基于小波包变换的10 kV配电网故障区段定位方法

在配电网线路结构复杂的情况下,故障区段定位误差大、准确性低,为此,提出了基于小波包变换的10 kV配电网故障区段定位方法。利用小波包变换提取10 kV配电网故障信号时频特征,通过比较故障路径各区段的改进小波包能谱相对熵,实现故障区段定位。结果表明,所提方法在6个故障区段定位误差最大不超过0.2%,可行性较高。

基于埋入式压电智能骨料的裂缝修补深度质量检测试验研究

在缺陷混凝土构件的裂缝修补问题中,仅通过外观检测无法准确判断其修补质量,而目前缺少高效、规范的无损检测手段。通过在结构中预先埋入压电“智能骨料”,对比分析应力波在不同介质条件中发射及接收信号的差异,以及应用信号处理技术的相关知识,对裂缝修补不同阶段产生的信号变化进行研究,并由此评估裂缝修补质量。研究结果表明:混凝土裂缝深度大小对“智能骨料”接收端接收到的应力波波形有着很大的影响,通过对接收信号进行时域分析,进而利用小波包分解处理后的能量分析后发现,即使初始裂缝深度不同,修补完好的构件将具有相近的能量值。因此,在该方法中将基于小波包能量得到的裂缝修补质量的评价指标是切实可行的。

基于改进免疫算法的工业通信网络控制器故障位置检测

以单一智能挖掘算法为主的控制器故障位置检测很容易陷入局部最优,导致检测难度增加,为此该文提出基于改进免疫算法的工业通信网络控制器故障位置检测方法。设计工业通信网络控制器故障告警关系二分图与关系边约束,建立控制器故障关联函数。采用小波包提取故障关联函数输出的高频数据特征,将其作为免疫系统的原始种群。通过改进免疫算法得出最优抗体,最优抗体所在位置即为故障位置,得到故障位置检测结果。实验结果表明,该方法可以有效缩短控制器故障位置检测耗时以及误检率,提升检测效果。

ZigBee无线通信网络入侵探测节点倒追定位方法

ZigBee无线通信网络入侵探测节点定位时,受入侵信号和噪声信号的影响会导致定位误差大、定位时间长和定位能耗高等问题,提出ZigBee无线通信网络入侵探测节点倒追定位方法。采用小波包消噪方法去除入侵信号噪声;利用集合经验模态分解法分解去噪后的入侵信号,筛选入侵信号特征并获取其能量;构建无线传感器网络入侵检测模型,通过模型对入侵探测节点进行感知和倒追定位。实验结果表明,所提方法的定位误差最大值为15,定位时间最大值为26.7 s,定位能耗为40 J,具有较高的准确度和有效性。

基于小波包变换的架空输电线路雷击故障高精度定位方法

当前的输电线路雷击故障定位节点一般为目标性设定,定位区域不灵活,导致高精度定位误差增加,为此提出对基于小波包变换的架空输电线路雷击故障高精度定位方法的设计与验证分析。根据实际的定位需求及标准,先对暂态波形故障特征作出识别,采用分布式的节点设定结构,灵活设置定位区域,完成节点的部署。以此为基础,构建小波包变换雷击故障定位模型,采用小波正交标定实现雷击故障定位处理。最终的测试结果表明:与传统机器学习和雷电感应输电线雷击故障高精度定位测试组,及传统平滑阈值函数分布输电线雷击故障高精度定位测试组相比较,此次所设计的小波包变换输电线雷击故障高精度定位测试组最终得出的雷击故障高精度定位误差相对较小,被控制在0.4m以下,说明该种定位方式效果更佳,针对性强,定位误差可控制,具有实际的应用价值。

基于小波包分析的声发射源定位方法

利用小波包分析技术 ,先对信号进行分解 ,再对衰减的信号在不同频率段内进行有效的补偿 ,然后对分解的信号进行小波包重构 ,利用互相关技术计算出时差 ,进而进行声发射源定位。此定位方法能有效地减小声发射源定位的误差 ,提高定位精度。

基于小波神经网络的电力电缆故障定位方法研究

为实现电力电缆故障点在线迅速准确的定位,结合电力电缆的故障特点,提出一种利用小波神经网络对电力电缆故障进行定位的方法。应用小波包分析理论对电力电缆故障信号进行特征提取,并在此基础上利用人工神经网络强大的非线性特征函数拟合能力来实现小波包系数到故障距离的映射,解决故障在线测距问题。选择若干历史故障测距数据进行仿真试验,试验结果表明,利用训练成熟的小波神经网络能够在较小的误差范围内实现故障定位。

