基于DTCW-ERE的小电流接地系统故障选线

小电流接地系统发生单相接地故障时,各馈线的小波能量分布各不相同。本文提出了一种基于故障线路小波综合能量相对熵的选线新方法。双树复小波变换(DTCWT)具有很好的近似平移不变性和抗混叠性;能量相对熵(ERE)具有对信号间细微差别进行识别的超强能力。结合双树复小波变换与能量相对熵的优点,根据故障线路综合小波能量相对熵最大的原则进行选线,能够使故障选线更直观、快速有效。仿真结果表明,该方法可以准确有效的进行配电网故障选线。

基于局部方向能量的鲁棒图像融合算法

针对现有小波类图像融合算法在特征表达上的不足,将对偶树复数小波变换引入图像融合中。Robins等的研究表明,局部能量对各类图像特征的表达和定位具有稳健性。基于对偶树复数小波变换,定义了局部方向能量和局部能量,结合人类视觉系统对图像特征的响应特性,定义了局部带限对比度,表达特征的显著性。实时图像融合系统中,输入可能被随机噪声污染。根据图像特征和噪声局部方向能量分布不同的特点,定义了局部方向能量熵,用以自适应改善带限对比度,提高融合过程对噪声的鲁棒性。对融合算法仿真结果的主客观性能分析,充分验证了本文提出的鲁棒的图像融合算法的卓越性能。

基于双树复小波包自适应Teager能量谱的滚动轴承早期故障诊断

针对滚动轴承早期故障特征信息难以识别以及带通滤波器参数设置依赖使用者经验等造成共振带不能有效确定并自适应提取的问题,提出了频带幅值熵的概念。在此基础上,将双树复小波包变换和Teager能量谱结合,提出了基于双树复小波包变换自适应Teager能量谱的早期故障诊断方法。该方法首先利用双树复小波包将采集到的振动信号进行分解,并计算各子带的频带幅值熵。然后将熵值按升序排列后依次作为阈值,提取频带幅值熵大于或等于阈值的子带,依据峭度指标确定最佳熵阈值和双树复小波包最佳分解层数,从而自适应并有效地提取出共振带。最后对共振带进行Teager能量谱分析,即可从中准确地识别出轴承的故障特征频率。通过信号仿真与工程实验数据分析验证了该方法的有效性与优越性。

基于二元树复小波能量熵测度的局放模式识别

二元树复小波变换(DT-CWT)在时域和频域都具有表征信号局部特征的能力,且二元树复小波还具备近似平移不变、多方向选择、完全重构和高效计算等优点。而基于小波的信息熵能反映信号统计分布特征,突出系统信号中短暂的异常信号,达到及早发现可能故障的目的。笔者对4种典型绝缘缺陷产生的局部放电脉冲波形进行二元树复小波分解,将提取每层分解系数上的能量特征和小波能量熵测度作为模式识别的特征量。通过大量的试验获得放电样本,用构建的BP神经网络作为分类器,对4种典型绝缘缺陷产生的局部放电进行了有效识别,结果表明:采用此特征量的神经网络识别方法简单、有效、实用,为局部放电信号的识别提供了有效的参考。

利用全频带综合小波能量相对熵的配网故障选线方法

谐振接地系统故障选线是配电网故障选线的难点,其中缆-线混合线路出线的故障选线尤为困难,是选线研究的热点问题。谐振接地系统缆-线混合线路发生单相接地故障时,各馈线的小波能量分布不同,为此提出综合小波能量相对熵新概念,并利用综合小波能量相对熵实现故障选线。对各馈线故障零序电流首个1/4周期波形进行小波分解,并对各尺度下的小波分解系数进行单支重构,利用重构系数计算各馈线在各个频带下的小波能量。结合相对熵对信号间细微差别的超强识别能力,计算各馈线在各个频带下的小波能量相对熵并求取每条馈线的综合小波能量相对熵,通过比较各馈线全频带的综合小波能量相对熵大小选出故障线路。理论分析和大量仿真表明,该方法有效避开了TA饱和间断角对选线的影响,对于缆-线混合线路、纯电缆线路和纯架空线路,该方法均适用。

