Morlet复小波算法在自适应电流保护中的应用研究

自适应电流保护算法中关键之一是实时而准确地计算系统等值参数。一般傅氏算法在计算系统等值阻抗时受短路电流非周期分量和电网频率不稳定的影响,会产生较大的误差。而Morlet复小波算法具有频率特性好,不受非整次谐波、非周期分量及电网频率波动的影响,因此本文提出了采用全周Morlet复小波算法计算系统等值参数的方法,通过选择合理的Morlet复小波函数参数,提取配电网典型故障电流电压的工频分量来计算系统等值参数。经仿真分析表明用该方法实时计算等值参数,精度高,能满足保护性能要求,具有很高的工程实用价值。

基于DSP的Morlet复小波微机保护算法探讨

针对傅氏算法不能完全滤除电力系统故障信号中的非周期分量,尤其对常见的电流故障信号中衰减直流分量抑制能力较差的问题,提出Morlet复小波算法。与数字信号处理器DSP结合应用到电力系统微机线路保护中,较好地滤除短路故障信号的非周期分量及谐波分量,提高保护装置动作的灵敏度和精确度,提高微机保护装置的可靠性。经实验验证,达到了预期的效果。

基于Morlet复小波的牵引网故障相量估算法研究

牵引网故障前后稳态相量幅值和相位的估算对测距的精度有着至关重要的影响。提出了基于Morlet复小波的相量估算算法,由于采用具有较好频率特性的Morlet复小波,因此该算法的稳定性优于传统傅里叶算法,同时不受整次、非整次谐波及非周期衰减分量的影响,相量估算精度高,鲁棒性强。进一步讨论了各参数对算法性能的影响以及参数选择方法。最后将该算法应用于牵引网典型故障电流工频相量的提取,仿真分析表明其计算精度高,可充分满足测距的要求,因此有很高的工程实用价值。

基于复Morlet小波变换的大跨空间结构模态参数识别研究

探讨了基于复Morlet小波变换的结构频率及阻尼比的识别方法,推导了基于小波变换系数的振型识别原理。为提高识别密集模态的精度,提出了基于最小标准差的小波中心频率及带宽的自适应选择方法。针对大跨空间结构具有低频密集模态以及难以实现用力锤或激振器来激励等特点,提出了自然激励法与小波变换相结合的模态参数识别方法。数值仿真及奥运场馆国家游泳中心现场实测数据分析表明,基于复Morlet小波变换的方法能有效识别低频密集模态参数。

基于自适应复平移Morlet小波的轴承包络解调分析方法

针对滚动轴承的传统包络解调分析技术需要人工选择参数的缺点,提出一种自适应包络解调分析方法。该方法针对轴承故障在振动信号中表现为冲击衰减波形的特点,采用复平移Morlet小波实现冲击特征波形的自动提取。同时,基于小波系数峭度值最大的优化策略,给出Morlet小波基函数的中心频率和包络因子的优化方法,从而实现与冲击特征成分的最优匹配,获得较好的包络信号。对模拟信号和实际轴承故障数据的应用分析表明,该方法通过对基函数波形的优化匹配,可以有效地解调出弱故障特征分量,效果优于普通的复平移Morlet小波变换,适合于轴承的早期故障特征提取。

基于复Morlet小波的汽车主减速器故障特征提取

提出了基于复Morlet小波的汽车主减速器故障特征提取方法。针对汽车主减速器故障振动信号的特点,结合复小波变换提供的幅值和相位信息构造了两组适合于机械故障特征提取的组合信息。仿真信号的分析结果表明,采用复小波变换的相位信息及所构造的组合信息对信号突变点具有更好的敏感特性,从而可以更好地对信号突变点进行提取和定位。分别采用实小波变换和复小波变换及其组合信息对汽车主减速器故障信号进行分析。分析结果表明,利用所构造的组合信息能够对主减速器故障特征点精确定位;而且只需一尺度小波分解即可得到较好的效果,从而大大减小了故障特征提取的计算量。

