低压电网单相电路瞬时谐波实时检测方法的研究

近年来,各种非线性和时变性的电力电子装置应用于农村低压电网中,造成低压电网谐波严重污染。为了解决低压电网单相电路电能质量问题中谐波检测算法的问题,对低压电网单相电路电流进行分解,提出一种无锁相环的谐波电流检测算法。该检测算法首先用与低压电网单相电压同相位的单位正余弦电压信号分别与单相电流相乘,然后利用低通滤波器得到单相电流的瞬时基波电流,进而再获得瞬时谐波电流。数学论证表明:当单相电路只需要检测谐波电流时,可以略去检测电路中的锁相环,既能避免畸变电压对检测电路的影响,又能简化算法,提高响应时间。仿真实验表明:在实时性方面,新谐波检测算法能在一个半周期,即0.03 s的时间内跟踪上低压电网电流的基波信号,且当低压电网畸变电流发生突变时,仍能在一个周期(0.02 s)内跟踪上畸变信号,几乎不受波形突变的影响;在准确性方面,没检测之前的畸变电流的谐波含量为41.15%,经过新谐波检测算法后得到的基波中谐波含量仅为1.91%,滤除了95.36%的谐波分量,很好地达到了分离出谐波分量的目的。     

感应电机故障诊断研究现状与发展趋势

感应电机在工业中扮演重要角色,它的可靠安全运行至关重要.由于感应电机结构、湿度以及温度的影响,感应电机的故障时有发生.感应电机在线故障诊断的基本步骤包括提取故障信号、提取故障特征信息以及故障状态识别.首先在线提取故障信号,然后通过信号处理技术提取故障特征信息,最后通过算法确定故障类别.文章对当前的感应电机在线故障诊断的研究现状和发展趋势进行探讨.     

配电网跨台区抄表系统

配电网跨台区双向通信系统是一种新型的基于电力配电网络的通信技术,它是以现有的电力信号50Hz信号基波作为信号载体、信号可以随基波进行传输。该文介绍了配电网跨台区双向通信系统的原理、组成、特点以及功能。     

交―交变频调速系统谐波检测的新方法

传统的傅立叶变换可以精确确定出平稳波形中各次谐波的幅值;它只能检测基波和整数倍于基波的谐波,且傅立叶变换算法存在着频谱泄漏和栅栏现象,从而使检测出谐波的幅值、相角和频率均存在较大的误差。小波变换适合突变信号和非平稳信号的分析,可以准备的把握信号的局部细节,但无法准确分辨出各次谐波。在交―交变频调速系统中,单纯傅里叶分析和单纯的小波变换都无法准确地检测此谐波成分,故此本文采用基于小波变换和FFT相结合的方法来分析变频调速系统输出的电力信号。用小波变换检测输出信号的细节部分,对谐波次数混叠的信号采用FFT进行频谱分析,并进行了计算机仿真,取得了较满意的结果。     

自适应噪声抵消算法仿真与分析

在信号处理中,输入的有效信号往往会遭受到多种噪声的干扰,传统的方法很难在诸多干扰中将有效的信号提取出来。本文对比分析了LMS、NLMS、VLMS和RLS算法的滤波性能。仿真结果表明:高信噪比时,这四种算法都能从干扰噪声中提取出有效信号;低信噪比时,LMS和VLMS算法失效,NLMS和RLS算法可行,且RLS抗干扰能力最好。     

形态小波降噪方法在齿轮故障特征提取中的应

针对齿轮故障特征往往被强背景噪声淹没的问题,采用形态小波降噪方法来提取故障特征.形态小波降噪方法适合于对具有一定形态特征的齿轮故障信号进行特征提取.首先采用形态小波对信号进行分解,然后对各层的细节系数进行软阈值降噪处理,最后根据处理得到的小波系数重构信号以提取故障特征.仿真与实例证明,该方法可有效地提取隐含在噪声中的齿轮故障特征.形态小波降噪算法只涉及加减和极大、极小运算,运算简单且执行高效,适合于齿轮故障的在线监测与诊断.     

