基于自适应小波变换与HHT的混合储能容量配置

混合储能系统能有效缓解风电输出功率强波动性与随机性造成电网频率不稳定问题。本文以蓄电池和超级电容组成的混合储能系统为研究对象,提出了一种混合储能容量配置方法。该方法首先采用自适应小波变换对风电输出功率进行功率一次分配,得到满足条件的并网功率和储能功率。然后采用HHT变换对储能功率进行分解,得到一系列波动功率分量以及各分量的瞬时频率。再根据瞬时频率确定分界频率,将高于分界频率的功率分量分配给超级电容,剩余的功率分量分配给蓄电池。最后根据蓄电池与超级电容各自的储能功率,对储能系统的额定容量与额定功率进行配置。该仿真结果表明,本文采用自适应小波变换与HHT变换能够有效地将风电输出功率进行分解,实现风电输出功率的平抑与混合储能系统的容量与功率配置。

一种扩展的自适应小波变换算法及应用

在Claypoole自适应小波变换基础上,提出了一种扩展的自适应小波变换方法。该方法将Sweldens构造小波的内插细分多项式,由奇次扩展到正整数次,从而扩大了自适应小波消失矩的选择范围。将自适应小波变换与扩展自适应小波变换应用于信号滤波,结果表明:扩展自适应小波变换,得到了理想的滤波效果,也为应用提供了更广泛的自适应小波选择。

电力变压器励磁涌流判别的自适应小波神经网络方法

励磁涌流识别一直是电力变压器差动保护中比较关注的问题。文中提出了一种基于自适应小波神经网络实现变压器励磁涌流判别的新方法。结合励磁涌流和内部故障电流的特点,构建了一个四层的自适应小波神经网络模型,并对其具体的实现方法进行了详细的分析;利用ATP-EMTP 程序进行仿真计算生成训练样本和测试样本,对所构建的网络进行了训练和测试,结果表明自适应小波神经网络能准确、可靠地识别出变压器的励磁涌流状态。

基于自适应小波分解和SVM的模拟电路故障诊断

为了降低模拟电路参数故障的测试难度,提出了基于自适应小波分解和SVM的模拟电路故障诊断的新方法,该方法对电路故障响应进行小波分解提取最优故障特征,母小波的选择是根据被测电路的正常响应和故障响应小波系数之差的最大均方根原则,并引入支持向量机对故障进行分类识别。小波分解具有自适应性,支持向量机结构简单,泛化能力强。实验结果证明了所提的基于自适应小波分解和SVM的模拟电路故障诊断方法是有效的,其故障诊断率大于96.8%。

模式自适应小波时能密度法及其在微差爆破振动信号分析中的应用

如何解决适合爆破振动信号特征的爆破振动信号小波基构造、添加及其实现等问题,始终是困扰广大研究者的难题。为准确确定微差爆破振动信号实际微差延迟时间,在模式自适应小波原理的基础上,构造了从实测微差爆破振动信号中分离出子信号的模式自适应小波基,然后将该模式自适应小波基添加到Matlab小波分析工具箱中,并提出了一种新的基于爆破振动信号分析的模式自适应小波时能密度法。以实验设计的多段微差爆破振动信号进行模式自适应小波时能密度法分析为例,验证了该方法的可行性。该方法亦可用于分析实测微差爆破振动信号在实际微差延迟时间的确定,并与db8小波法和模式自适应小波法进行比较,结果表明模式自适应小波时能密度法具有更好的应用效果,从而为爆破振动信号分析在实际工程中的应用提供了参考。

基于自适应小波变换的织物密度测量

应用自适应小波变换技术以实现机织物密度的自动测量。先运用Wiener2和直方图均衡技术对织物图像进行预处理,增强图像的纹理特征;接着选取自适应小波技术对织物图像进行分解;再对分解得到的子图像进行二值、平滑等后处理;最后通过分析后处理图像的经纬纱线信息得到织物密度。试验结果证明,运用该方法能够准确测量3种基本组织的织物密度,是一种行之有效的方法。另外,还简要介绍了自适应小波的构造技术。

