Online Detection of Broken Rotor Bar Fault in Induction Motors by Combining Estimation of Signal Parameters via Min-norm Algorithm and Least Square Method

Current research in broken rotor bar （BRB） fault detection in induction motors is primarily focused on a high-frequency resolution analysis of the stator current. Compared with a discrete Fourier transformation, the parametric spectrum estimation technique has a higher frequency accuracy and resolution. However, the existing detection methods based on parametric spectrum estima- tion cannot realize online detection, owing to the large computational cost. To improve the efficiency of BRB fault detection, a new detection method based on the min-norm algorithm and least square estimation is proposed in this paper. First, the stator current is filtered using a band-pass filter and divided into short overlapped data windows. The min-norm algorithm is then applied to determine the fre- quencies of the fundamental and fault characteristic com- ponents with each overlapped data window. Next, based on the frequency values obtained, a model of the fault current signal is constructed. Subsequently, a linear least squares problem solved through singular value decomposition is designed to estimate the amplitudes and phases of the related components. Finally, the proposed method is applied to a simulated current and an actual motor, the results of which indicate that, not only parametric spectrum estimation technique.

Min-norm spatial spectrum based on acoustic vector-sensor linear array

The high resolution of DOA（direction of arrival） estimation could be obtained by using the min-norm algorithm. In this paper, the expression of the min-norm spatial spectrum based on acoustic vector-sensor（AVS） linear arrays was presented and simulation study was carried out. Results of simulations indicated that left/right ambiguity could be removed and better performance for DOA estimation was obtainable when dealing with sources close to endfire than using pressure hydrophone linear arrays, and the interelement spacing was allowed to exceed the half-wavelength upper limit. A three-element vector hydrophone linear array with two meters interspace was designed. The AVS experiment was carried out at Songhua Lake in Jinlin Province. Experimental results show a high resolution tracking of targets can be obtained using the rain-norm algorithm.

Cross-spectral root-min-norm algorithm for harmonics analysis in electric power system

To avoid drawbacks of classic discrete Fourier transform(DFT)method,modern spectral estimation theory was introduced into harmonics and inter-harmonics analysis in electric power system.Idea of the subspace-based root-min-norm algorithm was described,but it is susceptive to noises with unstable performance in different SNRs.So the modified root-min-norm algorithm based on cross-spectral estimation was proposed,utilizing cross-correlation matrix and independence of different Gaussian noise series.Lots of simulation experiments were carried out to test performance of the algorithm in different conditions,and its statistical characteristics was presented.Simulation results show that the modified algorithm can efficiently suppress influence of the noises,and has high frequency resolution,high precision and high stability,and it is much superior to the classic DFT method.

超分辨率Root-Min-Norm井下定位算法

对不能处理相关信号的求根最小范数（Root—Min—Norm）算法进行了修正，对信号估计协方差运用了前后向平滑处理，在小样本条件下提高了相关矩阵和TDE（Time Delay Estimation）估计精度。将该超分辨率算法应用到井下定位算法当中，通过仿真实验得到的统计结果表明超分辨率Root—Min—Norm算法是一种高分辨率、高精度、高稳定性的算法，具有很大的实际推广价值。

基于四阶累积量的最小模DOA估计方法

高阶累积量由于对高斯噪声不敏感,在高分辨阵列信号处理中可用来提高参数估计的分辨性能。本文从一个统一的角度来研究基于高阶累积量的高分辨阵列信号处理方法,用四阶累积量构造了一个较通用的累积量矩阵,该矩阵符合最小模(M in-Norm)算法的结构,从而可进行DOA(D irection of Arrival)估计。由于四阶累积量对高斯噪声干扰不敏感,从而可提高估计的分辨性能。本文就这种方法在阵列信号处理中的应用,通过计算机仿真与基于二阶矩的M in-Norm算法进行了较全面的比较。仿真结果表明,该方法在高斯噪声中具有良好的统计性能,是实现高分辨方位估计的有效方法。

基于高阶累积量的空间谱估计测向

给出了四阶累积量的定义和性质,阐述了使用四阶累积量进行空间谱估计的原理,仿真实验结果表明了该方法的有效性。

一种新的DOA估计方法

用四阶累积量构造了一个较通用的累积量矩阵,该矩阵符合最小模(Min-Norm)算法的结构,从而可进行DOA估计。仿真结果表明,该方法在高斯噪声中具有良好的统计性能,是实现高分辨方位估计的有效方法。

一种用于电力系统谐波与间谐波分析的超分辨率算法

文中总结了经典DFT方法的缺陷,将现代谱估计理论引入电力系统谐波、间谐波分析领域,详细讨论了基于子空间分解的Min-Norm算法原理,针对其估计性能受噪声影响大的缺点,提出了基于互相关的互谱Min-Norm算法,利用白噪声序列的独立性及互相关运算有效地抑制了噪声对算法的影响,并将其用于电力系统谐波、间谐波分析。仿真结果表明该算法不仅具有超分辨率特性,而且可在低信噪比环境中获得高分辨率、高精度、高稳定性的谐波、间谐波分析结果,具有经典DFT方法无可比拟的优越性,可推广应用于电力系统谐波、间谐波测量领域。