西瓜成熟度音频无损检测技术

为了满足采收前后对西瓜成熟度无损检测的需要,实现了在田间环境下通过音频功率谱峰值频率检测西瓜成熟度的方法.在信号预处理部分,提出了使用短时能量和过零率提取出打击信号的算法,能够准确判断打击信号的起止点,完整地提取出每次敲击西瓜的音频信号用于下一步处理,并滤除了录制音频中的微小干扰噪音.在检测成熟度部分,通过实验划分了不同成熟度下功率谱峰值频率区间范围,并用该划分的区间检测西瓜的成熟度.经验证,该方法达到了较高的检测准确度.     

基于形态非抽样小波分解的滚动轴承故障特征提取

针对滚动轴承故障特征信息往往被强背景噪声淹没的问题,提出采用基于多尺度差值形态滤波的形态非抽样小波分解方法提取故障特征.形态非抽样小波分解具有形态学的形态滤波特性与小波分解的多分辨率特性,通过非抽样方式对信号进行分解,克服了传统形态小波分解信息丢失的问题.结合差值形态滤波能够提取信号冲击成分的特点,构造了一种基于多尺度差值形态滤波的形态非抽样小波分解方法,并将其应用于滚动轴承故障特征的提取.仿真与实例证明,该方法可有效提取信号中的故障特征,比传统小波包分解效果更好.形态非抽样小波分解算法只包含加减和极大、极小运算,具有计算简单、快速等优点,适用于滚动轴承的在线监测与故障诊断.     

基于VMD-LSTM的奶牛动态称量算法

针对当前奶牛动态称量研究对动态称量信号的信息利用率偏低,不能充分提取称量信号深层信息的问题,提出一种基于变分模态分解（Variational mode decomposition,VMD）与长短期记忆网络（Long short-term memory,LSTM）的动态称量算法,以提高奶牛体质量预测精度。首先,使用阈值过滤的方法从采集到的奶牛动态称量信号中获取有效信号;其次,使用VMD算法将预处理后的有效信号分解为5个本征模态函数（Intrinsic mode function, IMF）,以提取奶牛动态称量信号中蕴含的深层信息,并降低有效信号的非平稳性对预测精度产生的影响;最后,分别将归一化后的各IMF分量与有效信号结合,作为特征输入到LSTM神经网络进行训练,预测奶牛体质量。通过对使用不同特征的模型的预测结果进行对比,选用误差最小的模型作为本文的奶牛体质量预测模型。试验结果表明,本文提出的动态称量算法能够有效提取奶牛动态称量信号的深层信息,体质量预测的平均相对误差为0.81%,均方根误差为6.21kg。与EMD算法和GRU算法相比,本文算法误差更小,更能满足养殖场的实际需求。     

基于优化VMD组合降噪和LMD的水轮机空化声发射信号特征提取

针对水轮机空化声发射信号存在噪声,进而影响信号特征有效提取的问题,提出基于优化变分模态分解(VMD)与Birge-Massart策略组合降噪和局部均值分解( LMD)的水轮机空化声发射信号特征提取方法.针对VMD算法中惩罚因子和分解模态数对分解结果有着显著影响,提出以散布熵差异相关系数最小值为目标函数,利用哈里斯鹰优化算法(HHO)对VMD进行参数寻优.以最优参数的VMD分解信号,得到一系列本征模态函数(IMF).计算各IMF的相关系数,对相关系数小于0.1的IMF进行剔除,大于0.5的IMF进行保留,0.1到0.5的IMF采用小波BM准则进行降噪,并与保留的分量重构.对重构信号进行LMD处理,将分解得到的乘积函数(PF)分量的能量提取为信号特征.试验分析结果表明,经过优化VMD组合降噪处理和LMD处理得到PF分量的能量与空化系数之间呈负相关,验证了所提方法用于水轮机空化状态识别的可行性.