基于小波神经网络局部放电模式识别方法的实验研究

针对局部放电信号频率的特点,在小波神经网络基础上,构造一个改进型小波神经网络,并把信号在小波基的不同尺度和位移上展开,得到信号在不同尺度下的小波细节系数,将其输入到该小波网络进行局部放电模式识别．实验仿真得出,识别的相对误差范围为0．1％-3．9％．     

小波变换提取电力电容器局部放电信号研究

为了消除电力电容器局部放电信号的噪声,提高电力电容器局部放电信号在线检测的有效性,提出基于小波变换阈值消噪方法的电力电容器局部放电信号提取方法。选择合适的小波基函数和分解层数对信号进行小波分解,确定合适的阈值规则以及阈值估计方法对小波分解系数进行阈值量化处理,从而得到消噪后的局部放电信号。以均方根误差RMSE和信噪比RSN为衡量指标,分析了小波基函数、分解层数、阈值规则和阈值估计方法等对消噪效果的影响。结果表明,当选择db2小波作为最优小波基函数,分解层数定为6层时,利用最大最小准则阈值估计法估计的阈值在软阈值规则下能有效提取电力电容器局部放电信号,达到了最优去噪效果。     

小波包算法在电力变压器局放信号检测中的应用

分析了电力变压器局部放电信号检测现场的各种干扰,设计了用于计算机模拟并仿真现场干扰的局部放电检测信号．在对小波及小波包算法介绍的基础上,将小波包分解与重构算法用于强载波及无线电干扰下的变压器局部放电信号检测问题,并对模拟的局部放电信号进行了小波包分解与重构的计算机模拟．模拟结果表明,小波包分解与重构算法可以从强载波及无线电干扰中检测出局部放电信号并且具有良好的性能．     

小波包算法在电力变压器局放信号检测中的应用

分析了电力变压器局部放电信号检测现场的各种干扰,设计了用于计算机模拟并仿真现场 局部放电检测信号,在对小波及小波包算法介绍的基础上,将小包分分解与重构算法用于强载波及无线电干扰下的变压器局部放电信号检测问题,并对局部放电信号进行了小波包分解与重构的计算机模拟,模拟结果表明,小波包分解与重构算法可以从强载波及无线电干扰中检测出局部放电信号人有良好的性能。     

基于小波变换的大型电机定子绕组局部放电信号的检测与提取

通过自行开发的局部放电监测系统在实验室条件下对定子绕组进行局部放电的测试,对局部放电信号进行小波分析和处理,并在Matlab中实现小波消噪和局部放电信号的特征量提取.测试结果证明了小波变换在局部放电监测系统应用中的有效性.     

基于小波分析的带通数字滤波器设计

介绍了基于小波分析的数字滤波器设计,对小波基函数的选取、滤波尺度的确定进行了叙述,通过小波带通滤波器的仿真分析．采用Symlets5小波,分析了基于DSP的电容式湿度传感器测试系统中的小电容实测数据．结果表明,小波分析是一种有效的数字信号处理方法．     

一种检测电力变压器局放信号的离散小波算法

大型电力变压器经常发生局部放电现象,必将导致绝缘层破坏,停电事故发生甚至变压器解体,因此,必须在线检测局部放电信号。作者分析了可能存在的各种干扰源及其特征（包括干扰源频率的分布范围）,讨论了各种干扰源进入检测系统的3种途径并提出了相应的抑制措施,设计了用于计算机模拟的局放检测信号。针对高频的局放信号,提出了一种改进型快速小波变换分解及重构算法,对仿真的局部放电信号进行了分解与重构。该算法对低频信号具有较低的频率分辨率,而对高频信号具有较高的频率分辨率。仿真结果表明,改进的快速小波变换分解与重构方法能有效地滤除强载波干扰,不失真地提取出局部放电信号幅值及其放电时间。     

基于DSP的变压器局部放电在线检测电路与信号处理

针对局部放电对变压器绝缘性能影响较大的问题,本文设计了一种基于DSP的大型变压器局部放电在线检测电路,结合小波变换对信号进行消噪、提取,并对该方法进行了仿真。仿真结果证实,通过该方法可以实时的处理变压器中发生的局部放电。     

一种发电机局放极性提取与类型识别方法

大型发电机局部放电信号的极性对于局部放电类型的识别有重要意义。数字化的局部放电在线监测设备受现场强干扰和采样频率的限制,采集的局部放电信号存在大量噪声和局放信息丢失,给信号极性的提取带来了很大困难。小波变换是时间和频率的局部转换,通过伸缩和平移运算对信号进行多尺度细化分析,是去除信号噪声的有力工具。采用FFT作出所采集信号的频域图,确定局部放电信号的频率段,取出该频率段的信号。再利用与局部放电脉冲十分接近的Meyer小波对取出的信号去噪。然后,对去噪后的信号统计一定放电电压范围的正负极性脉冲,并根据局部放电信号极性与放电类型之间的关系,确定局部放电的类型。     

小波分析用于电力设备绝缘在线监测中信噪分离的研究

文章利用小波分析可进行时域与频域同时局部分析，频域窗口随信号的变化自动调整的特点。将小波分析应用于电力设备绝缘在线监测这类具有较大背景干扰情况下的信号处理，选择合适的小波基对混有噪声的信号进行变换，以实现信号与噪声的分离。并利用小波变换的快速算法对信噪分离作了仿真计算，讨论了小波分析在线监测等领域的应用前景。     

