基于广义Curvelet变换和相空间特征聚类的VSP波场分离方法

垂直地震剖面(Vertical Seismic Profiling,VSP)蕴含大量的地层地质信息,是连接地震反射数据与测井资料之间的桥梁.VSP数据分辨率高,资料丰富,包括上行波、下行波、转换波等多种类型的波场,常被用于地层反射界面标定、介质衰减参数反演等.其中,如何有效地分离波场是将VSP资料应用于油气勘探的关键之一.广义Curvelet变换是一种具有多尺度、多角度的相空间变换,能够进行相空间域波场特性的提取.本文聚焦于VSP波场的上下行波分离问题,提出一种基于广义Curvelet变换和相空间特征聚类方法.首先,采用广义Curvelet变换对VSP波场进行特征提取,构造融入相空间角度信息的特征数据集;然后,利用K-means聚类算法在相空间对波场特征进行分类;最后,对分类结果进行反变换,完成VSP上下行波波场的自适应分离.为了验证方法的有效性,本文将所提出的方法用于合成数据和实际VSP数据的波场分离,并与常用的基于F-K变换的波场分离方法进行对比.处理结果表明,本文方法角度分辨率高、抗噪能力强,波场分离结果的保真保幅性好,这为后续的成像与地层的特征分析提供了重要基础资料.

基于广义积分变换法海洋温差能大口径冷水管强迫振动分析

复杂多变的海洋工况将诱发大口径冷水管强迫振动,为探明均布载荷、线性变化的静水压力、集中载荷和周期载荷作用下冷水管振动响应机制。基于Euler-Bernoulli梁理论,建立了管道动力学控制方程,采用广义积分变换法,求解了系统强迫振动的解析解,并与同伦摄动法相对比,验证了该方法的高精度和有效性,分析了内流、黏弹性耗散系数、阻尼比和质量比对管道振动特性的影响。结果表明:当内流流速对应的振动频率与固有频率接近时,管道将出现动态失稳。增大黏弹性耗散系数、阻尼比和质量比对横向位移的抑制效果呈现依次递减的规律,改变激振位置和激振频率可显著改变管道横向位移。该研究成果可对冷水管的初期设计提供一定的指导作用。

三有源桥DC-DC变换器广义状态空间平均模型及控制策略研究

基于移相加占空比控制策略的三有源桥TAB(triple active bridge)DC-DC变换器具有效率高和软开关范围可扩展等优点,但其小信号建模过程复杂、闭环控制环路参数整定困难。针对该问题,提出1种TAB工作在移相加占空比控制下的全阶连续广义状态平均建模和PI控制器设计方法。首先,分析TAB的运行原理和Y型等效结构;然后,结合移相加占空比控制的特点和交流方波源等效方法,推导出TAB的广义状态空间平均模型;接着,在推得模型的基础上求得输入到输出的传递函数,设计出PI控制器参数。最后,结合数字仿真及样机实验验证了所提方法的正确性及有效性。

直流变换器广义对偶与相通性探讨

提出严格对偶和广义对偶的概念,探讨直流变换器的对偶性与相通性。对于三大类直流变换器,即Buck类、Boost类、Buck-Boost类变换器,包括隔离型和非隔离型,推导其严格对偶变换器,并分析可能存在的广义对偶变换器。对于一个已知的基本变换器,发现存在3个与其对偶的变换器,其中一个为严格对偶,两个为广义对偶。采用相通性,分析组合变换器与基本变换器之间的关联及在变换器推演上用到的相似处理方法,有利于变换器拓展与延伸。将软开关直流变换器看作是直流变换器与软开关电路的组合,可采用对偶与相通的方法对其进行研究。重点研究准谐振变换器的广义对偶与严格对偶,简要分析其余软开关直流变换器的对偶性。最后,通过分析直流变换器和软开关直流变换器仿真波形上的对偶性,验证理论分析的正确性。

