A novel wavelet method for electric signals analysis in underwater arc welding

Electric signals are acquired and analyzed in order to monitor the underwater arc welding process. Voltage break point and magnitude are extracted by detecting arc voltage singularity through the modulus maximum wavelet （MMW） method. A novel threshold algorithm, which compromises the hard-threshold wavelet （HTW） and soft-threshold wavelet （STW） methods, is investigated to eliminate welding current noise. Finally, advantages over traditional wavelet methods are verified by both simulation and experimental results.

基于贝叶斯正则化的多源/连续冲击载荷识别及试验研究

针对冲击载荷识别中存在病态矩阵求逆的不适定问题和噪声敏感问题,给出一种增广Tikhonov正则化技术的改进贝叶斯方法。通过引入小波阈值方法解决高噪声水平下多源/连续冲击载荷识别精度不佳的问题,在识别过程中自适应地确定最优正则化参数,并有效地剔除噪声对冲击载荷识别的影响。通过开展飞机壁板结构在不同冲击载荷和信噪比噪声下的数值仿真分析,以相关系数和相对误差作为评价指标,对比讨论了基于L曲线法和广义交叉检验法的Tikhonov正则化方法、贝叶斯正则化方法以及该文方法的识别效果,结果表明该文方法兼顾了曲线的光滑性与峰值识别的准确性,在20 dB高噪声水平连续冲击载荷识别时峰值平均误差不超过14%。开展了典型加筋壁板结构的冲击试验,验证了该文方法对实际工程中典型多源/连续冲击载荷的识别能力,峰值平均误差控制在18%以内,为解决工程应用中的载荷识别问题提供了有效途径。

高精度管道漏风量测试仪的设计及实验研究

现有的国产漏风量测试仪普遍存在测量精度低、自动化水平低的问题,为此,基于漏风量测试仪的原理,开展了漏风量测试仪的结构设计、系统设计及整机实验研究。首先,对漏风量的测量过程、喷嘴流量测量原理进行了研究,推导了喷嘴流量测量公式,并根据相关标准设计了角接取压方式的喷嘴结构,基于仪器操作便捷性要求,对整机结构进行了设计;其次,采用空气密度补偿公式完成了高精度流量自适应测量,设计了基于自锁式电磁阀的换向调零电路,采用换向调零法对压差传感器零点漂移进行了补偿,使用小波阈值去噪算法消除了信号噪声,提高了流量的测量精度;采用抗积分饱和比例积分微分(PID)算法对流量进行了闭环控制;最后,研制了管道漏风量测试仪样机,开展了压差与流量测量精度与重复性实验。实验及研究结果表明:该高精度漏风量测试仪工作状态稳定,压差测量精度为±0.4%,流量测量精度为±2%;该漏风量测试仪的测量精度优于国内同类仪器,符合国家标准要求,具有良好的市场前景。

直埋热水供热管道泄漏定位检测实验研究

选用傅里叶滤波法和小波阈值法进行了管道泄漏信号降噪和泄漏定位的对比研究。在DN300管路的实验直埋热水供热系统上进行了泄漏检测实验,采用小管径支管和调节阀模拟泄漏点、加速度传感器测量声波振动信号,依次选用2种滤波方法对直埋热水供热管道泄漏的声波振动信号进行数据降噪处理,讨论了泄漏信号降噪前后的信号频域特征和定位精度。在北京市某小区直埋供热管道进行了声波降噪泄漏检测工程验证,定位偏差不超过1.0 m。研究表明,傅里叶滤波法和小波阈值法对直埋热水供热管道泄漏定位的声波振动信号降噪处理效果显著,小波阈值法保持了全频段的信号特征,可获得更高的定位精度。

全息激光投影退化图像相位恢复技术研究

全息激光投影退化图像包含噪声、光照不均匀等多种因素,为了优化图像质量,提高图像清晰度,提出全息激光投影退化图像相位恢复技术。首先,采用小波阈值方法去除含噪的全息激光投影退化图像中的噪声;其次,结合Retinex算法与高斯低通滤波器估计全息激光投影退化图像的入射分量,采用分区的局部色条映射算法结合入射分量增强全息激光投影退化图像;最后,基于卡通-纹理模型的相位恢复方法展开退化图像修复,实现全息激光投影退化图像修复。实验结果表明,所提方法图像具有较好的去噪效果和增强效果,同时,相位恢复精度高于97.0%,SSIM值达到0.9,MSE值低于0.9%,峰值信噪比高于7.14 dB,具有较优的全息激光投影退化图像相位恢复效果。

