基于改进同步挤压小波变换识别信号瞬时频率

提出了改进同步挤压小波变换。首先,采用解析模态分解定理将非平稳响应信号分解为多个单分量信号;其次,通过频率转换将分解后的单分量信号从低频区域转换到高频区域以提高时间分辨率;然后,对频率重点关注区域的时频代表值进行局部挤压,提高时频曲线的频率精度;最后,通过两个数值算例和一个拉索试验验证了改进同步挤压小波变换方法的有效性和准确性。研究结果表明,改进同步挤压小波变换能够提高信号在特定区域内的瞬时频率识别精度,是一种可行的时变结构参数识别方法。

同步挤压小波变换在矿山微震监测系统中的应用

微震监测技术是一种保证矿山安全、高效、可持续发展的重要地压监测手段。矿山传感器获取的微震数据容易受到宽频带非平稳噪声的影响,导致微震监测缺乏可用的高质量数据。本文介绍了一种新的频谱分析方法——同步挤压小波变换,它提供了一种将数据同时分解到时域和频域的方法,且比小波变换等方法的时频分辨率更高,可以在时频谱上更为清晰地展示微震信号。同时,本文还比较了Morlet小波基和Bump小波基对微震波形的影响程度,并通过现场微震监测波形验证了Morlet小波基的相对可靠性。采用基于噪声水平的硬阈值滤波方法对其进行分别处理,结果表明,基于Morlet小波基的同步挤压小波变换在从原始数据中提取微震信号方面具有更大的实用价值,能够有效地提高信号的信噪比。

基于同步挤压小波变换和Transformer的轴承故障诊断模型

针对采用神经网络对滚动轴承进行故障诊断时,故障信息利用不充分,特征提取困难的问题,提出了一种基于同步挤压小波变换(SST)-Transformer的滚动轴承智能故障诊断方法。首先,以同步挤压小波变换作为信号处理模块,将一维振动信号转为时频图;接着,设计了一种最大程度保留故障信息的时频图分割方式,将时频图分割为一系列图像块序列;然后,将序列输入到具有强大的处理序列数据能力的Transformer模型中,进行了特征提取;最后,将特征数据输入分类器进行了分类,对比了不同的时频图分割方式的诊断效果,并将SST-Transformer模型与基准算法相比较。研究结果表明:相较于其他分割方式,基于SST-Transformer的滚动轴承智能故障诊断方法的诊断准确率提升了3.45%,并大幅提升了模型训练的收敛速度;相比于其他基准算法,该方法的平均准确率至少提升了1.05%。该方法有较高的诊断准确率和较好的稳定性。

基于同步挤压小波变换的并网逆变器故障自诊断方法

针对基于VSG的并网逆变器发生断路故障时,因转动惯量作用导致故障电流波形识别困难的问题,提出一种基于随机共振(SR)与同步挤压小波变换(SWT)相结合的故障自诊断方法。对含噪声的直流侧高频故障波形进行随机共振降噪处理,将降噪处理后的信号用同步挤压小波变换的方法完成模态分解,从中提取出含大量故障信息的一组模态分量,确定逆变器故障类型的全信息。研究结果表明:SR的应用可有效剔除噪声信息,增强故障信号识别度;SWT的应用能够在时域内精确辨别故障类型,提高故障诊断的正确率。

基于同步挤压小波变换的毫米波雷达时频分析方法研究

针对雷达回波信号能量弱、信噪比低、难以获取高质量中频信号的频域特征,从而导致测量误差较大的问题,提出了同步挤压小波变换(SST)结合中值滤波的信号时频分析方法,实现强随机噪声压制。首先,构造24G连续调频雷达回波信号的仿真模型,通过添加瑞利杂波和高斯随机噪声,对比短时傅里叶变换(STFT)、连续小波变换(CWT)、SST时频分析图,提出瞬时频率识别精度作为评价指标I;其次,利用STFT、CWT、SST算法对实际距离为6m的回波信号进行时频谱分析。研究结果表明:SST能更好地突出瞬时频率特性,并且可将随机噪声压缩为低能量短线条形。基于该分布特点,SST结合中值滤波能很好地抑制噪声,I值相对于SST、STFT、CWT分别降低了0.21、0.55、0.71,瞬时频率识别精度更高,同时逆变换重构信号的波峰波谷值得到较好的保持,且在不同距离下探测精度误差也最小。

基于改进型同步挤压小波变换的次同步振荡分析

针对电力系统次同步振荡分量提取存在模态混叠问题,将同步挤压小波变换(synchrosqueezing wavelet transform,SWT)应用于次同步振荡分析中。该方法结合连续小波变换(continuous wavelet transform,CWT)和经验模态分解(empirical mode decomposition,EMD)的优点,通过对连续小波变换值同步挤压处理,得到精细化的次同步振荡时频分布,同时把次同步振荡信号分解为基波分量和各次同步/超同步谐波分量,并结合希尔伯特变换完成各分量参数提取。为提高次同步振荡分析精度,定义调制算子修正瞬时频率估计来增强次同步振荡时频聚集性和重构精度,从而提出一种改进型同步挤压小波变换(improved synchrosqueezing wavelet transform,ISWT)。与连续小波变换和经验模态分解对比,所提方法能得到更好的次同步振荡时频分布,有效抑制次同步振荡分量提取模态混叠和噪声干扰。仿真算例和实际应用验证了所提方法的有效性。

