基于Teager-Kaiser能量算子Rife-Vincent窗频谱校正的电压闪变测量

分析了Teager-Kaiser能量算子的构成和Rife-Vincent窗的旁瓣特性,通过Teager-Kaiser算子快速提取电压闪变包络,将包络参数进行Rife-Vincent窗改进FFT谱分析与校正,简化IEC推荐的闪变测量过程,提出并建立了基于Teager-Kaiser能量算子Rife-Vincent窗频谱校正的电压闪变测量算法。仿真试验结果表明,本文提出的算法能有效克服单一频率调幅波频率变化、多频率成分调幅波、电网基波频率波动、谐波与间谐波以及白噪声对检测结果的影响,与传统电压闪变检测方法相比,设计实现简单、计算量小,测量结果精确、稳定,可用于电压闪变参数的在线监测。

基于Teager-Kaiser能量算子与自适应双阈值的上肢痉挛状态评定系统

目的:结合改良Ashworth量表(MAS)与表面肌电(sEMG)信号特性,设计基于Teager-Kaiser能量算子(TKEO)与自适应双阈值的上肢痉挛状态评定系统,解决临床痉挛状态评定主观性大的问题,提高痉挛状态评定的信度与效度。方法:提出一种牵张反射阈值(SRT)测试方法,设计了评定系统:利用TKEO处理肱二头肌sEMG,根据sEMG的TKEO信号幅值及变化率设定自适应双阈值判定牵张反射起始点(SRO),然后联合关节角度判定SRT,探索其与痉挛状态的关系。25名受试者参与了此试验。结果:自适应双阈值判定算法能够有效地识别SRO(识别率:96%)且SRT能够反映痉挛状态,与MAS评分显著相关,相关性满足(r=-0.904, P<0.01)与(r=-0.902, P<0.01),组内相关系数(ICC)显示重测信度为0.915,同时BlandAltman分析显示95.65%点位于一致性界限(LoA)范围内。结论:该系统可为上肢痉挛状态评定提供一种客观定量的分析手段,并为后续实时监测痉挛状态提供理论基础。

Teager-Kaiser能量算子Blackman-Harris窗三谱线插值的电压闪变参数检测

针对电压闪变的检测,提出了一种基于Teager-Kaiser能量算子和Blackman-Harris窗三谱线插值的闪变参数测量方法。采用能量算子检测出电压波动信号,分析Blackman-Harris窗的旁瓣特性,将闪变包络进行Blackman-Harris窗三谱线插值FFT谱分析与校正,对IEC标准推荐的检波方法进行简化,实现闪变参数的检测分析。通过大量仿真实验证明,在含有单一频率调制、多频率调制、电网基波频率发生偏移、含有谐波、间谐波和白噪声干扰时,文中的检测算法性能优良,相比传统检测方法,算法简单稳定、抗干扰性强,可实现电压闪变参数的在线检测。

一种采用B样条插值的改进能量算子在电梯电机轴承故障诊断中的应用

针对传统Teager能量解调算子方法对电梯运行系统中存在的强背景噪声较为敏感的不足,提出了一种改进的能量解调算子方法;采用了B样条技术与传统Teager能量算子方法进行结合,其中建立的B样条曲线对信号进行插值起到滤波作用;然后再利用Teager能量算子对滤波信号进行转换;最后利用傅里叶变换得到转换信号的频谱图从而揭示故障特征;所提出的基于B样条插值的能量解调方法不仅保留了传统能量解调算法的优点,如较高的解调精度和优秀的时间分辨率等,并且可以在强噪声背景下提取出微弱轴承故障特征;经实验验证实现了提高强背景噪声下的轴承故障检测的性能,能够在故障退化的早期检测故障,满足了实际工况下故障诊断上的应用。

基于平滑非线性能量算子划分的尖峰相关特征癫痫发作自动检测算法

针对癫痫发作自动检测算法多集中于时域、频域等传统特征,无法全面表征癫痫脑电信号的信息等问题,本文结合癫痫脑电图中异常波振幅和频率提高的现象,提出一种基于平滑非线性能量算子划分的尖峰相关特征癫痫发作自动检测算法。该算法使用传统的时域、频域特征,结合尖峰相关性特征对脑电信号进行刻画,使用有监督的机器学习分类器,测试癫痫发作自动检测的有效性和可靠性。本文将提出的方法在开源数据集CHBMIT上进行了评估,获得了96.52%的准确率、95.65%的敏感性和97.09%的特异性。实验结果表明,基于平滑非线性能量算子划分的尖峰相关特征,能够作为癫痫脑电信息的补充,提高癫痫发作检测的性能。