基于复Morlet小波和系数相关的齿轮故障特征提取

针对大型机械测取的振动信号信噪比低,故障特征不明显,故障定位难度大,提出了基于复Morlet小波和系数相关的齿轮故障特征提取方法。该方法利用了复Morlet小波的幅值、相位组合信息对信号突变点具有更好的敏感特性和小波系数相关降噪特性,对被测信号进行复Morlet小波变换,再分别将小波系数的实部和虚部进行自相关处理,并将相关后系数的幅值和相位进行组合。该方法在对齿轮传动弱故障信号特征提取的试验结果表明,该方法与直接的复Morlet小波变换相比,能够有效去除噪声,更好地突出故障特征,对故障特征点进行更精确地定位。

短窗Morlet复小波用于电力系统信号处理的探讨

提出了利用短窗Morlet复小波计算工频电信号基波与各次谐波信号幅值的算法,其频率特性和计算值的稳定性都优于傅里叶算法。计算结果受频率波动影响小,对谐波有较强的抑制作用。短窗Morlet复小波算法的时间窗为1个～3个周期,全周期复小波算法的计算量与全周期傅里叶算法完全相同,因此,也是一种快速算法。通过算例验证了短窗Morlet复小波算法的效果,并应用于实验室变压器合闸过程的励磁涌流分析,结果证明了该算法的优越性。该算法可供继电保护的不同需求选择。

双树复小波和局部投影算法在齿轮故障诊断中的应用

齿轮故障振动信号往往表现为非线性非平稳特性,并且早期故障振动信号往往包含较强的背景噪声,不利于故障特征的提取。针对该问题,提出了基于双树复小波变换和局部投影算法的齿轮故障诊断方法。首先,对故障信号进行双树复小波变换,得到不同尺度下的小波系数和最后一层的尺度系数,并计算各层小波系数的模与相角。然后,选择模周期性较强的小波系数或尺度系数进行局部投影算法处理,得到周期性增强的系数的模,并选择合适的阈值进行软阈值处理。最后,利用处理后的系数进行双树复小波重构,从而提取出齿轮故障特征信号,进行希尔伯特包络解调分析便能准确地得到故障特征频率。仿真信号和工程应用表明,该方法能够有效地提取齿轮故障特征信息,提供了一种齿轮故障特征提取的新方法。

基于复Morlet小波的地层钻探识别

在低信噪比时,短时傅里叶变换和实小波变换无法准确提取钻头进入不同地层的时延信息。为此,提出一种复小波变换分析法。利用幅值和相位信息对信号突变点进行提取和定位,从而实时判断钻头钻进目的层的时刻。实验结果表明,该方法能准确表征振动信号的时频特征,与短时傅里叶变换和实小波变换相比,具有更好的时间定位和抑噪能力。

基于复Morlet小波SVM的负荷预测

为提高预测精度和克服支持向量机(SVM)凭经验选择参数的不足,针对小波擅长信号细微特征提取和云遗传算法(CGA)良好的全局寻优能力,构建了以复Morlet小波为核函数、以CGA为参数优化算法的SVM——基于CGA的复Morlet小波SVM(CGA-CMW-SVM).针对短期负荷预测,为降低系统复杂性,克服负荷数据信息不完备、不精确的问题,仅仅利用了负荷的历史数据而不考虑气象和节假日等因素,在分析负荷时间序列混沌特性的基础上,对负荷数据进行相空间重构,并以相空间矢量作为CGA-CMW-SVM的输入,提出了短期负荷预测的新方法.仿真结果表明,该方法平均误差和最大误差小,平均误差在1.340 0%以内,最小误差为1.008 7%.