基于同步挤压小波变换的结构瞬时频率识别

对结构响应信号采用连续可逆的时频变换工具-同步挤压小波变换,能提高时频曲线频率精度,有效地识别出结构的瞬时频率。用Duffing弱非线性系统及两层剪切型建筑模型验证该方法的正确性。设计时变拉索试验,分别对索施加线性与正弦变化拉力,测出结构的加速度响应,用同步挤压复Morlet小波变换算法进行索的瞬时频率识别。数值模拟及试验表明,同步挤压小波变换能有效识别时变结构及非线性结构的瞬时频率,该方法具有较好的稳定性。

同步挤压小波变换在电力系统低频振荡模态参数提取中的应用

针对电力系统低频振荡的非平稳、非线性特性,将一种新的时频分析方法——同步挤压小波变换(SWT),应用于低频振荡分析。该方法克服了大多数分析方法抗噪性差的缺点,结合了经验模态分解(EMD)和小波的优点,具有EMD的自适应性,同时提高了抗模态混叠能力。利用该算法可实现具有多分量的低频振荡模式分离,得到其瞬时幅值和频率,并计算阻尼比。仿真和实测信号的计算结果证明了SWT的有效性,优于传统的HHT方法。

基于同步挤压小波变换的电力系统时变谐波检测

针对噪声影响下时变谐波检测问题,提出基于同步挤压小波变换(SWT)的检测方法。首先利用SWT算法将混有噪声的时变谐波信号分解为不同的内蕴模态函数分量(IMTs),进而提取出所含谐波分量,然后对每个谐波分量进行Hilbert变换,得到每个本征函数的瞬时频率和幅值及谐波扰动的起止时刻。基于SWT准确的模态分离能力,实现了各谐波的瞬时频率、瞬时幅值和谐波扰动的起止时刻等参数较高精度的获取。与传统的希尔伯特-黄(HHT)方法相比,该方法对于谐波的分离能力更强,对噪声有更强的鲁棒性。仿真及实际数据表明,所提方法在噪声环境下依然能精确提取各个模态,验证了该方法在时变谐波检测分析中的有效性。

基于同步挤压小波变换的振动信号自适应降噪方法

振动信号在噪声影响下,特征提取十分困难。为此应用同步挤压小波变换(Synchrosqueezing Wavelet Transform,SST)对振动信号进行降噪,针对分解后本征模态分量(Intrinsic Mode Function,IMF)的选取问题,提出一种基于瞬时频率复杂度和自相关系数峰度值的同步挤压小波变换降噪方法。算法首先对原始信号进行SST信号分解并提取小波脊线生成固有模态分量,然后对生成的分量进行Hilbert变换得到瞬时频率曲线,再根据瞬时频率的复杂度选择相应的合成分量重构信号。为了进一步消除噪声影响,该方法同时采用了自相关系数峰度阈值法对筛选后的分量进行二次剔除,最终实现对原始信号降噪的目的。试验最后通过不同标准方差的噪声仿真信号以及物流机械传送设备振动信号验证该方法的可行性和有效性,同时将该方法与基于集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)和小波变换的方法进行比较,结果表明该方法的降噪性能要优于其他方法。

应用同步挤压小波变换去除面波

同步挤压小波变换(SWT)是一种新的连续可逆时频分析方法,具有较高的时间和频率分辨率,利用该变换可去除地震资料中的面波。将时间域地震记录变换到时频域,在时频域准确识别面波区域并切除,再将切除面波后时频域信号反变换到时间域,就得到去除了面波的地震记录。理论模型合成数据和实测资料的处理结果表明:该变换可以有效去除面波而不损失有效反射波,且效果优于连续小波变换、S变换和f-k滤波等方法。

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换(SST)消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解(EEMD)消噪法相比,可获得更好的消噪效果.

混沌背景下非平稳谐波信号的自适应同步挤压小波变换提取

针对同步挤压小波变换(SST)在提取混沌背景下非平稳谐波信号时的不足,提出一种改进的自适应最优累加频率范围的SST非平稳谐波信号提取方法.首先根据非平稳谐波信号小波系数与小波基支撑区间的关系,推导非平稳谐波SST提取时自适应累加频率范围的计算公式;然后,利用最小能量误差准则确定自适应累加频率范围公式中参数的最优值,从而实现非平稳谐波信号的SST自适应提取.分别在Lorenz混沌背景和Duffing混沌背景下对不同类型的非平稳谐波信号进行了实验分析,实验结果表明,该方法能有效地从含噪混沌背景中提取非平稳谐波信号,与经典的单一累加频率范围的SST方法相比,提取结果在均方误差和相关系数两方面都有较好的提高.

