下载文档原格式
基于小波变换的电缆故障预测定位系统数据融合汪梅(西安科技大学电气与操纵工程学院，陕西西安710054)摘要：提出一种基于小波变换的电缆故障推测定位复杂非线性系统数据融合方法，给出样本的合理权值。
第一，剔除电缆故障实测数据中的疏失误差数据，再用小波变换检测出有效实测数据的误差趋势，度量有效实测数据的可信度，按照可信度给出有效实测数据的权值。
仿真结果表明：用小波变换融合数据所建系统的神经网络模型的输出推测的平均误差，远远小于数据融合前所建模型推测的平均误差，基于小波变换的数据融合方法确保了建模所用训练样本的可信度及其权值的合理性。
关键词：电缆；故障定位；小波；神经网络；数据融合中图分类号：TM726 文献标识码：A文章编号：10 00-274X(2004)0081-07现代化社会使得人们的生活和生产对电能的依靠越来越强，电缆线路事故对社会造成的阻碍越来越大，电缆线路的故障严峻地威逼和危害着人民生命财产的安全。
保证电缆线路安全运行，及时、准确地推测定位出故障点，并迅速加以排除是电力工作者的奋斗目标。
由于故障推测在提升电缆线路运行的安全性及减小缺失方面具有显而易见的主动性，因而实现电缆线路故障推测和定位，并在准确推测和定位的基础上，排除电缆线路的故障隐患具有现实意义。
因此，建立一套可靠的电缆线路故障推测定位系统，及时发觉故障隐患，并准确定位出故障点，是电缆线路安全运行中一个亟待解决的咨询题[1]。
1 系统的工作原理电缆故障推测定位系统属于多输入多输出的复杂非线性咨询题，为实现电缆故障的推测定位及故障类型的模式识别等功能，需要在大量实测数据的基础上建立具有非线性特性的神经网络系统模型，并以此设计电缆故障推测定位及故障类型辨识系统。
把电缆线路的实时监测数据加在系统的输入端，按照模型的数据，显示被检测电缆的状态是否正常，一旦神经网络模型的输出表明电缆显现了故障，则发出报警并显示出故障点位置及故障类型。
按照有关部门统计，短路或接地故障占全部电缆故障的90%以上[2]。
基于小波变换的电气设备故障诊断技术1李淑娥邸敏艳吕锋（河北师范大学电子系050031）摘要小波变换具有良好的时——频特性，因此可以有效地用于电气设备故障诊断。
在对电气设备进行故障分析、故障诊断过程中，利用小波变换进行故障信号的故障时刻检测具有重要意义。
小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制，判别其状态，以求在故障初期或故障时刻发出警报，并随时进行处理、排除故障。
对信号进行特征提取，是故障诊断的关键。
突变信号往往表明电气设备发生了某类故障，如果能对突变信号进行有效识别，就可以进行故障诊断、故障分析、从而排除故障。
本文分析了电气设备故障的奇异性，通过仿真得出小波变换用于电气设备故障诊断的方法，以准确检测奇异点，提取故障时刻。
关键词小波变换；信号检测；奇异点；故障时刻。
中图分类号：TM711The Tecnology Of The Fault DiagnosisIn The Electricity Equipments Based On The Wavelet TransformationLi Shue Di Minyan Lv Feng(Electrical department of Hebei Normal University ，Shijiazhuang 050031)Abstract:Because of the wavelet transformation has the good hour-frequency characteristic, So it can be availably used for the fault diagnosis in the electricity equipments. At the proceeds of the electric appliances equipments analyze and examination,It’s so important that uses the wavelet transformation to the electric appliances equipments examination,The wavelet transformation uses for the electric appliances equipments examination is the examination of solid hour for the physics signal of electromagnetism、machine etc.Distinguish its appearance、send out the alert at the early or every moment in the electric equipments breakdown and handle、expel the breakdown in the time. Withdrawing the signal characteristic is a key to fault diagnosis.The mutation signal usually expresses the electricity equipments have a certain fault take placed. If we can identify the mutation signal, So we can proceed the fault diagnosis, the fault analysis and the fault expel. This text analyzes the stange of the fault in the electricity equipments, and draws a conclution of the wavelet transformation used in the electricity equipments fault.So it can withdraw the fault time, and1本课题为国家自然科学基金资助（NO：60374020）；河北省自然科学基金资助（NO：F2004000180）；河北省教育厅自然科学研究资助（NO:2003240）.prove the correctness of the strang point examination.Key words: wavelet transformation; signal detection; strange point; fault diagnosis.1、 引言小波变换作为一种信号的时间――尺度分析和时间――频率分析法，能有效地从信号中提取信息，由于小波函数具有良好的时――频特性，因而小波分析方法为信号的时――频分析提供了有力的工具。
