基于小波能量熵的水电站直流系统接地故障自动诊断

为提高水电站直流系统接地故障诊断精度,引入小波能量熵,开展水电站直流系统接地故障自动诊断方法设计研究。将多个电阻器并联在一起,实现水电站直流系统接地电阻并联值测量。利用小波能量熵,对直流系统接地故障多尺度进行分析。结合得到的特征信息,完成小波熵接地检测与故障自动诊断。通过对比实验证明,新的诊断方法在实际应用中可以实现对直流系统接地故障的高精度诊断,并确定故障发生时间和故障具体类型。

基于时间反转算法和归一化小波能量熵的套筒灌浆缺陷检测

灌浆套筒灌浆缺陷严重削弱预制装配式结构性能,需要发展有效的检测方法。在灌浆套筒表面黏贴压电陶瓷传感器,对直接接收信号进行时间反转处理,得到具有高信噪比的超声聚焦信号,借助快速傅里叶变换和归一化小波能量熵算法,对水平连接和竖向连接形式的套筒不同灌浆程度的聚焦信号进行频谱及能量分析。结果表明,相对于直接接收信号,经过时间反转算法处理的聚焦信号将幅值提高了25.4 dB,聚焦信号更适用于复杂连接环境下的套筒灌浆缺陷检测;基于归一化小波能量熵的缺陷评价指标可以定量反映灌浆套筒内部缺陷程度。

基于小波能量熵和模糊逻辑的故障选相元件

构造了新型的用于高压输电线路保护的故障选相元件。利用小波分析良好的时频局部化特性,在暂态信号多尺度表示方法的基础上定义了用于特征提取的小波能量熵,并与模糊逻辑相结合形成新的选相原理。先对采集到的故障后电压信号进行适当的小波分解,并计算小波能量熵,然后构造包含故障信息的模糊语言变量作为模糊推理系统的输入,并建立相应的模糊逻辑推理系统,通过模糊逻辑的方法进行故障选相。仿真结果表明,小波能量熵随时间变化的规律能有效反映故障出现与否,并通过模糊逻辑做出选相判断。

基于多尺度能量统计和小波能量熵测度的电力暂态信号识别方法

电力暂态信号的检测与分类在电力系统暂态保护、电能质量分析等诸多领域得到广泛的应用,暂态信号的有效特征提取是信号分类识别的基础和前提条件。在介绍了电力系统暂态信号的多尺度表示及定义用于特征提取的2种小波分析处理方法(能量统计分析和小波能量熵分析方法)的基础上,建立了单相接地短路、开关操作、电容投切、一次电弧和雷击等5种暂态类型的EMTDC仿真模型,利用能量统计分析和小波能量熵分析方法给出了5种暂态信号在不同状态下随尺度的分布规律。仿真结果表明,部分暂态信号的多尺度能量统计特征和小波能量熵测度的分布表现出一定规律性,是一种有效的特征提取方法,具有一定的可聚类和信号识别能力。该方法为故障信号的分类提供了新的思路。

基于小波能量熵特征的阻抗胃动力信号识别

采用生物电阻抗技术从人体上腹部体表提取的电阻抗信号,不但包含了常规的胃蠕动频率特征,而且携带有反映胃动力状况的更深层次的信息。提取并分析这些信息,对胃动力的检测与评价具有重要意义。对20名糜烂性胃炎患者的胃阻抗和胃电信号进行研究,经过小波滤波去噪后,进行多层小波包变换,计算小波能量熵并作为特征向量,采用3层BP神经网络进行模式分类。经一周治疗后,14名患者胃阻抗和胃电信号的小波能量熵值下降,以小波能量熵为特征向量的BP神经网络对治疗前后的识别正确率为80%。结果表明,小波能量熵能够从整体上表征胃动力信号时域和频域能量分布的复杂程度,可为胃肠病患者的疗效评价提供有效的特征描述。

基于二元树复小波能量熵测度的局放模式识别

二元树复小波变换(DT-CWT)在时域和频域都具有表征信号局部特征的能力,且二元树复小波还具备近似平移不变、多方向选择、完全重构和高效计算等优点。而基于小波的信息熵能反映信号统计分布特征,突出系统信号中短暂的异常信号,达到及早发现可能故障的目的。笔者对4种典型绝缘缺陷产生的局部放电脉冲波形进行二元树复小波分解,将提取每层分解系数上的能量特征和小波能量熵测度作为模式识别的特征量。通过大量的试验获得放电样本,用构建的BP神经网络作为分类器,对4种典型绝缘缺陷产生的局部放电进行了有效识别,结果表明:采用此特征量的神经网络识别方法简单、有效、实用,为局部放电信号的识别提供了有效的参考。

