基于旋转不变信号参数估计技术与模式搜索算法的异步电动机转子故障检测新方法

提出一种基于旋转不变信号参数估计技术(Estimation of signal parameters via rotational invariance technique,ESPRIT)与模式搜索算法(Pattern search algorithm,PSA)的异步电动机转子故障检测新方法。模拟形成转子故障情况下的定子电流信号并以之检验ESPRIT性能。结果表明:即使对于短时信号,ESPRIT仍具备高频率分辨力,可以准确估计定子电流各个分量的频率;但对其幅值、初相角的估计欠缺准确性、稳定性。随后,采用PSA确定各个频率分量的幅值、初相角。对一台异步电动机完成了转子故障检测试验,结果表明:基于ESPRIT与PSA的异步电动机转子故障检测方法是切实可行的,并且因仅需短时信号即可达到高频率分辨力而适用于负荷波动情况。

基于旋转不变技术信号参数估计的激光扫频干涉测量方法

激光扫频干涉测量技术具有无测距盲区、非接触、单次测量多目标的能力.通过傅里叶变换可提取目标拍频频率,进而解算距离.然而受激光器调频带宽限制,通过傅里叶变换得到的目标分辨率受限于固有分辨率.为解决该问题,本文提出采用基于旋转不变技术的信号参数估计(ESPRIT)算法对测量信号进行频谱分析.实验通过插值拟合法校正测量信号拍频非线性,进而采用ESPRIT算法测量目标距离,结果表明在傅里叶变换算法无法区分临近目标频率的情况下,采用ESPRIT算法可以区分出目标的频率,通过计算可得被测目标的厚度为2.08 mm.从而为诸如光纤临近损伤点、薄台阶高度或小孔等测量提供了思路.

基于共轭-旋转矢量不变性技术的谐波检测方法

本文提出了将一种阵列信号处理方法即共轭-旋转矢量不变性技术(C-SPRIT)应用于谐波、间谐波检测。该方法结合实值信号共轭与自身值相等的特点,利用旋转因子共轭矩阵代替旋转因子做阵列信号处理,采用总体最小二乘法减小噪声信号的影响,从而准确提取出谐波参数。理论分析和仿真实验表明该算法精度高、抗噪性强,实际数据分析表明该算法有效可行,具有一定的应用前景。

基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测新方法

将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signal parameters via rotational invariancetechnique,ESPRIT),应用模拟转子故障的定子电流信号测试其频率分辨力、精度等性能,结果表明:即使对于短时信号,二者仍具高频率分辨力,可以准确地分辨定子电流信号中转子故障特征分量、主频分量之频率;但对其幅值、初相角,仅能提供"粗糙"估计。为此,尝试以优化算法——模拟退火算法(simulated annealing algorithm,SAA)与模式搜索算法(pattern search algorithm,PSA)确定各分量的幅值与初相角。同时,分别对MUSIC与ESPRIT、SAA与PSA做了性能对比,遴选优者并应用于转子故障检测。最后,针对转子断条故障进行实验,结果表明:基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测方法有效、可行,即使在负载波动、噪声等干扰严重情况下仍然适用。

单基地MIMO雷达降维酉ESPRIT算法

波达方向(direction of arrival,DOA)估计问题是单基地多输入多输出(multiple input multiple output,MIMO)雷达信号处理中的一个关键问题。在低信噪比、低快拍数的情况下,常规DOA估计算法的性能会严重下降。针对此问题,提出一种新的DOA估计算法:降维酉旋转不变性信号参数估计技术算法。该算法首先通过降维变换将MIMO雷达数据变换至低维信号空间,然后在该低维信号空间构造实值旋转不变性方程估计目标的DOA。仿真结果表明该方法能够在低信噪比、低快拍数的环境下获得较常规ESPRIT方法更高的DOA估计精度,同时具有更低的运算量。

基于MIMO雷达的极化平滑降维酉ESPRIT算法

相干目标的波达方向估计一直是雷达信号处理中的一个难题。为了获得更好的相干信号角度估计精度,并提高算法可实现性,在多输入、多输出雷达的基础上,提出一种极化平滑降维酉旋转不变性参数估计算法。首先通过降维矩阵对接收信号数据进行降维处理,然后利用降维后的接收数据构造中心复共轭对称矩阵,再构建适当的酉矩阵对其进行实值处理,然后对其进行极化平滑解相干处理,最后构造出实值旋转不变性方程估计目标的波达方向。相比于常规的极化平滑旋转不变性参数估计算法,本文所提极化平滑降维酉旋转不变性参数估计算法的相干信号角度估计精度更高、更利于工程实现。第5节通过仿真实验证明了该算法的有效性与真实性。

