频率矫正广义S变换及在储层含油气性预测中的应用

随着我国油气勘探程度的不断加深,陆相页岩油气等非常规油气逐渐成为我国勘探开发的重点,陆相页岩非均质性强、储层薄且纵横向变化剧烈等典型特征导致含油气性预测精度差,影响后续井位部署和生产等.时频变换方法是储层含油气性预测最有效的工具.为了提高储层含油气性预测的精度,本文提出了一种频率矫正广义S变换(Frequency-Corrected Generalized S-Transform, FCGST),该变换既具有S变换多尺度多分辨率的特性,又可以通过自适应选取窗函数参数以控制窗函数的带宽和主频等,这一特性可以适用于不同工区地震数据的处理与解释.与传统的S变换和广义S变换不同,该变换修正了传统S变换和广义S变换中的尺度因子,改善了S变换和广义S变换等传统方法中时频谱主频向高频方向偏移的问题,有利于精确描述复杂储层含油气性.合成数据算例表明,频率矫正广义S变换提升了地震信号局部时频特征的表征能力;将频率矫正广义S变换应用于鄂尔多斯盆地某工区储层含油气性预测中,实钻结果数据进一步验证了该时频分析方法在储层含油气性解释中的有效性和潜力.

基于哨兵函数和S变换的风力机叶片材料损伤特性研究

利用声发射检测技术研究玻璃纤维增强环氧树脂复合材料的损伤特性,在此过程中,采用哨兵函数来表征该材料的损伤程度,并通过S变换和模糊C均值(FCM)聚类来分析声发射信号,从而获得材料的损伤特征。三点弯曲实验结束后对试件断口进行扫描电子显微镜(SEM)拍照来验证,可得:通过对SEM照片的分析得到基体开裂、纤维脱粘、分层破坏、纤维断裂4种损伤模式;对整个声发射事件进行哨兵函数分析,观察到试件在弯曲过程中哨兵函数曲线呈明显下降趋势;对依据哨兵函数划分的不同阶段的信号进行VMD降噪处理,然后采用S变换进行时频分析得到不同损伤的特征频率,最后采用FCM聚类进行验证。结果表明:哨兵函数值的突变可作为材料断裂的预警信号,材料损伤类型的识别可依据S变换的频率分布结果进行确定。

基于S变换双阈值法的汽车零部件载荷谱加速编辑

针对S变换编辑法加速编辑效果不佳的问题,提出了一种基于S变换双阈值编辑方法。该方法先对载荷谱进行S变换以获取最大幅值谱,在以双阈值识别并保留的幅值谱片段为依据保留对应的载荷谱片段后,再将其拼接成加速后的载荷谱,最后对比分析S变换双阈值编辑法与S变换编辑法编辑的加速谱的统计参数、功率谱密度、穿级计数和疲劳仿真结果。研究结果表明,S变换双阈值编辑法可明显压缩原始载荷时间,且其压缩效率高于S变换编辑法,转向节的疲劳损伤和寿命分析误差更小,适用于汽车零部件载荷谱加速编辑研究。

基于S变换模能量分析的直流电缆故障测距

针对现有高压直流电缆故障定位方法故障定位精度低、定位模型泛化能力差等问题,文中在考虑电缆故障后故障点产生的暂态信号中含有丰富的故障信息的特征,提出一种时频域能量分析的故障测距方法。该方法利用多分类支持向量机(SVM)的特性构建直流电缆故障定位模型,利用直流电缆相模解耦矩阵对电缆电气量解耦,并采用S变换进行时频域变换,将得到的模量构造模能量,将其作为样本对SVM模型训练。实验结果表明,所提方法对于不同故障类型在不同过渡电阻及不同位置故障下均可进行准确测距。

