基于高精度北斗技术与聚合逻辑的电力系统突变信号监测系统

为避免电力设备突变信号造成的电力系统运行风险,提出了一种基于高精度北斗技术与聚合逻辑的电力系统突变信号监测系统,该系统使用信号数据采集模块的高精度北斗系统定位电力系统设备位置、采集设备原始信号数据,将其采用通信网络模块传输到信号数据处理模块,该模块根据接收到的信号数据依次完成信号滤波、聚合处理和突变信号检测,预警模块通过比较突变信号数值与设定的经验阈值向管理人员发送报警信息,并以图表等形式将监测结果呈现给用户,实现电力系统突变信号监测。算例验证结果表明,该系统具有良好的电力系统设备定位效果和原始信号去噪能力,能有效检测出电力系统突变信号,并能满足突变信号监测实时性要求。

数学形态学算子在电力系统突变信号检测中应用

数学形态学是一种非线性图象(信号)处理和分析工具,对信号特征的提取完全在时域中进行,信号的相位移和幅值特征不会变化。详细介绍了一维情况下灰度形态变换、形态学算子构造的滤波器和提取暂态突变特征等。应用电力系统暂态仿真软件PSCAD/EMTDC,仿真结果表明,在选择合适结构元素的条件下,数学形态算子有很好的滤波功能,对突变信号的检测具有速度快、时延小、易于分辨等特点。

小波基时频特性及其在分析突变信号中的应用

在机械设备的在线检测和故障诊断中 ,振动信号分析是十分重要的手段。包含在振动信号中的突变信号是重要的特征信息。小波分析在在线检测和故障诊断中已逐渐得到了广泛的应用。但采用不同的小波基 ,分析结果有很大的差异。笔者通过对小波基时频特性进行分析比较并结合故障分析实例和仿真结果 ,总结了选择合适小波基的一些方法。

小波变换对突变信号峰值奇异点的精确检测

研究了小波变换对突变信号峰值奇异点的精确检测机理和方法,采用了离散小波变换的直接算法,避免了塔式算法在本检测方法中的某些局限性。通过模拟算例和应用实例的验证,证明即使在有严重噪声干扰的情况下,该方法也很容易实现对突变信号峰值奇异点的准确检测和精确定位,具有相当高的定位精度(其误差不大于1个采样点)和分析精度(不存在累积误差),同时具有较高的实时性。

小波变换在突变信号识别中的应用

小波变换具有识别转动机械振动突变信号的特性。小波变换改进的单子带算法能有效识别第一类突变点,但对于第二类突变点却无法有效识别。进一步的研究发现,单子带改进算法对一些不需要的点作置零运算时,由于没有合理的过渡,使得对置零后的信号再进行傅里叶反变换时带入了许多噪音,造成对第二类突变信号无法有效识别。针对该问题,通过引入过渡函数,提出了进一步完善的单子带重构改进算法,解决了第二类突变信号的识别问题,并应用相关实例——泵刚度突变仿真数据进行分析,验证了方法的有效性。

基于小波的突变信号识别方法及应用研究

小波的空间局部性使它能聚焦于信号的局部结构,用来确定信号的突变性位置。但进一步研究发现,小波变换改进的单子带算法虽能有效识别第1类突变点,但对于第2类突变点却无法有效识别,且二进离散小波变换的快速算法还存在频率混淆等问题。通过深入研究提出了引入过渡函数的单子带重构的改进算法,解决了第2类突变信号的准确识别问题,通过相关实验验证了该方法能较好地解决主泵转子刚度突变等信号的有效识别问题。

基于EEMD-HT的飞行数据小突变信号检测

针对快速存取记录器(quick access recorder,简称QAR)所记录的飞行数据小突变信号监测问题,提出一种总体经验模式分解(ensemble empirical mode decomposition,简称EEMD)结合希尔伯特变换(Hilbert transform,简称HT)的时频分析方法。介绍了EEMD的基本原理及其求解步骤,在评估实际QAR数据序列的平稳性的基础上,对存在小突变的飞行数据序列进行求解分析。结果表明EEMD可有效抑制模态混叠现象,基于EEMD求解结果的希尔伯特谱与瞬时能量密度水平可检测出飞行数据中的小突变信号,证实了EEMD结合HT对QAR数据中小突变信号检测的有效性。

在线传感器突变信号的检测与区分

为了准确区分传感器突变信号产生的原因,提出了基于数学模型的小波频带分析法.针对工业流程中的测控系统,分析了输出突变信号的频率组成与突变原因的关系.用小波频带分析技术,将高低频信号分离,并进行能量统计,根据高低频信号能量比例的变化,判断出突变信号产生的原因.经典型控制系统的计算机仿真和恒压供水系统实验结果表明,该方法能够有效地诊断出传感器是否发生故障.