基于能量算子的声源定位技术在TADS探测车轮故障中的应用

车轮故障是影响铁道车辆运行安全的重要因素。使用TADS技术可以实现对车轮故障等走行部部件的故障检测。由于同转向架车轮噪声信号的叠加干扰会造成车轮故障等噪声信号区分困难,容易造成车轮故障的误报和误判,因此对故障噪声来源进行定位和区分十分重要。在TADS探测车轮故障进行数据分析时,借鉴了医学领域广泛应用的基于近距离麦克风的双耳结构多运动声源定位的经验。利用TADS的短间距声学阵列,结合TADS探测中声源移动速度快、难捕捉的特点,综合使用谱峭度、Gammatone滤波器、能量算子等技术和手段建立了适应铁道车辆动态检测运用场景的运动声源定位模型,能够实现对快速运动声源的追踪和定位。通过对实际案例进行分析验证了运动声源定位模型方法的有效性,可以给出快速运动声源的运动轨迹。通过运动轨迹与理论轨迹相匹配进行声源性质的判定,可用于辅助诊断车轮故障。

改进的经验模态分解方法和解析能量算子在电机轴承故障诊断中的应用

针对电机轴承故障信号能量微弱导致极易被噪声干扰所淹没的不足,进行了电机轴承故障特征提取研究;提出了一种改进的经验模态分解方法,包括谱峭度指标和一种新颖的解析能量算子相结合的电机轴承故障诊断方法;经实际测试与应用实现了对电机轴承故障信号中背景噪声干扰的去除,从而满足了电机轴承微弱故障特征提取的应用;通过与常用的电机轴承故障诊断方法对比验证了所提方法的有效性和优越性,为电机轴承故障诊断提供一个新的思路。

基于能量算子与Kaiser窗的电压闪变参数检测

电压闪变对电网安全带来许多负面影响。为了快速检测电压闪变,提出一种基于能量算子与Kaiser组合余弦窗的双谱线改进FFT的闪变参数检测算法。通过能量算子算法提取闪变波动信号。利用基于Kaiser窗的组合余弦窗函数的双谱线插值算法对FFT进行改进,对闪变信号进行校正分析,得到准确的信号参数。仿真试验结果表明,所提算法可以有效克服单、多频率调制以及基波变动的影响,有稳定性好、计算量小和准确度高等优点。

分数阶频率加权能量算子在滚动轴承故障诊断中的应用

针对强噪声背景下滚动轴承故障特征难以提取的问题,提出了一种新的特征增强方法——分数阶频率加权能量算子。首先,利用傅里叶变换将信号从时域转换到频域,得到信号频谱的幅值函数和相位函数;其次,设定微分阶次的变化范围和变化步长,根据傅里叶变换的时域微分性质在频域内对信号的幅值函数进行分数阶微分处理,将微分处理后的幅值函数与相位函数相结合,再利用傅里叶反变换得到微分处理后的信号;最后,对不同阶次的微分信号进行Hilbert变换得到包络信号,利用包络峭度指标选择最佳的微分阶次,利用该阶次下的微分信号求取包络谱,从而确定轴承的故障模式。实验结果表明,该方法可以有效地提取出强噪声背景下的滚动轴承故障特征。

基于Park变换和Teager能量算子的晶闸管逆变器保护新方法

在高压直流输电系统中,晶闸管逆变器直流差动保护误动于区外故障,以晶闸管逆变器作为研究对象,提出了基于Park变换和Teager能量算子的晶闸管逆变器保护新方法。首先,利用Park变换分析逆变器交流侧电流,建立和直流侧电流的平衡关系,提出主判据;其次,采用逆变器交流侧接地故障的零序电流和逆变器交流侧电流的Teager能量算子作为辅助判据;最后,通过PSCAD仿真将该保护和传统直流差动保护进行比较。结果表明:该保护可有效解决传统直流差动保护误动于区外故障的问题,对于直流差动保护不能动作区内的相间短路故障,该保护方法可正确动作。

