改进Stockwell变换法识别碳酸盐岩溶洞——以鄂尔多斯盆地奥陶系溶洞发育段为例

鄂尔多斯盆地奥陶系碳酸盐岩比较发育,主要储集空间为溶蚀孔洞,但其尺度较小,因地震数据分辨率较低,直接利用地震资料预测溶蚀孔洞发育段比较困难。首先对Stockwell变换(S变换)引入调节因子,使高斯窗随频率的变化减慢,从而提高S变换时频谱的时间分辨率。在此基础上,对改进S变换时频谱进行子波谱拟合,得到聚集性更好的时频谱,从中提取地层吸收属性剖面,对碳酸盐岩溶蚀洞穴进行预测。通过实际资料的处理分析结果看出,对改进S变换的时频谱进行子波谱拟合后,不论是左斜率还是右斜率法,均能获取稳定的吸收属性剖面,而且都能够清晰地刻画出溶洞发育段的位置。

基于优化窗函数改进S变换的低频振荡暂态检测方法

低频振荡暂态是电力系统中常见的一种电能质量扰动,其直接影响电力系统的安全、稳定运行。通过对影响时频分析算法检测精度的窗函数进行了研究,提出一种基于优化窗函数改进S变换的低频振荡暂态检测方法。首先,对时频分析算法中窗函数随检测频率变化的改变特性进行分析,确定了适用于低频振荡暂态扰动检测的优化窗函数,并利用其构造了改进S变换算法;其次,通过利用卷积定理、Fourier变换及其逆变换,推导了改进S变换算法快速实现的计算表达式,获取了包含信号幅值、相位信息的二维时频矩阵,给出了改进算法的实现流程;最后,采用包含低频振荡暂态扰动的电网信号对改进算法进行了测试。该优化算法对低频振荡暂态扰动表现出相对最佳的时频能量聚集性能,实际实验中所测得扰动中心频率为600 Hz,与扰动的生成频率相吻合,验证了改进算法的可行性和有效性。

基于改进经验小波变换的永磁同步电机故障诊断策略

【目的】永磁同步电机(PMSM)因其功率因数高、结构简单和动态性能好等优势在风力发电、电动汽车领域得到广泛应用。然而,PMSM在运行过程中由于驱动器损坏、定子绕组接线松动等原因可能会导致缺相故障,PMSM缺相运行时会产生噪声和振动,导致输出功率降低,并且长时间缺相运行会损坏电气设备,因此对其进行准确的故障诊断对于保障设备的正常运行至关重要。【方法】本文提出了一种基于改进经验小波变换(IEWT)和分类提升(CatBoost)算法的故障诊断策略,并将其应用于六相PMSM缺相故障诊断。首先,介绍了IEWT算法的基本原理,IEWT算法在Welch功率谱曲线上进行频谱分割,相较于经验小波变换(EWT)算法,能有效抑制模态混叠;然后,对PMSM故障信号进行IEWT分解得到各个模态分量,利用各个模态的能量矩表征故障信号,构建故障分类数据集;最后,基于算数优化算法,取数据集的80%作为训练集对CatBoost算法进行超参数调优,选择合适的超参数构建CatBoost故障分类模型,并与其他传统分类模型进行对比。【结果】试验结果表明,本文所提基于IEWT和CatBoost算法的故障诊断策略有效抑制了传统EWT算法中因主频附近旁瓣过大导致的错误分段现象,提高了故障分类的准确率。与传统分类模型相比,CatBoost多分类模型能够更加准确地识别故障类别,且在每种故障类别上的分类性能表现均衡,泛化能力更强,在不同的故障工况下均有良好表现。【结论】试验结果验证了本文所提故障诊断策略在六相PMSM缺相故障诊断上的可行性和有效性,为后续六相PMSM容错控制以及综合故障检测技术提供了支撑。

