测精度在1%以内,小波降噪结合改进遗传算法优化的BP神经网络模型的预测准确率最高。针对基坑变形监测,小波降噪结合改进遗传算法优化的BP神经网络模型具有更高预测精度,可为类似工程提供实际参考。

基于ICEEMDAN与改进小波阈值的谐波检测方法

为了准确检测噪声环境下的电网谐波,提出改进小波阈值降噪和自适应噪声集合经验模态分解(ICEEMDAN)结合的谐波信号检测新方法。通过调节因子β调节阈值特性,并使用改进小波阈值进行降噪预处理;将去噪后的信号经ICEEMDAN分解,获取若干个内在模态分量(IMF),由相关系数判据去除虚假分量;最后通过希尔伯特变换(HT)解调出幅频信息。仿真实验表明:ICEEMDAN和改进的小波阈值方法结合,能够提高信噪比,并准确检测幅频信息和定位暂态信号的突变点。

基于INGO-VMD-改进小波阈值算法的TDLAS二次谐波信号去噪研究

针对可调谐半导体激光吸收光谱(TDLAS)技术中气体浓度检测信号———二次谐波信号夹杂噪声导致反演精度下降的问题,提出基于改进的北苍鹰优化算法(INGO)、变分模态分解(VMD)和改进小波阈值法联合的去噪算法,利用包络熵值最小为目标函数的INGO算法寻找VMD中重要参数———模态个数k和惩罚因子α,以分解后的各固有模态分量(IMF)能量密度与平均周期乘积为一常量的特点筛选出有效信号IMF分量,联合小波改进阈值法对有效信号进行降噪并组合得到去噪后信号。仿真实验对比分析表明INGO-VMD-改进小波阈值法能有效滤除噪声信号,降低幅值误差,提高反演精度,降噪效果较优,降噪后波形相似系数为99.86%,信噪比达到25.2305 dB,均方根误差达到0.01523%,较含噪信号,峰值误差下降0.157。

基于改进小波阈值的自行火炮信号降噪方法研究

为有效滤除自行火炮柴油发动机振动信号中的噪声,提出基于改进小波阈值的振动信号降噪方法。运用改进的自适应噪声完备集成经验模态分解处理原始振动信号得到各个本征模态函数分量,通过多尺度排列熵检测分量的随机性,筛选出需要降噪的分量,使用改进的小波阈值降噪方法对筛选出的分量降噪,重构降噪后的分量与无需降噪的分量,获得所需的振动信号。同时,针对人工选取多尺度排列熵中各参数对计算结果影响较大的问题,提出一种改进麻雀搜索算法对多尺度排列熵中各参数进行寻优。分别通过仿真信号和实验室实测数据验证所提方法的可行性和有效性,结果表明:与小波阈值降噪、多小波相邻系数降噪和ICEEMDAN-MPE-小波阈值降噪方法相比,所提方法应用于仿真信号时信噪比分别提升5.989 4 dB、6.078 7 dB和1.565 3 dB;应用于实验室实测数据时,降噪误差比分别降低22.143 3、6.834 9和0.722 7,为自行火炮振动信号降噪提供一种新的思路。

基于改进负压波法的海底管道泄漏研究

管道作为油气运输的主要方式之一,自然和人为的因素的破坏会导致油气资源发生泄漏,造成经济损失及环境污染。本文以海上油田的海底管道为研究对象,阐述了负压法检漏技术的基本原理,改进了负压波定位算法,提出并推导了其泄露位置粗区间的计算公式,利用OLGA软件搭建管道泄漏模拟系统,计算了管道的泄漏点,可实现对泄漏点的准确定位,可及时发现海底管道的泄漏风险并进行故障维护。

基于改进小波变换的多层量子图像加密算法研究

提出一种基于改进小波变换的多层量子图像加密算法。应用混沌序列和改进生成对抗网络,建立密钥池,对多层量子的明文图像进行置乱处理,通过重复两次FFT,得到最终的密文图像。为确保加密过程可逆性,改进小波变换重建多层量子图像。实验结果表明:研究方法对图像具有理想的加密效果,且解密后图像仍然可保持较高分辨率。

基于改进经验小波变换模型的供能管道移动GIS综合智慧巡检策略

当前供能管道巡检策略由于对管道的缺陷特征提取不够纯净,导致缺陷定位准确度差,因此,提出了基于改进经验小波变换模型的供能管道移动GIS综合智慧巡检策略。利用移动GIS技术采集管道数据,根据管道数据采用改进经验小波变换模型对管道缺陷特征进行提取,其树状结构的子频带自分解能够准确分辨出缺陷源信号与其他干扰信号,提取到更加纯净的缺陷特征,并对缺陷特征向量特征集进行滤波,从而计算出管道缺陷的具体位置。在实验论证中,对提出的策略的定位准确性进行了验证,结果表明,提出的策略应用于供能管道巡检中,对管道缺陷定位的准确性较高。

基于改进小波变换的电气一次设备故障检测研究

传统的电气一次设备故障检测方法通常基于固定的阈值进行故障判断,导致故障检测的误报率较高。针对上述问题,提出基于改进小波变换的电气一次设备故障检测方法。首先,通过监测电气一次设备的状态,实时获取设备的运行数据。接下来,利用改进小波变换对故障信号进行分解,将复杂的信号分解为多个尺度的成分。最后,根据信号分解与特征熵值从大量的数据中自动提取出与故障相关的特征,利用这些特征进行故障检测。实验结果表明,基于改进小波变换的电气一次设备故障检测方法的误报率低,检测结果具有较高的可信度,具有应用价值。