频率矫正广义S变换及在储层含油气性预测中的应用

随着我国油气勘探程度的不断加深,陆相页岩油气等非常规油气逐渐成为我国勘探开发的重点,陆相页岩非均质性强、储层薄且纵横向变化剧烈等典型特征导致含油气性预测精度差,影响后续井位部署和生产等.时频变换方法是储层含油气性预测最有效的工具.为了提高储层含油气性预测的精度,本文提出了一种频率矫正广义S变换(Frequency-Corrected Generalized S-Transform, FCGST),该变换既具有S变换多尺度多分辨率的特性,又可以通过自适应选取窗函数参数以控制窗函数的带宽和主频等,这一特性可以适用于不同工区地震数据的处理与解释.与传统的S变换和广义S变换不同,该变换修正了传统S变换和广义S变换中的尺度因子,改善了S变换和广义S变换等传统方法中时频谱主频向高频方向偏移的问题,有利于精确描述复杂储层含油气性.合成数据算例表明,频率矫正广义S变换提升了地震信号局部时频特征的表征能力;将频率矫正广义S变换应用于鄂尔多斯盆地某工区储层含油气性预测中,实钻结果数据进一步验证了该时频分析方法在储层含油气性解释中的有效性和潜力.

基于同步提取广义S变换的机械故障诊断方法研究

现有的同步提取变换(synchroextracting transform, SET)窗函数固定缺乏灵活性,在进行故障诊断时很难有效获取到高时频精度和高抗干扰性能的瞬时频率,针对此问题,结合广义S变换可以自适应调节窗函数宽度的优点,提出一种基于同步提取广义S变换(synchroextracting generalized Stransform, SEGST)的机械故障诊断方法。SEGST方法的特点在于将Rényi熵作为度量时频聚集性的标准,通过在高斯窗函数中引入2个尺度调节因子来选择参数的最佳值,对得到的广义S变换二维时频谱构造出同步提取算子来提取时频脊线处的时频系数,该算子能保留与信号的时变特征最相关的TF信息,剔除多余的模糊时频能量,从而得到高时频分辨率的时频能量特征。仿真结果表明,所提方法不论在时频分辨率方面,还是在噪声鲁棒性方面,都优于传统时频分析方法,并且保持了良好的重构性。最后,将所提方法应用于航空发动机高速滚动轴承故障诊断中,结果表明,该方法能够准确识别故障信号中的特征频率。

基于同步压缩广义S变换的电力系统次/超同步振荡检测

为实现电力系统次/超同步振荡的快速、准确辨识,提出了一种基于同步压缩广义S变换(synchrosqueezing generalized S transform, SSGST)和改进稀疏时域法(improved sparse time domain method,ISTD)结合的次/超同步振荡辨识方法。该方法首先利用能量比函数对电力系统广域量测信息实时检测,当检测到信号能量发生突变时,利用SSGST对检测到的振荡信号分解得到相应的SSGST时频系数矩阵;然后通过改进的脊线提取方法在时频域实现对各振荡分量的最优轨迹搜索;进一步,结合最优轨迹时频索引重构各振荡分量的时域分量,并利用ISTD辨识方法计算出各振荡分量的频率和阻尼比系数;最后,通过自合成模拟信号、双馈风电场经串补并网系统仿真信号和某实际风电场实测数据验证了所提方法的准确性和有效性。

基于广义幂变换的脉冲噪声抑制方法

为有效抑制电力线通信(power line communication,PLC)系统中的脉冲噪声,从信号被脉冲噪声影响后正态性被破坏的角度出发,文章提出一种基于广义幂变换的脉冲噪声抑制方法。该方法首先引入Box-Cox变换,通过对接收信号进行幂变换处理,使其分布更接近正态分布,又通过推导引入新的零记忆非线性(zero memory non-linearity,ZMNL)函数,以便进一步优化处理效果。此种结合ZMNL函数的Box-Cox变换可改善接收信号的正态性,实现对脉冲噪声的抑制。仿真结果验证所提广义幂变换方法对接收信号的正态性改善效果明显,对脉冲噪声有良好的抑制效果,并且与传统消隐法相比效果更好。

基于深度学习和广义S变换协同的风速预测

针对实测风速的非平稳性特点,提出一种基于深度学习和时频分析的风速混合预测方法。首先,采用经验模态分解(EMD)将风速分解为若干子层,由此得到趋势分量和脉动分量以降低风速的非线性。根据2个分量的时频特性,采用长短时记忆(LSTM)处理趋势分量,极限学习机(ELM)处理脉动分量。其次,引入广义S变换(GST)来获得预测过程中的时频特性。同时,采用改进的灰狼算法(IGWO)对GST、LSTM和ELM的参数进行优化。最后,以内蒙古某风场实测风速对所提模型进行验证,结果表明该模型具有较高的精度。

