改进的谐波小波包变换及其在弱故障特征提取中的应用

通过引入频谱幅值修正系数改进了通常的谐波小波包变换。改进的谐波小波包变换使得信号分解前后各子带的频谱幅值保持不变,能精确提取相应子带故障调制信号的强度与频率,为机械故障诊断带来了方便。仿真实验和轴承故障诊断实例不仅表明谐波小波包具有一般正交小波包无法比拟的完美的带通滤波性能和极强的微弱特征信号提取能力,而且还表明改进的谐波小波包变换确实使得信号分解前后各子带的频谱幅值保持不变,能精确提取相应子带故障调制信号的强度与频率,有一定的工程应用价值。

多极小波包变换与改进浣熊算法优化的混合核极限学习机径流预测

为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和2个高频分量,并构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;其次,简要介绍COA算法原理,基于Circle映射等策略对COA进行改进,提出ICOA算法,通过8个典型函数对ICOA算法进行仿真验证,并与基本COA算法、鲸鱼优化算法(WOA)、灰狼优化算法(GWO)作对比,旨在验证ICOA算法的优化性能;最后,利用ICOA优化HKELM超参数(正则化参数、核参数、权重系数),建立MWPT-ICOA-HKELM模型,并构建MWPT-COA-HKELM、MWPT-WOA-HKELM、MWPT-GWO-HKELM、小波包变换(WPT)-ICOA-HKELM、小波变换(WT)-ICOA-HKELM、MWPT-ICOA-BP模型作对比分析,通过云南省景东、把边水文站2016-2020年日径流时间序列多步预测实例对各模型进行验证。结果表明:(1)ICOA具有较好的改进效果,仿真精度优于COA、WOA、GWO算法。(2)MWPT-ICOA-HKELM模型预测效果优于其他对比模型,其对实例单步预测效果“最好”,超前3步和超前5步“较好”,超前7步“较差”,预测精度随预测步长的增加而降低。(3)利用ICOA优化HKELM超参数,可显著提高HKELM预测性能,超参数优化效果优于COA、WOA、GWO算法。

全矢改进连续谐波小波包滚动轴承故障特征提取

滚动轴承在旋转类机械设备中运行时,会产生成分复杂的振动信号。现有滚动轴承信号处理方法多使用单通道信息,无法反映整个截面故障状态。本文提出了一种基于全矢改进连续谐波小波包变换的故障特征提取方法。首先使用相互正交的两个传感器,实现滚动轴承某一截面上双通道振动信号采集;其次利用全矢谱技术将所采集的同源双通道信号进行融合;然后使用改进连续谐波小波包变换分解融合后的信号;再从各子带中提取能反映各类故障特征的能量值组成特征向量;最后利用美国凯斯西储大学滚动轴承实验台的一组实测故障数据验证该方法的正确性。

基于改进小波包变换的谐波检测方法研究

针对基于傅里叶变换的谐波检测方法存在栅栏效应和频谱泄漏等问题,提出了一种基于改进小波包变换的谐波检测方法。该方法实现了对信号频带的均匀划分,通过选择适当的采样频率和小波包分解树,使所关心的谐波频率落到小波包频带的中心,从而减少频谱泄漏,有效提高了频谱分析精度。实验结果验证了该方法的有效性。

基于改进小波包方法的衬砌损伤识别研究

研究目的:针对隧道衬砌发生损伤的识别方法,提出了一种基于小波包能量的计算方法,在基于前人的研究成果上进行了改进,得到了一种算法简单、损伤识别效果显著的方法,并建立了一个新的损伤指标ELG(小波包结点能量丰富点控制指标);建立了三维隧道有限元模型,通过多种损伤工况计算,研究了该方法在不同工况下的损伤识别效果;进行了模拟实验,通过小车-管道模型模拟隧道衬砌在列车荷载作用下的响应,并使用该方法对响应数据进行分析。研究结论:(1)新的损伤指标ELG具有高效率、高准确性的优点,可以作为一种衬砌的损伤识别方法;(2)损伤识别结果的精确程度取决于测点的布置密度,测点间距约为监测长度段的1/10时,为能否准确识别损伤的临界值,若大于此值,则不具备识别效果。