基于DT-CWT自适应Teager能量谱的轴承早期故障诊断

针对滚动轴承早期故障特征信息难以识别以及带通滤波器参数设置依赖使用者经验等造成共振带不能有效确定并自适应提取的问题,提出了频带幅值熵的概念。在此基础上,将双树复小波变换和Teager能量谱结合,提出了基于双树复小波自适应Teager能量谱的早期故障诊断方法。首先,利用双树复小波将采集到的振动信号分解为不同频带的子信号,并计算各子带的频带幅值熵;然后,将熵值按升序排列后依次作为阈值,提取频带幅值熵大于阈值的子带,依据峭度指标确定最佳阈值,从而自适应并且有效地提取出共振带;最后,对共振带进行Teager能量谱分析,即可从中准确地识别出轴承的故障特征频率。通过信号仿真与实验数据分析验证了该方法的有效性。

一种爆炸复合结构结合状态的无损检测方法

随着爆炸复合结构在工程领域的广泛应用,对主导结构服役性能的界面结合状态进行有效识别的需求也日益迫切。针对爆炸复合结构界面结合状态复杂,振动信号具有非平稳性,难以提取特征信息的情况,提出了一种基于双树复小波包能量熵的爆炸复合结构结合状态识别方法。该方法的特色和核心是利用双树复小波包变换对采集的爆炸复合管的多模态混叠响应信号进行模态分离,实现状态特征信息的提取,通过能量熵指标对模态信号的能量分布特性进行描述,从而实现爆炸复合管不同结合状态的识别。将该方法应用于不同工况的爆炸复合管道结合状态识别,识别结果验证了该方法的有效性。

基于尺度-能量熵特征对的特高频局部放电辨识方法

对气体绝缘组合电器(GIS)进行局部放电(PD)检测,可以发现GIS内部早期绝缘缺陷和隐患,并预防绝缘事故发生。文中采用复小波分解(CWT)对GIS内部特高频(UHF)PD信号进行多尺度分解,分析了CWT能量熵(CWT-EE)随CWT尺度的变化规律,发现UHF PD信号信息主要分布在能量熵变化梯度较大的尺度下。为此,文中提取CWT-EE及其对应尺度,构建尺度-能量熵(SP-EE)特征对,既保留了PD信号能量特征信息,又保留了UHF PD信号小波尺度信息。最后,采用支持向量机(SVM)进行UHF PD类型辨识,结果表明:SP-EE特征对不但可以有效识别GIS内部4种典型绝缘缺陷,而且能够有效降低UHF PD信号分解层数和PD特征维数。

一种电晕可听信号中环境噪声的检测方法

检测电晕可听信号易受复杂环境噪声的干扰。针对在强噪声背景下难以检测环境噪声的难题,利用能量熵能反映出信号中细微能量变化和能量统计复杂度对干扰具有较强鲁棒性的优点,在基于小波分解的条件下,将两者的优点相结合,得到新的特征值?。通过检测该特征值的大小,能准确检测出环境噪声的位置,为消除环境噪声提供了理论依据。仿真和实例表明,该方法即使在环境噪声较弱时,也能得到较高的检测精度。

基于声音特征的煤矿瓦斯和煤尘爆炸识别方法

为尽早发现瓦斯和煤尘爆炸事故,提出了基于声音特征的煤矿瓦斯和煤尘爆炸的识别方法:利用矿用拾音器实时采集监控区域声音,通过双树复小波变换,提取分解分量的能量熵比值,构成声音信号的特征量,带入极限学习机(ELM)建立识别模型.通过特征提取试验得到:瓦斯和煤尘爆炸声音的各分量能量熵比值跨度起伏小,整体稳定;煤矿井下其余声音的能量熵比值跨度起伏大.采用ELM模型参数进行试验得到:随着隐含层神经个数的增加,ELM分类器的训练精度不断提升,分类器的误差不断降低,当隐含层神经元个数为20个时,ELM网络的训练精度趋于稳定.识别结果表明:识别模型对训练样本的识别率稳定在98.89%,模型平均识别率为93.5%,能够满足煤矿安全生产和应急救援需求.