一种快速波达方向估计算法

提出了一种基于多级维纳滤波的波达方向估计算法.利用均匀等距阵列的互相关向量处于信号子空间内的特点,采用多级维纳滤波得到了一种不需要期望信号和特征分解的信号子空间估计方法,然后采用最小范数求根方法得到波达方向的快速估计.该方法在没有期望信号的环境下能够快速有效估计波达方向,其计算复杂度为O(NLP),这里N为阵元数,L为样本数,P为信源数.最后通过仿真实验验证了该方法的有效性.

极小范数算法在智能天线AOA估计中的研究

在智能天线关键技术的研究中,根据阵列信号处理的到达角(Arrival Of Angel)估计在信源定位和波束形成方面的问题,针对天线系统对稳定性的要求,为了提高信噪比和系统频率,提出特征分解的子空间估计算法。经典子空间法在求解采样协方差矩阵时存在计算误差及计算量大等缺点,提出了一种多平面波信号到达角估计算法。算法利用极小范数技术构造约束条件,求解噪声最佳权矢量构造噪声子空间EN,然后进行谱峰搜索和到达角估计,并对影响算法性能的几种因素进行了仿真,仿真结果表明方法是有效的。算法具有分辨率高、计算量小等优点,在实际非相关多信号检测中具有一定的实用性。

基于一类模运算的模糊神经网络的模糊联想记忆

本文通过Ｔ－模建立的一类模糊神经网络推广了ｍａｘ－ｍｉｎ神经网络。对于给定的模糊模式对（Ｘ１，Ｙ１），…，（Ｘｐ，Ｙｐ），我们得到了这类网络能够存储这族模糊模式对的充分条件和必要条件。并将所讨论的方法应用于一类带阈值的ｍａｘ－ｍｉｎ神经网络，证明了这类网络能够存储给定的一族模糊模式对的等价条件。最后用实例验证了我们的结论。

遵守医学科技伦理道德 促进医学科技发展——学习江泽民关于医学科技伦理的重要论述

发展医学科技事业是江泽民同志非常关注的一个重要问题,其医学科技伦理思想主要包括四个方面的内容:必须重视医学科技伦理问题;医学科技的发展必须为人类造福;尊重医学科技工作者的劳动成果,保护知识产权;诚信、求实创新、拼搏奉献、团结协作,这些内容是医学科技发展的内在要求,也是医学科学研究中必须遵循的道德规范。

幅相误差对两类高分辨测向算法性能的影响

高分辨测向算法主要包括MUSIC算法、最小范数法、前向平滑算法和修正MUSIC算法等。无论是针对独立源或是相干源,在没有考虑阵元的幅相误差的情况下,这些算法都能准确进行到达方向(DOA)的估计。主要考虑存在幅相误差时,两类高分辨测向算法(最小范数法和前向平滑算法)的DOA估计性能。最后,给出了计算机仿真结果,并对幅相误差对算法的影响作了性能分析。

Lusin面积积分函数在Lip_α（R^n）（0＜α＜min｛ε，2^（－1）｝）上的有界性

本文证明了Ｌｕｓｉｎ面积积分函数ｓ（ｆ）的一个性质，即当ｆ∈ＬｉＰα（Ｒ~ｎ）（０＜α＜ｍｉｎ｛ε，２~－１｝）时，若存在点ｘｏ使得ｓ（ｆ）（ｘｏ）＜＋∞，则Ｓ（ｆ）∈Ｌｉｐα（Ｒ~ｎ）且‖ｓ（ｆ）‖Ａα≤Ｃ‖ｆ‖Ａα，这里Ｃ仅与ｎ、α有关。

Lusin面积积分函数在Lipα(R^n)(0<α

本文证明了 Lusin面积积分函数 S( f)的一个性质 ,即当 f∈Lipα( Rn) ( 0 <α<min{ε,2 - 1})时 ,若存在点 x0 使得 S( f ) ( x0 ) <∞ ,则 S( f)∈ Lipα( Rn) ( 0 <α<min{ε,2 - 1})且‖ S( f )‖∧α≤ C‖ f‖∧α这里 C仅与 n、α有关 .

基于取小t-模的模糊子格的度量

本文首先给出了模糊子格度的新概念,然后利用模糊子格度讨论了格的模糊子集是模糊子格的程度。其次利用格的模糊集的(强)水平集得到了模糊子格度的等价刻画。最后给出了格的模糊子集的同态象与原象的模糊子格度的性质。