小波分析在突变信号检测中的应用

本文探讨基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法 ,在不同尺度上分析和处理信号的各种频率成分 ,使信号的奇点、突变点放大 ,提高信号的分辨率、信噪比 .提出通过二进小波变换检测信号奇异点的实用技术 ,有效地检测出滚动轴承故障发生的起始点 。

应用小波变换实现突变信号检测

介绍了基于小波变换模极大值的奇异性检测理论,针对噪声中故障信号突变点的检测问题,根据信号和噪声的模极大值的尺度变换特性,提出利用3层以上细节信号的乘积作为检测信号。该方法既可以达到增强信号的目的,又可以抑制噪声,求该乘积信号的小波变换,可以实现奇异点精确定位。

基于FPGA的无刷直流电机突变信号采集器设计

介绍了一种基于FPGA的无刷直流电机突变信号采集器设计方案。设计以FPGA为系统的运算及控制核心,以高速ADC器件为信号采集模块,同时配备以SDRAM、FLASH等外围配置模块,完成在恶劣环境下对无刷直流电机突变信号的采集。系统测试结果表明本文所设计的采集器体积小、功耗低、稳定性好,能效实现对信号突变环境下的无刷直流电机信号的特征分析和数据采集。

小波变换在突变信号检测中的应用仿真研究

本文介绍了小波变换及其检测突变信号的基本原理,选用了具有低通特性的高斯函数高斯函数作为小波基的小波变换能够有效识别出非平稳态的突变信号,而且小波尺度大小的选择与检测精度有直接关系。

突变信号的时幅拐点分析法

为解决发动机高速轴承振动数据时域信号中隐藏的突变信号难以精确时频定位的问题,提出一种突变信号的时幅拐点分析算法.该算法首先通过离散傅里叶变换对信号进行特征频率的提取,再针对该特征频率进行时移傅里叶分析,通过该频率时移傅里叶分析下的时幅拐点找出突变信号的进入时刻和消失时刻,最后通过对确定时段内的信号进行二次傅里叶分析获得该突发信号的幅值.理论分析、理论仿真和高速轴承振动数据工程仿真验证均表明,该算法能准确捕捉和提取突变信号的幅值及其在振动信号中的出现时刻和消失时刻.

基于小波变换的突变信号的检测

当今运用小波变换这一新的数学工具,对于由基本平稳的慢变信号和阶跃型突变信号线性组合构成的这类信号,一种以小波变换为主体的检测和分析方法已得到应用。文章以突变信号中的地震突变信号为例,通过使用小波变换的理论分析方法,同时辅以Matlab仿真,达到对于突变信号突变点的检测与分析。

大气探测激光雷达突变信号处理方法研究(特邀)

在大气探测激光雷达的实际应用中,当激光探测路径上存在后向散射系数很大的云雾、烟尘或硬目标,且由其引起的突变信号强烈到一定程度时,使用Fernald法后向积分反演消光系数会在突变信号后向数据中产生明显的反演误差。根据Fernald法后向积分的特点并结合分段斜率法,提出了一种新的反演方法以应对上述情况,优化了传统算法的反演策略。即通过判断突变信号位置不断更新参考距离和边界值进行迭代反演,并将更准确的反演数据拼接覆盖到初始反演数据中。使用垂直和水平探测所得到的实测数据对反演方法进行有效性验证,并且对被优化数据和邻近无突变信号时相应的数据进行了对比。结果表明,相比传统算法,垂直和水平探测的相关数据在新的反演方法下分别优化了消光系数相对误差约79%和96%,验证了该方法具有一定的可行性。

一种基于突变信号分析和最小二乘法的指纹图像分割算法

针对指纹图像分割的问题，笔者提出了一种基于小波变换突变信号分析原理对指纹边缘进行检测。并结合最小二乘法拟合方法的指纹检测和分割算法。该算法首先将原指纹图像利用平滑函数进行平滑处理，然后使用高斯函数的一阶导数卷积计算水平和垂直方向的突变点，最后使用最小二乘法从不同方向拟合突变点。实验结果表明，该方法能够准确地将指纹图像从背景图像中分割出来。

基于动态时间规整的电力系统突变信号自动识别方法

针对传统信号识别方法准确性差,提出基于动态时间规整的电力系统突变信号自动识别方法。引入电力系统突变信号的阈值函数,得到突变信号去噪处理后的重构公式,预测电力系统突变信号的平均误差值。利用动态时间规整原理设定小波阈值的取值范围,根据最优阈值的选择方法得到经过去噪处理的电力系统突变信号,构建电力系统突变信号矩阵集,得到电力系统突变信号图域特征测试信号特征集合,提取电力系统突变信号图域特征,计算电力系统突变信号的特征向量方差和平均误差值,实现电力系统突变信号的自动识别。实验结果表明方法具有一定有效性,通过突变信号噪声含量测试实验,验证了方法在信噪比指标上具有一定优越性,有效提高电力系统突变信号的识别性能。

电力系统突变信号检测的一种实时小波算法

在积分小波变换的基础上 ,以选择的复值小波为例 ,分析了一种实时递推小波算法 ,详细推导了算法的实现过程 ,该算法大大减少了现有双向递推算法的计算量 ,可用于电力系统各领域故障信号的实时检测 ,并能推广实现其他小波函数的快速递推算法 .基于复值小波变换相位信息对奇异性的敏感 ,提出了利用复值小波快速递推算法的相位信息辅助幅值信息进行电力系统故障突变信号实时监测的方法 .并通过算例论证了这种复值小波和其实时递推算法检测故障的有效和实用性 .

信号突变点的检测识别研究及应用

通过研究MATLAB软件对信号的预处理方式,并分析多种小波变换的特点及提取能力,探究对人体血压信号突变点的优化提取及识别方法。主要步骤为:利用移动平均滤波器对血压信号进行平滑去噪处理,采用Mexh小波变换实现信号特征提取,应用findpeaks函数进行识别,完成对人体血压信号的分析和处理。实验验证测量误差为0.5 mmHg,处于可允许误差范围之内。

基于小波变换的信号突变特征提取与定位

将小波变换应用于多普勒信号分析,研究了小波变换对高速火炮多普勒回波信号突变特征的准确检测和精确定位,实现对炮弹出膛时刻的提取,从而提供每发弹丸的起始时间零点。仿真结果表明,该方法能够有效提取弹丸出膛时刻,具有较高的定位精度。