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。

基于同步压缩广义S变换的电力系统次/超同步振荡检测

为实现电力系统次/超同步振荡的快速、准确辨识,提出了一种基于同步压缩广义S变换(synchrosqueezing generalized S transform, SSGST)和改进稀疏时域法(improved sparse time domain method,ISTD)结合的次/超同步振荡辨识方法。该方法首先利用能量比函数对电力系统广域量测信息实时检测,当检测到信号能量发生突变时,利用SSGST对检测到的振荡信号分解得到相应的SSGST时频系数矩阵;然后通过改进的脊线提取方法在时频域实现对各振荡分量的最优轨迹搜索;进一步,结合最优轨迹时频索引重构各振荡分量的时域分量,并利用ISTD辨识方法计算出各振荡分量的频率和阻尼比系数;最后,通过自合成模拟信号、双馈风电场经串补并网系统仿真信号和某实际风电场实测数据验证了所提方法的准确性和有效性。

基于同步提取广义S变换的机械故障诊断方法研究

现有的同步提取变换(synchroextracting transform, SET)窗函数固定缺乏灵活性,在进行故障诊断时很难有效获取到高时频精度和高抗干扰性能的瞬时频率,针对此问题,结合广义S变换可以自适应调节窗函数宽度的优点,提出一种基于同步提取广义S变换(synchroextracting generalized Stransform, SEGST)的机械故障诊断方法。SEGST方法的特点在于将Rényi熵作为度量时频聚集性的标准,通过在高斯窗函数中引入2个尺度调节因子来选择参数的最佳值,对得到的广义S变换二维时频谱构造出同步提取算子来提取时频脊线处的时频系数,该算子能保留与信号的时变特征最相关的TF信息,剔除多余的模糊时频能量,从而得到高时频分辨率的时频能量特征。仿真结果表明,所提方法不论在时频分辨率方面,还是在噪声鲁棒性方面,都优于传统时频分析方法,并且保持了良好的重构性。最后,将所提方法应用于航空发动机高速滚动轴承故障诊断中,结果表明,该方法能够准确识别故障信号中的特征频率。

同步挤压S变换与τ⁃p变换联合的微地震信号消噪方法

微地震监测是指导页岩气开采水力压裂作业和评价压裂效果的常用手段。地面监测所采集的微地震信号能量弱、信噪比低,微地震事件识别困难,严重影响定位的准确性。针对低信噪比地面微地震监测资料,联合使用同步挤压S变换、谱分解和τ⁃p变换,提出一种新的消噪方法。首先对监测资料进行时差校正,将微地震信号的同相轴校平;之后使用同步挤压S变换对校平后的资料进行谱分解获取单频切片;再对每个单频切片进行τ⁃p变换,并根据τ⁃p变换的结果获取微地震信号位置;最后根据信号的位置在时频域完成消噪。实际低信噪比地面微地震监测数据的处理结果表明,新方法可以获得理想的消噪结果。

基于深度学习和广义S变换协同的风速预测

针对实测风速的非平稳性特点,提出一种基于深度学习和时频分析的风速混合预测方法。首先,采用经验模态分解(EMD)将风速分解为若干子层,由此得到趋势分量和脉动分量以降低风速的非线性。根据2个分量的时频特性,采用长短时记忆(LSTM)处理趋势分量,极限学习机(ELM)处理脉动分量。其次,引入广义S变换(GST)来获得预测过程中的时频特性。同时,采用改进的灰狼算法(IGWO)对GST、LSTM和ELM的参数进行优化。最后,以内蒙古某风场实测风速对所提模型进行验证,结果表明该模型具有较高的精度。

基于同步提取增强广义S变换的柴油机气门性能退化状态评估

柴油机在运行过程中气门间隙逐渐增大,其状态会随气门性能退化而发生改变。针对传统状态评估方法难以对其气门性能退化状态进行准确评估的问题,提出基于同步提取增强广义S变换(Synchro Extracting Enhanced Generalized S-Transform,SEEGST)的柴油机气门性能退化状态评估方法。通过传感器采集反映柴油机状态的振动信号;为解决传统信号时频分析方法存在时频分辨率低、能量聚集性弱等问题,基于同步提取算法与广义S变换提出SEEGST时频分析方法,将振动信号转换为二维时频图;利用MLP-Mixer模型提取时频图像特征进行训练,实现柴油机状态评估。通过柴油机状态监测实验台开展气门性能退化实验,将所提方法与SSGST-MLPMixer、GST-MLPMixer、SEEGST-ViT、SEEGST-2DCNN、FFT spectrum-1DCNN 5种传统方法对比。实验结果表明:所提方法的整体评估准确率达到98.96%,可有效应用于柴油机气门性能退化状态评估领域,为开展柴油机气门性能退化状态评估提供一种新的思路。

