基于AOK TFR理论的电力系统暂态信号分析新方法

提出一种基于自适应最优核时频分布(AOKTFR)理论的电力系统暂态信号特征分析新方法。该方法首先对信号求取模糊函数,并在模糊域采用自适应最优高斯核函数抑制交叉项,然后求模糊函数的二维傅里叶变换,从而得到仅有自项分量的时频分布,并在此基础上实现时频平面脊信息的提取。分别以绕线式异步电动机转子绕组单相开焊故障和变压器内部、外部故障的区分为例进行仿真。仿真结果表明:该方法适用于多分量、时变的非平稳信号的分析,具有很好的时频聚集性、强自适应性和抗噪声性能,且不受交叉项的影响;脊信息的提取进一步提高了时频分辨率。

基于AOK-TFR的轨道电路故障诊断方法

为弥补现有补偿电容检测方法在检测及时性和检测成本等方面的不足,基于传输线理论,提出了机车信号感应电压幅值包络(IVECS)仿真模型;在此基础上,分析了补偿电容故障对IVECS的影响规律,建立并验证了基于频率的IVECS等效回归模型;利用补偿电容故障位置前后IVECS的频率变化,提出了基于自适应最优核时-频分布的补偿电容故障诊断方法.该方法基于机车信号的实际数据,采用B样条离散二进小波对数据进行滤波降噪处理,并利用自适应最优核时-频分布提取处理结果的时-频信息,再通过检测时-频信息中频率的变化实现对故障电容的定位.经过对随机抽取的100段实际数据的测试,准确率约为92.58%,表明该方法能准确检测轨道电路发生故障的补偿电容位置.

基于AOK-TFR和TLS-ESPRIT的电压闪变参数提取方法

针对统计评价的指标不能给出电压闪变具体参数的问题,将TLS-ESPRIT(总体最小二乘-旋转矢量不变技术)和AOK-TFR(自适应核最优时频分布)引入到电压闪变参数的求取中,闪变参数的提取可转化为求取一系列边频分量参数的问题。首先应用AOK-TFR进行闪变类型的判别,然后将电压信号数据形成的HANKEL矩阵通过奇异值分解进行信号子空间和噪声子空间的划分,通过TLS的再次消噪和抗干扰处理,提高了闪变参数提取的精度。仿真算例表明,在周期性和暂态电压闪变信号中,该方法仍具有较高的精度。实例分析进一步验证了该法的可行性和有效性。

基于AOK时频分析的窄带雷达目标架次分辨方法

针对非平稳运动编队目标的分辨问题,基于ISAR技术和非平稳分析时频分析理论,研究了一种基于自适应最优核(AOK)的窄带雷达目标架次分辨方法,给出了窄带雷达目标架次分辨处理过程和算法步骤.不同于传统方法,该方法主要利用目标相对于雷达的转动引起的多普勒差异来分辨目标,并考虑了交叉干扰的抑制性、信号能量的聚集性,可获得更优的分辨效果.基于实测数据的对比实验结果证明了该方法的有效性.

基于自适应变分模态分解的齿轮箱故障诊断

针对航空齿轮箱故障诊断中采集到的振动信号包含复杂噪声干扰和冗余成分的问题,提出了基于自适应变分模态分解的齿轮箱故障诊断方法。利用综合评价指标完成变分模态分解(VMD)中分解层数K值的自适应选取,通过设置相关系数和能量熵的阈值,筛选同时大于阈值的分量作为包含主要能量且与原信号更加相似的分量进行重构,实现信号的降噪和特征增强。利用结合精细复合多尺度散布熵(RCMDE)对降噪后的信号进行特征提取,充分提取反映振动信号不同时间尺度复杂程度的非线性特征组成特征向量。使用粒子群算法(PSO)优化的核极限学习机(KELM)对所提取的特征进行识别。通过实验验证,该模型10次测试的平均准确率可达95.04%。与其他特征提取和模式识别方法进行对比,所提方法具有更高的诊断准确率,为航空齿轮箱的故障诊断提供了新的方法。