煤与瓦斯突出自适应小波基神经网络辨识和预测模型

由于煤与瓦斯突出是一典型的复杂非线性动力系统,影响因素很多,如应力、煤层特征、构造等,且各影响因素相互关联,因此,采用非线性人工神经网络进行煤与瓦斯突出的模式辨识与预测是十分必要的。针对具体的不同煤层条件,建立自适应小波基神经网络激活函数模型,用于煤与瓦斯突出系统的辨识和预测,实现由网络本身自动确定神经单元的数目,避免人为因素的影响,提高辨识和预测的可靠性和智能化程度。实例分析结果表明,所建立的自适应小波基神经网络激活函数模型,辨识和预测精度高,具有重要的推广应用价值。

基于提升方案的自适应小波变换

介绍了小波变换提升方法 ,并引入自适应理论和多层提升方案。讨论了一种新的自适应方案 ,并对研究结果进行了测试 ,取得了较好的效果。

模式自适应小波构造与添加及其在爆破振动信号分析中的应用

小波分析中所用到的小波基既不是任意的也不是唯一的,同一信号使用不同的小波基进行分析时会产生不同的结果,如何解决适合爆破振动信号特征的小波基构造、添加及其实现等问题,始终是困扰广大研究者的难题。针对爆破振动信号具有持时短、突变快等特点,通过对从实测微差爆破振动信号中分离出的子信号进行模式自适应匹配,构造与实测爆破振动信号波形相似度高的小波基函数,然后将该爆破振动信号小波基添加到MATLAB小波分析工具箱中,并用于对微差起爆延时间隔的精确定位,结果表明所构造的模式自适应连续小波具有良好的应用效果,从而为爆破振动信号分析在实际工程中的应用提供了参考。

基于自适应小波网络的汽轮发电机组振动故障诊断方法的研究

基于自适应小波网络理论，构造了一个应用于汽轮发电机组振动故障诊断与识别的自适应小波网络分类器。仿真结果表明，该方法具有良好的诊断性能，且收敛速度快，是一种有效的诊断方法。同时对该网络的分类性能进行了分析，得出了一些具有实际价值的结论。

广义自适应小波在内燃机诊断中的应用

对自适应小波（ＡｄａｐｔｉｖｅＷａｖｅｌｅｔｓ）分析理论加以推广，提出了广义自适应小波分析技术理论（ＧｅｎｅｒａｌｉｚｅｄＡｄａｐｔｉｖｅＷａｖｅｌｅｔｓ），并应用基因遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ，简称ＧＡｓ）实现了振动信号的广义自适应小波分析。计算机仿真结果表明ＧＡｓ用于自适应小波和广义自适应小波分析是十分有效的方法。最后，应用广义自适应小波分析对内燃机进行了诊断。

基于自适应小波变换的嵌入图像压缩算法

针对遥感、指纹、地震资料等图像纹理复杂丰富、局部相关性较弱等特点,文章通过实施自适应小波变换、合理确定系数扫描次序、分类量化小波系数等措施,提出了一种高效的图像压缩编码算法。仿真结果表明,相同压缩比下,本文算法的图像复原质量明显优于SPIHT算法(特别是对于纹理图像,如标准图像Barbara)。

自适应小波降噪的泵机组故障诊断

泵机组故障诊断的难点在于信号特征向量的提取,而故障特征往往淹没在复杂的噪音中。本文利用自适应小波函数对采集到的振动信号进行降噪,滤掉了无关的噪声信息,根据振动能量的分布,对降噪过的信号进行四层小波包分解,提取出的特征向量分布明显。最后将分类特征向量输入神经网络进行训练,测试的结果证明,该方法识别精度高、速度快,具有良好的应用前景。

