基于小波分形的电能质量暂态扰动多分辨率分析

电能质量暂态扰动会给敏感负荷带来重大损失.采用小波变换的多分辨率分析思想,利用分形理论从图形模式辨识的角度出发对电能质量暂态扰动进行分类、辨析.首先采用计算简单的计盒维数对波形图像进行初步分析,随后根据盒的分布密度进行分段划分,将含暂态扰动的信息段从波形中提取出来,并根据多分辨率分析的思想对重点波形段进行分形及小波分析提取信号特征.仿真结果证明,该方法对电能质量扰动的暂态识别具有较好的适应性及稳健性,可以在噪声环境下识别小幅度的电能质量扰动,具有检测速度快、可并发执行的特点.     

基于小波去噪的暂态电压扰动检测方法研究

采用小波软阈值去噪方法对信号噪声进行预处理,很大程度地减小了噪声对扰动检测的干扰.利用小波多分辨率分析方法对去噪后的扰动信号进行检测,更精确地提取出了暂态电压扰动信号的特征值.在仿真环境中对去噪前后的电压骤降信号进行检测和比较.结果表明:去噪后的检测结果更接近于原始信号,小波软阈值去噪方法能够提高暂态电压扰动检测的准确性.     

基于小波包变换的电力系统谐波检测

谐波是影响电能质量的重要因素,谐波对电力系统和用电设备产生严重危害和影响.根据电网谐波中既存在稳态谐波分量又有暂态谐波分量的特点,依据小波分析具有对非平稳信号的分析和处理能力及多分辨率的特性,将小波变换理论应用于电网谐波检测中,提出了利用小波变换实现测量信号各次谐波的方法.仿真算例表明:小波包变换分析法能够正确地提取电力系统的谐波信号,将电流信号中的基波成分与高次谐波成分分离,验证了该方法的有效性.     

基于人工神经网络的暂态电能质量现象的分类与识别

暂态电能质量信号具有发生随机性,持续时间短和非平稳的特性,使得信号的识别实现较为困难.目前对电能质量信号进行辨识的方法有基于规则的专家系统方法、基于神经网络的方法以及结合小波变换技术的神经网络方法等.利用小波变换和人工神经网络的结合方法,对各种暂态现象实现有效地识别和初步地分类.     

基于HHT的电能质量暂态扰动信号检测技术

针对电网中暂态扰动信号难以检测这一难题,提出了一种利用HHT(希尔伯特-黄变换)进行处理的新方法。HHT通过经验模态分解法(EMD)和Hilbert变换,在检测非平稳信号的起止时间,频率和幅值有较好的效果。利用HHT分别对暂态谐波、电压中断、电压暂降和电压暂升4类典型的暂态扰动及其复合组合信号进行仿真验证,结果表明该方法可以较准确的实现对电能质量非平稳信号的分析和处理。该研究为电能质量信号的检测提供了新方法,为电网的治理开辟了新思路。     

基于加Blackman窗FFT和db44小波包变换的综合电力系统谐波分析

传统的傅里叶变换（FFT）主要适用于平稳信号的分析,确定信号的幅值和频率,但会丢失信号的局部信息,而小波包变换虽然可以准确得到信号局部细节的信息,但其分析精度不及傅里叶变换。将高分析精度的傅里叶变换和可以准确得到信号局部细节信息的小波包变换结合,提出结合两者优点的谐波分析方法。对平稳信号采用加Blackman窗傅里叶变换进行分析,得到信号的频率和幅值。对暂态信号采用db44小波包变换进行分解分析,得到信号局部细节的信息。通过 MATLAB仿真结果表明,该方法可以准确分析电力系统中的稳态谐波并准确定位暂态谐波。     

电能质量扰动的广义S变换分析和决策树算法分类

针对电能质量扰动的检测和分类问题,提出了一种新的基于广义S变换和决策树的电能质量扰动分类方法.首先提出基于FFT的自适应调整调节因子取值的方法,再利用广义S变换对常见的几种电能质量扰动信号进行时频分析,并提取特征形成判决规则,最后生成用于对电能质量扰动进行分类的决策树分类算法.仿真实验结果表明,该算法能够实现电能质量扰动的自动分类,且分类正确率很高.     

机动车声信号能量特征的小波包提取

针对机动车车型识别中声信号非平稳且易受噪声干扰的问题,提出了一种有效的声信号特征提取方法。利用小波包分析技术对声信号的能量分布进行研究,以德比契斯(Daubechies)小波为基函数对目标声信号进行小波包变换。基于获取的不同频带能量分布状态给出了机动车车型的特征判据,并对该判据的有效性给予了分析。试验结果表明基于小波包分析的机动车声信号特征提取方法是有效的。     

基于希尔伯特变换的移相电能质量扰动检测

分析了基于希尔伯特变换的移相法进行信号检测的工作原理,提出了利用移相法进行多种电能质量扰动实时检测的思路.基于在Madab环境下建立的检测平台,对电压骤升、电压骤降、电压中断、电压波动、瞬态振荡等多种电能质量扰动信号进行仿真检测,结果表明该方法可以满足对多种电能质量扰动信号检测的要求.且具有良好的实时性和准确性.     