知识和数据驱动的污水处理反硝化脱氮过程协同优化控制

为有效提升城市污水处理过程的脱氮效果,提出一种知识和数据驱动的反硝化脱氮过程协同优化控制(Knowledge-data-driven cooperative optimal control,KDDCOC).所提方法主要有以下两个方面:首先,建立一种基于自适应知识核函数的协同优化控制目标模型,动态描述出水水质(Effluent quality,EQ)以及泵送能耗(Pumping energy consumption,PE)、关键变量的协同关系;其次,提出一种知识引导的协同优化算法(Knowledge guide-based cooperative optimization algorithm,KGCO),快速准确求解硝态氮(Nitrate nitrogen,SNO)优化设定值,提高KDDCOC的响应速度.KDDCOC利用比例−积分−微分(Proportional-integral-derivative,PID)控制器对硝态氮优化设定值进行跟踪,将提出的KDDCOC应用于城市污水处理过程基准仿真模型1号(Benchmark simulation model No.1,BSM1),实验结果表明,该方法能够提高出水水质,降低运行能耗,有效改善脱氮效果.

融合核极限学习机与PSR的混沌交通流预测

传统短时交通流预测精度低、稳定性差,提出一种结合改进蝴蝶算法优化核极限学习机与相空间重构的短时交通流预测模型。结合量子自适应种群初始化、邻域扰动和惯性权重对蝴蝶算法改进,利用改进蝴蝶算法对核极限学习机超参寻优。利用混沌理论确定样本时序最佳延迟时间和嵌入维数,利用PSR对样本重构,利用优化核极限学习机建立短时混沌交通流预测模型。采用郑州市某主干路口车流实测数据进行实证分析,其结果表明,改进模型能够有效降低预测误差,实现混沌交通流实时准确预测。

用于作业现场风险监管的视频图像高效压缩技术

用于作业现场风险监管的视频图像压缩技术,应满足视频图像压缩质量高清的要求,分析目前市场上视频压缩技术的现状,普遍存在图像细节信息损失严重、压缩效率低等缺点,为了提高视频压缩质量,提出用于作业现场风险监管的视频图像高效压缩技术。首先,通过控制压缩编码率优化视频率失真;其次,结合时空域预测与上下文编码方式压缩视频图像;最后,利用自适应卷积核方式去除视频图像伪影,完成视频图像高效压缩。实验结果表明,所提方法的视频图像压缩质量高,压缩率高,方便传输。

基于自适应最优核时频分布理论的间谐波分析新方法

间谐波是非整数倍基波频率的谐波信号,对电网的危害日益严重,因此,准确地分析间谐波的特征对电力系统具有十分重要的意义。提出一种基于自适应最优核时频分布理论的间谐波分析新方法。自适应最优核时频分布理论是一种现代信号处理方法,它是采用非线性变换处理非平稳信号的时频分析方法。文章首先对信号求取模糊函数,并在模糊域采用自适应最优高斯核函数来抑制交叉项,然后求模糊函数的二维傅里叶变换,从而得到仅有自项分量的时频分布。该法用于多分量、时变的含有间谐波的信号分析,具有很好的时频聚集性,强自适应性和抗噪声性能,且不受交叉项的影响,时间–带宽积几乎可以达到Heisen-berg不确定性原理给出的下界。仿真结果表明了该方法的有效性。

莲子机械自动去芯自适应定心技术与样机试验

针对莲子在自动化去芯过程中的钻偏问题,提出了莲子自适应定心方法,该方法基于一种由曲柄滑块机构与平行四边形机构组合而成的自适应定心装置,能实现去芯钻头位置随莲子大小变化而自动调整。利用随机优化算法对机构中的连杆参数进行了优化,实现去芯钻头轴线保持与莲子轴线同轴,理论定心偏差为0.0448 mm。研制了一种自适应莲子去芯机,进行了未分级莲子的去芯试验,结果表明:自适应莲子去芯机钻正率达91.25%,远高于现有去芯设备,初步验证了自适应定心方法的有效性与实用性。研究结果为莲子优质钻芯设备设计、与莲子形状类似物料的优质钻孔设备研发提供参考。