同步挤压小波变换对随机噪声抑制的研究

针对低信噪比信号在噪声去除中存在的问题,提出了利用同步挤压小波变换对随机噪声的处理研究。该变换是一种新的小波变换方法,可将时域信号转化成高分辨率的时频谱,再结合时频谱重排的思想,通过挤压任一中心频率附近区间值,从而得到同步挤压小波变换量值。研究发现,同步挤压小波变换可将随机噪声压缩为点状噪声或者颗粒噪声,并聚集分布,基于噪声这一分布特点,从而选用中值滤波,可达到很好地抑制噪声的目的;而传统小波变换后,随机噪声在大小尺度上均有分布,比较分散,用中值滤波不能达到好的滤波效果。对比结果表明:该方法具有较好的抑制随机噪声的能力。

基于同步挤压小波变换的故障行波测距方法

针对输电线路故障行波波头识别困难、易产生频谱混叠的问题,提出一种基于同步挤压小波变换(SWT)的故障测距方法。利用SWT提取故障行波小波脊线,生成一组内蕴模态类函数分量(IMTs)。然后对IMTs进行Hilbert变换提取故障点特征量,进而标定首波头的到达时刻。最后根据双端测距原理计算出故障距离。与传统的希尔伯特_黄变换和小波变换相比,该方法实现了故障行波波头较高精度的识别和对频谱混叠的有效抑制,具有较高的测距精度,对噪声的鲁棒性更强。PSCAD仿真验证了该方法的有效性,且测距结果受故障距离和过渡电阻的影响较小。

利用同步挤压小波变换的高压交直流混联系统交流线路暂态方向保护

大型交直流电网混联深度不断增大而呈现出的复杂故障特性,对故障识别与清除的快速性提出了更高要求。依据混联系统交流侧线路的故障暂态特征,该文提出一种暂态方向保护方法,比较正、反向电流暂态分量中的高频能量构成故障方向识别的判据。其中电流暂态分量的提取及其高频能量的表征经由新颖的同步挤压小波变换完成。在实际交直流混联系统参数建立的EMTDC仿真模型上进行大量测试,并且与传统连续小波变换相比较,结果显示所提暂态方向保护在不同故障初始相位角、故障类型、故障距离、故障过渡电阻以及不同线路长度下是可靠的,且灵敏度高,时间窗短,动作超高速。

基于同步挤压小波变换的配电网单相高阻接地故障选线

为提高配电网单相接地故障选线的成功率,提出了一种基于同步挤压小波变换的配电网单相高阻接地故障选线新方法。该算法首先通过同步挤压小波变换方法确定各馈线的最大时频脊线,计算最大时频脊线下的挤压能量和挤压相角。在此基础上,通过闵可夫斯基距离来表征每条线路的故障特征,并以此特征区别接地与非接地馈线。仿真实验结果显示,该选线算法受故障位置,过渡电阻,初始角度,馈线结构等因素的影响较小,能够准确地识别故障线路。对比其他已知算法,该算法对电流信号的处理精度更高,能更好适应复杂的配电网系统。

同步挤压小波变换提取地震信号瞬时属性

地震信号瞬时属性(振幅、相位、频率)的准确提取对于研究地球介质的岩性构造、油气储藏等具有重要意义;针对用传统时频分析方法提取地震信号瞬时属性对噪声敏感、可靠性不强等问题,提出了利用同步挤压小波变换(SST)提取地震信号瞬时属性的方法;该方法是一种连续可逆的时频变换工具,首先结合时频谱重排的思想,得到同步挤压小波变换量值,然后计算出实信号对应的解析信号,接着求取瞬时属性,最后与传统的Hilbert变换方法进行比较,通过仿真信号试验和实际地震资料的应用表明,SST提取的地震瞬时属性抗噪性更强、可靠性强,尤其对于瞬时频率的提取。

高阶多重同步挤压变换识别时变结构瞬时频率

针对多重同步挤压变换及其改进算法存在估算瞬时频率精度不高的问题,提出新的高阶多重同步挤压变换算法并应用于时变结构的瞬时频率识别。该方法首先通过引入高阶瞬时振幅与相位得到精度更高地估算1阶瞬时频率,然后采用递推法得到估算的高阶瞬时频率。其次,对高阶瞬时频率进行多次迭代并对迭代后的瞬时频率进行重排,从而得到高阶多重同步挤压变换后的瞬时频带。再次,运用时频系数模局部极大值法在限定的频带范围内提取瞬时频率曲线。通过两组数值算例和一个质量突变的悬臂梁试验验证所提新方法的有效性,研究结果表明:相比现有的多重同步挤压变换改进算法,高阶多重同步挤压变换不仅具有较好的精度,而且可以减少未重排点。

基于小波变换和改进粒子群算法的同步电动机参数辨识

为准确辨识出同步电动机的参数,提出了小波变换和改进粒子群算法相结合的新算法。通过小波变换对三相突然短路电流进行消噪处理,有效地降低了采集噪声,提高了信噪比。根据同步电动机参数辨识数学模型,在标准粒子群算法的基础上应用了线性惯性权重方法,克服了其后期容易陷入局部最优的缺点,提高了参数的求解准确度。通过同步电动机动模试验,对短路电流进行采样研究分析。结果表明,所提算法能够正确辨识出同步电动机各参数,取得了很好的求解效果。