共查询到20条相似文献，搜索用时 468 毫秒
1.
廖建庆 《宁德师专学报(自然科学版)》2014,(1):42-45
为了对发电机局部放电情况进行实时高精度检测,提出一种适用于发电机局部放电检测的超声波检测数据采集系统.该系统以STC89LE52单片机作为控制核心,主要介绍了系统组成,电压、电流采样电路的电路设计,完成了系统软件实现.该系统结构简单,抗干扰性强,稳定性好,具有一定的参考价值. 相似文献
2.
局部放电检测是高压电力设备绝缘状态检测的重要手段,本文重点设计了智能化数据采集模块,实现局部放电信号的本地化测量、分析和诊断等内容,对提高电力系统的可靠性具有较高实用价值. 相似文献
3.
局部放电信号是非平稳性信号,具有时变频率。时频分析是分析和处理非平稳时变信号的有力工具,将时频分析技术应用于局部放电信号的分析与处理,能清楚地揭示信号的时变频谱特性,有利于对信号的特征提取,为局部放电信号的模式识别提供了一个更为准确、可靠的新方法。 相似文献
4.
轴承作为工业中旋转机械中的重要部件,其故障将严重影响机械设备的安全运行.为了实现对轴承运行故障状态的有效诊断,提出了一种基于经验模态分解(empirical mode decomposition,EMD)提取的多特征参数的关联向量机的(Relevance vector machine,RVM)的滚动轴承的多故障诊断模型.首先运用经验模态分解的方法将轴承振动信号分解为多个固有的模态分量,之后将提取的表征轴承故障特征的IMF分量的能量、峭度、偏度构造特征向量,最后采用关联向量机多分类故障诊断模型进行故障模式识别.轴承实测振动信号分析表明:该方法能够有效、准确地诊断出轴承的故障状态,具有较高故障诊断准确率. 相似文献
5.
6.
7.
林京 《洛阳工业高等专科学校学报》2008,18(1)
对经验模式分解(EMD,Empirical Mode Decomposition)的滤波器特性进行了研究.事实上,EMD的倍频程滤波器特性在几年前就被发现了,在此基础上,针对EMD滤波器的其他特性展开了研究.首先,对EMD滤波器的自适应特性展开了研究,其自适应特性除了表现为倍频程滤波器的形式,还有两个表现:其一是滤波器的上限频率随信号自身的上限频率而定,另一表现是每一个IMF滤波器的形式不仅与信号频率有关,还与信号的结构有关.利用EMD的自适应特性,建立了一种新的信号表示方法,与已有的EMD方法相比,该方法可以提供更多的关于信号的信息.还对该方法进行了相关的讨论. 相似文献
8.
《东南大学学报》2021,(1)
针对经验模态分解时存在的端点效应问题,提出了一种基于序贯相似度检测和自适应滤波的方法来抑制EMD的端点效应.该方法将信号分成多个子波,通过改变初始子波的长度来选择误差最小、匹配种子子波个数最大的最佳初始子波,并利用子波斜率进行预匹配和二次匹配,以提高匹配速度.然后利用对折方式自适应调整阈值选择多个种子小波,最后根据自适应滤波方法对端点波形进行预测和扩展.利用该方法对非平稳非线性仿真信号和实验信号进行了分析,并与镜像拓延法和RBF拓延法进行了比较,该方法拓延后信号的EMD结果正交指数和相似指数优于其他方法.结果表明,该方法能较好地抑制端点效应,对解决端点效应问题具有一定的有效性、准确性和稳定性. 相似文献
9.
对开关柜进行局部放电在线监测及定位,可以及时发现故障及隐患,对巡检人员做进一步检修具有指导意义.特高频法用于高压开关柜在线监测具有检测频率高、外界干扰信号小等优点,但目前在开关柜局部放电检测与定位中仍存在设备通道数量受限、不能同时监测多面开关柜的问题.为此提出一种新型的线性阵列式UHF传感器开关柜局部放电在线监测方法,... 相似文献
10.
11.
针对齿轮常见故障及信号在传统EMD算法分解中产生的端点效应,提出一种基于改进经验模态分解（EMD）与快速独立分量分析（FastICA）—样本熵的齿轮故障特征提取方法。首先对信号进行EMD分解,得到一系列IMF分量和残余量,在此过程中通过匹配差别最小的极值包络线段确定端点处极值,然后从每个信号中分别选取周期性明显的分量与原始信号组成混合信号作为FastICA的输入,获得ICA计算后的分量,最后分别计算EMD分量与各独立分量的样本熵。实验结果表明,改进后的EMD算法可以有效改善端点效应问题,并通过与EMD—样本熵的对比,表明FastICA—样本熵能更明显、稳定地反映齿轮故障,因此可作为一种有效的故障特征。 相似文献
12.
