基于IEWT和噪能转移SR-MLS反演识别技术的低频振荡信号分析

电力系统低频振荡信号是典型的多分量混噪信号,特征提取较困难。为此,采用基于顺序统计滤波原理(order statistics filter,OSF)平顶上包络的改进经验小波变换算法(improved empirical wavelet transform,IEWT)和随机共振—移动最小二乘(resonance-moving least squares,SR-MLS)反演识别技术相结合的方法实现对振荡信号的特征分析。IEWT结合了小波分析的完备理论性和经验模态分解的自适应性,通过构造一系列正交小波滤波器组对信号进行分解。首先,根据OSF最大值滤波器原理得到频谱的有效平顶上包络,进而确定EWT的边界并对原始振荡信号进行抗噪主导模态分离,然后结合SR-MLS反演识别技术,在残余噪声的帮助下增强振荡特征并有效提取。最后,在自合成模拟信号仿真、IEEE 16机68节点系统仿真以及电网实测数据3个算例仿真下通过与经典Prony法、VMD-Hilbert法对比,表明了所提方法的可行性及有效性。

基于SVMD和能量转移SR-MLS反演识别技术的低频振荡信号特征辨识

为解决多通道低频振荡信号特征辨识在噪声背景下提取精度低的问题,提出采用基于带宽总和限定的变分模态分解算法(bandwidth sum limit variational modal decomposition algorithm, SVMD)和随机共振–移动最小二乘(stochastic resonance-moving least squares, SR-MLS)反演识别技术相结合的方法进行低频振荡信号特征提取。以广域测量系统(wide area measurement system,WAMS)检测数据作为原始输入信号,利用SVMD算法对信号进行自适应去趋势项主导模态分离;再利用SR-MLS反演识别技术以噪声能量转移的方式进行强噪背景下带参信号反演,进而获得辨识频率、阻尼比、振幅等特征信息。最后,通过自合成模拟信号、IEEE16机68节点系统仿真以及东北电网实测数据3个算例进行分析,仿真结果表明,所提方法相比于传统方法 Prony和希尔伯特-黄变换法(Hilbert-Huang transform,HHT)算法具有更高的识别精度和稳定性。

基于实验的反演识别方法及其在材料力学性能研究中的应用

本文介绍了基于实验的反演识别方法,综述了该方法在材料力学以及界面力学性能研究中的应用.内容包括:讨论了基于实验反演识别整体化策略与若干关键技术,比较了几种识别算法的优缺点,给出了在金属基复合材料界面力学损伤与破坏及考虑时间效应的粘接界面力学模型与实验表征方面的应用,简介了在其它材料力学性能研究等方面取得的进展.最后,对该实验分析方法发展趋势进行简要评述.