小波包分解结合LSSVM的永磁同步电机偏心故障诊断

针对现有永磁同步电机瞬时振动信号特征提取能力不足导致诊断准确率低的问题,提出对小波包分解算法的分解规则进行改进,然后结合PSO-LSSVM构建永磁同步电机偏心故障诊断模型。实验结果表明,改进后的小波包分解算法对振动信号具有较高的特征提取能力;构建的故障诊断模型诊断准确率高,在存在振动干扰的情况下,故障诊断准确率仍可达99.8%,基本满足永磁同步电机偏心故障的高精度诊断需求。

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WPD的光缆中间接头局部光纤通信信号去噪技术研究

光缆运行工作过程中,由于光缆质地较脆,抗机械摩擦强度较差,光缆中间接头部分易产生局部的通信信号噪声干扰。为此,设计基于小波包分解(WPD)的光缆中间接头局部光纤通信信号去噪方法。从白噪声和窄带噪声2个方面,结合损伤区域提取损伤后的局部噪声干扰特性,设置WPD算法的去噪阈值。以分层去噪的方式得出局部光纤通信信号去噪结果。实验结果表明,在不同的损伤干扰强度条件下,所提方法得出光纤通信信号的信噪比较高,去噪效果好。

基于改进生成对抗网络的工业炉燃烧器噪声分类研究

工业炉燃烧器噪声分类过程中易受到不均匀样本、非线性和工作环境等问题的干扰,噪声信号分离难度比较大,导致分类效果不佳。为了解决上述问题,提出基于改进生成对抗网络的工业炉燃烧器噪声分类方法。采用组合传感器采集工业炉燃烧器信号,通过声能叠加算法分离出噪声信号。采用小波包分解算法提取噪声信号特征,将提取的特征输入到改进后的生成对抗网络中,改进生成对抗网络通过分类函数完成工业炉燃烧器噪声分类。实验结果表明,所提方法的工业炉燃烧器噪声信号特征提取效果好、分类精度高、分类时间短,分类结果具备可靠性。

大容量海上风电机组运行故障状态识别方法

故障状态识别是海上风电机组运行监测中的重要项目。对于大容量海上风电机组,其故障状态识别难度较高,现行方法难以精准识别,提出大容量海上风电机组运行故障状态识别方法。利用无线传感器感知风电机组运行中风速、电网功率、机舱温度及齿轮箱油温等状态信息,采用小波包分解算法对机组运行数据分解处理,将信号分解成独立的频带,实现大容量海上风电机组运行故障状态识别。经实验证明,设计方法F1 Score值在0.95以上,ROC曲线更靠近左上方,能够实现对大容量海上风电机组运行故障状态的精准识别。

多频波动线谱自适应控制算法及试验

研究了多频波动线谱激励下的主动隔振控制问题,提出一种改进小波包自适应控制算法.传统的自适应算法难以同时控制多线谱,当线谱存在频率波动时,窄带滤波算法难以取得理想的控制效果.因此,将小波包分解算法应用在控制算法中,对信号进行等间距频带划分,采取并行控制策略完成多线谱控制.分析了不同小波基函数对信号分解的影响,确定最优小波基.针对虚有线谱和子频带过多导致的控制过盈问题,改进小波包分解算法,降低了计算量,消除子频带中虚有线谱.为每个子频带设置独立步长,并根据箕舌线函数修正迭代步长.搭建控制系统开展试验研究,结果表明,本文所提改进小波包自适应算法在多频波动线谱激励下能够取得良好的控制效果,线谱振动能量显著降低.

基于小波包变换的电力谐波参数测量方法研究

传统的基于傅立叶变换的电力系统谐波分析方法难以快速、准确对非平稳暂态谐波进行实时分析检测,小波变换因其良好的时频局部化特性,成为电力系统谐波分析的有力工具。文章提出一种基于小波包分解系数重构算法的谐波分析、测量方法,小波包变换建立在小波变换的基础上,实现信号频带的均匀划分,能更好地提取信号的时频特性。通过仿真试验证明了这种新方法的可行性与正确性。

基于径向基函数网络的云自动分类研究

采用 GMS- 5红外 ( 1 0 .5～ 1 2 .5μm)和可见光 ( 0 .55～ 0 .9μm)两通道资料 ,采集了 1 999年 7— 1 0月中国东南沿海 57区、58区和 59区包括晴空在内的 1 2类云目标样本 2 91 2个 ,采样窗尺寸为 8× 8像素 ,随机生成训练和测试两个样本子集。对径向基函数网络 ( radial base function neural network,RBF)在云分类问题研究中的应用价值进行了全面的测试与分析 ,得到了肯定的结论 ,提出了优化设计的方法。对6类云型分类试验 ,平均正确率为 86 % ;对 1 1类云型分类试验 ,平均正确率为6 7%。采用自组织竞争神经网络实现寻找 RBF神经网络的隐层神经元中心。在特征空间生成过程中 ,采用小波包分解算法实现模式特征抽出。结果表明 ,小波包分解特征能很好地描述不同云型的差异。

航空发动机涡轮叶片热障涂层结构状态超声检测方法研究

航空发动机涡轮叶片工作环境恶劣,需在外表面涂覆热障涂层提高其使用性能。针对热障涂层结构状态的检测需要,进行了高频超声脉冲反射法的研究。通过建立热障涂层有限元模型,模拟与所研究热障涂层中超声波的传播特性,分析各界面的反射回波的混叠状况,并采用波包分解算法提取反射回波,评价热障涂层的结构状态。数值仿真实验表明:高频超声脉冲反射法可以大致获得第一层涂层的信息,而由于涂层的衰减严重,无法对第二层涂层进行评价。

小波变换在牵引供电系统谐波检测中的应用

采用一种基于小波包分解系数重构算法的谐波分析方法完成谐波有效值测量和信号畸变定位,实现牵引供电系统的各次谐波跟踪,对谐波的实时补偿提供理论依据。通过利用小波变换将某一信号分解到某一频带上,根据采样频率及其小波包分解尺度确定频带范围,实现该频带所包含的谐波含量分析,获得频带内所有整数次和非整数次谐波量值,克服谐波测量因频谱泄漏、栅栏效应造成的误差。仿真结果表明,基于小波包分解系数重构算法的谐波含量测量方法得出的结果具有较高的准确性,为谐波检测和滤波补偿提供了可靠的理论基础。