基于批处理和Teager-Kaiser算子的BOC信号联合捕获算法

针对较低信噪比条件下二进制偏移载波信号的捕获问题,提出了一种基于批处理和Teager-Kaiser(TK)算子的联合捕获算法。该方法首先对接收信号和组合扩频码进行批处理和平均处理,并将接收信号转换到频域进行多次循环移位;然后,将得到的最佳频偏补偿序列与组合扩频码进行圆周相关运算得到最大相关值;最后,引入相关峰能量最大值与次大值的比值作为门限判决变量,比较了所提TK算子法、差分相干累积算法和批处理算法的检测概率。仿真结果表明,在同一条件下,TK算子法检测概率比差分相干算法提高了约2dB,比批处理算法提高了约6dB,并减少了捕获时间。

基于Teager-Kaiser算子的差分码移参考超宽带接收机

为提升差分码移参考DCSR(Differential Code Shifted Reference)超宽带接收机在窄带干扰环境中的接收性能,提出了一种基于Teager-Kaiser算子(TKO)的改进型DCSR接收机结构。通过TKO的非线性处理,可以使窄带干扰能量集中在直流附近的低频段,从而可以通过一个模拟高通滤波器将其滤除。仿真结果表明本文提出的改进结构可以有效地抑制窄带干扰,并且在不存在窄带干扰的环境中其性能仍优于传统的差分码移参考接收机和传输参考接收机。改进后的TKO-DCSR性能提升明显且实现复杂度增加不多,可以较好地满足无线传感器网络的应用需求。

一种改进VMD与Teager能量算子的电能质量扰动检测方法

为提高电能质量扰动检测的精度和实时性,提出了基于能量损失比的变分模态分解(variational mode decomposition,VMD)与Teager能量算子(Teager energy operator,TEO)结合的电能质量扰动检测方法。首先通过能量损失比预设置VMD本征模态函数(intrinsic mode function,IMF)的最优取值。然后通过VMD的信号频带划分能力实现扰动信号各模态有效分离。最后利用TEO解调各IMF定位扰动发生的起止时刻,实现对电能质量扰动的检测。分别采用小波变换(wavelet transform,WT)、希尔伯特-黄变换(Hilbert-Huang transform,HHT)和VMD-TEO方法在无噪声和30 dB噪声条件下对不同类型的单一和复合电能质量扰动信号进行对比仿真实验。实验结果表明,VMD-TEO方法能够对电能质量扰动实现准确检测且精度高,并具有良好的抗噪性能和快速响应能力。

改进能量算子Nuttall窗频谱校正的闪变测量方法

电压闪变已成为当前电力系统的重要污染,如何在复杂环境参数下实时提取闪变包络参数、准确统计闪变值是当前电能质量分析中的难题。分析了复杂闪变包络实时提取误差,构建了改进Teager-Kaiser能量算子包络提取误差修正因子,采用Nuttall窗加权修正能量算子提取结果,再将修正结果进行改进FFT谱分析与校正,推导出电压闪变包络提取的各幅值和频率的修正算式,简化IEC推荐的闪变测量过程,提出并建立了基于改进Teager-Kaiser能量算子Nuttall窗频谱校正的闪变包络实时提取与闪变值计算方法,据此研制了基于ADS8556+TMS320C6745架构的电压闪变在线检测仪。仿真分析和试验结果表明,本文提出的算法能有效克服单一调幅波频率变化、多频率调幅波、电网基波频率波动、谐波与间谐波以及白噪声对闪变检测结果的影响,与传统电压闪变检测方法相比,闪变包络提取实现简单、计算量更小,测量结果准确稳定,可用于电压闪变参数的实时分析与在线检测。

