采用相对小波能量法的脑-机接口设计

针对基于两种不同意识任务(想象左手运动和想象右手运动)的脑-机接口,提出采用相对小波能量的特征提取方法.首先深入研究了相对小波能量的计算方法,然后利用相对小波能量对脑电信号进行特征提取,最后采用支持向量机进行分类,并采用分类准确率和互信息作为该脑-机接口的评价标准.离线分析结果表明:分类准确率最高为85.7%,最大互信息为0.41比特.与较常用的自适应自回归(AAR)模型系数作为特征的方法相比,所提方法具有更高的识别准确率和互信息.

基于相对小波能量的滚动轴承故障诊断

利用相对小波能量作为特征进行滚动轴承故障诊断。首先将滚动轴承振动信号进行离散小波分解,然后利用各频带的相对小波能量作为特征向量,使用支持向量机作为分类器对轴承故障进行分类。针对轴承内圈故障、滚动体故障、外圈故障3种故障及不同损伤程度的实测数据进行多种分类实验,实验结果表明利用相对小波能量作为滚动轴承故障诊断的特征非常有效,该方法能够识别滚动轴承的故障类型及故障程度,具有一定的工程应用价值。

利用相对小波能量和概率网络的脑-机接口

脑-机接口是一种全新的人机接口方式,在人脑与计算机或其他电子设备之间建立的直接的交流和控制通道。特征提取和分类是脑-机接口的关键。脑电信号经过预处理后,利用脑电信号的相对小波能量作为特征,采用主分量分析进行降维,然后利用概率神经网络对两类不同的意识任务(想象小手指运动和舌头运动)进行分类。离线分析结果表明,该方法在分类准确率上有很大的提高,从而为脑-机接口系统的特征提取和分类提供了新思路。

基于相对小波能量与灰色相似关联度的转子系统故障诊断

针对转子系统故障时,其各频带能量分布与其故障状态之间存在映射关系,提出了基于相对小波能量与灰色相似关联度的转子系统故障诊断。采用小波分解法将轴承加速度振动信号分解为细节部分和近似部分的小波系数,这些小波系数分别对应不同频带信号,利用得到的小波系数计算相对小波能量。由于灰色相似关联度分析对小样本模式识别具有良好的分类效果,以能量分布为元素构造特征矢量,通过计算不同状态下轴承振动信号的灰色相似关联度来判断故障类型。结果表明,该方法有效应用于转子系统故障诊断。

利用全频带综合小波能量相对熵的配网故障选线方法

谐振接地系统故障选线是配电网故障选线的难点,其中缆-线混合线路出线的故障选线尤为困难,是选线研究的热点问题。谐振接地系统缆-线混合线路发生单相接地故障时,各馈线的小波能量分布不同,为此提出综合小波能量相对熵新概念,并利用综合小波能量相对熵实现故障选线。对各馈线故障零序电流首个1/4周期波形进行小波分解,并对各尺度下的小波分解系数进行单支重构,利用重构系数计算各馈线在各个频带下的小波能量。结合相对熵对信号间细微差别的超强识别能力,计算各馈线在各个频带下的小波能量相对熵并求取每条馈线的综合小波能量相对熵,通过比较各馈线全频带的综合小波能量相对熵大小选出故障线路。理论分析和大量仿真表明,该方法有效避开了TA饱和间断角对选线的影响,对于缆-线混合线路、纯电缆线路和纯架空线路,该方法均适用。

全频带小波能量相对熵的小电流接地系统故障选线

为了提高小电流接地系统中故障选线方法的精度和鲁棒性,在详细分析系统暂态零序网络故障特征后,提出基于全频带小波能量相对熵的小电流接地系统故障选线方法.利用小波变换技术对信号特征的放大作用以及小波相对熵对信号细微差别的超强辨识能力,首先对各条线路故障后零序电流的一个周波采样数据进行小波多尺度分解,并对分解后的小波系数进行单支重构;然后利用单支重构后的系数计算各条线路在各个频带下的小波能量权重系数,构造出各条线路的全频带小波能量相对熵矩阵;最后比较小波能量综合相对熵值的大小进行故障线路选择.在仿真模型中随机设置不同的故障位置、故障角、过渡电阻、电弧接地等参数,仿真选线正确率达到100%.理论分析和大量的仿真结果表明,该故障选线方法具有很强的适应性,能够在各种情况下实现正确选线.