粒子群优化自适应小波神经网络在带电局放信号识别中的应用

XLPE中压电缆局部放电(PD)带电检测获得的信号可能源于电缆本体、电缆终端头,也可能来自于与之连接的开关柜中的电晕放电或表面放电等。由于不同来源的PD信号,对设备的危害不同,其判断标准也有所不同,故有必要对PD信号的来源进行识别。本文提出一种基于自适应小波神经网络的XLPE电缆PD识别方法,构建了一个4层自适应小波神经网络模型,对实验室获得的PD波形进行识别;提出使用粒子群算法先进行一次优化,后使用BP算法进行二次优化的训练方法;讨论了不同网络结构及小波函数对网络性能的影响。研究结果表明PSO-BP组合优化的自适应小波神经网络的训练效果明显优于单独使用BP算法,能够准确、可靠的对PD信号进行识别。

自适应小波阈值语音增强新方法

针对单一小波阈值语音增强方法降低语音可懂度这一问题,提出一种基于自适应小波阈值的语音增强新方法.根据噪声帧频谱的平整度判断出噪声的类型,即是白噪声(含频响曲线比较平整的有色噪声)还是频响曲线不平整的有色噪声.由于不同类型的噪声具有不同性质的L ipsch itz指数,对两种不同的噪声类型分别采用不同的自适应小波阈值对带噪语音信号进行增强处理.用计算机仿真和实际环境录制的语音数据对该方法的性能进行了测试,实验结果表明在两种实验数据情况下,该方法均具有较好的噪声抑制能力.

基于自适应小波消噪的数字调制识别优化算法

为了改善数字调制识别在低信噪比下的识别性能,该文提出了基于瞬时信息的自适应小波阈值消噪的调制识别优化算法。该方法采用自适应小波阈值消噪算法对瞬时信息进行消噪以提高瞬时信息的信噪比,并在已有的两个特征参数σap和σdf的基础上,改进了特征参数Ra和Rδa,以降低判决门限设置的敏感度。仿真结果表明,即使在信噪比低达1dB时,7种数字调制的成功识别率都达到96%以上。与已有算法相比,该优化算法具有实现简单、计算量小和极低信噪比下识别率高等优点。

一种基于HVS和自适应小波变换的彩色图像水印算法

数字水印技术是实现数字产品产权保护的一种新方法。本文提出了一种基于HVS和自适应小波变换的彩色图像水印改进算法。首先利用改进的自适应小波变换对原始图像进行处理,然后采用混合置乱算法对水印图像进行处理。同时根据HVS的特点来确定水印的嵌入强度。实验证明这种算法具有较好的隐蔽性,对各种图像处理操作是鲁棒的。

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.

基于自适应窗和形状自适应小波变换的SAR图像相干斑抑制

结合SAR图像空域的先验知识和小波域系数的特性,提出了一种新的SAR图像相干斑抑制算法.使用最近提出的局部多项式近似-置信区间交叉(local polynomial approximation-intersection of confidence intervals(LPA-ICI))构造自适应窗,寻找到与SAR图像中每个像素点相对应的同质区域,在每个同质区域内利用本文给出的快速形状自适应小波变换进行硬阈值收缩抑斑,最后根据本文提出的稀疏加权方法融合多个估计样本获得最终抑斑图像.实验结果表明本文提出的算法有着很好的抑斑性能,尤其是在去除重构图像中的"振铃"效应以及有效保留原始SAR图像中的点目标方面性能更突出.

基于自适应小波阈值的SAR图像去噪算法

针对传统阈值去噪方法处理合成孔径雷达(Synthetic Aperture Radar,SAR)图像存在的失真,边缘模糊等问题,提出了一种自适应小波阈值算法。首先对经过对数变换后的SAR图像进行小波变换。然后利用自适应小波阈值对变换后的SAR图像高频部分进行去噪处理,去噪后再对其进行小波逆变换处理。最后再进行一次指数变换,达到去噪的目的。实验结果表明,该算法能够得到较好的去噪效果,并且还有效地解决了传统算法所带来的不足。