基于小波包谱能量的母线差动保护

母线区外故障时,TA可能发生饱和,电流采样波形发生严重畸变,饱和的TA不能提供电流来平衡其他TA提供的电流而出现差动电流,微机母线保护装置有可能不正确判断故障位置。基于差电流在TA饱和时的特点提出了一种新型母线差动保护。该方案应用小波包对故障暂态分量差电流和故障暂态分量和电流进行变换,根据暂态信号中的几个特定频段的谱能量的平方和来实现区内、外故障的判定。大量的仿真结果表明,在不同故障时刻该方案能够正确地区分故障区间,提高了母差保护的灵敏度和可靠性,具有很强的实用价值。

基于小波包奇异谱熵和WOA-SVM的GIS放电故障诊断

为实现气体绝缘开关设备(GIS)放电故障诊断并提高诊断正确率,提出了一种基于小波包奇异谱熵和鲸鱼优化算法优化支持向量机(WOA-SVM)的GIS放电故障诊断方法。首先,提取GIS放电时的特高频信号的小波包奇异谱熵作为特征向量;然后,采用WOA寻优找到SVM的最优参数,建立准确的分类模型;最后,通过试验模拟GIS典型的放电故障,采用网格搜索参数的SVM、粒子群优化参数的SVM以及所提的WOA-SVM三种算法对GIS放电故障类型进行识别。结果表明所提的WOA-SVM算法故障识别正确率更高、适应度更好且收敛速度更快。

基于小波包能量谱和ELM的光伏逆变器多故障在线诊断

以三电平光伏逆变器作为研究对象,基于小波包能量谱基数对其故障情况提出一种快速诊断方式。在小波包技术下对三电平逆变器桥臂电压及相应信号产生的能量谱特征向量进行分解分析,随后在极端学习机的诊断下,对其内部单或多个器件故障模式进行分析并排除。研究表明,提出的小波包能量谱技术具有较强的技术优越性,相比于传统模式下的BP神经网络以及最小二乘法故障诊断方式,该方式对于检测信号的获取更为容易,拥有较高的抗干扰性,其诊断速度较快,对于故障能够以精确的方式得到原因,从而显著降低故障诊断成本,是较为适宜的在线诊断方式。

基于Kriging模型和小波包能量谱的随机模型修正

针对随机模型修正精度和效率低的问题,提出一种基于Kriging模型和小波包能量谱的随机有限元模型修正方法。首先,假设模型待修正参数和响应特征均服从正态分布,将不确定性的模型修正转化为均值和标准差的修正;其次,将待修正参数作为Kriging模型输入,加速度频响函数经过小波包分解后提取的结点能量作为输出,引入政治优化算法优化相关系数以构造Kriging模型;然后,将最小化试验响应与预测响应之差的绝对值作为修正均值的目标函数,最小化交叉熵作为修正标准差的目标函数,通过政治优化算法先后修正参数均值和标准差;最后,以空间桁架结构为例,选取弹性模量和密度为待修正参数验证该方法的可行性。结果表明,所提方法能够有效地修正结构参数均值和标准差,修正后的参数均值、标准差的误差分别低于0.1%、3.5%。

基于小波包能量谱与改进BP神经网络的铁路扣件松脱检测算法研究

为实现铁路扣件在服役过程中松脱位置及松脱程度的准确检测,提出一种基于小波包能量谱与改进BP神经网络的铁路扣件松脱检测算法。首先,参照现行规范,在实地设计了7种铁路扣件不同松脱工况,并依次采集各工况下所对应的钢轨垂向振动加速度信号;随后,对采集到的钢轨垂向振动加速度信号进行7层dB40小波包分解,获取各工况下对应的小波包节点能量比数据信息,在此基础上,从距离和维度两个角度出发,设计了一个向量相异系数指标(VDC)用以实现松脱扣件的定位;此外,依据数据特征,采用粒子群优化算法对BP神经网络进行改进,构建PSO-BP铁路扣件松脱程度检测模型,并进行参数敏感性分析。研究结果表明:健康状态下铁路扣件的VDC最小值为0.17,最大值为0.41,明显小于各松脱状态下铁路扣件的VDC值,据此,可实现对单个和多个松脱扣件的准确定位;构建的PSO-BP铁路扣件松脱程度检测模型可以实现扣件松脱程度的准确检测,且当隐含层中神经元数目设置为20时,模型检测效果最优,对应识别准确率为98.66%。