改进小波阈值降噪方法在振动-高动态离心复合试验控制系统中的应用

目的 针对振动-高动态离心复合试验控制系统中控制信号受噪声干扰导致控制效果不佳的情况,进行降噪处理,以提升试验控制能力。方法 利用改进的小波阈值降噪方法,对振动-高动态离心复合试验控制系统中控制信号进行降噪处理,通过分析信号特性,结合小波阈值降噪方法原理,提出阈值准则随分解尺度自适应动态变化的改进方法。结果 通过本文改进方法和其他小波阈值降噪方法的对比分析表明,本文所提方法对于振动-高动态离心系统所存在的中高频噪声干扰起到了明显抑制作用,可有效保留控制信号特征,获得了更佳的综合降噪效果,信噪比提升近10 dB,满足试验控制所需的降噪要求。结论 采用自适应动态变化的阈值准则的小波阈值降噪方法对振动-高动态离心复合试验系统的控制信号进行降噪处理有效且可靠,可对后续相关试验技术研究方向提供一种可行思路。

声发射技术在水轮机叶片裂纹监测和诊断中的应用

水轮机转轮叶片裂纹严重影响电站运行的安全稳定性。然而,裂纹所产生的噪声信号十分微弱,在实际运行时易被强背景噪声淹没。为了更好地监测叶片裂纹产生的噪声信号,采用声发射(AE)技术进行信号采集监测,同时使用小波阈值降噪方法对信号进行提取分析。研究结果表明:在水轮机停机时,声发射技术监测信号的幅值范围为10~60 mV的断铅信号;AE信号的主要频率在64~128 kHz,噪声信号主要集中在第4和第5个小波系数中;采用AE参数可以准确定位产生裂纹的叶片;当传感器安装在转轮叶片正上方时,AE信号接收所需的距离和时间最短,提取到的结果更精确;采用AE技术可以及时发现叶片裂纹的初期状况,便于尽早采取合理的加固与补修措施。声发射监测技术对电站运行的安全稳定性具有重要的现实意义和经济价值。

融合TVF-EMD和CNN-GRU锅炉受热面能效预测

电站锅炉受热面积灰是导致锅炉热效率降低,甚至影响锅炉出力的重要因素之一,因此对锅炉受热面积灰结垢状况的精准预测是优化提升锅炉能效的前提。针对这一问题,本文以300 MW电站锅炉省煤器的清洁因子为研究对象,提出了一种融合基于时变滤波器的经验模态分解(time-varying filtered empirical mode decomposition,TVF-EMD)和卷积门控神经单元(convolutional neural network gated recurrent unit,CNN-GRU)的组合模型来预测锅炉受热面能效变化情况。首先通过改进的小波阈值法对非线性非平稳的清洁因子原始数据进行预处理,去除噪声和异常值;再通过TVF-EMD对处理后的数据进行分解得到预设好的本征模态分量,根据自相关系数对阈值大于0.2的分量进行叠加重构,在保留原始数据重要特征的同时降低相关性低的分量对预测精度的影响;最终将重构后的信号利用卷积神经网络(convolutional neural network,CNN)强大的特征提取能力和门控循环单元(gated recurrent unit,GRU)的时序记忆能力,建立输入与输出之间的非线性关系,实现较为精准的时间序列预测。研究结果表明,利用TVF-EMD进行分解相比直接进行预测可以提升9.62867%的预测精度,为后续优化及制订更加合理的吹灰策略提供了理论和技术支持。

基于INGO-VMD-改进小波阈值算法的TDLAS二次谐波信号去噪研究

针对可调谐半导体激光吸收光谱(TDLAS)技术中气体浓度检测信号———二次谐波信号夹杂噪声导致反演精度下降的问题,提出基于改进的北苍鹰优化算法(INGO)、变分模态分解(VMD)和改进小波阈值法联合的去噪算法,利用包络熵值最小为目标函数的INGO算法寻找VMD中重要参数———模态个数k和惩罚因子α,以分解后的各固有模态分量(IMF)能量密度与平均周期乘积为一常量的特点筛选出有效信号IMF分量,联合小波改进阈值法对有效信号进行降噪并组合得到去噪后信号。仿真实验对比分析表明INGO-VMD-改进小波阈值法能有效滤除噪声信号,降低幅值误差,提高反演精度,降噪效果较优,降噪后波形相似系数为99.86%,信噪比达到25.2305 dB,均方根误差达到0.01523%,较含噪信号,峰值误差下降0.157。