基于同步提取增强广义S变换的柴油机气门性能退化状态评估

柴油机在运行过程中气门间隙逐渐增大,其状态会随气门性能退化而发生改变。针对传统状态评估方法难以对其气门性能退化状态进行准确评估的问题,提出基于同步提取增强广义S变换(Synchro Extracting Enhanced Generalized S-Transform,SEEGST)的柴油机气门性能退化状态评估方法。通过传感器采集反映柴油机状态的振动信号;为解决传统信号时频分析方法存在时频分辨率低、能量聚集性弱等问题,基于同步提取算法与广义S变换提出SEEGST时频分析方法,将振动信号转换为二维时频图;利用MLP-Mixer模型提取时频图像特征进行训练,实现柴油机状态评估。通过柴油机状态监测实验台开展气门性能退化实验,将所提方法与SSGST-MLPMixer、GST-MLPMixer、SEEGST-ViT、SEEGST-2DCNN、FFT spectrum-1DCNN 5种传统方法对比。实验结果表明:所提方法的整体评估准确率达到98.96%,可有效应用于柴油机气门性能退化状态评估领域,为开展柴油机气门性能退化状态评估提供一种新的思路。

基于广义S变换的高频地波雷达电离层杂波抑制方法

为了抑制电离层对高频地波雷达回波的干扰,文中提出了一种基于广义S变换(GST)的时频滤波方法,通过GST将受电离层污染的时域数据转换为时频域进行分析和处理,根据相邻时间窗信号和电离层杂波的相关性不同,依次将时间窗内数据构建Hankel矩阵,再进行子空间滤波,最终达到减轻电离层干扰的目的。通过与传统方法比较及实测数据处理分析,回波频谱中的电离层杂波抑制取得了较好的结果,进而验证了本方法在电离层杂波抑制中的可行性和有效性。

基于广义S变换的光伏电站谐波和间谐波分析方法

针对S变换高斯窗函数形式固定不变的问题,引入高斯窗调节因子改进S变换,提出一种基于广义S变换的光伏电站谐波和间谐波分析方法。首先通过MATLAB/Simulink搭建光伏电站的仿真模型,在自然采样双极性SPWM调制方式下采集逆变器的三相输出电压;然后以A相电压为例,采用广义S变换对电压信号处理得到一个模时频矩阵;最后对该矩阵分析实现光伏电站谐波和间谐波参数的准确计算。仿真结果表明,本文方法的幅值计算误差最大仅为3.30×10^(-4)%,频率的平均计算误差为0%,远小于S变换幅值误差35.19%和频率误差2.39%;能满足光伏电站谐波和间谐波检测精度的需要。

基于广义S变换和并联神经网络的结构损伤识别研究

目前在利用CNN网络提取特征的结构损伤识别研究中,仅仅利用1D-CNN和2D-CNN提取的特征进行损伤识别存在准确率低、识别效率不高等问题。提出了一种基于广义S变换和并联神经网络的结构损伤识别方法。为了丰富输入信号的特征维度,利用广义S变换将滤波后的信号转化成时频图,并同时将一维加速度响应信号和二维时频图分别输入1D-CNN和2D-CNN中进行时域和时频域特征提取,并在汇聚层进行特征拼接,然后通过FC层和Softmax层对损伤识别结果进行分类。利用IASC-ASCE SHM Benchmark结构第二阶段试验数据对所提出的并联网络模型进行验证,结果表明,所提出的网络模型与其他同类方法相比具有更高的识别精度和识别效率。

(3+1)维广义非线性发展方程的双线性Backlund变换与精确解

基于Hirota双线性方法和试探函数法,研究一个(3+1)维广义非线性发展方程的双线性Backlund变换和精确解问题。用Hirota双线性法,构造(3+1)维广义非线性发展方程的双线性形式和双线性Backlund变换。基于双线性形式和双线性Backlund变换,利用试探函数法与符号计算系统Mathematica,获得(3+1)维广义非线性发展方程的多种精确解,包括呼吸波解、复合型解、Lump周期解和孤子解,并分析解的相互作用情况。