基于自适应TQWT与小波包奇异谱熵的滚动轴承早期故障诊断

滚动轴承早期故障诊断可有效地保证机械设备的运行安全,针对滚动轴承早期故障特征微弱,故障特征提取不佳的问题,提出可调品质因子小波变换(Tunable Q-factor wavelet transform,TQWT)与小波包奇异谱熵相结合提取特征的滚动轴承早期故障诊断方法。针对滚动轴承早期故障信号的冲击性与周期性特征,提出峭谱积(峭度和包络谱峰值因子的乘积,KEc)的新指标。以KEc为优化指标,采用网格搜索法确定TQWT最佳的品质因子Q,同时以中心频率比为优化指标,确定最佳的分解层数J。通过最佳参数Q和J对原始信号进行TQWT分解并单支重构,选择KEc最大的重构分量作为最佳分量。提取最佳分量的小波包奇异谱熵值作为故障特征向量,最后运用支持向量机(SVM)进行模式识别并进行早期故障诊断。为验证所提方法的有效性,以XJTU-SY滚动轴承加速寿命试验平台研究对象,运用加速度传感器获取的试验数据集进行验证,识别结果准确率为94.5%。同时,与优化指标为峭度等的SVM识别结果进行比较,所提方法识别率提高了约1%~7%。对比结果表明,运用所提方法对滚动轴承早期故障进行识别,可以准确有效地诊断出轴承的故障类型,具有一定的实用价值。

基于小波包奇异谱熵和IWOA-ELM的列车轴承故障诊断

为了有效提高多工况下地铁列车滚动轴承故障诊断精度,基于轴承振动数据,提出一种基于小波包奇异谱熵和改进鲸鱼优化算法(IWOA)优化极限学习机(ELM)的故障诊断方法。针对轴承振动信号的非平稳性和非线性特点,采用小波包提取样本特征,使用奇异值分解提取小波包数据集的样本信息熵,获得样本特征集。其次,针对模型参数难以确定,优化速度慢且容易陷入局部最优问题,采用变异算子和混沌动态权重因子改进鲸鱼优化算法(WOA),使用IWOA优化ELM参数获得故障诊断模型。最后,使用美国凯斯西储大学的轴承故障数据验证了模型的可靠性和稳定性,在多工况下不同类型组合的300组测试样本中,模型诊断准确率为99.33%。同时与同一数据源的其他诊断模型进行对比验证模型的优越性。结果表明,基于小波包奇异谱熵和IWOA-ELM的轴承故障诊断模型诊断可靠性强、准确率高。

基于小波包能量谱的滚动轴承振动噪声检测方法

针对轴承振动与噪声源零件识别与检测问题,利用小波包分解的方法来分析轴承的振动噪声信号:根据待测轴承振动信号特点,确定小波包分解的小波函数及分解层数,得到了轴承振动信号在频域的信息;通过构造小波包能量谱来分析各个频段上振动信号的特征,根据各个小波包空间能量值的大小判断轴承振动的剧烈程度;通过小波包重构算法对轴承振动噪声贡献较大的小波包空间进行重构,得到具有较高信噪比的重构信号,便于进行频谱分析。结果表明,本文的检测方法可以较准确的识别出新出厂轴承中振动噪声的主要来源,对于后期实现轴承静音降噪具有重要意义。