基于变分模态分解和小波能量熵的微震信号降噪

微震监测技术被广泛应用于矿业工程、石油天然气开采、安全监测等领域。针对微震监测采集到的微震信号存在随机噪声的问题,本文提出了一种变分模态分解(variational mode decomposition,VMD)和小波能量熵(wavelet energy entropy,WEE)结合改进阈值函数的降噪算法。对原始信号进行VMD分解,将得到的各模态分量(intrinsic mode function,IMF)进行多尺度小波分解,用小波能量熵表征各尺度信号的含噪状态,并以小波能量熵最大子区间的小波系数计算各尺度层的阈值,通过改进阈值函数进行降噪处理后得到新的IMF,重构微震信号。对仿真信号和实测信号进行降噪处理,结果表明,该算法优于经验模态分解(empirical mode decomposition,EMD)、集合经验模态分解(ensemble empirical mode decomposition,EEMD)、VMD结合小波硬阈值和软阈值降噪方法,提高了微震信号的信噪比。

全信息小波能量熵及其在旋转机械状态监测中的应用研究

结合全信息技术、小波分析以及信息熵的基本理论,提出全信息小波能量熵的概念。用小波分析将两个垂直通道的信号分别分解至不同的频率带,综合所有分解系数计算得到小波熵,对融合信号能量分布的紊乱程度进行量化。仿真计算表明,全信息小波能量熵能反映融合振动信号能量分布的复杂性,且对能量分布的变化较为敏感,可作为衡量设备工作状态的指标,应用于旋转机械状态监测中。

不同楔面角度碟盘刀具切削煤岩的载荷与小波能量熵

为研究碟盘刀具破碎煤岩的载荷特性和破碎效果,利用ABAQUS有限元软件模拟有齿与无齿碟盘刀具在不同楔面角度和切削厚度情况下破碎煤岩。采用统计方法和小波能量熵分析碟盘刀具复合破碎煤岩的载荷谱特征及破碎能耗。结果表明:碟盘楔面角度不变,碟盘刀具的径向、轴向载荷随切削厚度的增加呈线性增大;切削厚度不变,随碟盘楔面角度的增大,径向载荷逐渐增大而轴向载荷逐渐减小;切削厚度较小时,无齿碟盘与有齿的小波能量熵差比大;切削厚度较大时,无齿碟盘与有齿的小波能量熵差比较小,即切削厚度越小碟盘齿及齿的大小对煤岩破碎性能影响越显著。当切削厚度为22 mm、楔面角度为35°~55°时,无齿碟盘径向与轴向矢量叠加载荷均值及其小波能量熵比有齿碟盘的分别大6. 0%和43. 5%。该研究可以为碟盘刀具的设计与性能研究奠定基础。

基于小波能量熵和支持向量机的高压输电线路故障选相方法研究

提出了一种基于小波能量熵和最小二乘支持向量机(LS-SVM)的高压输电线路故障选相的新方法。首先对采集到的故障后三相电流信号进行合适的小波分解,得到特定时间窗口内的三相小波能量熵的累加值以及各相之间的比值。利用各相的小波能量熵累加值以及比值作为表征不同故障类别的特征向量,并输入到LS-SVM分类器。采用支持向量机算法对数据样本进行训练,找出样本内潜在的规律,最终完成整个输电线路的故障选相。仿真结果表明,该方法不受系统运行方式、过渡电阻、故障位置以及故障初始角因素的影响,能够有效地识别故障类型,具有较强的通用性和实用性。

基于小波能量熵的铁路简支钢桁梁桥损伤预警方法

以铁路简支钢桁梁桥为研究对象,将列车荷载简化为移动荷载列,对移动荷载作用下的结构响应进行离散小波变换,计算各层小波能量。利用小波能量熵对信号突变的敏感性,提出一种基于小波能量熵的桥梁损伤预警方法,并应用该方法对某下承式钢桁梁桥各种类型损伤预警工况进行分析,研究损伤程度、损伤位置和测点位置对预警效果的影响规律。结果表明:所提方法可对钢桁梁桥不同位置和程度损伤的出现时刻进行准确预警,具有较强的鲁棒性,且可较为完善地解决边界效应问题;损伤预警效果与损伤程度呈正相关,测点位置与损伤位置距离越近,损伤预警效果越明显。

应用小波能量熵的人体活动时序自动标记方法

在基于可穿戴传感器的人体活动识别研究中采用的传统人工标记原始数据的方法步骤繁琐、效率低下,在一定程度上制约了相关研究的深入开展.为此,特提出一种基于小波能量熵的人体活动时间序列自动标记方法.该方法采用分布于人体躯干9处主要部位的多惯性测量单元同步采集17种人体活动加速度与角速度数据,通过滑窗对人体前腰部合加速度数据分段并使用多分辨率分析计算滑窗内小波能量熵,然后利用采集序列的时间约束选择初步分割阈值,对滑窗小波能量熵随时间变化曲线进行自动分割,并最终实现对6位受试人体活动时序数据的自动标记.结果表明,该方法的标记平均准确率为95.82%,总耗时约18.6 min,比人工标记平均耗时76.75 min减少75.76%,标记效率显著改善.