增强同步挤压Stockwell变换和改进集成深层极限学习机的轴承工况识别方法

针对传统基于“时频谱图—深层网络”的电机轴承工况识别方法存在时频谱能量聚集性差、深层网络收敛速度慢等缺陷,提出一种增强同步挤压Stockwell变换(ESST)和改进集成深层极限学习机(IEDELM)的电机轴承工况识别方法。首先,对采集到的电机轴承振动信号进行ESST变换得到时频谱图并转化为列向量;其次,利用9种不同的激活函数构造9种深层极限学习机,并引入自组织策略和卷积策略以提高深层极限学习机的鲁棒性;最后,将ESST时频谱列向量输入不同的深层网络进行自动特征学习,并通过集成平均法输出识别结果。实验结果表明,ESST-IEDELM方法的工况识别准确率达到99.87%,标准差仅0.12,相比于其他方法,在电机轴承振动信号特征提取和工况识别准确率方面更具优势,可用于电机轴承工况识别工程中。

宽电压增益CLLLC谐振变换器的改进型电流解析方法

对谐振电流的精确解析是计算CLLLC谐振变换器损耗的重要环节。针对宽电压增益CLLLC谐振变换器励磁电感与谐振电感比值较小的特点,基于电流拟合近似法提出了一种改进型谐振电流解析方法。首先通过分析变换器在三元谐振期间的等效拓扑,列写出谐振电流的阶段解析式,其次在考虑到三角函数未知量求解计算复杂的情况下,提出了修正系数的概念以简化计算,最终根据谐振电流的波形特点得出谐振电流初始解,并进一步通过分段迭代的方法逐步逼近谐振电流真实值。仿真结果表明,所提出的改进型电流解析式相比于传统方法,在三元谐振期间能够更加准确地描述谐振电流的变化过程,验证了所提方法的正确性。

基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断

目的为了解决双向DC-DC电力变换器的软故障诊断精度不高的问题,方法提出基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断模型。首先,分析双向DC-DC电力变换器中电容、电感和MOSFET管的故障机理,通过仿真实验模拟各元件失效后变换器的输出电气参数变化,从而确定变换器不同元件故障时对应的故障特征参数;其次,构建改进的LSTM-SVM双向DC-DC电力变换器故障诊断组合模型,在LSTM中添加Mogrifier门机制,提高LSTM提取时间序列原始数据中微弱特征的能力;最后,由于传统LSTM的末端分类器为Softmax,其主要解决单一元件诊断问题,变换器故障类型较多,维数较高,所以采用麻雀搜索算法优化的SVM代替原有的Softmax函数,对LSTM输出的数据进行故障分类,提高故障诊断的准确率。设置双向DC-DC电力变换器充放电两种状态下,包含电解电容、电感和MOSFET单双管故障在内的24组故障,分别采用本文构建的改进的LSTM-SVM和原始的LSTM-SVM双向DC-DC变换器故障诊断模型进行诊断。结果结果表明,改进的LSTM-SVM故障诊断模型诊断准确率平均值为99.71%,原始的LSTM-SVM故障诊断模型诊断准确率平均值为88.48%,改进的LSTM-SVM故障诊断模型对各元件的故障诊断正确率均高于原始的LSTM-SVM故障诊断模型的。结论基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断模型实现了对双向DC-DC电力变换器中的电解电容、电感和MOSFET单双管故障的准确诊断。

基于Stockwell变换的滚动轴承故障诊断方法

针对滚动轴承产生磨损时振动信号表现出非平稳的特点,采用继承短时傅里叶变换和小波变换优良性质的Stockwell变换特征提取方法。为解决Stockwell变换后得到的二维矩阵阶数过高问题,采用奇异值分解方法对结果进行降维,并进一步矢量化,然后构成特征矩阵。将特征矩阵分别输出至多分类支持向量机、神经网络和近邻算法模型进行训练。对比测试结果,表明多分类支持向量机在准确率和识别速度上均有优势,从而证明基于Stockwell变换的滚动轴承故障诊断方法的有效性。

基于神经网络的微电网交错并联变换器的改进自抗扰控制

针对混合储能微电网在负载突变、扰动加入等多种复杂工况下引起的用电端降压接口的电压质量降低的问题,文章设计了一种以改进线性自抗扰为主要控制器,以BP神经网络为辅助参数优化算法的闭环控制策略。首先,根据六路交错并联变换器的电路拓扑建立时域下的数学模型,并对系统总扰动进行重构,将总扰动分解为模型未知扰动和外界扰动,分别利用观测器进行估计,形成了改进线性自抗扰控制,提高系统的扰动观测能力和观测精度;其次,为使系统获得控制参数的实时优化能力,引入BP神经网络,对控制器参数进行实时整定;最后,搭建了混合微电网六路交错并联变换器的数字仿真模型和半实物仿真模型进行验证,并与PI,LADRC进行了比较。结果显示,所提控制策略不仅具备优异的输出电压质量,而且使系统获得了更好的稳定性与鲁棒性。

