基于EMD分解算法的长距离特高压输电线路接地故障定位

由于传统方法在长距离特高压输电线路接地故障定位中应用效果不佳,不仅定位结果相对误差较大,而且定位时间较长,无法达到预期的定位效果,因此提出基于EMD分解算法的长距离特高压输电线路接地故障定位。利用电压传感器采集输电线路电压信号,通过EMD分解算法对信号进行分解处理,提取信号时域特征,根据时域特征确定接地故障位置,以此实现基于EMD分解算法的长距离特高压输电线路接地故障定位。经实验证明,设计方法定位结果相对误差在2 m以内,定位用时在1 s以内,在长距离特高压输电线路接地故障定位方面具有良好的应用效果。

EMD算法在移频信号解调中的应用研究

随着我国列车运行速度的不断提高,对列车运行自动控制系统的可靠性和安全性提出越来越高的要求。现存的算法大多考虑纯净的或SNR较高的移频信号。为了实现在强噪声背景下移频信号的可靠、准确解调,本文提出了一种基于EMD分解算法的移频信号解调方法,并进行了计算机仿真。仿真结果表明,用EMD分解算法能够从强噪声背景下分解出移频信号,结合FFT变换,可以实现移频信号的解调。与现存的算法比较,本文的算法简单,可实时性好。

基于EMD分解重构的互相关时延估计方法

在反狙击手声探测定位系统应用背景下,针对常用相关法时延估计精度不高、相对误差较大等问题,将IMF重构消噪的思想应用于声探测定位系统TDOA(time delay of arrival)的估计中。针对重构过程中IMF分量的选取问题,设计了一种基于皮尔逊(Pearson)相关系数的选取方法,选取IMF分量进行重构消噪并结合互相关的时延估计方法,构成了基于EMD分解重构的互相关时延估计方法。通过对实际采集的声信号进行仿真实验,验证了该方法的有效性。

基于低分辨率红外阵列传感器的人体识别算法

在人体检测方面,低分辨率阵列传感器的使用越来越广泛。现有自适应背景估计和帧间方差法的共同缺点是无法在含高频率红外信号的外部环境干扰下对人体进行准确识别。帧间方差法通过采用每帧之间的方差差值与阈值对比来实现人体检测,无法区分外部环境的高频率温度干扰。自适应背景估计通过人体测量温度和背景温度的差值与阈值对比来实现人体检测,外部热源会提高背景温度,减小与人体温度的差值,并且无法区分外部环境的高频率温度干扰,无法对人体进行准确识别。针对此缺点,通过卡尔曼滤波算法消除了信号中包含的白噪声干扰。通过EMD算法进行分解的过程,实现了对IMF分量进行分析处理,解决了外部热源红外信号、人体红外信号、高频率红外信号无法区分的难题。通过小波变换和重组算法,简化了部分IMF分量需要重复使用EMD算法分解,对红外信号进行区分。实验结果表明,所提出的算法不仅提高了在含高频率红外信号外部环境干扰下人体正确识别的准确度,也提高了其他外部环境情况下人体正确识别的准确度,在含高频率红外信号外部环境干扰下识别准确率可达到98.85%,在无高频率红外信号外部环境干扰下准确率可达到99.65%,在无外部环境干扰下准确率可达到99.95%。

基于均值滤波矩阵组的二维信号快速经验模式分解方法

根据矩阵变换理论,提出了一种基于滤波矩阵组的局部均值求取方法.该方法构造了均值滤波矩阵组,只需在待处理矩阵左右各乘一个均值滤波阵,即可得到待处理阵的加权均值,简化了包络均值求解过程.在上述局部均值滤波理论的基础上,提出了二维信号的快速经验模式分解算法.实验证明,算法运算时间比传统经验模式分解方法提高了两到三个数量级.

基于定子电流特性分析的渣浆泵故障预测

磨矿分级流程使用渣浆泵输送矿浆并为旋流器提供分级所需的入口压力。渣浆泵输送的矿浆颗粒较大、矿浆浓度与粒度未知,易引发堵转、短路等事故,且事故难以预测。针对这一问题,利用定子电流中所反映的渣浆泵运行信息,结合EMD自适应分解方法与LSTM学习算法,提出了基于定子电流多尺度特性分析的渣浆泵故障预测方法。利用工业数据验证表明,该方法可有效预测矿用渣浆泵故障,可帮助生产技术人员提前给出切换备用泵的决策依据。