Morlet复小波变换的开关电流电路共极点实现

提出了一种时频域混合共极点逼近的开关电流电路Morlet复小波变换方法.将Morlet复小波构成部件高斯包络进行分解,设计了高斯包络时域逼近优化模型,模型可采用常规优化算法求解.利用正弦和余弦信号的周期性,及其与指数信号的乘积在频率域具有相同极点的特性,简化了Morlet复小波函数的拉普拉斯变换,实现了实部和虚部的共极点有理逼近.基于双线性变换积分器设计了一种开关电流复二阶节基本电路,继而综合了Morlet复小波变换基本电路.通过调节基本电路的开关时钟频率可实现其它不同尺度的小波变换功能.对比分析表明,本文方法的逼近效果和系统稳定性均明显优于现有的Padé变换法和Maclaurin级数法;与现有方法相比,本文设计的复小波变换电路具有结构简单、功耗低和体积小等优点.仿真结果表明了方法的有效性.

基于复小波变换和有效值算法的电压暂降检测方法

对电压暂降三大特征量即持续时间、相位跳变和幅值的准确检测是实现电压暂降有效补偿的前提。文中提出复小波变换和有效值算法相结合的电压暂降检测方法。详细研究了复小波变换奇异性检测原理及其在电压暂降起止时间检测中的应用,采用具有四阶消失距的复Gaussian小波(Cgau4)能准确检测电压暂降发生、恢复时刻和相位跳变,利用有效值算法实现电压暂降幅值的检测。通过在Matlab中对有无畸变情况下的的电压暂降问题建模仿真,验证了该算法的有效性,实验结果表明该方法能精确检测电压暂降三大特征量。

基于改进Morlet小波的MP算法在地震频谱分析中的应用

对地震信号的时频分析,Morlet小波是在时频联合域内具有最好分辨率的解析小波。介绍了基于Morlet小波的匹配追踪算法的原理,在此基础上改进了时频原子库,并增加了参数k来调节Morlet小波的带宽。对比了基于Morlet小波的匹配追踪(MP)算法与传统STFT时频分析方法,理论模型表明,该算法具有更高的时频分辨率;对某油田实际碳酸盐岩地震资料进行处理的结果表明,改进的Morlet小波匹配追踪时频算法对储层的刻画明显优于传统STFT方法。

基于复小波变换相位信息的谐波检测算法

小波变换因其良好的时频局部化特性,可用来进行谐波分析。但由于不同尺度的小波函数在频带相互混叠,使得现有利用小波系数幅值及在此基础上改进的各种算法都无法实现谐波的准确检测。该文提出利用复小波变换的相位信息来分析谐波的方法,利用改进递归复小波变换在不同尺度时,信号复小波变换系数的相位变化周期来确定信号的谐波频率,进而确定谐波的幅值;与 FFT 和幅值检测法相比,该方法能消除 FFT 算法的频谱泄露,提高了谐波检测的精度,且适用于含有非整数次谐波的信号。通过在 LabVIEW中的实例验证,说明该方法能有效地消除 FFT 算法的频谱泄露和小波函数频带混叠造成的不良影响,有效地提高了谐波检测的精度。

基于时变Morlet小波变异的蝙蝠算法及函数优化

为了提高蝙蝠算法的全局收敛能力和收敛速度,提出了一种时变Morlet小波变异的蝙蝠算法(TVMWMBA);构建Morlet小波分布函数来描述小波变异因子分布的概率密度,然后利用小波变异因子的波动性和周期性,在每次迭代中对蝙蝠种群的个体进行小波变异,避免陷入局部最优,再通过时变系数动态收缩小波变异因子的变异空间,加快算法的收敛,提高收敛精度;函数优化仿真实验结果表明,改进算法有效的保持了种群的多样性,显著提高了优化稳定性,具有全局收敛能力强、寻优精度高和收敛速度快等特点。