矿山微震信号多层联合降噪研究

目的:矿山工作环境复杂,干扰噪声多,微震信号和噪声混叠在一起,对微震信号分析产生干扰,影响后续震相到时拾取与震源定位的工作,需对微震信号进行降噪研究。方法:针对微震信号的随机性和非平稳性,本文提出了一种基于多层联合的信号降噪方法,将SVD(奇异值分解)作为第一层降噪方法,去除信号中的白噪声;EMD(经验模态分解)作为第二层降噪方法,处理随机、非平稳的微震信号;小波阈值作为第三层降噪方法,消除EMD产生的模态混叠现象。结果:经过实验分析表明本文方法对不同信噪比的仿真信号和实际微震信号都有很好的降噪效果。结论:克服了单一降噪方法降噪效果不好的缺点,能极大提高信号信噪比,并且和原信号的相似度高,为微震信号降噪提供了一种新思路。

基于模糊数学的光学图像边缘自适应检测研究

图像中光照条件的变化会对边缘检测产生影响,在光照不均匀或者强烈变化的情况下,边缘检测更加困难,为了实现对光学图像边缘的有效检测,提出基于模糊数学的光学图像边缘自适应检测方法。采用补偿函数对光学图像展开光照补偿,提升光学图像亮度,再对提亮图像展开比例线性调整与转换。采用同态滤波方法调整光学图像的光照分量与反射分量,使光学图像的清晰度得以提高。结合小波变换方法和自适应双阈值方法对光学图像边缘点进行提取,采用模糊数学中的模糊C均值方法对提取的光学图像边缘点展开聚类,获取光学图像边缘,实现光学图像边缘自适应检测。实验结果表明,所提方法的DBI指数为0.21,CHI指数为0.97,F-Measure最高值为0.98,说明其图像处理性能好、边缘检测精度高,适用于光学图像边缘自适应检测。

基于小波去噪和时频分析的智能电表量测数据挖掘研究

为提升智能电表量测数据挖掘效果,该文研究一种基于小波去噪和时频分析的智能电表量测数据挖掘方法。应用小波变换阈值去噪方法对数据集进行去噪,通过惩罚策略选择阈值后,对存在噪声的数据集进行运算,获取去噪后的数据集,根据去噪后的小波系数与存在噪声的小波系数获取最优阈值函数;利用自适应最优径向高斯核时频分析方法,有效将最优阈值函数的数据集分离为自分量信号与互分量信号,精准挖掘智能电表仿真模型数据库内数据,完成智能电表量测数据信息的输出。实验结果表明,所研究方法去噪效果较好,相对误差保持在2%以内,挖掘精度维持在96%以上,应用性能较好。

融合小波阈值去噪与平滑处理的直流充电电能计量方法

在电动汽车直流充电场景下,直流侧电网信号中包含有噪声,影响直流充电电能计量的准确性。针对该问题,文中提出一种基于小波阈值去噪与平滑处理的直流充电电能计量方法。该方法通过小波阈值去噪算法对含噪的原始信号进行去噪处理,通过粒子群算法确定改进软硬阈值折衷函数的两个常参数,使得小波阈值去噪算法的去噪效果达到近似最优。进一步采用滑动平均法对去噪后信号进行平滑处理,并利用梯度积分计算直流充电电能。通过仿真结果表明,通过粒子群算法确定小波阈值去噪算法中的参数,可以实现去噪效果的优化;平滑处理可以提高电能计量的准确性;三次样条插值法对电能计量结果的改善效果不大。

低压电力电缆线路运行故障检修方法

传统方法检修时延性较差,且检修后线路电压仍然存在波动,线路故障检修效果不佳。提出低压电力电缆线路运行故障检修方法,利用行波检测仪采集电缆线路行波信号,采用小波阈值去噪法对信号滤波进行处理,根据行波信号与参考信号相似度,诊断线路是否存在故障;根据行波传播时间与传播速度,定位故障位置;通过故障树得到对应的故障维修方案,对线路进行维修。试验证明,设计方法延迟时间较短,检修后线路电压迅速恢复稳定状态,具有良好的故障检修效果。

基于改进EMD-LSTM的混凝土坝变形预测模型

针对混凝土坝变形监测数据的非线性和复杂性等特征,为提高混凝土坝变形预测的精度,提出了一种基于改进经验模态分解(EMD)法和长短期记忆(LSTM)神经网络的混凝土坝变形预测模型。该模型采用小波阈值方法对EMD法分解的高频分量进行优化处理,在去除数据噪声的同时,尽可能保留原始数据的特征信息,并运用LSTM神经网络对处理后的数据进行时序预测。实例验证结果表明,该模型能够准确模拟坝体变形过程,具有较高的预测精度。

