最优化广义S变换及其在油气检测中的应用

时频分析是直接应用地震资料进行烃类检测的重要手段之一,基于实际地震信号的非平稳特征及短时傅立叶变换、Gabor变换、小波变换等常规时频分析方法的缺点和不足,通过在S变换中引入新的参数p来调节窗函数的标准差,并结合Jones和Parks等提出的时频聚集性度量准则来选取最优的p值,得到了一种新的时频分析方法,即最优化广义S变换。合成信号试算结果表明,该方法比常规时频分析方法具有更好的时频聚集性。在实际生产,此方法的应用结果显示由它生成分频数据体对于地层的含油气性检测和识别具有比较明显的效果。

特高压直流换流阀饱和电抗器振动声纹特性与松动程度声纹检测方法

饱和电抗器作为特高压直流换流阀的核心装备,运行中产生的振动声音包含大量的信息,其状态评估对换流阀的安全运行具有重要意义。该文提出一种基于优化S变换和改进深度残差收缩网络的饱和电抗器铁心松动程度声纹识别模型。首先开展了高频脉冲激励下的饱和电抗器振动试验,并测量了不同铁心松动程度下的声纹信号;其次在声信号频谱主值区间内,根据能量聚集性优化高斯窗参数来提高声纹图谱的时频分辨率;然后对松动后的声纹特性进行分析,发现高低频比和低频分量主频占比两个特征指标仅能对松动程度较高的状态做出预警;最后采用五个不同方位测点的铁心松动数据代入基于自适应参数修正线性单元的改进深度残差收缩网络中进行训练,来消除声纹图中的冗余信息,并对不同松动程度下的特征进行独立映射,从而增强共同特征的学习能力。研究结果表明,该文模型对电抗器不同铁心松动程度的平均识别准确率达到95.93%,优于传统深度学习算法,可为饱和电抗器在线监测提供重要依据。

广义S变换的参数优化及在电能质量分析中的应用

针对广义S变换(generalized S-transform,GST)的参数优化困难问题,提出一种GST参数优化方法并应用到电能质量扰动分类与扰动参数检测中.对基频点对应的参数r独立设置突出时域扰动特征,便于其他频点的参数优化专注于频域扰动,使优化后的广义S变换(optimized generalized S-transform,OGST)能同时表征较高精度的时域扰动和频域扰动信息.提出确定r的优化指标,使r的求取具有自适应性和理论依据.基于OGST的时频矩阵,提出4种扰动特征,并设计决策树分类器进行分类识别.同时实现对扰动起止时间、扰动幅值、谐波成分等扰动参数的检测.仿真数据及实测数据分析表明OGST抗干扰能力强、识别精度和检测精度高.