自适应最优核时频分布在地震储层预测中的应用

提高时频分辨率是频谱成像技术研究的重点。自适应最优核时频分布采用随信号特征自适应变化的核函数,在模糊域对远离原点的互分量进行抑制,并尽可能的保留集中在原点附近的自分量。通过理论模型验证,该方法较好地抑制了交叉项干扰,同时较连续小波变换和平滑伪Wigner-Ville分布等方法具有更高时频分辨率。最后在营尔凹陷长沙岭地区的实例应用中,利用自适应最优核时频分布对该区目标储层进行了频谱成像处理,并结合沉积相特征对长沙岭地区进行有利区带预测。结果表明:该方法适用于实际地震信号的时频分析,对储层刻画优于传统方法,且对研究区储层预测具有有效性。

基于自适应核密度估计理论的抗差状态估计

针对当前抗差状态估计存在的缺点,提出一种基于自适应核密度估计的电力系统抗差状态估计新算法。首先建立基于自适应核密度估计理论的电力系统状态估计新模型;进而提出该新模型核密度函数宽度的确定方法。为确定该新模型的自适应核密度带宽,基于概率密度估计的均方误差公式,结合电力系统状态各分量具有与局部量测强相关性的特点,即系统状态变量各分量与其直接量测的相关性明显强于所有非直接量测,推导新模型的状态变量分量的近似最优核带宽表达式;基于保证量测数据的冗余度、系统的可观性,及消除残差污染和残差淹没所导致的不良数据的漏辨识或正常数据的误辨识,提出新模型状态变量分量核密度带宽的约束条件,包括初始约束条件、修正约束条件及量测标准差约束条件;进而给出基于近似最优核密度带宽表达式及所有约束条件的核密度带宽综合确定方法。实际系统的应用表明:所建立的状态估计新模型,所推导的近似最优核函数带宽表达式,所提出的核密度带宽约束条件及核密度带宽综合确定方法是有效的。

基于自适应最优核时频分布理论的ISAR成像方法

由于运动的复杂性,传统的成像方法已无法满足机动目标成像的要求。在分析机动目标复杂运动引起目标回波多普勒相位非线性变化的基础上,提出了一种基于自适应最优核时频分布(AOK TFR)理论的ISAR成像方法。通过计算回波数据不同距离单元的AOK TFR,得到不同时刻目标的瞬态ISAR像,且不受交叉项的影响;通过估计距离单元的瞬时多普勒频率并依此对成像时间段进行选择。仿真数据结果验证了该方法的有效性。

基于自适应最优核时频分布理论的多分量LFM信号参数估计

提出了一种基于自适应最优核时频分布(AOK TFR)理论的多分量LFM信号参数估计方法。该方法首先对信号求取模糊函数,并在模糊域采用自适应最优高斯核函数抑制交叉项,通过二维傅立叶变换得到待分析信号的时频分布,最终结合Radon变换和Clean技术实现多分量LFM信号参数的估计。仿真实验表明:该方法可以在低信噪比情况下对多分量LFM信号参数进行有效的估计。

不同节流装置测量气液两相流的动态特性研究

为了研究文丘里管、多孔孔板和V型内锥3种功能节流式流量计测量得到的气液两相流动态特性,采用高频差压传感器获取不同流型下的动态差压信号,利用AOK时频谱对差压信号进行分析,通过时频谱图研究不同流型下信号的时变特征。通过对典型的泡状流、弹状流、塞状流信号的实验分析表明:文丘里管在塞泡流存在较强的噪声信号,V型内锥在泡状流存在较强的噪声信号。多孔孔板具有很好的降噪效果,且多孔孔板能均衡信号的能量,信号能量分布较均衡。3种节流仪表均能很好地描述两相流定态特性,能够用于两相流流型识别及其它参数测量。