基于最优阈值参考的瞬变电磁法小波降噪效果研究

瞬变电磁法野外数据采集容易受各种随机干扰影响而出现跳变现象,小波去噪通过对信号的多尺度分解、阈值设置和重构,实现对数据的降噪。为进一步提高小波去噪后的瞬变电磁法数据质量,对该过程中的阈值选择方法进行改进,提出了基于最优阈值参考的小波去噪方法;结合瞬变电磁法探测岩层富水性工程应用,对比分析不同阈值条件下的数据降噪结果,提出的算法的瞬变电磁数据实际应用效果。结果显示:提出的方法能够进一步降低感应电动势曲线在1~4 ms范围内的数值跳变现象,使数据全期衰减特性更明显。对降噪后数据的烟圈反演结果进行分析,重点解释了3处电性差异相对较大的位置,结合已知资料验证了基于最优阈值参考的小波去噪数据反演结果相对更准确。

基于FastDTW的电力计量装置故障智能诊断技术

采用目前方法诊断电力计量装置故障时,没有去除电流信号噪声,存在F1-Score值低、电流信号清晰度低、诊断故障效率低的问题。为此,提出了基于FastDTW的电力计量装置故障智能诊断方法。结合EMD法和小波包能量法预处理电流信号,去除噪声,分析并排列高低频电流信号,重组去噪后的电流信号,获得清晰有效的电流信号。在此基础上采用扭曲电流路径距离法结合动态阈值,通过计算实现电力计量装置故障智能诊断。实验结果表明,所提方法的F1-Score值、电流信号清晰度及诊断故障效率均较高。

基于改进变分模态分解和小波阈值法的单相接地故障电流降噪

针对电力系统输配电线路发生单相接地故障时,电气设备间的电磁环境复杂,现场环境干扰严重导致故障录波装置采集到的故障零序电流信号含有大量噪声,影响后续选线准确率的问题,提出了一种改进变分模态分解(variational mode decomposition,VMD)和小波阈值法联合的单相接地故障的零序电流降噪方法,通过北方苍鹰优化算法优化改进VMD对零序电流信号分解,引入自适应相关阈值对分解后的分量进行筛选,对噪声分量进行小波阈值法降噪,最后将信号进行重构。通过搭建模型进行仿真实验,所提算法比传统VMD降噪算法信噪比提高了5.52%~35.99%,均方根误差降低了12.78%~30.88%,与小波阈值降噪方法、经验模态分解(ensemble empirical mode decomposition,EEMD)-小波阈值降噪方法、完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)-小波阈值降噪方法相比,也都有明显的优势,并且在标准测试信号Heavy Sine信号和Bumps信号中进行实验,验证了算法的适用性。

基于GASA-BP的轧辊内部缺陷检测方法

为了准确识别轧辊内部缺陷,采用超声波探伤仪对轧辊进行检测,并提出一种融合灰狼算法、遗传算法、模拟退火算法和BP神经网络的超声检测信号分类方法。对超声检测信号进行小波降噪,采用自适应灰狼优化阈值法确定最优的小波阈值;根据轧辊内部不同缺陷检测信号的时域和频域信息差异,从三层、四层和五层小波包分解中选择最优的分解层数,以实现对去噪检测信号的最佳处理,在此基础上构建检测信号的能量特征向量;采用经过遗传模拟退火算法优化的BP神经网络模型(GASA-BP)进行特征向量的识别,进而完成轧辊内部缺陷的分类。实验结果表明,该模型的识别准确率可达到97.41%,并且运算速度得到极大提高,能满足大部分企业对轧辊缺陷分类精度及效率的要求,为轧辊的进一步检测、修复及再制造提供了可靠信息。

CEEMDAN联合小波阈值算法在水下激光雷达中抑制散射杂波的应用

水下激光雷达回波信号中往往含有大量散射噪声.为了能够有效抑制散射噪声,提高水下激光雷达测距精度,提出了基于自适应完备噪声经验模态分解(CEEMDAN)与小波阈值相结合的去噪新方法.首先通过相关系数法对自适应完备噪声经验模态分解得到的本征模态函数(IMF)进行筛选;然后对筛选后的本征模态函数进行小波阈值去噪,进一步去除本征模态函数中的噪声成分;最后将去噪后的本征模态函数进行信号重构得到去噪后信号.将该方法应用到不同衰减系数水体的强度调制连续光水下测距实验,使用白色聚氯乙烯(PVC)反射板为探测目标,在3.75个衰减长度时,直接采用相关极值确定延时,测距误差达到19.2 cm;应用该方法处理后,测距误差减小到6.2 cm,有效提高测距精度.