基于小波包能量谱和希尔伯特变换的管道泄漏检测技术

为了及时检测输油管道泄漏缺陷以减少输油泄漏事故的发生,首先,提出了一种基于小波包(WPT)能量谱和希尔伯特变换(Hilbert)的输油管道泄漏检测技术,改变阀门开度模拟不同泄漏程度的管道泄漏;其次,选取小波包阈值对采集的信号去噪,获得实际有效信号,并用WPT能量谱变换将有效信号分解为频段能量谱,过滤掉不含泄漏信息的频段,保留有效频段;最后,利用Hilbert进行有效频段的谱分析,提取泄漏源信息,实现对管道泄漏工况的诊断分类。结果表明:输油管道泄漏检测平均误差在3%以内,诊断准确率达到95%,与直接Hilbert变换方法以及单纯WPT能量谱分析法相比,定位精度明显提高。

基于小波包能量谱的电网故障行波定位方法

为减少电网故障行波传播色散特性对行波波头检测和波速测量的影响,提高电网故障行波定位的准确度,提出了基于小波包能量谱的电网故障行波定位方法。该法结合小波包技术与傅立叶变换的谱分析,对行波信号进行分析,提取能量相对集中的故障频带信号进行故障行波定位计算;行波到达时间由该频带相应尺度下的小波包能量时谱提取的行波特征点位置计算;该频带行波传播速度由输电线路两端对外部扰动的实测行波数据计算。大量的电网故障行波定位ATP仿真分析结果和现场实验测试分析表明,该电网故障行波定位方法能有效提取电网行波特征信号,减少行波传播色散特性和线路长度变化的影响,定位误差<200m。

基于小波包能量谱的结构损伤预警方法试验研究

通过钢梁损伤试验,验证基于小波包能量谱的结构损伤预警方法在实际结构上应用的有效性。对钢梁进行完好工况和三个损伤工况的动力响应测试,对得到的响应进行小波包分解,考察损伤前后各个特征频带的能量变化。试验结果显示,损伤预警指标ERV和ERVD能够对三种损伤工况做出有效预警;同一工况的多次测试得到的损伤预警指标ERVD虽有变化但变化不大。基于小波包能量谱的结构损伤预警指标对结构损伤具有敏感性、对测试噪声具有鲁棒性,可以用于实际结构损伤预警。

基于小波包能量谱的结构损伤预警方法研究

基于小波包分析推导了结构动力系统在不同分析尺度上的状态方程和观测方程,在此基础上研究了结构动力响应在不同分析尺度上的时-频特性以及系统矩阵和测量噪声在各个分析尺度上的递推性。理论分析证明,采用结构动力响应的小波包能量谱进行结构损伤预警具有较好的损伤敏感性和噪声鲁棒性。根据瞬态激励的特性提出对激励和响应的时域互相关序列进行小波包分解得到小波包能量谱,并在此基础上计算结构损伤预警指标。通过一钢筋混凝土板静力承载力的振动试验分析,对板不同受力阶段的损伤状态进行了判别,并与实际损伤程度进行了比较。

基于Hilbert-Huang变换和小波包能量谱的电压暂降源识别

针对电压暂降源识别问题,提出一种基于Hilbert-Huang变换(HHT)和小波包能量谱的电压暂降源识别方法。首先对电压暂降信号经过经验模态分解(EMD),得到一个固有模态函数(IMF)集合,然后将各IMF进行n层小波包分解并计算其小波包能量谱,得到Hilbert-Huang(HH)谱图。通过比较突变点、幅值、谐波等特征量,对电压暂降源进行识别。实验结果表明,该方法简洁可靠、识别准确性高、实用性强。

基于小波包能量谱的大跨桥梁结构损伤预警指标

基于结构动力响应的小波包能量谱提出了两种结构损伤预警指标:能量比偏差和能量比方差。以润扬长江大桥北汊斜拉桥为研究对象,分析了损伤预警指标在不同损伤位置、损伤程度和测量噪声水平下的预警能力。研究结果表明:与结构自振频率等模态参数相比,能量比偏差和能量比方差可以明显提高大跨桥梁结构损伤预警的敏感性和有效性,并且具有良好的抗噪声干扰能力。能量比偏差和能量比方差可作为大跨桥梁结构损伤预警系统的损伤预警指标。