基于小波能量熵的故障信号诊断研究

针对电力故障信号为突变、非平稳信号的特点,利用消噪阈值法对故障信号进行预处理,通过小波变换对故障信号进行特征提取,然后将小波变换和信息熵相结合,并应用到故障检测与定位中,为奇异信号的检测提供了新思路和新手段。通过仿真分析,得到以下结论:小波能量熵WEE可以很好地检测故障突变点,小波能量熵随时间的变化规律,反映了电流或电压在时域的能量分布特征并表征信号的频率变化,可以用作分类所需的特征。

基于小波能量熵的司机疲劳驾驶行为响应算法

为实时、准确识别司机疲劳驾驶行为响应状态,保护司机驾驶过程中的人身安全,研究基于小波能量熵的司机疲劳驾驶行为响应算法。通过匹配追踪算法匹配司机驾驶时的方向盘转向信号,基于稀疏分解对司机方向盘转向信号进行去噪处理,获取纯净的司机方向盘转向信号;基于小波能量熵对去噪后的司机方向盘转向信号进行小波多分辨分析,获取信号的小波能量熵值,通过能量熵测度得到方向盘的修正响应行为,识别司机疲劳驾驶行为响应状态。仿真分析得出,在S形、双道路两种道路工况中,所提算法对驾驶熟练度存在差异的司机驾驶行为响应状态识别结果和实际响应状态相符,识别耗时低于0.5s,且有效提升司机方向盘转向信号信噪比。

小波能量熵与BP神经网络算法在数传设备故障诊断的应用研究

根据检测设备采集的数传设备故障样本信号,采用小波分析方法,提取信号的小波能量熵,并将其与其他特征参数一起形成特征向量,利用训练好的BP神经网络模型对设备故障进行诊断,从而确定设备故障模块。结果表明,该方法在数传设备故障诊断中具有较高的故障诊断率。

一种改进的小波能量熵语音端点检测算法

语音端点检测是语音信号处理的一个重要环节,在低信噪比下,端点检测的准确度和鲁棒性较低。为此,提出一种小波能量熵与基音周期相结合的混合端点检测算法。该算法通过分析语音信号的小波能量和小波能量熵,构造不同语者的小波能量熵端点检测参数,针对不同语者的发音特性运用小波能量熵和基音周期检测语音端点。实验结果表明,在不同噪声背景下,当信噪比为5 dB时,该算法的端点检测平均准确率达到84.375%,相对于小波能量和小波能量熵算法均有明显提高。

基于小波能量熵的超高压交流线路暂态保护研究

基于故障暂态量分布特征的线路保护不受系统运行方式、工频振荡等影响,对故障的判别更加快速、准确。线路发生区外故障时,高频成分在经过线路边界时发生明显的透反射效应,造成能量上的损耗,故障电流中高频含量低;而区内故障则不存在这个现象,故障电流中高频含量高。基于线路故障时产生的宽带高频暂态电流分量,利用D2小波能量谱实现故障的快速检测,并构造了小波能量熵量化描述高频暂态电流成分的能量分布,实现区内、外故障的判别。在PSCAD/EMTDC中搭建仿真模型,结果表明:该算法能很好地进行线路故障的快速检测及区内、外故障的判别,受故障类型、故障位置等因素的影响小。

基于小波能量熵的配电网电压暂降源定位方法

电压暂降影响敏感性用电设备可靠运行,在生产中造成巨大经济损失,是最严重的电能质量问题之一,暂降源的准确定位对维护电网安全具有重要意义。不同于以往利用小波能量熵进行故障检测,文中创造性地提出了一种基于小波能量熵的电压暂降源定位方法。利用小波能量熵既对突变信号敏感,又可表征信号复杂程度的特点,确定系统中小波能量熵取得最大值的节点即为离暂降源最近的节点,从而缩小故障区域实现定位。通过在Matlab/Simulink中搭建IEEE14节点模型与IEEE33节点模型,结果表明该方法可以有效实现由故障引起的暂降源定位。

基于Shannon小波能量熵与FFT的电力系统谐波检测方法研究

利用小波变换的频带划分能力和小波熵对扰动信号检测能力,结合傅立叶变换准确的频域分辨能力,提出一种基于傅立叶变换及小波能量熵联合的电力系统谐波检测改进算法。分析了快速小波变换中小波混叠产生的原因,并提出解决方法。根据电力系统谐波的特点,建立谐波信号数学模型,基于该模型利用Matlab对算法进行仿真验证;利用DSP实验台,对改进算法进行实用化测试。

小波能量熵在三相重合闸故障判别中的应用研究

分析了输电线路在发生两相接地故障时,永久性故障与瞬时性故障自振电压的特性,提出一种基于小波能量熵的自适应三相重合闸故障类型的判别方法。对采集到的故障后电压信号进行5层小波分解,提取相应的熵值,通过比较熵值的大小来区分故障的类型。理论分析和大量MATLAB仿真实验表明,该方法对于三相重合情况下判别故障类型具有较好的效果。