基于电弧电流边际谱能量比的输电线路永久性故障识别方法

为避免输电线路故障发生之后采用自动重合闸重合于永久性故障后对系统造成危害,在系统故障跳闸后准确判别故障性质以实现自适应重合闸具有重要意义。针对三相交流输电系统,分析了单相接地故障时故障电弧的特性,利用故障发生后的双端电气量推导出电弧电流的特征表达式。通过对该表达式的计算结果序列进行边际谱能量分析,提出了基于电弧电流边际谱能量比的永久性故障识别方法。仿真验证表明,该故障识别方法能够有效可靠地识别永久性故障与瞬时性故障,且不受故障位置、过渡电阻影响。

基于声发射波形能量谱的岩石裂隙演化研究

通过白砂岩预制裂纹样的三维声发射监测试验,采用声发射波形的空间能量分布确定岩石裂隙扩展方向,研究了单轴压缩下白砂岩的裂隙演化特征;运用短时傅里叶变换(STFT)获取各通道波形的能量谱,以能量最小通道到能量最大通道的方向表示微裂隙方向,以能量大小表征裂隙长度,得到微裂隙声发射矢量。研究表明:白砂岩的裂隙扩展以平行于主应力方向和理论共轭剪切面方向为主,在初始压密段和弹性段,以某一方向裂隙为主导;从裂隙变形段开始,3个方向上的裂隙占比开始逐渐趋同,在峰前软化段趋于30%;声发射矢量沿主破裂面集聚分布,且在峰前软化段形成贯穿岩样的剪切带,是较为可靠的岩石破坏临界前兆。

基于LMD边际谱能量熵的高压断路器机械故障诊断

断路器分合闸振动信号蕴含着丰富的机械特征信息,为准确提取其特征,提出一种基于LMD边际谱能量熵与GPSO算法相结合的高压断路器机械故障诊断方法。首先将原始振动信号进行小波软阈值去噪处理,然后将去噪后的信号利用LMD进行分解,获取若干反映断路器操动过程中机械状态信息的PF分量;然后依据各PF分量与原始信号相关性确定包含主要状态信息的PF分量,并将前3阶分量进行希尔伯特变换(Hilbert变换),求取其边际谱能量熵作为特征向量;最后将特征向量输入到GPSO-SVM分类器,实现断路器机械故障诊断。实验结果表明:LMD边际谱能量熵能准确反映断路器机械故障特征,GPSO-SVM可有效辨识断路器机械故障。

小波包能量谱和神经网络的开关柜局部放电自动检测方法

为可靠掌握开关柜的运行状态,精准检测其局部放电现象,提出小波包能量谱和神经网络的开关柜局部放电自动检测方法。该方法采用数字处理技术和模糊参数识别方法,去除信号中的混频信号,获取新的开关柜运行信号;利用小波包分解方法分解该信号,处理信号中噪声信号的同时,提取局部放电的能量谱特征,将该特征输入径向基神经网络中,完成开关柜局部放电的分类检测。测试结果表明,该方法可有效去除混频信号,并且降低信号噪声;处理后信号的失真率和畸变率极低,应用性能较好;可完成开关柜不同类别的局部放电信号检测。

电力系统强迫振荡源定位的耗散能量谱方法

快速、准确定位振荡源是抑制电力系统强迫功率振荡的关键。为提高电力系统强迫振荡源定位精度和效率,该文提出一种基于耗散能量谱的电力系统强迫振荡源频域定位方法。该方法首先将电力系统广域测量信息进行短时傅里叶变换(short-time Fourier transform,STFT);然后,根据信号的时—频域特性,推导出时域耗散能量与时频域耗散能量间的关系,在此基础上,构建出频域耗散能量谱,论证了时域耗散能量与频域耗散能量谱的等价性;进而根据频域耗散能量谱辨识系统强迫振荡频率、定位强迫振荡源;最后,将所提方法应用到WECC179节点测试系统和ISO New England中进行仿真、验证,结果验证了所提方法的准确性和有效性。

基于小波耗散能量谱的电力系统强迫振荡源定位

快速、准确地定位强迫振荡源是抑制电力系统强迫功率振荡的关键。目前,基于广域量测信息的电力系统强迫振荡源定位方法大多基于时域耗散能量流理论,其计算过程较为复杂,计算效率有待提高。首先,提出一种基于小波耗散能量谱(WDES)的电力系统强迫振荡源频域定位方法,该方法首先将电力系统广域测量信息进行连续小波变换,得到各广域量测信息的小波系数矩阵;然后,根据获得小波系数矩阵定义小波耗散能量谱,阐述小波耗散能量谱和传统时域耗散能量流的关联关系;进而,由小波耗散能量谱的跃变特性确定系统的强迫振荡频率;再根据各发电机在强迫振荡频率处的小波耗散能量谱准确定位振荡源;最后,将所提方法应用到WECC-179节点测试系统和ISO New England中进行仿真和验证,结果验证了所提方法的准确性和有效性。