新非平稳信号分析方法—自适应径向墨西哥草帽核时频分布

据自适应最优核设计准则,构造新的自适应径向墨西哥草帽型核函数时频分析方法。该方法能据分析信号分布自适应调节核函数的扩展方向及宽度,使在信号自项方向尽可能延伸,而不在信号自项方向的互项尽可能抑制,能克服传统时频分布中固定核函数缺乏对信号自适应能力的不足。给出自适应径向墨西哥草帽型核函数时频分布定义及算法,并与传统的短时傅里叶变换、Wigner-Ville分布及小波变换方法对比分析。仿真结果表明,所提方法优于传统的时频分布方法,能更有效处理非平稳信号,可获得较传统时频分布分辨率及抗噪更高性能。通过用于转子裂纹故障诊断实验结果表明,该方法能有效反映裂纹故障的严重程度。

采用粒子群优化和高斯回归实现电池SOH估计

为准确估算锂离子电池非线性退化过程中的健康状态(SOH),提出融合自适应变异粒子群优化器和高斯过程回归的AMPSOGPR算法。首先提取欧姆内阻增量和电压样本熵作为电池退化表征量,然后引入自适应变异粒子群(AMPSO)优化高斯过程回归(GPR)核函数的超参数,构建基于AMPSOGPR的SOH估算框架,用提取的退化表征量实现SOH估算;最后,通过对比AMPSOGPR采用不同核函数时SOH估算结果,得到最优核函数。实验结果表明,AMPSOGPR算法可以有效地估算电池SOH,且最大估算误差不超过2.08%。

液态CO_2爆破系统地震波时频分析

为了研究液态CO_2爆破系统地震波时频特性,现场微震监测试验获得液态CO_2爆破地震波信号,根据爆破地震波信号具有非平稳的特点,首先采用自适应最优核时频分析方法对地震波信号的基本时频特征进行研究,在此基础上通过结合小波包变换分解与重构技术和自适应最优核时频分析方法,对地震波信号的能量分布进行了精细化分析。结果表明:液态CO_2爆破地震波的衰减速度较快,震动速度处于很低的水平;主频范围在30~70 Hz之间,持续时间约为20~30 ms;能量主要分布在0~125 Hz,由两个两个主要区域组成,表明在液态CO_2爆破作用过程中高压流体产生两次不同峰值压力的爆炸冲击波。

改进的自适应参数DBSCAN聚类算法

针对传统DBSCAN算法需要人工输入Eps和MinPts参数,且参数选择不合理导致聚类准确率低的问题,提出了一种改进的自适应参数密度聚类算法。采用核密度估计确定Eps和MinPts参数的合理区间,通过分析数据局部密度特点确定簇数,根据合理区间内的参数值进行聚类,计算满足簇数条件时的轮廓系数,最大轮廓系数对应的参数即为最优参数。在4种经典数据集上进行对比实验,结果表明,该算法能够自动选择最优的Eps和MinPts参数,准确率平均提高6.1%。

基于IPSO-RVM的大坝安全预警模型

针对SVM(Support Vector Machine,支持向量机)存在支持向量个数较多、核函数要求严格等不足,将性能更出色的RVM((Relevance Vector Machine,相关向量机)用于大坝安全预警模型的构建。核函数及其参数对RVM模型的性能有着重要的影响,组合局部核函数和全局核函数的混和核函数能提高模型的拟合精度和泛化能力,利用PSO(Particle Swarm Optimization,粒子群算法)能有效地对核参数进行寻优,针对标准PSO算法容易陷入局部最优点的缺陷,提出IPSO(Improved Particle Swarm Optimization,改进的粒子群算法)。将上述组合算法用于大坝安全模型的建立,实例分析表明,基于上述算法模型的性能得到了一定程度的提高。