现场环境下弓网离线放电辐射测量方法

为了在现场有噪情况下准确测量动车组弓网离线放电引起的辐射发射,提出了一种基于稀疏分解的瞬态电磁信号提取方法。结合弓网离线放电辐射信号波形非对称衰减的时域特征,构建了一种改进的Gabor原子库,在Gabor原子库的基础上,通过引入不对称参数和衰减参数建立了一个非对称高斯模型,使改进的原子库在时域上更符合弓网离线放电辐射信号的不对称包络和不同衰减率特性。基于改进的原子库,对弓网离线放电辐射信号进行稀疏重构提取,实现现场条件下弓网离线放电辐射地精确测量。模拟与实测实验表明,该方法能有效抑制传统Gabor原子库稀疏分解的预回波现象,重构精度更高;窄带干扰下该方法的去噪能力比基于经验模态分解(EMD)理论的去噪方法高17 dB左右,恢复出的瞬态信号与原信号误差在3 dB以内。     

现场环境下弓网离线放电辐射测量方法

为了在现场有噪情况下准确测量动车组弓网离线放电引起的辐射发射,提出了一种基于稀疏分解的瞬态电磁信号提取方法。结合弓网离线放电辐射信号波形非对称衰减的时域特征,构建了一种改进的Gabor原子库,在Gabor原子库的基础上,通过引入不对称参数和衰减参数建立了一个非对称高斯模型,使改进的原子库在时域上更符合弓网离线放电辐射信号的不对称包络和不同衰减率特性。基于改进的原子库,对弓网离线放电辐射信号进行稀疏重构提取,实现现场条件下弓网离线放电辐射地精确测量。模拟与实测实验表明,该方法能有效抑制传统Gabor原子库稀疏分解的预回波现象,重构精度更高;窄带干扰下该方法的去噪能力比基于经验模态分解(EMD)理论的去噪方法高17 dB左右,恢复出的瞬态信号与原信号误差在3 dB以内。     

基于Gabor原子的雷达辐射源信号无意调制特征提取

针对雷达辐射源的个体差异,提出一种雷达辐射源信号无意调制特征提取方法。该方法在过完备Gabor原子库基础上,采用匹配追踪（matching pursuit）方法对具有相位噪声的常规雷达辐射源信号进行时频原子分解,得到表示常规雷达辐射源信号无意调制特征信息的最佳Gabor原子,将最佳Gabor原子时频参数以及重构信号和原始信号的相似度作为个体特征参数。．实验结果表明,提取的个体特征参数可以有效地表示常规雷达辐射源信号的无意调制。     

基于正交优化时频原子分解算法的电能质量扰动匹配特征分析

针对电能质量扰动信号时频局部化信息量较广难以简洁、灵活提取有效细微特征以及匹配追踪收敛速度较差的问题,提出一种应用于电能质量扰动分解重构及扰动特征参量提取的匹配时频原子框架及其改进方法。在Gabor时频原子库离散优化基础上,通过匹配追踪算法对扰动信号进行自适应分解,同时对搜寻的最佳时频原子进行正交变换,减小冗余分量,设定迭代次数或残差阈值作为终止条件,从而获得一系列匹配扰动信号波形特征的正交时频原子及其参量化形式。仿真结果表明,该框架能有效分解提取电能质量扰动信号时频特征参量,相对基于匹配追踪的稀疏分解,改进算法单一扰动匹配特征重构信噪比高达55dB,多重扰动达35dB,均方误差数量级为0.001,匹配扰动特征精度及收敛性能进一步提高,满足电能质量分析要求。     