基于小波包特征提取及支持向量回归机的光纤布拉格光栅冲击定位系统

以光纤布拉格光栅(FBG)为传感网络,构建了复合材料冲击载荷实时在线监测系统,研究了基于小波包特征提取及支持向量回归机的光纤-碳纤维复合材料结构冲击定位方法。针对同一冲击点,分析不同传感信号,获得了冲击响应信号小波包能量谱,分析结果表明小波包能量谱中特定阶数对冲击敏感。改变冲击点位置研究小波包能量谱与冲击位置之间的关系,提出将第6阶小波包能量值作为冲击定位的特征向量。采用支持向量回归机建立样本数据的回归模型,预测冲击载荷位置,并对支持向量机的相关调整参数进行了优化。实验表明,支持向量机的网络测试误差为4.81%。研究结果可为碳纤维复合材料(CFRP)层状结构的冲击性能评估提供可行的实验方法。

正向选择免疫算法在结构损伤诊断中的应用

结构状况可根据结构响应信号的异常进行判断,人工免疫系统能有效地应用于信号的异常检测。对基于免疫机制的正向选择算法进行了研究,利用具有时频局部化特性的小波包分解得到表征结构特征的小波包能量谱,通过正向选择算法检测小波包能量谱的异常来辨识结构状况。对正向选择算法进行了改进,可减少"自我"空间检测子的生成数目,加快检测速度,促进正向选择算法的实际应用。以ASCE学会提出的基准结构为对象,验证了正向选择算法在损伤诊断中的有效性,并与反向算法进行了比较。

基于改进小波包熵的SSSC串补线路故障位置识别

静态同步串联补偿器(SSSC)的应用会对距离保护的测量阻抗产生影响,使得距离保护发生拒动或超越。文中采用改进小波包熵分析了SSSC串补线路保护安装处的暂态故障电流特征,结果表明:故障点在SSSC之前和之后时串补线路的小波包熵值明显不同,故障点在SSSC之前的小波包熵值远大于故障点在SSSC之后时的小波包熵值。根据该特征提出了SSSC串补线路的故障位置识别判据,并在此基础上提出了距离保护测量阻抗调整方案。当保护安装处的小波包熵小于小波包熵整定值时,故障点在SSSC之后,需要在原测量阻抗的基础上减去附加阻抗,再与定值进行比较;相反,则实际测量阻抗就是测量阻抗。仿真结果验证了该方案的正确性和可行性。

最佳小波包基的矿区植被及红边位置提取

小波包变换能同时对植被光谱信息的低频和高频分量进行分解,并能克服小波变换时间分辨率高而频率分辨率低的缺陷从而具有能够探测植被细微变化的优势。实验利用Hyperion高光谱影像对云南省普朗铜矿区植被像元的光谱进行最佳小波包基参量获取与植被信息识别,并在此基础上提出一种提取重金属污染下植被红边位置的最佳小波包基系数应用模型。研究结果表明基于最佳小波包基参量的植被信息识别及基于最佳小波包基系数的重金属污染探测具有可行性与一定优越性。

基于激光定位的非线性故障检测系统

激光传感定位技术是一种高灵敏度、高测量精度的定位技术,为高效检测大型复杂工业的非线性故障,采用激光传感定位技术设计非线性故障检测系统。激光传感定位模块命令激光器发射激光脉冲,抵达非线性故障部件的激光束漫反射回传感器,获取传感信号;通信电路将传感信号转换为数据,通过数据分析处理模块预处理、显示、存储故障定位数据;系统软件采用小波包变换方法提取非线性故障数据特征向量,激光传感器采用三角测量方法定位非线性故障实现故障检测,考虑非线性故障数据特征向量计算系统定位误差。仿真结果显示:系统检测非线性故障准确度呈递增状态,由95. 6%上升至99. 1%,是一种可靠的非线性故障检测系统。

基于小波神经网络方法的桥梁结构损伤识别研究

桥梁结构在服役期间会承受复杂的荷载,长期使用会不可避免地出现各种损伤.若这些损伤不能被及时发现和适当处理,将有可能造成严重的事故.因此,桥梁结构的局部小损伤识别对于其及时检修有重要意义.通常,损伤结构的全局动态特性测试可能对局部的结构损伤不敏感,特别是对小损伤,这就需要从结构动态响应信号中提取对损伤更敏感的特征量.建立了桥梁结构的有限元模型并进行动力特性分析;采用小波包分析方法处理结构动态响应信号以构造结构损伤指标,并结合结构损伤指标和人工神经网络方法进行桥梁结构的损伤定位.