模块化多电平变换器改进两段式模型预测控制

基于有限控制集的模型预测控制应用于模块化多电平变换器(MMC)时通常会暴露出计算复杂与交流侧输出电流严重失真等问题。提出一种双矢量优化谐波电流模型预测控制策略,即改进两段式模型预测控制,可减少开关状态组合计算量,进一步优化交流侧输出电流。推导了MMC离散数学模型,并构建无权重因子的代价函数,通过计算实际电流与参考电流包围的最小面积重新定义同一周期内两阶段开关信号的占空比,并引入一种附加冗余子模块的方法抑制桥臂环流,接着提出一种败者树多路归并排序算法均衡电容电压。在MATLAB/Simulink平台搭建三相23电平MMC仿真模型验证该策略的有效性。相比于两段式模型预测控制,所提策略的交流侧输出电流跟踪更加精准,谐波畸变率更小。

基于滤波器组和小波包变换的超高次谐波检测方法

随着分布式可再生能源占比的逐渐增加及电动汽车充电桩等设备的广泛应用,低压配电网中超高次谐波问题日益严重。由于超高次谐波具有高频率、宽频域的特点,进行超高次谐波检测时要处理的数据量大、检测速度慢,同时超高次谐波还具有时变性,传统以傅里叶变换为原理的检测方法难以对非平稳信号进行检测。针对上述问题,应用模拟滤波器组对信号进行下采样,降低采样频率,减少检测过程中要处理的数据量;应用小波包算法检测时变的超高次谐波分量。仿真计算结果表明,所提方法能够准确测量信号中的超高次谐波分量,计算速度较快,并可以对非平稳信号进行检测。

基于小波包变换的谐波检测仿真分析

主要对基于小波包变换的谐波检测方法进行了探讨,通过MATLAB进行了编程仿真,从而确定这种检测方法的可行性和优越性。

基于改进小波包变换的电力系统间谐波检测新方法

电力系统间谐波的实时检测，有助于及时进行无功补偿和改善电能质量。针对小波包在间谐波检测中分解实时性差等问题，提出一种改进小波包变换新的间谐波检测方法。仿真数据表明，该方法可以准确提取各间谐波的分量，并实时跟踪间谐波的变换，达到检测间谐波的目的。

基于改进的广义谐波小波包分解和混沌振子的小电流接地系统故障选线

小电流系统发生故障时,各线路零序电流具有非平稳、非线性等复杂特性。本文提出一种基于改进的广义谐波小波包分解算法和混沌振子检测的小电流接地系统故障选线方法。广义谐波小波包分解算法经过扩频,能进行任意频段及任意频宽的信号特征提取,且计算量小,实现信号的快速无混叠分离。Duffing振子系统不受噪声影响且对于与内驱动力同频的外界信号具有高度敏感性,对Duffing振子系统进行时标变换,可以适应不同频率信号的检测要求,通过观察相图的变化可以准确选出故障线路。数值仿真验证了该算法的准确性及可靠性。

基于FFT和小波包变换的电力系统谐波检测方法

针对目前在进行谐波检测时存在频谱泄漏、柵栏现象以及由分析时运算量较大造成的识别定位速度慢、实时性不高等问题,提出了一种基于FFT和小波包变换的综合谐波检测方法。该方法利用傅里叶变换优秀的幅频特性,识别出所有的谐波分量,再利用小波包优秀的时频特性,快速、有选择地对所关注暂态谐波分量发生和结束时刻进行准确定位,同时将该谐波分量提取出来,这样有效地减少了运算量,提高了谐波检测的实时性。用Matlab仿真了综合谐波检测方法,并将仿真结果与目前常用的检测方法的仿真结果进行了比较,验证了所提方法对谐波检测的有效性和实时性。

一种基于dq变换的改进型谐波检测方案的研究

提出了 1种基于dq理论的改进型谐波提取方法 ,该方法成本低、检测精度高、主要部件参数对谐波检测精度的灵敏度低。传统的检测方法做了比较 ,对 2种方法的各主要参数使用SABER软件进行了灵敏度分析和Monte Carlo分析。最后将这 2种方法应用于一串联型混合有源滤波器 。

基于单节点重构改进小波包的电力系统谐波分析算法

在传统小波包算法中,虽然提高了频率分辨率,但是各子带存在产生虚假频率成分的情况,应用于电力系统谐波分析将产生严重的频率混叠现象。应用单节点重构改进小波包快速算法,利用快速傅里叶变换(FFT)和快速傅里叶逆变换(IFFT)对各子带信号进行处理,并调整滤波器组使子带频带顺序排列。通过仿真实例将改进算法的结果与传统算法进行对比,结果证明,改进算法能更有效地避免重构信号中的频谱混叠和交错现象。

