基于滑动窗奇异值分解的局部放电信号检测方法

在局部放电信号检测过程中,局部放电信号幅值小,易受到噪声干扰,导致低信噪比下局部放电信号检测与波形恢复难度大。本文提出了基于滑动窗奇异值分解的局部放电信号检测方法。该方法利用噪声干扰信号与局部放电信号奇异值的差异性,通过滑动窗分段处理,建立奇异值差值序列,达到降噪与还原局部放电信号的目的。仿真与实测结果表明,本文方法在抑制噪声干扰和还原局部放电信号方面相比传统方法更具优势,且稳定性更好,适合在混合噪声干扰下实现对实测局部放电信号的检测和波形恢复。

基于奇异值差分序列的信号降噪处理方法研究

奇异值分解是一种十分有效的信号降噪处理方法,但奇异值个数的选择对信号降噪的影响巨大。文章由奇异值序列构造奇异值差分序列,寻找差分序列突变位置,结合不同信号差分序列的特征提出了确定奇异值个数的方法。将提出的选择奇异值个数的方法应用于三种模拟信号降噪中,降噪结果表明提出的方法可以达到有效滤除噪声的目的。

一类奇异自伴微分算子的本质谱

考虑一类微分算式中具有对数函数系数的自伴微分算子,并主要通过构造奇异序列的方法得到了一定条件下算子的本质谱.与Euler微分算子的本质谱进行比较,可见对数函数系数对算子的谱产生了很大影响.

基于残差图卷积深度网络的电网无功储备需求快速计算方法

针对电网无功储备需求计算复杂度高、耗时长的问题,提出一种基于残差图卷积深度网络考虑冗余样本特征削减的电网无功储备需求快速计算方法。该文首先,给出一种基于深度学习的电网无功储备需求快速计算框架,采用残差图卷积深度神经网络(GCNII)对电网无功储备需求计算进行建模;其次,为克服传统相似性计算方法在拓扑属性样本度量问题上的局限,提出一种双尺度相似性度量方法,基于矩阵奇异值序列的余弦距离实现对拓扑结构样本的相似性度量;最后,提出一种冗余样本削减策略,基于双尺度相似性度量方法,结合改进谱聚类算法实现对样本集合的分层聚类,并通过样本局部密度分析,实现在维持数据集特征多样性的情况下,对冗余样本进行有效削减,提升模型训练效率。所提算例采用IEEE标准节点系统进行仿真,计算结果表明,该方法能够实现在模型计算精度基本不变的情况下大幅提升模型训练效率。

事件关联电位ERP采集系统的研制

介绍了一种采集事件关联电位ERP信号的系统 ,利用随机的视觉符号作为刺激。系统中用AT MEL公司的AT89C51作为从机 ,实时控制MAX186串行转换和通过转换器MAX2 0 2串行传送数据至主机进行后处理。

基于奇异值分解的滚动轴承故障诊断方法

针对奇异值分解中Hankel矩阵维数和奇异值个数选择的问题,提出了确定矩阵维数和选择奇异值个数的新方法,实现对滚动轴承的故障诊断。将提出的方法应用于实测滚动轴承内圈和外圈故障信号中,通过对信号的降噪处理和包络谱分析,有效消除了实测振动信号中的无用频率成分,提取了信号中包含的轴承故障特征频率。

基于小波包与支持向量机的碰摩故障识别方法研究

为了很好地识别旋转机械的转静件碰摩故障,提出了基于小波包和支持向量机(SVM,support vec-tormachine)的碰摩故障识别方法。采用小波包对信号进行特征向量的提取,利用基于"一对多"和"一对一"的改进算法构建多类故障分类器,对多种碰摩故障进行识别。同时,以双盘悬臂转子-轴承系统的碰摩故障为例,应用该方法进行故障识别,试验结果表明,RBF核SVM故障平均识别率达到97.25%。可见,基于小波包与支持向量机分类器诊断方法的识别率明显优于传统的BP神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力。

你说不清！

But I repeat myself. But you repeat myself. (但是我重复我自己.但是你重复你自己). 当你读到上面的句子时,也许会觉得开始时令人费解,什么要被重复?在第二个句子里,你可能已经注意到了一种平行的句子结构,但是觉得好奇,接下来会发生什么呢?