遗传优化时频参数的电能质量扰动匹配特征分析

针对电能质量暂态扰动信号时频局部化信息量较广难以简洁灵活提取有效细微特征以及匹配追踪算法计算量大的问题,提出一种应用于电能质量扰动特征参量提取及压缩重构的匹配时频原子框架及其遗传优化改进算法。在Gabor过完备时频原子库离散基础上,采用匹配追踪方法(matching pursuit,MP)对扰动信号进行时频原子自适应分解,并通过遗传算法(genetic algorithm,GA)对时频原子参量进行优化计算,从而降低匹配追踪搜索过程的复杂度,获得最佳匹配电能质量扰动信号特征的时频原子参量化解析表示以及匹配特征重压缩构波形。算例仿真表明,该框架重构信噪比高达50 dB,均方误差数量级为0.001,能量恢复系数达到0.99以上,与小波(包)相比,具有更优良的压缩重构性能及多分辨能力,遗传优化时频参量的改进算法,基本保持了 MP 优良的压缩重构性能,计算复杂度缩减率为95.8%,算法收敛性得到提高,匹配扰动信号计算效率提高80~100倍,满足电能质量扰动分析要求。     

采用改进CPSO动态搜索时频原子的电能质量扰动信号去噪方法EI北大核心CSCD

针对电能质量扰动信号噪声抑制中的难点问题,即有效滤除噪声的同时又能较好地保留信号奇异点信息,提出一种采用改进混沌粒子群(ICPSO)动态搜索时频原子的电能质量扰动信号去噪方法。首先,构建了与电能质量扰动信号时频特征相匹配的过完备原子库,采用正交匹配追踪(OMP)算法求解信号稀疏模型,同时采用ICPSO算法对时频原子匹配过程做进一步优化。然后,以残差比阈值确定迭代终止次数,利用最佳匹配原子和稀疏系数重构原始信号,实现信号去噪的目的。运用文中介绍方法对6种典型的电能质量扰动信号进行去噪处理,并与形态学滤波和小波阈值去噪2种方法进行对比。仿真结果表明,文中方法在有效去除噪声的同时,能完整地保留突变点信息,去噪结果准确性高。     

基于 LSA-MP 改进原子分解的 电能质量数据压缩方法

电能质量数据压缩是电能质量问题检测和识别中的重要步骤,其本质即为探寻电能质量稀疏特征的过程。针对稀疏分解中常用的匹配追踪算法在匹配最佳原子时计算复杂度高、耗时长,不能满足电力信号分析实时性要求的问题,应用收敛精度高、收敛速度快以及全局寻优能力强的闪电搜索算法搜索最佳原子,提出了闪电搜索匹配追踪算法。利用所提算法在构建的电能质量相关原子库中对电能质量信号进行原子分解,提取电能质量特征参数,将提取到的参数作为压缩后的电能质量数据,实现电能质量数据压缩。实验结果表明,所提算法匹配最佳原子的耗时约缩短为原算法的1/98,基于所提算法的电能质量数据压缩方法在匹配最佳原子满足电力信号分析的实时性要求,具有较高的压缩率和较低的重构误差,提高了数据压缩的性能。     

应用HS改进原子分解的电能质量扰动辨识分析

结合原子分解与和声搜索算法,提出了一种电能质量扰动信号自适应分解及特征参数辨识方法。针对Gabor原子分解匹配追踪算法计算量大、实时性差的问题,首先利用傅里叶变换进行频谱分析,估计出扰动信号频率、幅值等参数,并以估计值作为搜索的初始解,加快算法的收敛速度;然后根据电能质量扰动信号特点将Gabor原子库分解为类基波库、脉冲库、谐波库、振荡库4个子库,依次搜索各子库,降低搜索的复杂度;再次,利用和声搜索算法快速、准确的全局搜索和协同搜索的特点对匹配追踪算法进行改进,加快了搜索速度;最后,依据获得Gabor原子索引参数实现电能质量扰动信号参数辨识。算例仿真表明,所提方法在保留匹配追踪算法优良重构性能的前提下,计算复杂度显著降低,搜索效率和收敛速度加快,扰动参数辨识精度得到提高。     