急性肺栓塞双能量能谱CT碘基物质图联合肺灌注缺损指数的运用价值

目的 探讨急性肺栓塞(APE)双能量能谱CT碘基物质图联合肺灌注缺损指数(PPDI)的运用价值。方法 选取我院APE患者64例作为APE组;另选同期慢性肺栓塞(CPE)患者60例作为CPE组,均行双能量能谱CT肺血管成像技术检查,对0.625 mm层厚的原始数据运用ISP工作站(与1.2.2图像处理相对应)软件后处理,获得碘密度图及PPDI。测量碘含量取平均值;PPDI=∑(n1×d1/40)×100%。比较APE组与CPE组碘基物质图定量特征和PPDI变化;比较APE不同危险分层碘基物质图定量特征和PPDI变化;采用ROC曲线分析PPDI联合碘基物质图定量对APE预测价值。结果 APE组肺异常灌注区碘含量和肺动脉栓塞区碘含量低于CPE组,差异有统计学意义(P<0.05)。APE组PPDI高于CPE组,差异有统计学意义(P<0.05)。中高危患者肺异常灌注区碘含量和肺动脉栓塞区碘含量低于低危患者,差异有统计学意义(P<0.05)。中高危患者PPDI高于低危患者,差异有统计学意义(P<0.05)。经ROC曲线分析,PPDI联合碘基物质图定量对APE预测灵敏度和特异度高于PPDI与碘基物质图定量,差异有统计学意义(P<0.05)。结论 双能量能谱CT碘基物质图联合PPDI预测急性肺栓塞灵敏度和特异度良好,具有很好的诊断价值。

基于可见-近红外光谱技术的果蔬品质检测方法

可见-近红外光谱技术利用波长在380~2 500 nm的电磁波获取果蔬中有机分子含氢基团的特征信息,根据样品对不同波长光的吸收信息,实现果蔬的外部、内部缺陷及营养成分定性、定量分析,是目前主流的果蔬内外部品质快速无损检测技术。综述了目前基于吸光度谱和能量谱对果蔬营养物质含量定量分析及缺陷定性分析,所使用的检测模型和变量筛选模型及其检测准确性,为相关研究人员选择高效准确的检测模型提供技术支撑。

时频能量谱与VGG16结合的车轮扁疤损伤程度估计方法

为了实现对运营中车辆车轮扁疤损伤程度的实时精准监测,提出了一种时频能量谱与VGG16卷积神经网络相结合的车轮扁疤损伤程度估计方法,该方法通过对车辆运营中轴箱振动加速度信号的分析处理来实时定量估计车轮扁疤的损伤程度。建立了车辆轨道刚柔耦合系统动力学模型和车轮扁疤数学模型,仿真计算不同扁疤损伤工况下的车辆轴箱振动响应。运用形态学滤波器以及完全噪声辅助集合经验模态分解结合Wigner-Ville分布的时频分析方法,将轴箱振动加速度信号滤波降噪后表达在时频能量谱中。构造了VGG16卷积神经网络模型,通过大量车轮扁疤故障数据的时频能量谱构造的训练集来训练VGG16模型。随机仿真若干车轮扁疤工况,对训练完善的VGG16模型进行测试验证。仿真试验表明,运用时频能量谱与VGG16模型结合的方法能准确地估计运营中车辆的车轮扁疤损伤程度,估计误差在1.6 mm内。

基于小波能量谱和SSA-GRU的混合直流输电系统故障测距方法

针对混合直流输电系统故障测距存在行波波头难以识别以及固有主频不易提取的问题,提出一种基于小波能量谱和麻雀搜索算法(sparrow search algorithm, SSA)优化的门控循环单元(gate recurrent unit, GRU)模型的故障测距方案。首先,分析频谱能量与故障距离的相关关系,利用小波包分解提取小波包能量谱特征向量,作为GRU模型输入。其次,搭建和训练GRU模型,挖掘时间序列中的深层次故障信息,并利用SSA的迭代寻优对GRU模型参数进行优化,实现故障距离的快速准确定位。最后,在PSCAD/EMTDC中搭建混合三端直流输电系统模型,实验结果证明该方法定位精度高、抗干扰能力和泛化能力强,并具有一定的耐过渡电阻能力。