基于SVD滤波技术与快速四阶累积量ESPRIT算法的异步电动机转子断条故障检测新方法

提出了一种基于奇异值分解(Singular Value Decomposition,SVD)滤波和快速四阶累积量(Speedy Fourth-Order Cumulants,SFOC)旋转不变信号参数估计技术(Estimation of Signal Parameters via Rotational Invariance Technique,ESPRIT)的异步电动机转子断条故障检测方法。SVD滤波方法可以理想地滤除电机定子电流信号的基频分量与背景噪声,从而凸显转子断条故障特征频率分量;四阶累积量ESPRIT方法可以有效减少噪声干扰、扩展信号阵元并以高频率分辨力提取定子电流信号中的转子断条故障特征频率分量;特别是,将二者结合即可在短时采样信号条件下以高频率分辨力提取转子断条故障特征频率分量。为了改善四阶累积量ESPRIT方法的快速性,提出了精简算法以消除均匀线阵的DOA(direction ofarrival)估计中的大量冗余数据,从而大幅减小计算量。转子断条故障检测实验表明:基于SVD和SFOC-ESPRIT的异步电动机转子断条故障检测方法效果良好。

基于CP-ESPRIT的MIMO-OFDM频偏估计算法

针对已有MIMO-OFDM盲同步算法需要较多接收数据的缺点,提出了一种基于循环前缀和ESPRIT思想的MIMO-OFDM频偏估计算法——CP-ESPRIT算法。算法利用接收信号中未被IBI污染的循环前缀和OFDM符号中相应的部分构造接收信号矩阵,然后利用ESPRIT方法求得频偏估计值。该算法只要一个符号就能估计频偏,且频偏估计范围为一个子载波宽度,可用于载波频偏精同步。仿真验证了算法的性能。

双基地MIMO雷达多目标定位及互耦参数估计

针对MIMO雷达收发阵元间存在互耦会严重影响目标定位算法性能的情况,提出一种双基地MIMO雷达多目标定位及互耦参数估计的算法.利用均匀线阵互耦矩阵的特点和MIMO雷达的特性获得满足ESPRIT算法的信号子空间,在不需要任何互耦矩阵信息情况下采用ESPRIT算法实现了目标角度估计,且估计出的角度参数自动配对.根据所估计的目标方位角度,利用信号子空间和联合导向矩阵之间的关系,将MIMO雷达的互耦参数估计转化为线性约束二次最小化问题,估计出互耦系数矩阵,实现了MIMO雷达的自校正.该方法的优点是避免了多维空间谱搜索带来的庞大计算量和迭代中的全局收敛性问题,同时得到了收、发阵列互耦参数估计的闭式解.仿真结果表明算法估计性能接近于互耦已知时二维MUSIC算法.

基于ESPRIT-PSA与LightGBM算法的感应电动机转子断条数目诊断新方法

提出一种基于旋转不变信号参数估计技术ESPRIT(Estimation of signal parameters via rotational invariance technique)、模式搜索算法PSA(Pattern search algorithm)与轻型梯度提升机LightGBM(Light gradient boosting machine)结合的感应电动机转子断条数目诊断新方法。模拟了转子断条故障下的瞬时无功功率信号并用其衡量ESPRIT-PSA的性能。结果表明:ESPRIT-PSA只需短时数据就能准确测量瞬时无功功率信号中的转子断条故障特征分量。随后,为解决现有的电机瞬时无功功率信号分析MIRPSA(Motor instantaneous reactive power signal analysis)类方法无法准确诊断转子断条数目的问题,引入LightGBM对转子断条故障进行多分类以准确诊断转子断条数目。最后针对一台异步电动机进行转子断条诊断实验,结果表明:该方法是有效的,并且因将瞬时无功功率作为分析信号而适用于电机低转差率的情况。

基于ESPRIT与Duffing系统的笼型异步电动机转子断条故障检测

旋转不变信号参数估计技术(ESPRIT)应用于笼型异步电动机转子断条故障检测时,其频谱分析结果中可能出现实际并不存在的虚假频率分量,从而影响检测效果。针对该问题,采用ESPRIT对定子电流信号进行频谱分析,从而获得定子电流信号的频率分量组成,然后利用Duffing系统对ESPRIT频谱分析结果做进一步处理,以辨识并摒弃其中的虚假频率分量,从而保障笼型异步电动机转子断条故障检测的效果。仿真与实验结果验证了所提方法的有效性。

基于模极大值小波域和TLS-ESPRIT的振荡瞬态识别方法

对于电能质量扰动检测和定位中振荡瞬态的检测、识别,目前普遍采用的是时频特征矢量提取和智能模式识别方法,此类方法无法准确提取电能质量振荡瞬态信号不同频率分量的组成。结合模极大值小波域和总体最小二乘法旋转不变技术的信号参数估计(total least squares-estimation of signal parameters via rotational invariancete chniques,TLS-ESPRIT)可以很好地实现振荡信号的检测与识别。对于输入信号,首先采用模极大值小波域检测振荡发生的起始时刻和终止时刻,然后利用振荡时间间隔内的信号建立观测空间矩阵,通过奇异值分解和总体最小二乘法实现特征值截尾,将采样信号观测空间分解为信号子空间和噪声子空间,得到振荡信号每个构成频率分量的相应参数。仿真结果证实了所提出方法的可行性。

一种低复杂度的ESPRIT方法

提出一种低复杂度的旋转不变技术信号参数估计方法,只需要利用某一个信号的导频信息就可以实现对所有信号和干扰的波达方向进行快速估计,不需要估计协方差矩阵和对其作特征值分解,具有低复杂度和小运算量的特点.