基于S变换与傅里叶变换的电能质量多扰动分类识别

提出了一种基于S变换、加窗插值快速傅里叶变换(FFT)和概率神经网络(PNN)的电能质量扰动检测和分类方法.应用S变换和加窗插值FFT对电能质量多扰动信号进行时频分析,获取信号的特征量.通过训练信号集上获得的特征量,训练了一个概率神经网络用于扰动分类.训练好的网络在测试信号集上的测试结果表明,对正常电压和常见的电能质量扰动,该方法具有较高的分类准确率,在训练样本数较少、噪声影响大和多扰动信号并存时仍能取得较好的分类效果.     

基于小波变换的颗粒肥流量信号处理研究

针对在精准变量施肥中对排肥信号精度要求较高,受外界因素干扰较多导致排肥信号不精确的问题,本试验提出了对颗粒肥流量信号进行去噪处理的小波阈值去噪和小波包阈值去噪2种方法。为了验证2种方法的正确性,本研究以不易变形且摩擦力度小的大颗粒尿素为研究对象,利用排肥试验台对颗粒肥展开排肥试验;然后,利用微波多普勒传感器采集颗粒肥的流量信号;最后,通过2种去噪方法对多普勒信号进行仿真,结果表明:对信号进行多尺度小波变换后,低频小波分解重构可以更有效地去除噪声。     

电压扰动定位中小波与HHT性能分析

为实现配电网电压扰动的有效检测,分别运用小波变换与希尔伯特-黄(HHT)变换2种方法对电压扰动信号进行定位检测,分析对比2种方法的检测精度和性能。仿真算例结果表明:2种方法均具有较好的多分辨率分析特性,但HHT受噪声影响比较大,因此在合适的小波基下小波分解方法检测精度高于HHT变换检测精度。     

小波变换与傅里叶变换相结合的暂态谐波分析方法

结合小波变换良好的时频局部化特性和傅里叶变换良好的频域分析特性,提出小波变换与傅里叶变换相结合的暂态谐波分析方法。利用傅里叶变换和静态小波变换得到被测信号频域特性和时域特性,再结合连续小波变换得到暂态谐波的时频特性。理论分析和仿真试验结果表明,利用本方法得到的暂态谐波幅值与理论值一致。本方法能够准确分析电网中的暂态谐波,可为电力系统暂态谐波的分析和治理提供依据。     

小波变换用于抑制干扰信号几种方法的比较研究

对小波变换抑制干扰信号提取真实信号的3种方法，即小波滤波器消噪法；软、硬阈值消噪法；基于模极大值的小波去噪方法，进行了比较研究。给出了每种方法的适用范围及具体的算法、仿真结果，对于选用小波变换工具进行信号处理具有一定的理论意义和实用价值。     

木材近红外光谱小波阈值去噪方法

采用小波分析对木材近红外光谱进行阈值去噪研究,分别采用硬阈值、固定阈值、最大最小阈值和rigsure阈值对光谱信号进行去噪.结果表明,小波变换可以有效去除光谱噪声,并很好地保留了信号中的尖锐和突变部分,在近红外光谱分析中具有很好的应用前景.     

基于小波分析的信号去噪方法

介绍了小波变换出现的背景及应用意义、信号去噪效果的标准及小波变换去噪的基本原理和方法。利用MATLAB软件特别是MATLAB小波工具箱编写仿真程序,结果表明小波变换在信号去噪中的有效性和优越性。     

基于小波包的水力机组振动故障信号消噪方法研究

在水轮发电机组故障诊断中,提取监测信号中的奇异信号特征,对准确判断机组运行状态具有重要意义。研究充分利用水力机组振动故障信号的特征和小波包的特点,采用小波变换的方法,通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析,并针对南桠河姚河坝水电站水轮发电机组实测数据进行检验,取得了良好效果。表明所研究的故障信号消噪方法能有效地从信号中提取信息。     

基于小波包分析的农业机械故障诊断的研究

本文通过分析小波变换的基本原理及小波包用于农业机械故障检测的基本原理,提出了一种以小波包为基础的判断农用器械缺陷的理论,这个理论主要是对经过初步处理的信息使用小波包原理进行分析、分解、重构,有效识别了机械故障信号,提高了农业机械故障诊断精度和稳定性。     

一种曲波域蒙特卡罗阈值去噪算法

为促进油气勘探发展,有效识别地震有用信号,提出了一种曲波域蒙特卡罗阈值去噪算法。该算法利用曲波变换的多尺度与多方向性的特点,结合蒙特卡罗阈值滤波来去除随机噪声,再利用循环平移法抑制吉布斯现象,消除人为干扰,增强去噪效果。用该算法对合成地震数据与实际地震剖面分别进行去噪试验,并与小波变换和曲波循环平移算法的试验结果进行对比,证明了该算法能有效地保持有效波信息,增加了弱反射信号能量,很好识别有效信号,优于小波变换去噪算法与原始曲波变换去噪算法。     

小电流接地系统单相接地故障的小波选线方法

为了研究小电流接地系统单相接地故障的选线问题,本文提出了基于暂态量的小波分析法。故障电流中暂态信息量可被利用的有效成分较多,利用小波变换对信号的精确分析,通过比较各条线路故障零序电流经小波变换后信号的模极大值大小以及极性来实现故障选线。本文利用MATLAB建立了中性点经消弧线圈接地系统的仿真模型并进行了相电压峰值、过零时刻以及母线故障的仿真试验,结果表明故障时间、接地电阻、故障长度都影响不了小波方法选线的准确性。