基于改进Hilbert-Huang变换的管路环向裂纹故障诊断研究

在制造、加工、装配以及服役过程中,航空液压管路可能存在平面型缺陷。在适航载荷作用下,这些缺陷会萌生裂纹并发生扩展,最终导致管路破裂和油液泄漏。为了在管路产生微裂纹时对其进行故障诊断,采用了自行搭建的航空液压管路模态试验平台和测控系统,对存在环向裂纹航空液压管路的振动信号进行了采集和预处理。而在对管路振动信号进行分解时,由于经验模态分解(Empirical Mode Decomposition,EMD)算法存在模态混叠问题难以获得准确的本征模态函数(Intrinsic Mode Functions,IMF)。为提高信号处理精度,提出一种基于自适应噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和Hilbert变换理论相结合的改进Hilbert-Huang变换方法对航空液压管路环向裂纹进行故障诊断。研究结果表明,该方法能够更准确地诊断航空液压管路的环向裂纹故障。

经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换(EWT)和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交(NDQ)算法和奇异值分解(SVD)算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法(IPSO)优化支持向量机(SVM)的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。

基于残差生成器的Buck双向变换器改进模型预测控制

在以光伏储能装置为主体的直流微网中,外部扰动容易引起直流母线电压波动,导致系统输出电能质量下降。为提升系统动态响应性能,针对直流微网中常用的Buck型双向DC-DC变换器,提出一种基于残差生成器的改进电流补偿模型预测控制策略。首先,对模型预测控制(MPC)环节进行线性等效,证明采用校正前PI+MPC控制时,系统在0 rad/s时存在失稳风险。然后,由此设计负低-高通滤波器校正环节,并从调节系数变化和模型参数不确定性等角度进行分析,验证改进后系统的稳定性和动态性能得到明显改善。仿真与实验结果表明,基于残差生成器的电流补偿能有效平抑外界扰动引起的母线电压波动,负低-高通校正环节在改善系统性能的同时又进一步抑制电感电流噪声,进而平滑母线电压曲线。最终,证明提出的改进策略可显著提升直流微网的动态响应性能。

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。

基于改进样条Chirplet变换的结构瞬时频率识别

为了提高结构瞬时频率识别的精度,对样条Chirplet变换进行改进,并结合能量集中度原则优化窗函数的参数.利用解析信号和两层框架模型验证改进样条Chirplet变换识别瞬时频率的准确性,再结合试验验证改进样条Chirplet变换能有效识别实际工程结构的瞬时频率.

基于改进小波变换与卷积神经网络的干式空心电抗器红外图像去噪方法

针对传统小波变换法去除干式空心电抗器红外图像中夹带的噪声效果不理想的问题,提出了基于改进小波变换与卷积神经网络的干式空心电抗器红外图像去噪方法。首先利用卷积神经网络中的残差学习对图像中混合特征信息进行提取;然后通过改进小波变换对图像进行小波分解,并将分解后的分量输入至网络中进行训练;进而通过残差学习增强图像纹理细节信息,解决了传统图像去噪方法的不足;最后进行仿真比较。结果表明,所提方法可以降低网络计算难度,加快训练速度,同时具有良好的去噪性能,优于传统图像去噪方法。

基于离散S变换和改进深度残差网络的轴承故障诊断

为了提高滚动轴承故障诊断的准确率,提出基于离散S变换和改进深度残差网络的轴承故障诊断方法。首先,对采集到的滚动轴承数据进行二维特征挖掘;分别用时域重组(TDR),小波变换(CWT)和离散S(Stockwell)变换制作出图片数据集,充分地提取蕴含在振动数据中的时域和频域特征。其次,使用多种神经网络,如Resnet残差网络、VGG网络、AlexNet网络等多种卷积网络对图片数据进行训练,训练中采用小批量梯度下降算法。最后,通过对变载和变速的公开数据集进行不同网络不同预处理方法的训练,并计算模型在测试集的准确率和标准差指标。结果表明,基于离散S变换和改进深度残差网络的轴承故障诊断方法有着更高的识别精度和更好的鲁棒性,训练效果明显优于其他训练方法。证明了该方法在滚动轴承故障诊断中的有效性。

