用于行波保护的启动新算法研究

所有微机继电保护装置中都设有启动元件,行波启动元件是超高速保护必不可少的组成部分.文章从度量函数Lipschitz系数的小波理论出发,并结合对行波信号的分析,借鉴小波变换分析暂态行波的基本思想,将小波变换应用到暂态行波信号的提取和分析,探讨了一种新型的信号检测方法-小波变换模之和法(WTMS),以"影响锥"内小波变换模的积分来度量信号的奇异性,用以准确检测、区分故障行波与噪声干扰,避免在故障时拒动的现象,从而弥补了以往行波启动算法的不足.大量的Matlab仿真实验验证了该算法的快速和可靠性.     

浅谈继电保护隐形故障的检测与分析

随着电力系统规模的不断扩大，由继电保护隐性故障导致的故障往往会引起灾难性的后果。本文主要是对继电保护隐藏故障检测方法进行分析，并针对继电保护系统的安全问题和继电保护隐藏可能出现的主要故障，提出一些对继电保护隐藏故障的研究对策，希望对今后电网的安全运行能够有所帮助。     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及基于多分辨分析的信号小波的分解算法 ,研究了信号局部奇异性在小波变换下的特性 ;根据故障信号的局部奇异性在小波变换下模的极大值及其在不同尺度上的传播特性 ,对 30 8型滚动轴承振动加速度故障信号进行分解 ,对故障特征信号进行时域定位 ,并提取了故障特征频率f=46 .88Hz,这与实际的故障特征频率相近 ,说明该方法适用于滚动轴承的在线监测和故障诊断     

一种新型的旋转机械滚动轴承故障诊断方法

本文基于对滚动轴承的故障特点进行分析,利用小波包变换具有任意时频局域化特性和模糊数学能够处理各种边界不明的模糊集合的数学特性,设计了基于小波包—模糊模式识别的滚动轴承故障诊断新方法,仿真实验验证了该方法对滚动轴承故障诊断效果显著,具有较高工程应用价值。     

基于小波神经网络的输电线路故障检测

在分析了小波函数时频特性和人工神经网络学习能力和算法鲁棒性的基础上，提出了一个利用小波神经网络检测电力系统输电线路故障的方法。理论分析和基于EMTP仿真测试结果表明，该小波神经网络故障检测模型和算法是有效的，与传统的人工神经网络相比，具有收敛速度快，鲁棒性强的特点。     

基于小波包分解的剩余电流接地故障选线方法

为解决电网发生单相接地故障后,无法对故障线路精确辨识的问题,提出了一种基于小波包分解的剩余电流接地故障智能感知方法.依据小波分析法和智能感知原理,针对接地故障产生的剩余电流进行故障信息采集,将收集到的剩余电流信息进行分析对比,以感知接地故障并进行故障识别;通过研究交流电源剩余电流在线式监测和基于小波变换方法的弧光接地故...     

行波的小波表示

针对暂态行波故障特征难于表达和提取 ,把小波变换应用于暂态行波故障特征刻划和描述 ,给出了电流行波、电压行波、正向方向行波和反向方向行波故障特征的小波变换模极大值表示 ;并对 4种行波的故障特征进行了初步分析和比较。行波的小波表示客观、全面、简单、明确地反映了不同行波分量的特点 ,为快速检测输电线路故障、构造基于行波原理的故障测距和继电保护奠定了理论基础     

一种改进的基于小波变换的数字图像隐藏算法研究与实践

数字图像隐藏是近年非常热门的研究领域,小波变换作为图像隐藏中比较先进的技术,在图像隐藏中得到广泛的应用.通过对基于小波变换方法的分析研究,探讨了一种改进的基于小波变换的数字图像隐藏算法,并将算法进行了测试应用.     

基于小波域的图像隐藏技术应用

本文主要应用了基于小波域的图像隐藏技术,通过对基于小波域的方法的分析,能够知道基于小波城的图像隐藏效果较好,计算量比较小,数据隐藏量比较大,含密图像没有明显失真,在秘密信息的嵌入过程中,可以根据n值确定嵌入数据量．     

基于遗传小波神经网络的电梯故障诊断分析

利用小波分析具有能量分布特征提取的特性和遗传算法优化BP算法的能力,提出了一种基于遗传算法、小波与神经网络的电梯故障诊断方法,并应用电梯故障数据作为实例进行了验证.遗传算法小波神经网络模型诊断速度快、鲁棒性好、故障诊断正确率高.     

小波换应用于小电流接地故障选线

研究了小波分析在小电流接地系统单相接地故障选线中的应用,利用小波变换这一新兴的信号分析工具,提取故障时的暂态量信息,构造出了基于小波变换模极大值奇异性检测原理的新型选线判据。着重介绍了利用小波变换提取故障信号的暂态高频分量,进行故障选线的方法。并且利用Matlab提供的小波分析工具进行了大量的选线仿真实验,验证了该方法的有效性和可靠性。     

小波换应用于小电流接地故障选线

研究了小波分析在小电流接地系统单相接地故障选线中的应用,利用小波变换这一新兴的信号分析工具,提取故障时的暂态量信息,构造出了基于小波变换模极大值奇异性检测原理的新型选线判据.着重介绍了利用小波变换提取故障信号的暂态高频分量,进行故障选线的方法.并且利用Madab提供的小波分析工具进行了大量的选线仿真实验,验证了该方法的有效性和可靠性.     