基于Kriging模型和小波包能量谱的随机模型修正

针对随机模型修正精度和效率低的问题,提出一种基于Kriging模型和小波包能量谱的随机有限元模型修正方法。首先,假设模型待修正参数和响应特征均服从正态分布,将不确定性的模型修正转化为均值和标准差的修正;其次,将待修正参数作为Kriging模型输入,加速度频响函数经过小波包分解后提取的结点能量作为输出,引入政治优化算法优化相关系数以构造Kriging模型;然后,将最小化试验响应与预测响应之差的绝对值作为修正均值的目标函数,最小化交叉熵作为修正标准差的目标函数,通过政治优化算法先后修正参数均值和标准差;最后,以空间桁架结构为例,选取弹性模量和密度为待修正参数验证该方法的可行性。结果表明,所提方法能够有效地修正结构参数均值和标准差,修正后的参数均值、标准差的误差分别低于0.1%、3.5%。

肾细胞癌的双能量能谱CT成像及影像组学应用进展

双能量能谱CT的多维度、多参数成像可用于肿瘤的诊断和鉴别诊断、预测病理分级、肿瘤预后和疗效随访。目前对于肾细胞癌的双能量能谱CT应用,主要集中于虚拟平扫单能图像/碘图有助于肾脏肿块的发现,能谱曲线特征与病理分级的相关性,肾细胞癌不同组织学类型的诊断和鉴别诊断,肾细胞癌灌注成像与微血管的发生,综合治疗的疗效评估以及影像组学和纹理分析等方面。本文旨在阐述双能量能谱CT成像的基本原理及其在临床的广泛应用,并对近年来兴起的放射组学和人工智能进行综述。

基于小波包能量谱与改进BP神经网络的铁路扣件松脱检测算法研究

为实现铁路扣件在服役过程中松脱位置及松脱程度的准确检测,提出一种基于小波包能量谱与改进BP神经网络的铁路扣件松脱检测算法。首先,参照现行规范,在实地设计了7种铁路扣件不同松脱工况,并依次采集各工况下所对应的钢轨垂向振动加速度信号;随后,对采集到的钢轨垂向振动加速度信号进行7层dB40小波包分解,获取各工况下对应的小波包节点能量比数据信息,在此基础上,从距离和维度两个角度出发,设计了一个向量相异系数指标(VDC)用以实现松脱扣件的定位;此外,依据数据特征,采用粒子群优化算法对BP神经网络进行改进,构建PSO-BP铁路扣件松脱程度检测模型,并进行参数敏感性分析。研究结果表明:健康状态下铁路扣件的VDC最小值为0.17,最大值为0.41,明显小于各松脱状态下铁路扣件的VDC值,据此,可实现对单个和多个松脱扣件的准确定位;构建的PSO-BP铁路扣件松脱程度检测模型可以实现扣件松脱程度的准确检测,且当隐含层中神经元数目设置为20时,模型检测效果最优,对应识别准确率为98.66%。

基于能量谱分析和DBSCAN改进算法的多源局部放电分类识别方法

针对带电检测现场存在多源局部放电源及干扰脉冲信号,不能直接获得单类局部放电相位分布(phase resolved partial discharge,PRPD)谱图进行模式识别的问题,该文提出基于能量谱分析和基于密度的噪声应用空间聚类(density-based spatial clustering of applications with noise,DBSCAN)改进算法的局部放电多源信号分类识别方法。首先,采用能量谱分析提取检测脉冲选定频段的能量百分占比作为局部放电时间分布(time resolved partial discharge,TRPD)谱图特征值,该选定频段的中心频率和带宽由传感器性能参数确定;进而,根据单类脉冲信号选定频段的能量百分占比密度近似正态分布,提出并采用改进的DBSCAN算法实现多源信号的自适应聚类分离;最后,基于分类信号的PRPD谱图实现了局部放电信号的类型识别。实验结果表明,多源局部放电信号的识别准确率达到98.45%,该方法可用于变电站多源局部放电的现场带电检测与分类识别。

