桥梁结构动力测试信号的自适应形态学滤波研究

桥梁健康监测数据中不可避免地会掺杂系统噪声和测试噪声,噪声的存在将严重影响桥梁状态评估的准确性。为了抑制噪声对桥梁状态评估的影响,获得精确的桥梁状态评估结果,本文提出了一种自适应的形态学滤波器(Adaptive Morphological Filter,AMF)。首先比选了AMF的各类结构元素类型,并依据AMF对信号傅里叶谱相对幅值的影响程度确定适宜的结构元素尺寸,据此构建滤波器。实现原始信号的自适应滤波后,用确定-随机子空间识别方法对原始数据和滤波后数据的模态参数进行识别,并使用稳定图法对滤波效果进行对比。以大比尺斜拉桥模型试验的测试数据为支撑对所提算法进行了验证。结果表明,AMF可显著提高桥梁模态参数识别结果的稳定性,并能挖掘出被噪声淹没的高阶桥梁模态参数。

基于滤波提升的SVG电力无功补偿研究

针对地铁电力系统稳定性要求高的需求,提出一种基于改进SVG的无功补偿装置,其主要由信号处理模块、处理采集单元、变流器以及三相电压输出端组成。在补偿过程中,由电网采集得到的电压信号从信号处理模块通过,信号处理模块中对应设置了自适应形态学滤波器对电流、电压信号进行滤波调理,去除冲击干扰,并获取SVG相位补偿的控制触发信号,进而实现对于变流器的电压补偿和无功功率调节。实验测试了5种不同类型的待无功补偿电能畸变信号,其结果表明,对于不同程度的电能畸变信号,所述装置能够进行有效的无功补偿,使得电压信号的整体畸变程度被控制在0.5%以下,从而使负载性能得到保障。