基于小波包信息熵和小波神经网络的异步电机故障诊断

采用一种基于小波包信息熵和小波神经网络的方法对异步电机进行故障诊断。将故障信号进行小波包预处理,并在此基础上提取信号的小波包能谱熵和小波包系数熵,构成信号的信息熵特征向量。训练小波神经网络使其在输入特征向量后能有效检测并输出故障模式,以实现对单一故障和复合故障的诊断。通过内嵌的方式把小波变换融入神经网络,具有良好的自适应分辨率和容错能力,可以有效避免局部最小值以及收敛速度过于缓慢的问题。试验表明,基于小波包信息熵和小波神经网络的方法能很好地进行异步电机的故障诊断,且该方法优于同参数下的BP神经网络模型。     

EMD和小波变换在结构模态参数辨识中的应用

针对希尔伯特-黄变换方法在振动信号处理中不能有效地进行模态解耦的缺点,提出一种将经验模式分解和小波变换相结合的结构模态参数辨识方法．首先利用经验模式分解方法对结构响应信号进行分解,获得多个本征模函数以完成结构模态的筛选过程,并根据模态筛选得到的本征模函数进行信号重构;然后对重构信号进行Morlet小波变换和模态解耦,获得信号小波变换系数的瞬时幅值和瞬时相位拟合曲线,并在此基础上计算出结构的各阶模态频率、阻尼和振型．结果表明,利用小波变换对本征模函数的叠加信号进行参数辨识代替对单个本征模函数进行希尔伯特变换,更能有效地进行模态解耦,从而获得更为准确的结构模态参数信息．     

小波分析在信号消噪中的应用

对小波分析和小波包的基本理论进行了简单介绍,详细分析了基于小波分析和小波包对信号进行消噪的处理技术,并利用MATLAB分别进行了计算机模拟,最后分析、比较了各种消噪方法的效果和优缺点,并结合理论分析和模拟结果讨论了阈值的选取方法和原则。通过本文的分析和模拟结果,我们可以看出,小波分析在信号的消噪中具有独特的优势,并且具有广阔的应用前景。     

一种基于标准正交基的小波分解与重构的计算方法

提出了基于标准正交基的小渡分解与重构的计算方法，并给出了正交小波分解与重构的推导过程．与传统方法相比。该方法具有相同的结论，但推导方法简单，易于理解。     

一种改善的利用小波变换消除信号噪声的方法

传统的建立在傅立叶变换基础上的滤波方法在提高信噪比和时空分辨率两项指标上存在矛盾,与之相比,基于小波变换的滤波去噪技术有明显优点,首先介绍连续小波变换的理论基础并对去噪阈值的设定进行了讨论,然后提出一种利用信号与噪声的小波变换不同性质进行去噪的方法,最后给出了并讨论了该方法的仿真结果。     

表面肌电信号的小波消噪改进算法

根据在不同尺度下信号和噪声的小波变换系数的相反特性，提出了一种改进的小波消噪算法来去除肌电信号中的噪声.利用Mallat算法对肌电信号进行小波分解，实质上就是将信号投影到尺度空间和小波空间，分别包含了信号的光滑通道分量和细节分量.兼顾软阈值和硬阈值量化方法的优点，利用两者的加权平均值滤除由噪声所决定的小波变换系数，从而在大尺度下补充细节信息并保持信号在奇异点的特征.利用保留下来的小波变换系数进行信号重构即得到消噪后的信号.实验结果表明，该方法可以有效去除噪声，兼顾了软、硬阈值的优点，保留了在模式变化过程中肌电信号细节部分的有用信息.     

地质雷达信号分析的双正交小波预测反褶积法

为了降低电磁波衰减、噪声干扰等因素对地质雷达检测效果的影响,提出一种双正交小波预测反褶积法（PDBW法）。在PDBW法中,针对地质雷达检测信号选取具有最小重构误差的双正交小波基,运用该小波基将地质雷达检测信号分解成不同频段的时域子信号,对各频段的时域子信号进行预测反褶积等滤波处理,再对处理后的子信号进行重构变换,得到PDBW法的处理结果。将PDBW法用于实验检测信号处理,并将处理结果与预测反褶积法的处理结果进行比较,结果表明：PDBW法能有效压制多次回波干扰,准确识别深部信号,显著提高深部信号信噪比,从而进一步改善地质雷达探测分辨率和图像分析的准确性。     

基于一种新的阈值函数的小波域信号去噪

在D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法的基础上,构造了一个新的阈值函数．与传统的软硬阈值函数相比,新阈值函数表达式简单易于计算,克服了硬阈值函数不连续的缺点,同软阈值函数一样具有连续性,而且是高阶可导的,便于进行各种数学处理,还克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,同时它具有软硬阈值函数不可比拟的灵活性．仿真结果表明,采用了新的阈值函数的去噪结果有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,无论是在视觉效果上,还是在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法．     

用连续小波变换识别内燃机噪声源

为了直接利用连续小波变换进行内燃机噪声源识别，提出了一种连续小波变换的改进算法. 研究了信号组成成分的幅值和频率变化对小波系数的影响，根据连续小波变换的基本性质，对连续小波变换后产生的与信号频率有关的衰减系数进行修正，通过对比分析从Matlab6.5的小波工具箱中找出了适合振动噪声信号分析的小波函数.工程信号的分析结果表明，经过对连续小波变换后小波系数的修正，使小波系数的大小能正确反映信号各组成成分的幅值大小，从而可以利用小波系数形成的云图直接进行内燃机噪声源识别.