采用快速原子分解的电能质量扰动信号参数辨识

采用原子分解能够准确提取电能质量扰动信号的幅值、频率、相位以及扰动起止时刻等特征量。但在原子分解过程中需要作大量的计算,计算速度缓慢。针对这一问题,根据信号的特点采用快速原子分解方法将Gabor原子库分为5层,简化每一层的索引参数。首先利用快速傅里叶变换测出信号的主要频率点和通过小波变换粗提取扰动起止采样点序列,然后将信号依次通过Gabor原子库每一层,从每一层中搜索到对应的最佳匹配原子,并采用伪牛顿法对最佳匹配原子进行优化,最后转化为衰减正弦量原子,以残余正弦信号的能量作为判断终止条件。算例仿真结果表明,该方法能够准确对电能质量参数进行辨识,并且运算速度有较大提高,验证了所提方法的有效性和实时性。     

基于频响曲线稀疏表示的变压器绕组变形模式识别方法

为了提高电力变压器绕组状态监测水平,提出了一种基于频响曲线稀疏表示的变压器绕组变形模式识别方法。文章在构建了Gabor原子的过完备原子库和通过有限元模型仿真得到了正常及变形绕组频响曲线的基础上,将正常情况及变形情况下的绕组频响曲线在过完备原子库上进行稀疏表示,并对所有匹配的Gabor原子分别进行短频傅里叶变换、叠加,得到正常曲线及变形曲线的等效时频分布,然后将两条曲线的等效时频分布值相减,得到可以反映绕组频响曲线变形程度的特征向量。最后,利用支持向量机模型实现了不同绕组变形故障的识别。试验结果表明,提出的方法具有较高的可靠性,适用于绕组变形模式识别。     

基于PSO-MP算法和RBF神经网络的电能质量扰动识别

准确识别扰动信号类型对分析和治理电能质量问题具有重要意义。文中提出一种基于粒子群优化匹配追踪算法(PSO-MP)和RBF神经网络的电能质量扰动识别方法。首先,构建工频原子库将工频信号提取出来,得到的残余信号能更好地体现扰动信号差异性;再利用PSO优化匹配追踪算法以减小计算量,并结合离散Gabor原子库对残余扰动信号进行稀疏分解,准确提取其原子参数;最后将原子参数以及残余信号在原子上的投影的均值和标准偏差作为特征量,利用RBF神经网络对扰动信号进行识别。仿真算例表明,该方法能够有效地识别几种常见的电能质量扰动,且具有抗噪性能强、计算量小等优点。     

动力学小波字典驱动的轴承故障个性化稀疏诊断

针对轴承信号稀疏分解方法中因轴承个性化振动行为导致稀疏分解字典与故障信号适配性差,以及因字典参数设置、 选取不当而使其在实际应用中稀疏分解效果不佳的问题,提出一种基于动力学小波字典的个性化稀疏诊断方法。 该方法基于 有限元技术和稀疏分解的思想,根据轴承所处运行工况的不同,建立个性化动力学仿真模型,仿真出振动信号,并从中提取出单 个瞬态冲击作为字典原子,将原子进行拓普利兹(Toeplitz)延拓生成动力学小波分析字典,结合正交匹配追踪算法(OMP)对信 号进行稀疏分解并重构,提取轴承故障特征频率。 动力学模型仿真信号和试验台信号的分析结果表明,相比常用的相关滤波算 法(CFA)构造的参数字典、K-SVD 自学习字典和快速谱峭度方法,所提出的方法可以更加准确有效地提取故障特征成分,且具 有较好的的稳定性和可拓展性。     