结合经验模态分解（empiricalmodedecomposition,EMD）算法和自适应神经模糊推理系统（adap-tiveneuralfuzzyinferencesystem,ANFIS）算法应用于股票市场预测,提出了一种新的股票市场的预测模型,即EMD-ANFIS的多步预测模型。首先应用EMD算法把原始数据分解成不同尺度的基本模态函数（IMF）和残差（RES）,然后通过ANFIS算法对生成的各个IMF和RES进行自适应神经模糊推理,再把各个预测结果进行简单的聚合作为股票的预测价格,并与传统的预测方法进行比较,实验证明了EMD-ANFIS的多步预测模型具有更高的预测精度。 相似文献
13.
针对实际电能质量扰动种类繁多、扰动信号差异不明显、存在多种混合扰动,导致识别电能质量非常困难的情况,提出一种基于极点对称经验模式分解方法（ESMD）和支持向量机（SVM）的电能质量混合扰动信号分类识别新方法。首先,对加入白噪声的混合扰动信号利用小波软阈值去噪处理|其次,利用ESMD将信号分解为不同信号分量,对每类扰动的不同信号分量分别提取样本熵和互样本熵特征值,所有分量特征值构成特征向量|最后利用SVM对扰动信号特征向量进行分类和混合扰动识别。研究表明,该方法对混合扰动识别正确率很高,是一个有效的方法。 相似文献
14.
In ultrasonic non-destructive tests, the echo signal at the flaw is highly complex due to the interference of multiple echoes with random amplitudes and phases, and is disturbed by all kinds of noises, such as thermal noise, digitalization noise, and structure noise. In this paper, the ultrasonic signal was decomposed by empirical mode decomposition （EMD） to obtain the intrinsic mode function （IMF） components according to ultrasonic defect echo signals occuring at the corresponding time, and the energy of the ultrasonic signal was concentrated. The IMF component selection criterion based on sub-band energy extraction was proposed to extract the ultrasonic signal component accurately and automatically from IMF components. When the selected IMF components were filtered by a band pass filter, the signal-to-noise ratio （SNR） was enhanced greatly. 相似文献
15.
为了提高传统方法生成交通拥堵指数（TPI）的准确率,引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数（PACF）计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此, EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。 相似文献
16.
用模糊函数表示超声信号,以解决特征提取时不同中心频率和不同到达时间的超声信号的预处理问题,并为信号分类提供时频特征。提出采用Karhunen-Loeve(K-L)变换提取信号的模糊平面特征,并对特征的分类能力进行了分析。实验结果表明模糊函数能有效去除信号的中心频率和到达时间的差异,用K-L变换提取的模糊平面特征能在低维空间有效地描述超声信号,并能获得较好的分类效果。 相似文献
17.
Dynanfic forces are the main factor that influences the axle weight measurement accuracy of moving vehicle. Empirical mode decomposition （EMD） is presented to separate the dynamic forces contained in the axle weight signal. The concept and algorithm of EMD are introduced. The characteristic of the axle weight signal is analyzed. The method of judging pseudo intrinsic mode function （pseudo-IMF） is presented to improve the weighing accuracy. Numerical simulation and field experiments are conducted to evaluate the performance of EMD. The result shows effectiveness of the proposed method. Maximum weighing errors of the front axle, the rear axle and the gross weight at the speed of 15 km/h or lower are 2.22%, 6.26% and 4.11% respectively. 相似文献
18.
A new algorithm, named segmented second empirical mode decomposition （EMD） algorithm, is proposed in this paper in order to reduce the computing time of EMD and make EMD algorithm available to online time-frequency analysis. The original data is divided into some segments with the same length. Each segment data is processed based on the principle of the first-level EMD decomposition. The algorithm is compared with the traditional EMD and results show that it is more useful and effective for analyzing nonlinear and non-stationary signals. 相似文献
19.
针对癫痫脑电(EEG)信号的非平稳性和非线性,提出一种基于集合经验模式分解(EEMD)提特征并利用最小二乘支持向量机(LS-SVM)的脑电信号分类方法。首先利用EEMD将EEG信号分成多个经验模式分量,得到各阶本征模式分量(IMF),然后提取有效特征,最后用LS-SVM对其进行分类,实验结果表明,该方法对癫痫发作间歇期和发作期EEG的提特征后分类识别正确率达到98%。 相似文献