基于高阶累积量与ESPRIT算法的功率振荡检测方法

电力系统实测信号在传输的过程中可能出现异常数据,且包含大量的高斯白噪声和高斯有色噪声,对功率振荡检测结果的精确性产生了较大的影响。为实现功率振荡信号的准确检测,对信号预处理方法进行了改进,采用七点二阶算法前推差分公式对异常数据进行识别,并进行了补正、滤波和去直流处理。进一步地,将原始信号用四阶累积量代替,并使用旋转不变技术信号参数估计(Estimating Signal Parameter via Rotational Invariance Techniques,ESPRIT)算法进行辨识,实现对功率振荡信号的精准检测。仿真结果表明,相比于直接使用ESPRIT算法,所提出的改进检测方法可以有效地消除异常数据、高斯白噪声和有色噪声对信号分析的影响,从而更为准确地辨识出系统中的振荡信息。

基于散射中心模型的雷达目标成像研究

雷达目标数据是验证和评估各种算法的基础,数据仿真由于不受条件和环境制约,是获取数据的重要途径,开展数据仿真研究具有重要的现实意义。研究了一种基于多散射中心模型的目标成像方法,仿真获得了坦克目标的一维距离像和二维SAR像,针对传统成像方法分辨率低的问题,将基于最小二乘—旋转不变技术的参数估计技术应用于雷达目标一、二维成像中,大大改善了雷达图像的分辨率和成像质量。

基于SVD与ESPRIT的异步电动机转子断条故障检测新方法

提出一种基于奇异值分解(SVD)滤波和旋转不变信号参数估计技术(ESPRIT)的异步电动机转子断条故障检测方法。通过性能对比,说明SVD滤波可以理想地滤除待分析信号中的供电谐波及其他噪声,因而优于当前在转子断条故障检测中广泛使用的自适应滤波。进一步利用SVD估计经SVD滤波信号的谐波个数,以此改进ESPRIT的频率分辨性能。在此基础之上,将SVD与ESPRIT结合而进行异步电动机转子断条故障检测,试验结果表明这是行之有效的。

基于ESPRIT算法的双基地MIMO雷达幅相误差分析

对于双基地多输入多输出(multiple input multiple output,MIMO)雷达,发射和接收阵列幅相误差耦合到一起,不易单独测量。针对阵列存在小扰动幅相误差的MIMO雷达,分别推导了借助旋转不变信号参数估计技术(estimating signal parameter via rotational invariance techniques,ESPRIT)算法的到达角(direction of ar-rival,DOA)和离开角(direction of departure,DOD)的均方根误差(root mean square error,RMSE)与幅相误差关系表达式。与其他方法相比,ESPRIT算法可以将发射和接收阵列的幅相误差进行解耦,并且DOA和DOD的RMSE只与阵列相位误差相关,与阵列幅值误差无关。仿真结果表明,理论值和仿真实验值能够较好地吻合,验证了理论的正确性。

单基地MIMO雷达降维Power-ESPRIT算法

提出了一种新的单基地MIMO雷达波达方向(DOA)估计算法:降维Power-ESPRIT算法。该算法首先通过降维变换将MIMO雷达数据变换至低维信号空间,然后进行从复数域到实数域的转换,并在实数域上使用采样数据协方差矩阵的幂获得信号子空间的估计,最后构造实值旋转不变性方程估计目标的DOA。仿真结果表明,在低信噪比、低快拍数的环境下,该算法与已有ESPRIT方法相比,具有近似性能,却拥有较低的计算复杂度。该算法的计算复杂度是RD-ESPRIT的25%左右,是RD-UESPRIT的65%左右。

基于PASTd的圆阵ESPRIT算法

基于旋转不变技术的信号参数估计(ESPRIT)算法因具有高效的波达方向(DOA)估计性能而受到广泛的研究和应用,但其需要进行协方差矩阵特征值分解,计算量大,不利于某些场合的具体工程实现。为此,提出将递推求解信号子空间的紧缩近似投影子空间跟踪(PASTd)算法与ESPRIT算法相结合,利用PASTd算法求出信号子空间特征向量,避免了特征值分解,降低了计算量与复杂度,并将其在圆阵中加以应用。所提算法不仅更适合硬件实现,而且将ESPRIT算法的应用进行了扩展。仿真结果验证了所提方法的有效性。