基于小波包能量谱的滚动轴承振动噪声检测方法

针对轴承振动与噪声源零件识别与检测问题,利用小波包分解的方法来分析轴承的振动噪声信号:根据待测轴承振动信号特点,确定小波包分解的小波函数及分解层数,得到了轴承振动信号在频域的信息;通过构造小波包能量谱来分析各个频段上振动信号的特征,根据各个小波包空间能量值的大小判断轴承振动的剧烈程度;通过小波包重构算法对轴承振动噪声贡献较大的小波包空间进行重构,得到具有较高信噪比的重构信号,便于进行频谱分析。结果表明,本文的检测方法可以较准确的识别出新出厂轴承中振动噪声的主要来源,对于后期实现轴承静音降噪具有重要意义。

基于小波包能量谱和希尔伯特变换的管道泄漏检测技术

为了及时检测输油管道泄漏缺陷以减少输油泄漏事故的发生,首先,提出了一种基于小波包(WPT)能量谱和希尔伯特变换(Hilbert)的输油管道泄漏检测技术,改变阀门开度模拟不同泄漏程度的管道泄漏;其次,选取小波包阈值对采集的信号去噪,获得实际有效信号,并用WPT能量谱变换将有效信号分解为频段能量谱,过滤掉不含泄漏信息的频段,保留有效频段;最后,利用Hilbert进行有效频段的谱分析,提取泄漏源信息,实现对管道泄漏工况的诊断分类。结果表明:输油管道泄漏检测平均误差在3%以内,诊断准确率达到95%,与直接Hilbert变换方法以及单纯WPT能量谱分析法相比,定位精度明显提高。

对比分析常规增强CT扫描以及能谱CT单能量成像对门静脉血管成像图像质量的影响

目的 对比分析常规增强CT扫描以及能谱CT单能量成像对门静脉血管成像图像质量的影响。方法 方便选取2022年4月—2023年10月于庆阳市人民医院影像中心行门静脉血管成像检查的43例患者为研究对象,均行常规增强CT扫描以及能谱CT单能量成像扫描,比较不同扫描方式CT扫描参数、图像质量客观与主观评估的差异。结果 能谱CT扫描组对比剂碘摄入量、有效辐射量均低于常规组,差异有统计学意义(P均<0.05);两组CTDI_(VOL)水平比较,差异无统计学意义(P>0.05)。能谱CT扫描组门静脉主干、门静脉左支、门静脉右支CT值高于常规组,噪声低于常规组,差异有统计学意义(P均<0.05);两组门静脉内段、门静脉外段CNR比较,差异无统计学意义(P均>0.05)。能谱CT扫描组门静脉血管成像图像主观评分为3~4分占比为97.67%,高于常规组(83.72%),差异有统计学意义(χ^(2)=8.195,P<0.05)。结论 与常规增强CT扫描相比,能谱CT单能量成像可提高门静脉血管成像图像质量,且能减少对比剂摄入和有效辐射量,安全性良好。

基于小波包分解的断路器振动信号能量谱和能量熵分析

为了获取断路器在多次分合闸动作机械性能劣化过程中振动信号的差异,基于小波包分解理论,提取SF 6断路器在分合闸动作4000次过程中的振动信号,并进行小波包分解,计算各个节点的能量谱和能量熵。计算结果表明,在合闸与分闸过程振动信号能量谱中,能量主要分布在节点(4,0)与节点(4,1),占比达到95%。随着断路器动作次数增加,分闸振动信号节点(4,0)的能量占比增加,节点(4,1)能量占比减少,能量分布向低频转移。合闸振动信号节点(4,0)与节点(4,1)的能量比均在一定范围内波动,未呈现出明显的变化趋势,合闸振动信号与分闸振动信号各个节点的小波包-能量熵均保持不变。

小波包分解及其能量谱在发动机连杆轴承故障诊断中的应用

论述了小波包分解及其能量谱处理发动机连杆轴承故障的原理与方法 ,结合传统断火诊断法的思想 ,应用小波包能量谱直观地识别出故障的特征频带 ,并进行量化分析 。

基于局部均值分解的循环频率和能量谱在齿轮故障诊断中的应用

针对齿轮故障振动信号的非平稳特性,将局部均值分解(Local mean decomposition,LMD)引入齿轮故障诊断,提出了基于LMD的循环频率和能量谱概念,并根据齿轮故障振动信号的特点建立了两种齿轮故障诊断方法:基于LMD的循环频率方法和局部能量谱方法。采用LMD方法能将齿轮振动信号自适应地分解为若干个单分量信号,而循环频率和能量谱则分别反映了齿轮振动信号的相位调制信息以及信号能量在时频面上的分布情况,从而可以提取出齿轮振动信号的故障特征。将这两种方法应用于实际齿轮箱的故障诊断中,结果表明两种方法都能有效地提取齿轮故障特征信息。