基于S变换的临汾水平摆倾斜观测数据年变信息提取及预测指标确定

临汾台水平摆多年来监测能力及资料的映震能力备受关注,为推进长周期破年变分析在临汾台水平摆资料的应用,本文利用一种基于S变换时频分析方法的破年变信息分离提取方法,采用双向非对称阈值策略,结合R值评分及Molchan图表法,构建了临汾水平摆东西测项破年变预测指标,给出了长周期信号变化(ANA)和短周期信号变化(ONA)对于不同震级档的最佳阈值、最佳预报范围、最佳预报时窗,预报效能R值均大于R0值,可信度高。其中ANA指标对于500 km以内的ML≥5级的预报效能最好。

基于广义S变换的高频地波雷达电离层杂波抑制方法

为了抑制电离层对高频地波雷达回波的干扰,文中提出了一种基于广义S变换(GST)的时频滤波方法,通过GST将受电离层污染的时域数据转换为时频域进行分析和处理,根据相邻时间窗信号和电离层杂波的相关性不同,依次将时间窗内数据构建Hankel矩阵,再进行子空间滤波,最终达到减轻电离层干扰的目的。通过与传统方法比较及实测数据处理分析,回波频谱中的电离层杂波抑制取得了较好的结果,进而验证了本方法在电离层杂波抑制中的可行性和有效性。

基于S变换时频谱和KHA-CNN的换流变故障声纹识别

为准确进行换流变压器故障诊断,保证直流输电可靠性,提出一种基于S变换时频谱和KHA-CNN模式的换流变故障声纹识别方法。利用自适应补充集合经验模态分解算法(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),实现换流变本体声纹信号与噪声的分离;通过S变换得到时频谱图,实现声纹信号的特征提取;通过磷虾群优化算法(krill herd algorithm,KHA)对卷积神经网络进行超参数寻优,将S时频谱图作为特征输入到KHA-CNN,实现故障诊断。研究结果表明:该方法对于换流变故障具有很好的识别效果,能为换流变故障诊断提供有效参考。

基于广义S变换的光伏电站谐波和间谐波分析方法

针对S变换高斯窗函数形式固定不变的问题,引入高斯窗调节因子改进S变换,提出一种基于广义S变换的光伏电站谐波和间谐波分析方法。首先通过MATLAB/Simulink搭建光伏电站的仿真模型,在自然采样双极性SPWM调制方式下采集逆变器的三相输出电压;然后以A相电压为例,采用广义S变换对电压信号处理得到一个模时频矩阵;最后对该矩阵分析实现光伏电站谐波和间谐波参数的准确计算。仿真结果表明,本文方法的幅值计算误差最大仅为3.30×10^(-4)%,频率的平均计算误差为0%,远小于S变换幅值误差35.19%和频率误差2.39%;能满足光伏电站谐波和间谐波检测精度的需要。

基于S变换相关度的配电网单相接地自适应有源消弧法

提出了基于S变换相关度的配电网单向接地自适应有源消弧法,有效消除了配电网单相接地故障电弧,提升了电力系统稳定性。采集配电网线路零序电流时序数据,经S变换获取零序电流时频信息矩阵后,计算并获取各线路间时频信息矩阵相关度矩阵,输入卷积神经网络模型,输出单相接地故障选线结果;在故障线路采用基于模糊准PR与PI控制的双闭环自适应控制方法,向配电网故障线路中性点注入零序电流,有效控制注入电流相位以及幅值,迫使配电网故障线路所在相的电压值为0,完成自适应有源消弧。实验结果表明:该方法可有效识别配电网单相接地故障线路,实现配电网单相接地自适应有源消弧,且可尽快完成单相接地自适应有源消弧工作,保证配电网安全稳定运行。