基于改进的多分量频率-贝塞尔变换法研究郯庐断裂带潍坊段上地壳径向各向异性结构

郯庐断裂带潍坊段位于郯庐断裂带中部,具有复杂的地质结构,总体呈现“两堑夹一垒”的构造格局.相比于郯庐断裂带其他区域,潍坊段地震活动性较弱,属于地震空区,未来发生大地震的可能性尚不明确.前人对该地区的研究目前仅局限于速度结构和方位各向异性结构,对于上地壳径向各向异性结构特征鲜有报道.因此,研究该区域上地壳速度模型和径向各向异性结构,有助于更好地认识郯庐断裂带潍坊段浅地壳(<10 km)变形特征,评估该区域发生地震的可能性.我们利用2017年在潍坊段所布设的302个短周期地震仪采集的背景噪声数据,基于改进的多分量频率-贝塞尔变换(MMFJ)法,同时提取到潍坊段东南侧四个区域子阵列的Rayleigh波和Love波的基阶及高阶频散数据,并且进一步反演这些频散数据得到了SV波和SH波速度以及径向各向异性结构.数值实验结果表明,高阶模式频散数据的加入能够降低反演的非唯一性,更好地约束浅地壳径向各向异性结构.实例中的径向各向异性结果表明,郯庐断裂带潍坊段四个区域都有近似相同的变形特征:在约2 km以浅,径向各向异性为负(V_(SH)<V_(SV)),这可能主要源于潍坊段垂向断裂结构的控制作用;5~7.5 km,径向各向异性为正(V_(SH)>V_(SV)),这可能与早期地壳伸展沉积导致的水平变形结构有关.2~5 km,四个区域径向各向异性结构各有不同,但总体处于由负到正的转折状态.这可能因为2~5 km不仅受到断裂结构的控制作用,也受到水平沉积结构的影响,导致径向各向异性结构较为复杂.

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。

基于改进小波变换的造纸车间网络通信弱信号增强研究

传统造纸车间网络通信弱信号增强方法由于仅提取了造纸车间网络通信弱信号的单一参量,导致对其的增强效果不佳。为解决这一问题,设计一种基于改进小波变换的造纸车间网络通信弱信号增强方法。首先,利用信号采集设备采集造纸车间网络通信信号,并对采集信号进行预处理;其次,计算感知造纸车间网络通信弱信号,在传统小波变换的基础上对其进行改进,并由此提取造纸车间网络通信弱信号的频率参量、幅度参量等多个信号参量;最后,利用提取的信号参量,将相似信号进行叠加,以完成弱信号增强。实验结果表明,与以往的造纸车间网络通信弱信号增强方法相比,设计的基于改进小波变换的造纸车间网络通信弱信号增强方法在实际应用中信号强度更高,增强效果更好。

基于分数低阶Stockwell变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯 Alpha(α)稳定分布,传统的 Stockwell 变换( S 变换)时频方法性能退化甚至失效。基于 S 变换时频和分数低阶矩提出了一种分数低阶 S 变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶 S 变换时频算法。仿真结果表明,所提出的分数低阶 S 变换时频算法及其快速算法能很好地工作在高斯噪声和α稳定分布噪声环境,性能优于已有的 S 变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。

基于改进坐标变换的某型航空装备成像画面研究

为帮助某型航空装备飞行员排除干扰快速精准地锁定目标,提出一种基于改进坐标变换的某型装备成像画面预测方法。将其同仿真软件的图形用户界面功能相结合开发了一套预测系统,通过利用该套预测系统进行目标成像画面预测,仿真输出结果可辅助飞行员排除干扰从而提升制导率。结果表明:该方法填补了某型装备成像画面预测方面的技术空白,具有实际意义与推广价值。