基于DSP与FPGA的实时电能质量监测终端系统

针对目前电能质量扰动识别的实时性和识别率不高的问题,研制了一种基于DSP与FPGA的实时电能质量监测系统。该监测系统采用FPGA控制高精度的8通道16位同步AD转换器AD7606完成电能质量信号的同步采集,DSP(TMS320DM642)从FPGA内部的FIFO存储器读取采集的电能质量数据,然后对其进行双密度双树离散小波变换(DD-DTDWT),并计算其小波系数Shannon熵,最后用训练得到的最小二乘支持向量机分类树对扰动信号进行分类识别。实验测试结果表明:该电能质量监测系统能够连续实时对8路电能质量进行准确监测,对8种常见扰动信号的平均识别率可以达到99.1%。

结构相似指数噪声整形算法及其在图像编码中的应用

提出一种基于双树小波变换的结构相似指数噪声整形算法(SSIM-NS)算法并将其应用于图像编码传输中。算法是在双树小波变换后的噪声整形过程中引入结构相似指数度量(SSIM),自适应地调整增益因子以达到最大限度聚集图像能量减少小波系数的目的,运用SPIHT编码算法对噪声整形后的小波系数进行编码并传输。实验结果表明,该算法不仅能够有效地削减小波系数个数聚集图像能量,而且在低比特率条件下重构图像具有更高的峰值信噪比(PSNR),能够显著提高解码图像的质量。

基于改进阈值DT-CWT降噪与WPHM模型的滚动轴承可靠度评估

针对滚动轴承运行数据集降噪难度大,且其可靠度评估模型预测精度不高的问题,提出了一种基于改进阈值DT-CWT降噪与WPHM模型的滚动轴承可靠度评估方法。首先,在数据降噪方面,利用一种改进的双树离散连续小波变换(DT-CWT)阈值降噪方法,将尺度因子和平移因子离散化,通过两组平行且独立的低通和高通滤波器,构成实部树和虚部树,实现了对信号的完全重构;然后,在数据处理方面,采用了PRONOSTIA实验台的全寿命实验数据,把粒子群优化(PSO)的全局最优搜索策略与最小二乘(LS)进行了融合,得到了威布尔比例风险模型(WPHM)的最佳参数;最后,采用法国弗朗什孔泰大学FEMTO的PRONOSTIA轴承实验台数据,对改进DT-CWT阈值降噪效果进行了评估,并对通过WPHM模型计算得到的可靠度评估曲线进行了验证。研究结果表明:(1)相对于传统阈值函数,改进阈值DT-CWT函数降噪效果更好,可提高信噪比(SNR)58.2%,降低均方根差(RMSE)58.3%,降噪信号变化趋势与原信号保持一致;(2)利用全寿命实验数据和PSO-LS方法对β、η和γ进行了参数估计,解决了WPHM模型中的参数估计问题;(3)可靠度评估曲线与轴承实际退化状态相符,WPHM模型可以反映轴承的健康状态。