空空导弹导引头小波降噪参数优选仿真研究

在对空空导弹导引头含噪信号实施小波阈值降噪时,以提高信噪比为规则,优选了降噪参数,并进行了离线降噪处理和实时降噪处理两种模式的仿真实验。在离线降噪模式下,通过对降噪参数的选择优化,从强噪声背景中得到了与实际的视线角速度高度一致的有用信号。在实时降噪模式下,考虑到算法的复杂性要求对降噪参数的限制,有针对性地选取了计算比较简单的降噪参数,降噪后提高信噪比仍能达到5 dB以上。研究表明,利用小波降噪技术能够克服传统导引头降噪技术的固有缺陷,可以为导引头滤波器的设计与实现提供支持。     

密度函数小波估计方法

对试验数据估计通常需要作正态假设,获得正态分布样本值信息。但对不符合正态分布假设的许多工程实际问题,例如多管火箭炮的弹丸落点坐标分布与正态分布相差较大,本文介绍了ー种非正态分布样本值的新方法 密度函数小波估计方法。通过用正交对称小波基函数估计概率密度函数,对含有噪声的试验数据进行阈值处理。用此方法进行射弹散布估计,避免了试验数据人为进行正态分布假设带来的较大误差,实例分析表明该方法有效。     

选择性神经网络二次集成在火药近红外分析中的应用研究

针对建立近红外光谱定量分析的神经网络校正模型时,存在变量数过多以及容易出现过拟合等问题,采用小波变换对近红外光谱进行预处理,用以消除噪声,减少变量个数;并在此基础上,提出一种新的神经网络校正模型一基于改进贪心法的选择性神经网络二次集成,来提高神经网络的泛化能力。实验结果表明：在建立火药近红外分析的校正模型中,该模型不仅建立过程简单而且具有较好的泛化能力。     

变速箱典型故障奇异性指数的模糊神经网络识别

基于小波奇异性分析和模糊神经网络理论,建立变速箱故障识别模型,探讨将两种理论集成用于状态监测以提高故障识别准确度.通过小波变换提取车辆变速箱运行状态监测数据的奇异性指数,并据此训练模糊神经网络,计算表征变速箱技术状况的代码,判断部件是否发生故障及故障类型.对某型车辆变速箱监测信号的研究表明,本模型用于识别变速箱典型故障的误差仅为0.15384.     

基于协同型复合判据的多端直流环网边界保护原理

利用直流线路两侧加装的限流电抗器对故障高频分量的阻断特性构造边界保护判据,是多端直流电网实现有选择性故障切除的可行技术路线之一。然而,限流电抗器的选型并不以适配保护的灵敏性为依据,导致现有基于最高特征频带的边界保护原理存在着兼顾选择性及灵敏性的矛盾。为解决上述问题,文中研究借助小波包变换将故障暂态量分解为若干频带,并以保护的安全性、灵敏性为双重约束对频带进行了综合考察及预选;在此基础上,利用D-S证据理论将预选频带的多重信息进行融合,最终得到兼顾低特征频带的高抗扰性以及高特征频带的高灵敏性的复合判据。仿真结果表明,所提出判据能够更灵活地区分区内高阻故障及伴随噪声的区外故障。在大样本随机故障场景下,所提判据比传统保护方案具有更高的动作正确率。     

小波变换组合双线性插值法在北斗周跳中的应用

针对北斗卫星导航系统中双差观测序列的周跳问题,提出了一种小波变换组合滑动窗口的双线性插值法。 该方法利用 小波变换对载波相位双差检测序列进行尺度分解,提取高频系数,得到周跳处高频系数的奇异值,再利用滑动窗口双线性插值 法对奇异值进行替换,通过系数重构,能够较好地修复周跳。 实验利用该方法同时修复第 1、2 层高频系数和只修复第 1 层高频 系数进行修复结果对比,结果表明同时修复第 1、2 层高频系数次数更少,修复效率更高。     

考虑光伏出力间歇性的微电网故障辨识方法

在光伏高比例接入的孤岛微电网中,太阳辐照度变化将导致光伏出力明显波动,继而影响微电网线路故障电流变化趋势。对于不同辐照度光伏出力,如何准确完成微电网故障辨识是微电网故障保护研究面临的一个重要问题。针对这一问题,首先建立了含有光伏发电的典型微网模型,分析了孤岛模式下太阳辐照度变化对网内故障电流的影响;然后利用快速小波能量熵(wavelet energy entropy,WEE)算法提取线路故障电流的暂态特征,继而选取简洁清晰的暂态特征并构建故障综合样本集;最后,利用典型故障样本集对极限学习机进行训练,形成一种新的考虑光伏出力间歇性的微网故障辨识方法。算例仿真结果表明所提方法既能精确提取不同辐照度下微网故障的暂态特征,又可准确地实现故障辨识,为微电网故障分析和保护提供了技术支持。     

中性点经ZnO非线性电阻接地系统的故障识别方法

根据中性点经ZnO接地系统下发生不同故障时高频分量的差异性特点,提出了中性点经ZnO非线性电阻接地系统的故障识别方法。首先,利用小波多尺度变换分析不同故障时高频分量的衰减性差异,其次,利用Prony算法提取高频分量的幅值信息,并计算固定时间窗内的幅值比提出识别判据,最后,结合实际系统继电保护方案及ZnO非线性电阻作用的有效性形成故障识别方法。通过大量仿真及计算表明,无论故障点位置在何处,该方法均能够正确、有效识别瞬时性故障和永久性故障。     

基于高频分量的高压直流输电线路单端保护方法

输电线路是高压直流输电系统中故障率最高的元件。针对现有输电线路行波保护耐过渡电阻能力差,存在难以识别区内高阻故障和远端区外金属性故障的问题,提出了一种高压直流输电线路单端保护方法。基于高压直流输电系统拓扑,分析了高压直流输电线路区内和区外故障电流的特征,从而利用小波变换提取高频分量电流构建保护方法。仿真结果表明,该方法不受过渡电阻、故障距离影响,保护可靠性高。     

基于聚类分析和混合自适应进化算法的短期风电功率预测

针对传统风电功率预测方法难以满足精细化、动态化建模要求,存在易陷入局部最优等问题,提出了基于聚类分析和混合自适应进化算法(KHEA)的风电功率智能预测方法。首先,采用K均值聚类算法对全年风速和功率数据进行聚类,剔除不合理的数据。然后,采用小波变换(WT)识别功率数据的行为特征,获得解构序列集,进而建立BP神经网络模型对未来时间段的功率解构序列进行预测。为减少预测误差,采用进化粒子群算法(EPSO)对模型的权值和阈值进行调整和优化,实现EPSO进化特性与神经网络自学习能力的功能互补。最后,运用逆小波变换对预测序列进行重构,获得最终的功率预测值。运用中国南方某风电场数据开展仿真实验,并与其他模型进行对比,表明KHEA具有更高的风电功率短期预测精度和可靠性,为提高风电功率预测精度和优化调度管理提供了新的技术方案。