基于形态滤波和Prony算法的低频振荡模式辨识的研究

针对传统Prony方法对噪声敏感导致辨识精度不高的问题,提出了一种基于形态滤波和Prony算法相结合的低频振荡模式辨识的方法,实现了在有混合噪声干扰情况下低频振荡模式的准确辨识。基于数学形态学,设计了一种基于半圆形结构元素的形态滤波器,在选取合适的元素尺寸情况下,可以有效滤除混合噪声。对于去噪声之后的信号采用Prony算法进行辨识,可准确获取低频振荡各个模式参数。通过Matlab进行算例仿真,表明了对电力信号进行预处理的必要性以及所提出的方法能相对精确地进行振荡模式辨识,验证了其有效性。

Prony方法和ARMA法在低频振荡模式辨识中的适用性比较

Prony方法和自回归滑动平均(ARMA)法是2种典型的电力系统低频振荡特征参数辨识方法,提出对这2种方法进行不同类型信号适用性的比较研究。在介绍2种方法基本原理的基础上,对比得出其在信号建模思想、模型参数估计原则上存在区别,进一步将这2种方法应用于处理36节点系统仿真明显扰动激励后系统响应信号和类噪声信号,对低频振荡模式辨识结果进行系统性研究。分析结果表明,ARMA法具有更好的适用性。

基于数学形态学滤波技术和TLS-ESPRIT算法的低频振荡模式辨识研究

针对传统Prony方法对噪声敏感和辨识精度不高的局限性,提出一种新的低频振荡模式辨识方法,实现了在有噪声干扰情况下低频振荡模式的准确辨识。该方法基于数学形态学设计出一种多结构元素的并行复合形态滤波器,可有效滤除多种噪声,保留更多的有用信息。对消噪后的信号采用基于总体最小二乘法-旋转不变技术的信号参数估计(TLS-ESPRIT)算法进行辨识,从而获取低频振荡各个模式参数。通过算例仿真,说明所提出的方法是可行和有效的。

运动目标空间模式辨识与异常交通行为检测

提出了运动目标的空间运动模式辨识与异常交通行为检测方法。利用改进Hausdor-ff距离的轨迹空间度量方法构建了轨迹集合的空间距离相似度矩阵。根据谱聚类算法学习轨迹的空间分布,提取了运动目标的典型运动模式。在此基础上,提出了基于Bayes分类器的轨迹空间运动模式匹配方法,进而检测异常交通行为。以实际交通场景中的车辆换道行为检测为例,验证了方法的有效性。该方法可以为运动目标交通行为特性以及交通管理控制等方面的研究提供技术支持。

基于D-S证据理论的压射工艺模式辨识技术

为了制定良好的压射过程工艺,提高压铸生产效率和资源利用率,提出一种面向压铸产品制造的工艺模式辨识方法。对压射过程及其机理进行分析,确定了影响压铸工艺的关键因素;以历史积累的大量压射工艺数据为依据,利用D-S证据理论对多种因素进行融合分析,实现了新产品所需压射工艺模式的辨识。以一个典型压射工艺实例对所提方法的有效性进行了验证和说明,实例表明该方法可以有效利用已有工艺数据实现新产品工艺设计。

基于振动信号及瞬时转速信号的HCCI燃烧模式辨识

HCCI汽油发动机一般采用组合燃烧控制策略,根据发动机工况不同,HCCI汽油机分别采用SI燃烧模式、SI-HCCI燃烧模式和HCCI燃烧模式.在这种控制方式下,燃烧模式的辨识具有非常重要的作用与意义.笔者在装有全可变气门系统的汽油HCCI发动机上,测取HCCI发动机各工况下爆震传感器信号和瞬时转速信号,用时频分析方法从爆震传感器信号和瞬时转速信号中提取了特征量,分析了它们和HCCI汽油机燃烧模式之间的关系.通过辨识函数分析,基于爆震传感器信号特征量和瞬时转速信号特征量,建立了的HCCI燃烧模式辨识模型.分析表明,HCCI燃烧模式辨识模型能够较好地辨识出HCCI的燃烧模式,总体辨识成功率在75%左右.