基于ICEEMDAN与Teager能量算子的牵引供电系统谐波检测算法

针对传统的谐波检测算法无法分析牵引供电系统中的非线性、非平稳谐波的问题,文章提出一种基于改进自适应噪声的完整集合经验模态分解(ICEEMDAN)与Teager能量算子(TEO)相结合的谐波检测算法。其先将待测信号经ICEEMDAN得到一组固有模态函数(IMF)分量,再通过筛除虚假分量,得到真实的IMF分量;然后,对各个IMF分量进行Teager能量算子(TEO)解调,得到谐波分量的幅值与频率随时间变化的图像。经分析得出,ICEEMDAN作为希尔伯特-黄变换(HHT)中的重要步骤经验模态分解(EMD)的改进算法,相较EMD的其他改进算法,其抑制模态混叠的效果最佳,并具有良好的自适应性,在处理非线性非平稳信号时有着很好的表现;而TEO能准确检测出谐波的瞬时幅值与频率,并快速响应信号的变化。通过构造牵引网特性中的谐波信号对该算法进行仿真分析,结果显示,分析稳态电流谐波时,幅值与频率的平均检测误差分别为3.56%和1.74%;分析暂态电流谐波时,幅值与频率的平均检测误差分别为3.39%和2.44%。这表明文章所提算法能够对牵引供电系统谐波的幅值与频率进行准确的检测,并可以准确定位谐波信号的突变点。

基于新型能量算子和多尺度熵的癫痫自动检测

提出癫痫检测的新算法,创新地使用新型能量算子和多尺度熵,不仅能够实时跟踪脑电信号能量,而且可以在脑电信号未知情况下提取其有效的特征信息。对脑电信号进行一定尺度的小波变换;利用新型Teager能量算子和多尺度熵提取脑电信号的非线性特征,将特征信号输入到极限学习机中,用来识别正常脑电信号与癫痫脑电信号。实验结果表明,此方法具有高分类精度,可达到98.89%,优于文献中所报道的多种检测方法,可以应用于癫痫临床检测。

基于小波包-1.5维Teager能量谱图和深度学习的滚动轴承故障诊断方法研究

带式输送机工作环境恶劣、干扰源复杂,受非周期性冲击及谐波干扰,其托辊滚动轴承故障诊断困难。针对此问题,提出了一种基于小波包-1.5维Teager能量谱图和深度学习相结合的滚动轴承故障诊断方法。首先,利用小波包分解对故障信号进行分解,提取能量占比较高的分量进行重构;然后,采用Teager能量算子和1.5维谱处理重构信号滤除周期性谐波干扰,构建出故障特征能量谱图;最后,利用卷积神经网络对能量谱图进行训练和测试,精准诊断出滚动轴承故障类型。仿真与实验分析结果表明,所提方法可有效滤除非周期性冲击和谐波的干扰,并精准诊断出轴承故障类型。所提方法为托辊滚动轴承的故障诊断提供了一种新思路,具有一定的工程应用价值。

各向异性电介质静电场拉普拉斯方程和能量密度泛函

由各向异性电介质静电场的能量密度写出以电势为函数的能量密度泛函。拉普拉斯方程即为奥氏方程,是能量密度泛函取得极值的必要条件。拉普拉斯方程是算子方程,应用对称正定算子方程的变分原理构造与之相对应的泛函,从而由泛函的核函数引申出能量密度的概念。应用变分原理,将各向异性电介质静电场拉普拉斯方程的定解问题转换为与之相对应的变分问题。

基于Teager能量算子的滚动轴承故障诊断研究

周期性冲击是判断滚动轴承局部损伤故障的关键特征,如何提取周期性冲击及其重复频率是轴承故障诊断的关键。Teager能量算子能够估计产生信号所需的总机械能,对信号的瞬态变化具有良好的时间分辨率和自适应能力,在检测信号冲击特征方面具有独特优势。为了提取滚动轴承故障的特征频率,针对滚动轴承故障振动信号中的瞬态冲击特点,提出了基于Teager能量算子的频谱分析方法,利用Teager能量算子提取轴承故障引起的周期性冲击,通过瞬时Teager能量的Fourier频谱识别轴承的故障特征频率。分析了滚动轴承故障仿真信号和实验测试信号,并和包络谱方法进行了对比分析,准确诊断了滚动轴承元件故障,验证了该方法的有效性。

能量算子解调方法及其在机械信号解调中的应用

总结了能量算子法的解调原理，与作为标准解调法的希尔伯特变换法作了比较，探索了它在机械信号解调中的运用。研究发现，能量算子方法是一种很好的解调方法，在机械信号的解调分析中大有可为。