基于时频谱图的配电网高阻接地故障智能识别方法

针对配电网中发生高阻接地故障(high impedance fault, HIF)进行特征提取时,人为构造的特征量或特征向量难以充分体现高阻接地故障区别于其他事件的特征问题,提出一种波形隐含特征提取方法.通过连续小波变换将零序电流转换为时频谱图,并分割为正方形切片,然后使用卷积神经网络辨识高阻接地故障特有的“齿”形特征.结果表明：文中所提方法能由波形中的高频分量得到可视化的时频谱图,省去了人为构造的特征量的步骤,避免了特征量难以准确表征HIF特征的问题,其可靠性在仿真及现场样本测试中得到了验证.     

声纳浮标多普勒最接近法的一种新算法

在声纳浮标多普勒最接近点方法基础上,提出一种新算法.与原算法相比:(1)新算法推导出一个无误差的求解公式,而原算法是一个近似公式;(2)新算法在使用上较原方法更为方便,公式需要的输入在实际中更容易得到.比较了新算法和原算法的关系,原算法主要使用测量两个关于最接近点对称的多普勒频移及最接近点的频率变化导数;新方法在使用多普勒频移的同时还利用了测量点的时间信息.最后给出了仿真结果,表明新算法可以精确求解目标的运动参数.     

基于复值谱图的重参数化结构声源分离条件网络

通过改进频率变换块以适应多源任务,并扩展了标准的U-Net进行多源分离。首先,提出一种基于复值谱图的条件机制网络,以捕获与源相关的时频模式;其次,采用潜在源注意力机制提取全局时频信息,建立长距离和层级化的时频依赖关系,根据重参数化结构丰富卷积块的特征空间,在不大量增加参数的前提下可以保持相同的性能;最后,在MUSDB源分离任务上的实验结果表明,所提方法和一些已有方法性能相当。     

似双星树Hn(p,2)由它的Laplacian谱确定

恰有一个顶点度大于2的树称为似星树,定义恰有两个顶点度大于2的树为似双星树.通过分析顶点的度序列,结合其线图的性质,证明似双星树Hn(p,2)由它的Laplacian谱确定.     

数值微分零交点法分辨重叠谱的研究与应用

在简述数值微分零交点法分辨重叠谱的原理基础上,研究了该方法对不同分离度的两组分重叠谱图的分辨效果．结果表明,对于两条高斯型重叠谱线,当分离度Ｒ≥０．０７时,可有效地分辨两组分的谱图．对于前舌和拖尾的重叠谱体系,实现有效分辨的分离度的最低限也随峰变形程度的增加而增大．以Ｌ－色氨酸和ＤＬ－酪氨酸两组分重叠紫外光谱图的分辨为例,讨论了方法在两组分同时测定中的应用．     

基于小波包频带能量检测技术的结构损伤诊断

小波包变换能将振动信号按任意时频分辨率分解到不同频段, 而各频段信号的能量变化包含着丰富的信息.以悬臂梁为实验对象,对不同损伤程度下的振动信号进行小波去噪后,通过4尺度小波包分解和重构,得到了其能量谱图.实验结果表明:损伤程度不同,小波包能量谱图明显不同.因此可将敏感频带的能量值作为损伤程度的特征值进行损伤诊断.     

三维类Lorenz混沌系统的变形与超混沌实现

在三维类Lorenz混沌系统的基础上增加一维状态和两个参数,构建了一个新的四维超混沌系统。利用非线性动力学分析方法简要分析了该系统平衡点的稳定性、超混沌吸引子的相图、分岔图、Lyapunov指数谱和Lyapunov维数等基本动力学特性。结果发现新的四维系统随着新引入的两个参数(p和m,pu为非线性控制器,u的变化率u=mx)变化分别呈现周期、拟周期、混沌及超沌混动力学行为,动力学行为相同,但随m的变化范围较大。     

铣床振动和噪声测试

为了保证机床的机械运转状态达到规定振动指标,应对机床进行振动和噪声测定。通过频谱分析仪采用"逆谱法"对振动信号进行分析、提取和判断,找出故障位置和产生的原因,给出解决办法,并根据机床运转状况制定维护措施。以X62W铣床为对象进行实例分析,结果表明理论分析与实测结果相吻合。     

基于油中溶解气体谱图的变压器故障识别方法

根据油中溶解气体含量对电力变压器进行故障诊断,一个关键环节是如何从故障气体数据中提取有效反映故障特性的特征量。论文提出了基于特征气体谱图形状参数识别变压器故障的方法,以5种油中溶解气体:乙炔、氢气、乙烷、甲烷和乙烯的相对含量构建了故障的特征气体谱图,并将图形偏斜性、突出性等形状参数作为特征量应用于变压器的故障诊断。应用的结果表明,这种方法有效区分变压器的放电性故障、过热性故障以及"氢主导型"故障,且识别效果达到90%以上,明显优于实践中常用的三比值方法。     

基于Mel频谱图和CNN的电网涉鸟故障鸟声识别

为了提高电网渉鸟故障防治的针对性，提出了一种基于Mel频谱图和卷积神经网络(CNN)的鸟声识别方法。建立常见渉鸟故障对应的40类代表性鸟种的鸣声样本集，对鸟鸣信号进行分帧、加窗与降噪等预处理，计算每帧信号在各个Mel滤波器中的能量，根据能量大小与颜色深浅的映射关系提取鸟鸣信号的Mel频谱图。以电网涉鸟故障相关鸟种的Mel频谱图作为输入，通过CNN反复执行卷积-池化过程提取Mel频谱图特征，并进行多次迭代训练调整网络内部参数，得到最优模型用于鸟种识别。算例结果表明，40类鸟种的识别准确率达96.1%,识别效果优于其他迁移学习模型。文中研究结果可为输电线路运维人员正确识别相关鸟种、开展渉鸟故障差异化防治提供参考。