基于SOC实时反馈的HESS平抑光伏功率波动策略

采用铅酸电池和超级电容器构成的混合储能系统(HESS)平抑光伏功率波动,并根据铅酸电池与超级电容器特性的不同,提出基于小波包分解的HESS控制策略,实现原始功率的初级分配。针对上述分量波动大、正负变化频繁的问题,采用模糊控制对储能装置的功率参考指令进行修正。基于卡尔曼滤波实时监测储能装置的荷电状态(SOC),合理控制储能装置的充放电,延长储能装置使用寿命。在Matlab/Simulink中搭建光伏混合储能系统仿真模型,对提出的协调控制策略进行仿真验证。仿真结果表明,所提协调控制策略可行。

基于振动测试的钻井泵故障诊断测试点优选

钻井泵是油田常用的油气开采装备。在振动测试过程中,由于钻井泵核心部件多且间距较小,无法确定合适的测试点以获取有效的数据。论文通过小波包分解低频段能量比值的实验方式,选取其中最小值,获取适合F1300型号钻井泵的最优测试位置。

多尺度双向矩阵值小波的性质

运用矩阵理论和时频分析方法研究多尺度双向矩阵值小波的性质.首先引进了多尺度双向矩阵值正交小波的概念,然后提供了短支撑多尺度双向矩阵值正交小波的构造算法,最后刻画一类多尺度双向矩阵值正交小波包的特征.

基于小波包变换的电力电缆单相接地故障区段自动定位方法

在电力系统中,由于噪声影响,故障特征信息的提取可能不准确,影响定位精度。为此,研究基于小波包变换的电力电缆单相接地故障区段自动定位方法,通过高精度传感器采集电缆故障信号,利用小波包变换进行多尺度分解和重构,以提取时域特征,并基于这些特征建立选线判据来确定故障区段。实验证明,此方法在金属性和非金属性接地故障中均能实现精确定位,为电缆故障的快速、准确检测提供了有效手段。

基于小波包分析和支持向量机的转静碰摩部位识别

利用航空发动机转子实验器模拟不同径向碰摩部位下的碰摩故障,提出基于小波包分析的支持向量机转静碰摩部位识别方法.首先将从机匣测得的加速度信号进行小波包分解,提取其归一化能量特征,接下来将得到的归一化能量特征输入至支持向量机中,用以识别不同的碰摩部位.利用航空发动机转子实验器模拟大量不同碰摩程度和不同碰摩部位的样本,利用支持向量机进行训练和测试.结果表明小波包能量特征与支持向量机相结合可以有效地判别转静碰摩部位,且仅需1个传感器即可达到98%的识别率.

小波包分解提取高采样率GPS地震波信号

随着高采样率GPS接收机的出现、高精度的定轨以及数据处理技术的发展,利用GPS观测高频率、瞬态的地震波信号成为可能.但如何消除混叠在地震波信号中的多路径、随机噪声等误差,有效地提取地震波信号,仍然是制约高采样率GPS及其地球物理应用的重要因素.提出一种基于小波包分解的方法,对动态位移序列中的多路径误差进行消除,同时去除高频率随机噪声,提取地震波信号.通过结合SCIGN的19个GPS测站的1Hz采样GPS观测数据,对2010年墨西哥M7.2地震的地震波引起的地表动态位移进行解算,采用小波包分解有效地提取地震波信号并对其进行谱分析.结果表明,该方法提取的地震波信号能较好地反映出地震波的传播及其特性,具有无需多天重复观测、处理精度高等特点.

基于无源观测器的小波神经网络故障诊断方法

针对自主化、智能化的动力定位船舶传感器故障诊断性能降低,漏报、误报频发,进而影响作业安全的问题,提出一种融合模型和数据的诊断方法.该方法将非线性无源观测器与BP(误差反向传播)神经网络结合,并引入小波包分解方法对数据集进行处理,得到故障信号各个频段上的能量,细化分类特征.基于一艘动力定位船舶模型进行仿真,结果表明:该方法克服了单一观测器输出结果存在未知干扰、模型精度不高的问题,解决了神经网络历史数据集缺乏、代表性未知的问题,提升了故障识别性能.