切换系统激活模式辨识和有限时间状态估计

针对一类具有未知输入的不确定线性切换系统,考虑并利用有限时间观测器解决其激活模式辨识和有限时间状态估计问题。首先,利用状态和输出变换得到解耦未知输入的降维切换系统。其次,为每一个降维子系统设计一个对应的有限时间观测器,并对降维系统与观测器系统输出的残差范数进行最小化,从而提出一种激活模式辨识的方法。然后,通过有限时间观测器设置任意小的时间参数,实现了对降维解耦切换系统的有限时间状态估计,同时利用状态等价变化的方法得到原系统的有限时间状态估计。最后,通过MATLAB仿真验证了所提方法的可靠性。

基于频域分解法和广域稳态量测的低频振荡模式辨识

对广域稳态量测信号将频域分解方法引入电网低频振荡模式辨识并进行了改进完善。推导了系统的频响函数、输出功率谱密度矩阵、特征量之间的关系,给出了弱阻尼模式下功率谱密度矩阵的最大奇异值与特征量之间的关系表达式;采用模态幅值相干系数以确定奇异值曲线谱峰附近单模态区域大小,最后采用最小二乘方法求取准确的模式频率和阻尼系数。线性时不变系统时域仿真、WECC9节点系统时域仿真以及实测PMU数据分析表明,所提方法适用于弱阻尼振荡模式辨识,对噪声具有较强鲁棒性,是一种极具实用价值的在线应用方法。

基于频域振幅灰色关联度的转子故障模式辨识

动压滑动轴承支撑的旋转机械经常出现包含多种故障状态的复合故障,针对传统的辨识方法很难一次判断出多种故障状态的问题,提出了一种对频域振幅进行灰色关联分析的旋转机械转子故障模式辨识新方法。在对动压滑动轴承支撑下的实验转子振动故障信号进行滤波后,以故障信号特征频率的幅值作为特征向量,进行归一化处理,用处理过的数据作为故障模式特征向量构建标准故障模式的特征向量判别矩阵。通过计算得到待识别样本信号归一化幅值与标准故障特征向量判别矩阵中各元素之间的频域振幅灰色关联度数值,并与选定的基准判别系数进行对比完成故障模式辨识。实例表明,在不同转速频率下该方法均能取得良好的效果。

基于类噪声量测数据的自动发电控制振荡模式辨识方法

实际电网中发生过多次自动发电控制(AGC)振荡,给电力系统安全稳定运行带来不利影响。为对AGC振荡进行预警、预防,利用系统正常运行时的类噪声量测数据,提出了一种AGC振荡模式辨识方法。该方法利用随机子空间法得到系统模式辨识结果,根据AGC振荡具有振荡频率低、全网频率同调振荡的特点,剔除非AGC振荡模式,并利用聚类算法得到比较可靠且辨识误差较小的AGC振荡模式。通过仿真算例和实际系统,对所提AGC振荡模式辨识算法进行验证。结果表明,所提算法能利用类噪声数据辨识出AGC振荡模式,并且具有一定的识别精度,可用于AGC振荡的风险评估。

局部放电信号采集与模式辨识技术

详细论述了高压电器绝缘局部放电信号采集方法,结合人工智能理论,着重阐明了高压电器绝缘局部放电模式辨识最新成果和实践。

细纱机机械波模式辨识专家系统探讨

细纱机的机械不良是造成纱线条干不匀的主导因素。由于在生产中多进行离线检测,难以满足现代化高速细纱机控制的需要。依据一种C-均值为基础的聚类辨识算法,提出了一种实时机械波分析系统,以实现机器的自动辩识。

基于Petri网的故障区段定位与故障模式辨识方法

现有的基于Petri网的配电网故障诊断方法只能找出故障区段、不能辨识出故障类型,针对此问题,提出一种基于Petri网的配电网故障模式辨识方法。同时,对基于Petri网的故障区段定位的电压判据进行了简化,使其只需要利用区段两侧的测量点信息就能进行区段定位。通过配电网的算例,验证了所提方法在故障区段定位和故障模式辨识中的有效性。

融合MBD一致性推理与Petri网模式辨识的配电网故障诊断方法

基于模型诊断的溯因性推理不但要求诊断的故障假说与观测量匹配,而且还要求根据观测信息推断出故障假说状态,因此存在着建模复杂、效率低的问题。而基于Petri网的诊断方法具有严格的数学逻辑,能够实现快速的矩阵运算,建模简单、效率高。将Petri网应用到配电网的故障模式辨识中,并且与基于模型诊断的一致性推理结合,形成一种快速高效的配电网故障定位方法。该方法不仅能够快速、准确地诊断出故障元件,而且能够诊断出故障模式。

整体模式辨识、构造及学习系统

在"按模式记忆"理论的基础上,本文提出了一个多层次网络结构的"整体模式辨识、学习及构造系统"的构造设想.对于激励本系统的整体模式,系统能自动地辨识出该整体模式所含的基本构成信息要素及其相应的构成规则,并在辨识的过程中同时自动地实现对该模式的学习及记忆.另外,系统还可由一些简单的信息要素通过自组织构成整体模式,系统中已记忆住的模式可按它们的共同属性进行联想.

