多分辨率奇异谱熵和支持向量机在孤岛与扰动识别中的应用

孤岛检测易受到电网扰动干扰,而错误地将电网扰动情况误判为孤岛情况,导致光伏发电(photovoltaic,PV)系统退出运行,因此孤岛检测需要具备区分孤岛和电网干扰的能力。提出多分辨率奇异谱熵和支持向量机结合进行孤岛与扰动识别的新方法。多分辨率奇异谱熵是小波变换后的一种信号处理方法,将多分辨分析与熵融合,其信息量以熵的形式体现出来,更能够展现孤岛和电网扰动内在的不同特征。仿真结果表明,所提方法具有分类准确率高、对同类样本具有稳定性的优点,是孤岛与扰动识别的有效方法。

多分辨率奇异谱熵及其在振动信号监测中的应用研究

在信息熵模型的基础上 ,将多分辨率分析和奇异谱分析有效结合 ,提出了多分辨率奇异谱熵及其算法 ,该指标能够表征不同尺度上信号能量分布的奇异状况。进一步 ,针对奇异谱分析是基于信号二阶平稳的假设 ,本文提出了基于高阶累积量的高阶多分辨率奇异谱熵 ,它能够充分体现信号的内在信息 ,提高了信号形式变化的适应性和对于嵌入维数变化的稳定性。通过对机械振动信号的仿真分析 ,该信息熵能够作为设备运行状态识别的有效依据。

基于多分辨率奇异谱熵和支持向量机的断路器机械故障诊断方法研究

根据高压断路器机械振动信号的特点,提出一种基于多分辨率奇异谱熵的信号特征提取方法,并以此特征向量作为支持向量机的输入对断路器机械状态进行识别。多分辨率奇异谱熵是在信息熵模型的基础上,将多分辨率分析和奇异谱分析有效结合的一种信息处理方法,用信号的奇异谱熵作为特征向量更能体现断路器在不同机械状态下的不同特征。利用交叉检验和粒子群优化方法来对支持向量机模型中的参数进行寻优。通过对断路器实际振动信号分析表明,该方法能对断路器故障进行准确诊断分类。

基于信息熵的复杂机械系统非线性特征提取方法研究

复杂机械系统运行状态和特征参量往往具有较强的非线性和耦合性,运用信息熵定量评价方法实现系统状态参量的非线性特征提取。针对单一信号非线性特征提取问题,将小波包分解和奇异谱熵相结合,提出了多分辨率奇异谱熵模型,可实现信号不同频带内奇异特性的定量描述;针对多变量耦合复杂机械系统,建立了联合复杂度信息熵和信息传递指数模型,可分别描述多变量关联特征和信息传递特性。仿真实验验证了研究方法的有效性。