利用双树复小波变换和SURF的图像配准算法

为了进一步提高图像配准的运算效率、匹配正确率及配准精度,提出了一种利用双树复小波变换和加速鲁棒特征(speeded up robust features,SURF)的图像配准算法。首先利用双树复小波变换将参考图像和待配准图像分解为低频部分和高频部分,选取其对应的低频部分作为SURF算法的输入图像,得到两者的粗匹配结果;然后通过随机抽样一致(random sample consensus,RANSAC)算法对粗匹配点对进行提纯,剔除误匹配点对,解决了SURF算法存在较多错误匹配点对的问题,同时计算出最佳匹配的变换模型参数;最后根据该变换模型参数对待配准图像进行几何变换,经双线性插值确定灰度,完成图像的配准。大量实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法和SURF算法相比,所提算法的运算速度更快,匹配正确率和配准精度更高,同时在抗噪声、抗旋转及抗亮度变化性能方面更加优越。

融合Morlet小波与GA优化多模态核的轴承故障检测算法

针对轴承故障检测算法特征分辨性较低、准确度较低等问题,提出一种融合Morlet小波和遗传算法优化的多模态核方法轴承故障检测算法.该算法首先针对原始轴承故障信号提取多个尺度和多个位移条件下的Morlet小波变换特征,然后设计一个多模态核方法,包含线性核函数与径向基(RBF)核函数,最后在支持向量机(SVM)训练过程中采用遗传算法(GA)优化多模态核的参数,使用最优化多模态核进行轴承故障检测.在UoCn的智能维护中心数据集上分别测试了滚珠故障、内圈裂纹故障和外圈裂纹故障的检测,并对单一核与多模态核间的错误率与效率进行对比.实验结果表明,改进算法能获得鲁棒的轴承故障检测特征,且多模态核在GA的优化下能快速收敛,获得最优化结果,通过牺牲少量的时间效率而极大提升了轴承故障检测准确率.

基于主成分分析和双树复小波变换的CT和MRI图像融合改进算法研究

目的:提出一种级联主成分分析(PCA)与双树复小波变换(DTCWT)的CT和MRI图像融合新算法,以获得高质量的CT和MRI融合图像。方法:基于级联PCA与DTCWT的融合算法采用非抽样小波变换(UDWT),将已配准的CT和MRI图像分解成为不同尺度的低频和高频子图像;采用PCA融合规则和UDWT逆变换,获得初次融合子图像;采用DTCWT变换将融合子图像分解为实数与复数部分;采用最大值取大融合规则和DTCWT逆变换获得CT与MRI融合图像。选用哈佛大学脑图库中CT和MRI图像进行仿真实验,采用定性与定量结合评估融合图像质量,并将本研究算法所得融合效果与离散小波算法(DWT)、非抽样小波变换(UDWT)及PCA等算法进行比较。结果:定性分析显示,基于级联PCA与DTCWT的融合算法所得CT与MRI融合图像对比度最强,边缘信息最丰富且伪影最弱。定量结果中融合算法所得空间频率、均方误差、边缘相似度、互相关和平方差数值分别达到42.683、0.002、0.925、0.978和0.016,较其他融合算法提升8.71%~194.52%、98.46%~99.49%、8.95%~33.48%、6.19%~230.40%和42.86%~95.83%。结论:基于级联PCA与DTCWT的融合算法性能优越,能获得高质量的CT和MRI融合图像。

基于Morlet小波变异的粒子群优化算法

针对粒子群优化算法易陷入局部极值,收敛精度不高的缺陷,提出一种基于Morlet小波变异的改进算法。改进算法对组成每代全局极值的各维度实施小波扰动,并将扰动结果作为以一定概率被选中粒子的新位置,充分利用全局极值的优势信息引导粒子快速向最优解靠近,通过小波函数的微调特征帮助粒子跳出局部极值。在12个经典测试函数上的仿真实验结果表明,改进算法的寻优性能较SPSO、CLPSO、DEOPSO、HPSOWM算法有显著提高,适合于求解函数优化问题。