基于广义S变换和并联神经网络的结构损伤识别研究

目前在利用CNN网络提取特征的结构损伤识别研究中,仅仅利用1D-CNN和2D-CNN提取的特征进行损伤识别存在准确率低、识别效率不高等问题。提出了一种基于广义S变换和并联神经网络的结构损伤识别方法。为了丰富输入信号的特征维度,利用广义S变换将滤波后的信号转化成时频图,并同时将一维加速度响应信号和二维时频图分别输入1D-CNN和2D-CNN中进行时域和时频域特征提取,并在汇聚层进行特征拼接,然后通过FC层和Softmax层对损伤识别结果进行分类。利用IASC-ASCE SHM Benchmark结构第二阶段试验数据对所提出的并联网络模型进行验证,结果表明,所提出的网络模型与其他同类方法相比具有更高的识别精度和识别效率。

基于奇异值分解和S变换的齿轮故障诊断研究

为了在强背景噪声干扰下能从核电行星齿轮箱齿轮故障振动信号中提取出冲击特征进行故障诊断,文章将奇异值分解与S变换相结合,并借助MATLAB软件辅助来处理信号中的噪声,提取突出故障信息的冲击特征。采用的方法为:从含有噪声的信号中建立Hankel矩阵,使用3种不同的奇异值选择方法,即奇异值中值法、特征均值法以及奇异值差分谱法,对Hankel矩阵进行奇异值处理后,再重构信号,达到降低信号噪声的目的;对重构信号进行S变换,获得该重构信号的时频谱图;对时频谱图进行S逆变换,得到重构信号的冲击特征。研究结果表明:将奇异值差分谱法与S变换相结合提取出冲击特征的效果最佳,可以为核电行星齿轮箱齿轮相关故障的诊断提供先验信息。

基于局部最大值同步压缩广义S变换识别结构瞬时频率

为提升土木工程结构的瞬时频率识别精度,本文提出局部最大值同步压缩广义S变换方法.该方法首先对响应信号进行广义S变换;然后针对时频系数求取关于时间的偏导,进而估算信号的瞬时频率;最后采用局部最大值同步压缩算子来对时频系数进行重排,以此得到响应信号的瞬时频带.通过一组两层剪切框架模型的数值算例和一个七层钢筋混凝土剪力墙振动台试验验证该方法的有效性和可行性.研究结果表明,与既有的局部最大值同步压缩变换相比,本文方法不仅提升了瞬时频率的识别精度,而且改善了响应信号瞬时频带的时频聚集性.

基于零模行波S变换时频矩阵的配电网单相接地故障定位方法

为提高配电网发生单相接地故障时的定位精度,提出一种基于电压零模行波S变换时频矩阵的选线和定位方法。首先,将各条馈线末端行波检测装置测得的行波信号解耦,得到故障电压零模行波;然后,在主馈线、一级和二级分支支路等特殊位置设置故障,得到对应故障位置的S变换时频矩阵,建立确定故障支路的对比库;最后,将故障零模电压行波S变换时频矩阵与对比库中数据进行相似度对比,确定单相接地故障发生的馈线和所在支路,针对不同性质支路选取适应性最优的定位方法,实现配电网单相接地故障的精确定位。仿真结果表明:该方法的定位准确度高,且无须全网配备行波检测装置便能够实现配电网单相接地故障的精确定位。

广义S变换下串联故障电弧的时频分析及识别研究

在当前用户侧负载日益复杂的情形下,故障电弧信号难以有效识别,阻碍了线路隐患监测及预警技术的发展。该文基于广义S变换进行了故障串联电弧的时频分析及识别研究。首先,比较了短时傅里叶变换、小波变换、广义S变换3种电弧时频特征提取方法的区别,阐明广义S变换在处理非线性负载高频特征方面的优势。然后,利用双曲高斯窗的广义S变换对负载信号进行时频特征提取,构建图像特征样本。最后,利用二维卷积神经网络对样本进行训练及分类,通过准确率、识别结果聚类进一步分析和验证识别算法的有效性。该文算法总体识别准确率在96.81%,涉及负载广泛,为后续电弧故障的监测识别研究提供参考。