煤矿通风机故障诊断的小波包方法

针对常用的时域和频域分析在诊断通风机故障时存在不能同时诊断出故障时间和类型的瓶颈问题,提出基于小波包分解的煤矿通风机故障诊断方法.在分析通风机故障特征的基础上,利用时频两域都具有表征信号特征能力的小波,对采集来的通风机振动信号进行小波包分解,利用分解的小波系数,在各个频段上进行小波信号重构,并计算信号各个频段的能量特征值,提取故障特征,诊断故障发生的时间和故障类型.经实际验证,小波包分解能将故障信号有效的划分到不同的频段内,而且时域和频域局部化特性好,能有效的诊断出通风机故障,具有良好的理论意义与工程应用价值.     

第2代小波变换及其在机电设备状态监测中的应用

为了解决最佳小波基函数选择的问题，采用第2代小波变换的方法构造小波，从振动信号中提取机电设备故障信息。第2代小波变换与经典小波变换不同，它不依赖Fourier变换，所有的运算在时域上进行，通过设计预测算子和提升算子可以构造具有某种特性的小波。针对机电设备的状态监测和故障诊断，阐述了一种离线设计预测算子和提升算子的方法，通过求解线性方程组确定预测系数和提升系数，并在此基础上构造基于插值细分方法的第2代小波变换算法。在某炼油厂机组的状态监测和故障诊断中，采用该算法有效地提取了轴系不对中的故障信息。     

高档车削中心故障知识库构建技术

面向高档车削中心典型功能部件,构建状态监测试验平台,提出机床故障知识库模型;采用小波包理论进行故障能量特征提取;研究基于粗糙集理论的知识获取技术.实验结果表明,小波包分析与粗糙集方法相结合能够有效获取机床故障规则,提高了故障诊断率,为实现机床故障预测提供可靠数据来源,为分析导致故障的影响因素提供了关键试验技术.     

小波包在配电网单相接地故障选线中的应用

小波包分析在配电网单相接地选线中的应用是利用小波包变换提取配电网单相接地时有用的故障暂态信息,通过与非故障线路暂态信息比较实现选线.传统的配电网单相接地选线判据是基于故障稳态信息.本文通过对配电网单相接地故障暂态信息的分析,提出基于小波包变换提取故障暂态量作为故障选线判据的新方法,并通过MATLAB仿真验证了该方法的可行性与准确性.     

基于核主元分析的滚动轴承故障混合域特征提取方法

为有效利用时域、频域、时-频域中各类具有显著类别差异信息的非平稳统计特征,提高滚动轴承状态监测和故障诊断的性能和效率,提出一种基于核主元分析的混合域特征提取方法.通过对原始信号分别生成时域、频域状态特征,并利用多分辨率小波分解生成时-频域状态特征,构建出144个表征原始振动信号特征的混合域特征集.采用核主元分析方法对其中能敏感地反映故障特性的特征进行二次非线性特征提取,按累计贡献率大于90％的标准,选取前11个核主元作为主要特征量,将其输入支持向量机分类器进行状态识别.仿真结果表明:混合域特征集比单个特征、单域特征能更全面准确地反映故障特性,核主元分析方法能有效降低输入特征维数,并确保输出特征具有较高的反映轴承运行状态的敏感性和适于模式识别的可分性;与通常使用的基于小波分解的特征提取方法相比,本文方法能更加准确有效地提取不同运行条件下滚动轴承不同类型不同程度的故障特征.     

用于齿轮故障诊断的复小波变换相位功率谱方法

基于复小波基函数的信号小波变换,体现了小波变换的多分辨特性。复值小波能从幅值与相位两个角度提取被分析信号的信息,在齿轮故障振动信号处理中可以更好地识别故障模式。     

基于小波包和Elman神经网络的异步电机转子断条故障诊断方法

提出了一种基于小波包分析(WPA)和Elman神经网络的异步电机转子断条故障诊断方法.针对异步电机转子断条故障时定子电流出现的边频分量进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响.采用Elman神经网络对故障进行识别,并对Elman网络进行改进,在关联层增加了自反馈增益因子,提高了网络性能.以频带能量作为Elman神经网络识别故障的特征向量,建立从特征向量到电机转子断条故障之间的映射.试验结果表明:基于小波包分析提取的故障特征明显,由WPA和Elman神经网络构成的诊断系统,能有效地识别出转子断条故障,故障诊断准确率高.     

基于小波包能量谱及SVM算法的轴承故障检测

针对小波分析在故障诊断时的局限性,将小波分析和支持向量机算法相结合,提出基于小波包能量谱及支持向量机算法(SVM)的故障检测方法.该方法以振动信号小波包分解后各子频带的能量作为故障检测特征,利用SVM算法对轴承故障进行检测实验.结果表明:小波包能量谱能有效地反映轴承信号特征,并对故障进行检测.该方法同基于Lipschitz指数熵、单奇异点检测,以及小波包能量谱与神经网络相结合的故障检测方法进行比较,检测率均优于其他三种常用方法.