基于全频带小波能量相对熵的脉冲涡流感应信号辨识

脉冲涡流检测是一种新兴的无损检测技术,检测方便、成本低、安全性好,适用于对各种材料缺陷进行在线检测。然而,脉冲涡流感应信号强度微弱、识别困难,必须采用比较有效的信号处理方法对信号进行处理。为了提高脉冲涡流检测系统的精度和正确率,在详细分析了脉冲涡流感应信号特性后,提出了一种基于全频带小波能量相对熵的脉冲涡流感应信号辨识方法。对几种典型脉冲涡流感应信号的采样数据进行多尺度小波分解,并单支重构各尺度小波系数。利用小波变换对局部信号特征的放大作用以及小波相对熵对信号之间差异的辨识优势,计算各尺度小波能量占所有小波系数能量的权重系数,及原始信号在各频带下的小波能量相对熵,然后根据小波能量相对熵对脉冲涡流感应信号的类别进行信号辨识。理论分析和试验表明,该方法能够有效消除干扰,提高无损检测的精度和正确率。

基于小波能量相对熵的HVDC输电线路单端保护方法

高压直流(high voltage direct current,HVDC)输电线路目前配置的行波主保护动作速度快,但灵敏性不足,耐过渡电阻能力差,后备保护能够弥补这一缺点,但存在延时时间长的问题。为提高保护的灵敏性和可靠性,研究了基于小波能量相对熵的单端暂态量保护。利用平波电抗器和直流滤波器内外电流特定频带能量的差异,构造单端电流小波能量相对熵判据,实现区内外故障的识别。基于PSCAD/EMTDC的仿真结果表明,该保护原理能快速、可靠地识别区内外故障。

基于小波尺度相对能量熵的转子早期故障诊断

将小波能量熵引入转子早期故障监测,提出了小波尺度相对能量熵的转子早期故障预警和诊断方法。对连续监测转子获得的振动信号进行小波多尺度分解和重构,计算获得小波尺度相对能量熵,根据转子出现早期故障时小波尺度相对能量熵值的灵敏变化,及时预警和诊断转子的早期故障。

基于小波变换和决策树的电机滚动轴承故障诊断

小波变换常应用于滚动轴承的故障诊断。然而,在实际应用中小波变换分解的层数需要人为指定,若层数过多,则相应的特征也会变多,增加特征筛选的难度。针对这一问题,本文以电机滚动轴承为研究对象,提出了一种基于相对小波能量与决策树算法的故障诊断方法。该方法具有较强的可解释性,主要体现在如下两个方面:1、以清晰的树形结构建立易于理解的分类规则;2、可利用特征重要性指标量化每个特征的重要性,并对重要特征进行筛选。结果表明:当小波分解的层数增加到6层以上时,准确率会提高至95%以上。此外,由于决策树中预剪枝策略,决策树实际使用到的特征较少,且构建决策树时选择了特征重要性较高的特征,避免了决策树结构过于庞大而降低其可解释性。

小波故障诊断的MATLAB/GUI实现

本文根据某转向器厂生产的电动管柱式齿轮齿条转向器在实际使用中存在异响的状况,应用相对能量法对其进行诊断。设计了用于该诊断的MATLAB/GUI程序界面,将诊断方法编制程序植入GUI内,为该问题的解决提供了友好的用户使用方式。

换流变压器绕组内部故障定位研究

换流变压器是一种在换流站中的特殊种类变压器,由于换流变压器阀侧绕组所承受的电压为交流电压叠加直流电压和极性反转电压,并且两侧绕组中均有一系列谐波电流,换流变压器和普通交流系统变压器在设计、制造和运行中具有不同。在建立换流变压器内部故障模型基础上,利用小波能量相对熵和BP神经网络对换流变压器绕组故障进行定位。仿真结果表明,基于小波能量相对熵和BP神经网络的故障定位方法能准确的对换流变压器绕组故障进行定位。