利用小波包变换实现电力系统谐波分析

小波包变换(WPT)建立在小波变换的基础上,可以实现信号频带的均匀划分,能够更好地提取信号的时频特性,具有更好的谐波分析特性。但是现有的小波包变换算法实现的频带划分不是按频率大小顺序排列的,给系统和谐波分析带来混乱。根据采样定理和滤波器组实现电路分析了小波包变换实现频带划分的特点,并利用改进的小波包变换实现算法进行系统分析,实例验证这种新的小波包分解结构对谐波分析具有更好的特性。

基于频域内插抗混叠Shannon小波包变换的谐波检测方法

提出了一种基于频域内插抗混叠Shannon小波包变换的谐波检测技术,首先分析了小波混叠的物理本质,然后选择分频严格的Shannon小波函数构造了频域内插方法,并利用线性调频Z变换进行快速求解,最后给出了小波包变换算法。仿真实验表明该方法可有效消除谐波检测中的小波混叠现象。

基于改进S变换的电力系统谐波检测方法

快速而准确地检测出谐波是实现电力系统谐波治理的前提条件,对提高电能质量具有重要的意义。提出了一种基于改进S变换的电力系统谐波检测方法。该方法在S变换的高斯窗函数中引入了三个参数p、q、?,根据输入信号的不同设置合适的参数,提取谐波成分、幅值、暂态发生的起止时间等特征信息。首先介绍了改进S变换的基本原理及特性;其次详细阐述了改进S变换应用于电力系统谐波检测的方法;最后分别对稳态、暂态及噪声环境下的谐波进行了仿真实验。仿真结果验证了该检测方法的有效性,同时也表明:该方法性能好、精度高,在信噪比较低的情况下仍能达到满意的检测效果,具有一定的抗噪声干扰能力。

基于小波包变换的电力系统谐波电流检测

针对常规快速傅立叶变换无法检测非整数次谐波,以及改进的加窗插值快速傅立叶变换运用困难,采用小波、小波包变换对电网信号中的谐波进行检测分析。小波包变换建立在二进小波变换基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果证明,较之傅立叶变换和小波变换,小波包变换对电网信号中谐波的幅度、频率的估计具有更高的精度。

基于小波包变换的电力系统谐波分析

谐波是影响电能质量的重要因素,谐波对电力系统和用电设备产生严重危害和影响。分别利用小波变换和小波包变换对电力系统的谐波进行分析,仿真结果表明两者都能准确地将谐波信号中的基波分离出来。小波包变换能同时分离多个谐波分量,比小波变换可以分解出更丰富的频率信息,为更好地分析和抑制谐波提供了可靠依据。

基于谐波小波包变换的脑电波基本节律分析

为了实现脑电图分析定量化、智能化以便为医学分析诊断提供客观有效的辅助信息,探讨了应用谐波小波包变换分析脑电波.通过谐波小波包变换提取用于临床诊断的,δθ,α,β等4种基本节律的波形,并引入反映基本节律变化的特征参量即基本节律的频带能量比例进行定量分析.经过对正常人和癫痫病人的脑电波进行分析验证,其分析结果与先验知识和确诊病症吻合得很好,可以提取得到精确的、量化的、直观的特征参数作为诊断依据.实验结果表明,应用谐波小波包变换分析脑电波是一种有效的方法,它为脑电图机实现智能化和临床分析诊断提供了有益的参考.

采用改进支持向量机和复小波变换的谐波及间谐波测量方法

为给谐波、间谐波治理提供准确依据,提出了基于改进型支持向量机和可调窗复连续小波变换相结合的高精度谐波、间谐波测量方法。通过合理优化预设模型的准确性,构造改进型支持向量机对整个测量频带进行初步扫频,以较小的计算量一次性获取谐波、间谐波分量的个数并初步测量其频率。根据改进型支持向量机提供的频谱分布情况,对各个分量跟踪配置复连续小波对应的带通滤波器,逐个精确测量其频率和幅值。通过适当调整各个复小波窗函数的带宽参数,构造频窗互不交叉的复带通滤波器来抑制频率邻近分量之间的干扰,同时能在非同步采样条件下有效抑制基波频率波动对测量精度的影响。仿真结果表明,该方法能够准确测量谐波、间谐波分量的频率、幅值和相位,具有测量精度高、计算量小、抗噪性能好等优点。