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。

基于局部最大值同步压缩广义S变换识别结构瞬时频率

为提升土木工程结构的瞬时频率识别精度,本文提出局部最大值同步压缩广义S变换方法.该方法首先对响应信号进行广义S变换;然后针对时频系数求取关于时间的偏导,进而估算信号的瞬时频率;最后采用局部最大值同步压缩算子来对时频系数进行重排,以此得到响应信号的瞬时频带.通过一组两层剪切框架模型的数值算例和一个七层钢筋混凝土剪力墙振动台试验验证该方法的有效性和可行性.研究结果表明,与既有的局部最大值同步压缩变换相比,本文方法不仅提升了瞬时频率的识别精度,而且改善了响应信号瞬时频带的时频聚集性.

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。

基于广义S变换的电压闪变检测法

针对电压闪变信号提取不准确的问题,提出一种基于广义S变换的电压闪变检测法。通过引入α变量改变S变换窗函数的窗宽,局部调整S变换频域和时域测量精度,从而实现电压闪变精确检测。实验结果表明,与传统S变换方法相比,该方法准确率高,能更有效检测出电压闪变成分。

广义S变换与薄互层地震响应分析

Stockwell等人提出的S变换虽然与Fourier谱能保持直接联系 ,然而 ,由于S变换中的基本小波不适用于地震资料处理 .为此本文采用两个步骤对S变换加以推广 ,得到两种新变换 (统称为广义S变换 ) .首先 ,用带有 4个待定参数的调幅简谐波来代替S变换中的基本小波 ,定义广义S变换 1,给出对应的逆变换 ;然后 ,以第一步中的基本小波的线性组合为新的基本小波 ,定义广义S变换 2 ,并构造其逆变换公式 .最后 ,分别使用S变换及广义S变换对几种典型的薄互层模型进行分析计算 .结果表明 ,后者比前者有更强的探测能力 ,后者可准确地确定厚度为 1 8波长的薄互层中波阻抗界面位置 ,但前者却不能 .文中还用实际资料处理的结果 ,证明了广义S变换方法的有效性 .

基于广义S变换的吸收衰减分析技术在油气识别中的应用

广义S变换克服了小波基函数变化趋势固定不变的缺陷,具有较好的时频分析效果和较高的灵活性。将广义S变换引入到地震波吸收衰减分析中,应用最小二乘谱模拟方法消除地层反射系数对子波振幅谱的影响,突出含油气储层在地震记录上的响应;引入"低频增加、高频衰减"(LFR&HFA)面积差值法使得含油气储层的影响占主导地位,提高了油气识别的准确性。物理模型和实际地震资料的应用验证了上述方法的可行性;应用上述方法对实际地震资料进行油气识别,取得的结果与实际钻井结果吻合,证明了上述方法的实用性。

基于广义S变换研究地震地层特征

将S变换引入到地震地层研究中,用广义S变换代替短时Fourier变换或连续小波变换,用于地震数据频谱分解和提取地震旋回特征.为此,首先研究了S变换的性质及其与短时Fourier变换、连续小波变换的比较,进一步给出广义S变换的特点,说明其如何获得更高分辨率.同时,对前述方法进行数值实现,模型数据试算结果表明算法的正确和有效性.在上述工作基础上,本文首次提出用广义S变换进行地震频谱分解和研究地震旋回,给出实现策略及2D实际地震数据试算结果,证明方法的有效性,为进一步实用化奠定理论和方法基础.

基于广义S变换的地震资料高效时频谱分解

常用的谱分解方法因时窗固定,使时频分辨率不能变化;谱分解生成的若干共频率谱数据体不仅占用大量存储资源,而且使解释工作量繁重。为克服这两个问题,构造了一种小波函数可调整的广义S变换,它可根据地震信号的频率自适应地调整分析时宽,获得较理想的时频分辨率。通过研究储层的几种顶底反射系数组合在广义S变换域中的时频响应,发现其振幅极值出现的频率位置与储层厚度及反射系数的符号直接相关,利用这一规律提出了基于广义S变换的地震资料高效时频谱分解方法,从谱分解后的若干共频率数据体中抽取振幅极大值的频率数据合成一个谱极大值数据体,减少了数据的存储量,提高了信噪比。在实际资料处理中用于分析岩性、地质构造和砂岩储层的空间展布,取得了良好效果。

基于广义S变换的吸收衰减补偿方法

探讨了利用广义 S 变换代替短时 Fourier 变换或连续小波变换,进行吸收衰减补偿的方法。对短时 Fou- tier 变换、连续小波变换、S 变换和广义 S 变换进行了分析和比较,给出了基于广义 S 变换的吸收衰减补偿方法。该方法的实现步骤是：①用广义 S 变换对高信噪比的叠加地震信号逐道进行时频分析；②在每个时间点,根据地层吸收特点提取各个频率的能量吸收衰减因子；③用加权方法对每个时间所对应的各个频率的广义 S 变换系数进行补偿,使各个频率在不同时间的能量相同；④将所有时间各个频率加权补偿的结果重构回地震记录,实现对地层吸收的补偿。模拟结果表明,广义 S 变换时频分析方法能够提高信号时频分布的分辨率。对实际二维地震数据的试算结果表明,基于广义 S 变换的吸收衰减补偿方法能较好地对地层吸收进行补偿,提高地震资料的分辨率,改善地震资料的品质。

一种广义S变换及模糊SOM网络的电能质量多扰动检测和识别方法

针对暂态电能质量电压多扰动信号的检测与分类问题,提出一种基于广义S变换及模糊SOM神经网络的暂态电能质量检测和识别方法。针对常见的电压多扰动信号,特别是两种扰动叠加的情况,采用广义S变换对扰动信号的时频特征进行提取,并取变换后的时间幅值平方和均值和特征频点作为神经网络的输入样本,采用模糊SOM神经网络进行训练,再用新的多扰动数据进行网络检验。仿真与实验结果表明,广义S变换能有效提高电能质量多扰动特征检测,模糊SOM神经网络能精确对其进行分类,该方法能够较好的解决电压多扰动叠加情况的定性和定量分类问题。

基于改进广义S变换的电能质量扰动检测算法

电能质量问题日趋严重,快速准确地检测扰动是治理和改善电能质量的前提。针对目前检测方法存在的较大缺陷,在广义S变换的基础上提出了一种基于改进广义S变换的电能质量检测方法,能够针对性地选择合适参数,灵活地控制高斯窗宽度,兼顾了全时段的时间和频率分辨率。将其应用于电压暂降、暂态振荡、暂态脉冲及谐波等信号的检测和分析中,利用最大频谱曲线、高频时间幅值曲线、基频幅值曲线和时频谱图判断扰动的频率成分、起止时刻和幅值变化。结果表明,该方法简单直观,检测精度较高,能灵活地调节时频分辨率。

广义S变换及其时频滤波

首先从基于高斯窗函数的短时傅里叶变换推导出了一种广义S变换,分析了它与S变换及小波变换的关系,给出了它的运算实现。理论分析与仿真实验表明,广义S变换的时频窗口不仅能够随着频率尺度自适应地调整,而且克服了S变换中时窗函数的变化趋势固定不变的问题,使广义S变换在应用中具有更高的实用性和灵活性。利用其高质量的时频分布。在时频平面中设计时频滤波器,用于非平稳信号中特定信号分量的提取,展示了广义S变换在这一应用中的有效性。