基于小波包能量谱爆炸参量对爆破振动信号能量分布的影响

基于现场实测爆破振动数据,根据爆破振动信号具有短时非平稳的特点,采用小波包分析技术对不同爆炸参量(爆心距、最大段药量和微差雷管段数)下产生的爆破振动信号进行小波包能量谱分析,获得了爆破振动信号不同频带的能量分布,研究了不同爆炸参量下的爆破振动信号能量分布特征,从爆破振动信号能量角度探讨了不同爆炸参量下爆破地震波的衰减规律,为研究爆破地震效应提供了一种新的分析技术。

基于小波包能量谱和NPE的模拟电路故障诊断

提出采用小波包能量谱和邻域保持嵌入作为预处理实行特征提取的模拟电路故障诊断方法。该方法对采集到的故障响应信号进行小波包分解,将不同频带内的能量作为故障特征值,然后利用邻域保持嵌入算法进一步提取故障特征,最后将所得到的最优故障特征输入支持向量机进行故障诊断。仿真结果表明,提出的故障特征提取方法能很好地反映故障响应信号的本质特征,不仅表现出了比其他特征提取方法更好的性能,而且最后的故障诊断中也获得了令人满意的结果。

基于小波包能量谱的HMM钻头磨损监测

从工程应用的角度论述了小波包分解原理及其能量谱监测理论,并将该理论应用于钻削力信号特征提取中,针对钻削过程特征矢量与钻头磨损之间具有较强的随机性和不确定性的特点,提出一种基于隐马尔可夫模型(HMM)的钻头磨损监测方法。实验结果表明,通过对钻削力信号进行多层小波包分解,提取各频段能量谱作为特征矢量可准确刻画工艺系统随钻头磨损的演化规律,利用HMM建立的各钻头磨损状态小波包能量谱的统计模型可有效跟踪钻头磨损的发展趋势,实现钻头磨损状态和寿命的监测。

面向结构损伤预警的小波包能量谱识别参数

对Benchmark钢框架结构试验数据和润扬大桥悬索桥监测数据进行了小波包能量谱损伤预警分析,在此基础上详细考察了不同小波函数和小波包分解层次的损伤预警效果.结果表明:Daubechies小波和Coiflets小波适用于结构损伤预警,并且实际工程中应采用较大的小波函数阶次以获取较好的时域分辨能力和损伤预警能力;小波包分解层次愈大,小波包能量谱的频域分辨能力和损伤预警能力愈强.润扬大桥悬索桥的实测分析表明,随着小波包分解层次的增加,特征频带能量比与温度保持明显的季节相关性,其年变化更为明显.因此,实际工程应用中应尽量选择较大的小波包分解层次.

基于小波包能量及高阶谱的特征提取方法

针对广泛存在的油气管道周边安全问题,研究了管道周围地面活动目标产生的震动信号的特性,提出了一种基于小波包能量谱和信号高阶谱分析相结合的特征提取方法来区分不同的活动目标.根据目标产生的地面震动信号是非平稳的特点,采用基于小波包分解能量的方法对信号的各频带进行分解,得到信号在不同频带内的能量分布特性.仅根据能量谱并不能完全区分不同类型信号,通过对信号高阶统计特性的分析,提取出高阶谱特征频率,结合这两种方法提取出的特征作为神经网络的输入向量进行模式识别.通过对实验数据进行分析,单独采用小波包能量特征其平均识别率为88.5%,而采用本文提出的方法平均识别率可以提高到94.6%,验证了文中提出方法的有效性.

基于小波包能量与峭度谱的滚动轴承故障诊断

针对故障轴承的振动信号中包含冲击成分,导致信号的能量集中的问题,提出了一种基于小波包能量与峭度谱相结合的方法用以提取轴承故障信号特征。首先应用小波包对测量信号进行分解、能量归一化处理和信号重构,然后将重构信号采用峭度谱确定带通滤波器的最佳中心频率和带宽,最后将滤波信号进行包络解调并提取故障特征频率。分别对仿真信号和试验数据进行研究,能够清晰地得到故障特征频率及其高次谐波,从而验证了所提方法在滚动轴承的故障诊断中的有效性和可行性。