一类二阶非标准广义力学的正则变换和第一积分

研究带有指数Lagrange函数的二阶非标准广义力学的正则变换以及关于第一积分的Poisson理论.首先,建立二阶非标准广义力学的Hamilton原理,导出Euler-Lagrange方程,并由Legendre变换定义Hamilton函数,建立正则方程;其次,建立二阶非标准广义力学的正则变换的判别条件,并通过母函数的不同选择给出四种基本形式的正则变换;最后,验证二阶非标准广义力学具有Lie代数结构,建立关于第一积分的Poisson理论.文中通过算例演示结果之应用.

基于Box-Cox变换和随机系数回归的非线性退化数据建模方法

变换方法是处理设备非线性退化建模与剩余寿命预测的一种重要方式和可行途径,目前常见的变换方法主要为对数变换和时间尺度变换,其适用范围有限。鉴于此,文章提出一种基于Box-Cox变换(Box-Cox transformation,BCT)的非线性退化数据建模方法。首先,采用BCT对非线性退化数据进行变换,将变换后的退化数据通过线性随机系数回归模型进行建模。然后,通过构建观测数据的概率密度函数,利用极大似然估计对于BCT中的模型参数进行辨识,并运用Bayesian理论对参数进行在线更新实现退化模型的动态校准。最后,分析经过BCT后的锂电池和轴承实际退化数据,其线性度与相关系数最高分别提升69.63%、9.19%,证明文章方法可行,具有潜在的工程应用价值。

基于互Box-Cox变换和Markov链风速云模型的发电系统充裕度评估

为准确计及风速随机性和自相关性对风电并网系统充裕度的影响,建立基于互Box-Cox变换和Markov链的风速云模型,并将该模型与时序Monte Carlo模拟法结合,提出计及风速随机性和自相关性的风电并网系统充裕度评估方法。仿真结果表明,所提模型产生的仿真风速样本与实测风速样本具备相似的概率分布特性和自相关性,所提方法可较精确地评估风电并网系统充裕度及风电容量可信度。

广义S变换下串联故障电弧的时频分析及识别研究

在当前用户侧负载日益复杂的情形下,故障电弧信号难以有效识别,阻碍了线路隐患监测及预警技术的发展。该文基于广义S变换进行了故障串联电弧的时频分析及识别研究。首先,比较了短时傅里叶变换、小波变换、广义S变换3种电弧时频特征提取方法的区别,阐明广义S变换在处理非线性负载高频特征方面的优势。然后,利用双曲高斯窗的广义S变换对负载信号进行时频特征提取,构建图像特征样本。最后,利用二维卷积神经网络对样本进行训练及分类,通过准确率、识别结果聚类进一步分析和验证识别算法的有效性。该文算法总体识别准确率在96.81%,涉及负载广泛,为后续电弧故障的监测识别研究提供参考。

基于高阶多道同步挤压广义S变换的多属性融合储层预测技术研究及应用

时频域地震精细解释建立在高分辨率时频分析算法的基础上。为适应高精度勘探开发的要求,在多道同步挤压广义S变换(MSGST)的基础上,提出了高阶多道同步挤压广义S变换(HMSGST),进一步聚焦时频分辨率,提高储层预测的精准性。通过理论信号、理论加噪信号对比6种时频算法的计算结果,验证了HMSGST具有高时频分辨率,对复杂信号具有更好的刻画能力。以某三维工区海相砂岩为例,基于HMSGST在时频域沿主要油气储层(T2层)提取时间切片,开展频率衰减梯度、分频相干等属性分析以增强对短轴河道、次级断裂等目标的识别能力和烃类检测能力,进一步结合曲率属性开展RGB多属性融合精细雕刻。对于不同工区、不同地质条件的地震数据,需要进行HMSGST的参数分析,适合的参数是达到更为准确的计算结果的前提。

矩阵的广义初等变换

矩阵的广义初等变换作为普通初等变换的自然推广,在代数中发挥着重要作用,它是解决相关矩阵问题的有力工具。通过若干例子展示其在行列式计算、矩阵求逆、秩的证明、特征多项式的计算、合同变换等方面的应用。