mRMR 特征筛选和随机森林的故障诊断方法研究

针对滚动轴承原始振动信号重要特征信息被较强背景噪声淹没以及提取的时域特征冗余度较高、相关性较强的缺点,提出一种基于最大相关-最小冗余(max-relevance and min-redundancy, mRMR)特征筛选和随机森林的滚动轴承故障诊断研究方法。首先将原始信号进行自适应噪声完整集成经验模态分解(CEEMDAN)得到一系列固有模态分量(IMFs),分析IMF并去掉高频噪声和一部分虚假分量,再将信号进行重构并提取其时域特征,通过mRMR去除冗余性和相关性较高的特征向量,使筛选出的特征子集与标签有最大的依赖性,最后将该特征子集输入到随机森林分类器进行分类。实验表明,mRMR具有优良的特征搜索策略,重要特征均靠前得到选取,仅需3个特征便能达到较高的分类准确率,效率高于其余特征选择算法。     

改进一维卷积神经网络的航空发动机故障诊断方法

针对现有航空发动机故障诊断的1DCNN方法缺乏故障频率多尺度特征提取能力以及对原始振动信号时域特征提取不足的问题,通过融合内嵌多尺度层到双通道1DCNN提出了改进1DCNN的航空发动故障诊断方法。提出了幅值变化速率的方法对振动信号进行时域特征增强,在单通道1DCNN基础上增加幅值变化通道作为第二通道,构建双通道1DCNN,加强1DCNN的时域特征提取能力,再改进多尺度模块为内嵌多尺度层并应用于1DCNN的第一通道,针对航空发动机故障频率域的多尺度特征进行提取。最后将改进1DCNN应用于航空发动机转静碰摩、叶片断裂等故障的诊断,通过对比实验证明了改进1DCNN检测的优越性、抗噪性、泛化性以及改进点的可行性。     

利用加速度信号时频域特征的枪击识别研究

当前枪支射弹可靠检测及精确计数是枪弹管控的难点之一。为提高基于加速度信号的射弹检测算法的精度和可靠性,提出一种新的射击信号时域特征提取方法—时域分段特征提取法,可避免时域特征过度依赖于加速度瞬时尖峰的问题。首先,提取了枪击加速度样本信号的时域和频域各类统计特征。然后,采用机器学习分类算法K近邻、逻辑回归、支持向量机以及决策树和随机森林进行枪击识别建模。最后,探索和比较各种单一特征对枪击事件识别模型性能的影响。实验结果表明,所提取的主波动域面积特征具有最优的区分度,能够在多数机器学习算法上达到99%以上的分类准确率。     

基于改进CEEMD和多域特征融合的1D-CNN降雹量级识别算法

为便于分析冰雹对社会生产造成的灾害影响,需要对降雹量级进行分类统计,对降雹量级进行定量分析,不仅可以为灾害评估提供依据,还可以对气象预报、虚报现象做出反馈。本文针对降雹声信号提出了一种改进的互补集合经验模态分解(CEEMD)重构算法,重构后的信号最大程度地保持原有时域特征,也能对降雹声信号去噪处理。其次设计了一种多域特征融合1D-CNN模型,将重构后的原始数据、时域特征和频域特征分别作为1D-CNN的输入,在中间层进行特征拼接,最后输出分类器,结果显示本文设计的多域特征融合1D-CNN对降雹量级的识别率高达99.58%,相比于原始数据与传统1D-CNN模型识别率提高了8.75%。     

电能质量扰动信号时频原子分解的进化匹配追踪算法

时频原子分解对电能质量扰动信号具有良好的分析效果,但其常用的匹配追踪(MP)算法,存在计算量大、参数空间离散化影响原子匹配性能等不足。基于差分进化,研究了电能质量扰动信号原子分解的进化匹配追踪(EMP)算法,给出了算法流程。针对几种电能质量扰动信号,通过Gabor和衰减正弦量原子分解的30次独立仿真实验,分析了信号长度、噪声等对性能的影响。结果表明,EMP算法与MP相比大大减少了计算耗时且不受信号长度的影响,进一步提高了原子的全局匹配能力,具有很好的抗噪声能力。最后,给出了下一步工作的展望。