改进AR递推算法在低频振荡模式辨识中的应用

提出采用一种基于自回归模型并加入可变遗忘因子的加权递推最小二乘算法对电力系统类噪声信号进行低频振荡模式辨识,并采用估计AR谱的方法以提取低频振荡的主导模式。New-England 39节点系统的时域仿真测试验证了该算法对低频振荡模式辨识的有效性,并通过与常规加权递推最小二乘算法辨识效果的比较验证了该改进算法对低频振荡模式的辨识具有更好的精确性,其辨识精度及计算速度满足工程要求,适合于低频振荡在线监测。

小波分析模式辨识的几个重要问题

小波分析是模式辨识研究中十分有用的工具，基于小波分析的基本原理和方法，提出并分析了模式辨识中的几个重要问题。

黄河水源涵养区源头小流域径流情势变化的模式辨识

黄河水源涵养区(黄河源区、渭河华县站以上和伊洛河流域)是黄河流域的主要产水区,辨识其径流的综合变化特征及空间差异,可为分析变化环境下黄河流域水循环演变与归因提供重要的科学依据。当前研究重点关注环境变化对黄河流域径流量的影响规律,仍无法全面回答径流情势的变化特征及空间分异。论文以水源涵养区的31个源头小流域为研究对象,采用去趋势预置白(Theil-Sen trend-free pre-whitening with Mann-Kendall test,TFPWMK)方法、Sen斜率估计和聚类分析等手段,检测了2000—2020年源头小流域内量级、变率、频率、持续时间和时序5类径流情势特征指标的变化趋势,并辨识了其主要类型及空间分布。结果表明:(1)大部分源头小流域的所有流量的量级、高流量变率和低流量频率显著增加,低流量的变率、高流量频率以及所有持续时间和时序指标显著下降。(2)典型径流情势变化在湟水、洮河、渭河下游和洛河对气候变化更敏感,主要为高流量量级显著增加、但时序显著减少,低流量频率显著增加、但总历时和时序显著减少。(3)径流情势特征指标变化可分为3类:第一类占42%,位于洮河、湟水、渭河干支流及伊河干流,表现为量级、变率和频率显著增加,历时和时序显著下降;第二类占35%,位于三大流域分区的上游和下游,表现为变率下降、低流量的其他指标显著增加,而高流量5类指标均显著下降;第三类占23%,位于三大流域分区的中下游,表现为量级和频率显著增加,变率、历时和时序显著下降。

基于多传感器融合的电力变压器内部放电定位与辨识技术

针对电力设备状态监测中传感器信息融合的难题,应用油中溶解气体、特高频、光纤超声等监测传感器构建了适用于变压器的融合传感阵列,提出了变压器内部放电的辨识策略。采用超声信号到达时间差估算实现了放电源定位,建立了多传感器监测特征融合算法,并结合K邻近(K nearest neighbors,KNN)算法实现了放电模式辨识。实验结果表明:放电源定位平均误差为45.1 mm,放电类型辨识准确率达到90.6%;所构建的多传感器融合感知策略与系统,可实现变压器内部放电源的准确定位与辨识,具有一定的应用推广价值。

计及模型定阶的低频振荡模式类噪声信号辨识

弱阻尼低频振荡是影响互联电网安全稳定运行的主要因素,但目前基于测量信息只能在振荡发生后进行告警,而不能预警。大量广域实测数据表明,因负荷的随机变化,电网内持续存在类似噪声信号的小幅波动。文中基于这种类噪声信号,采用自回归滑动平均(ARMA)法进行低频振荡模式辨识,从而实现电网正常运行状态下的动态稳定性预警。模型定阶是利用ARMA法进行振荡模式辨识的关键步骤,直接关系到结果的准确性。在分析比较各种定阶准则优缺点的基础上,选用贝叶斯准则(BIC)确定ARMA模型阶数,进一步面向在线实际应用,采用ARMA(2n,2n-1)建模方案提高辨识速度。最后,将该方法用于对36节点系统仿真数据和南方电网实测类噪声信号进行处理,辨识结果说明了该方法的有效性。