基于小波变换的滤波与目标机动检测王基组（海军大连舰艇学院指控信息系 116018）摘要应用小波变换的信号滤波和信号奇异点检测功能对空中强机动目标进行机动检测，为正确进行目标运动状态和运动参数估计提供重要信息。
仿真计算表明：在一定的条件下，小波变换的滤波作用明显，机动点检测较准确。
关键词小波目标机动机动检测一、引言空中目标的机动性强、速度快，是防御方的一大威胁。
如何正确地对空中目标进行准确的状态估计和跟踪，是IC3系统面临的一项重要任务。
坦率地讲，传统的情报处理方法或滤波估计方法]3,2,1[对空中强机动目标的估计效果是不理想的。
存在的主要问题有两个：第一是目标运动模型的假设不准，与实际目标的运动很难吻合。
而传统的滤波估计方法对模型的依赖性很大，可以说确定目标的运动模型是首要条件，也是不可缺少的条件。
同时滤波估计结果对模型误差很敏感，模型不正确必将导致滤波结果的错误。
第二是传统滤波估计方法对目标机动检测存在较大的时间延迟。
这两个问题一直困扰着从事情报数据处理研究人员。
为了解决这个目标跟踪领域的老大难问题，我们利用数据处理领域出现的新技术——小波变换做些探讨，起个抛砖引玉的作用。
小波变换用于观测数据的滤波有其独特的优点，这就是它无需观测数据变化规律的先验知识，即不必对目标的运动进行假设，就能根据含有观测误差的目标位置观测数据进行滤波处理，达到消除或减少噪声的目的。
小波变换之所以能做到这一点，是因为它具有滤波带宽自适应变化的性质，其滤波带宽无需事先设定，因此给使用带来极大的方便。
通常噪声或观测误差的频率较高，小波变换后，其小波变换的幅值随着变换尺度的增大而减小，而有用信号的小波变换幅度则减小得较慢。
利用这个特点，对含有噪声的观测数据进行小波变换，当变换尺度取某一较大值时，令小于某一阈值的变换幅度为零，得到新的变换幅度值。
再从新的幅度值重建信号，便消除了噪声。
小波变换用于目标机动检测利用的是小波变换结果能准确地反映原函数或信号奇异点的性质。
基于小波变换的单频GPS快速精密定位整周模糊度的解算
郭秋英;陈启辉
【期刊名称】《测绘科学》
【年(卷),期】2008(33)3
【摘要】对于GPS短基线,载波相位双差观测量已基本消除了卫星轨道误差、钟差、大气折射误差等系统偏差的影响,主要包含距离观测量信息及随机测量误差,其中测
量误差是高频的测量噪声,小波变换可将GPS载波相位双差观测量中的观测噪声(高频部分)分解出来。
本文利用Coiflets小波基函数对GPS快速定位的原始载波
相位双差观测量进行5层分解,通过重构第5层低频系数获得去除噪声的"干净"的
载波相位双差观测量,然后利用"干净"的双差观测量进行最小二乘参数估计,以减小
测量噪声对GPS快速定位病态方程解的扰动。
计算结果表明该方法能够显著提高GPS快速定位中模糊度浮点解的精度,仅利用几个观测历元的数据就可以准确地固
定模糊度。
【总页数】3页(P41-43)
【关键词】GPS快速定位;病态性;整周模糊度;小波变换;多分辨率分析;小波基
【作者】郭秋英;陈启辉
【作者单位】山东建筑大学土木工程学院
【正文语种】中文
【中图分类】P22
【相关文献】
1.一种改进型的GPS单频整周模糊度快速解算方法 [J], 庞春雷;赵修斌;卢艳娥;余永林;严玉国
2.单频较少历元下GPS整周模糊度的快速解算 [J], 李林泽
3.单频GPS动态定位中整周模糊度的一种快速解算方法 [J], 刘宁;熊永良;冯威;徐韶光
4.改进 LAMBDA 算法实现单频 GPS 整周模糊度快速解算 [J], 李豹;许江宁;曹可劲;朱银兵
因版权原因，仅展示原文概要，查看原文内容请购买。
0引言如今，随着电力系统结构的复杂化，为使系统更加稳定运行，增强了监控系统的完备性，例如数据采集监控系统(SCADA)、能量管理系统(EMS)、广域量测系统(WAMS)等，数据采集量大大增加，对于数据的处理方法也带来了挑战[1]。
当电力系统发生短路接地故障时，电压会骤降到0，故障电压信号属于剧变型奇异信号。
而小波变换在时域和频域中对于信号处理的能力超过了传统的傅里叶变换在处理时域上有变化的信号存在的不足，为电力系统故障检测提供了新的方法，得以广泛应用。
本文利用MATLAB搭建电力系统故障模型，利用小波奇异性检测理论实现故障点的时间定位，编写程序显示故障发生时刻，使结果更加清晰明了。
1小波奇异性检测基本理论1.1小波奇异性检测理论信号的奇异性是指信号本身有不连续点或信号的某阶导数不连续。
小波变换是对满足一定条件的函数在一段时域或频域上作平移伸缩的变换，进而生成一组基函数，在整个平方可积函数空间的正交，斜交，半正交，平方基或平方和，用于分解可积函数，例如：暂态信号，突变信号，非稳定信号等[2]。
从光滑函数中得到的小波用来进行奇异性检测。
设具有低通特性的光滑函数θ(x)的一阶导数Ψ′(x)=dθ(x)dx 作为小波，存在信号f(x)，可求得此信号的卷积型小波变换W f(s,x)为：基于小波变换的电力系统故障定位Power System Fault Detection Based on Singularity Detection of Wavelet赵圣芳,刘宁,张晶,陆新秀（山东科技大学电气与自动化工程学院,山东青岛266590）Zhao Sheng-fang,Liu Ning,Zhang Jing,Lu Xin-xiu(College of Electrical Engineering andAutomation,Shandong University of Science and Technology,Shandong Qingdao266590）摘要：电力系统发生故障时，经济受到损失的同时会给人们的生活带来不便，为此，必须准确找到故障并及时切除。
基于小波变换信号处理的故障诊断方法作者：孙丽君郑善亮来源：《大东方》2015年第10期摘要：本文着重介绍基于小波变换信号处理的故障诊断方法。
所谓基于信号处理的方法，通常是利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，从而检测出故障。
故障诊断时，对采集的信号进行小波变换，在变换后的信号中除去由于输入变化引起的奇异点，剩下的奇异点即为系统发生的故障点。
关键词：小波变换；信号处理；小波除噪为保证发动机安全、高效的运行，对其进行状态检测与故障诊断非常重要。
由于内燃机在一个工作循环内转速是波动的，其转速的波动由瞬时转速来表达，发动机转速中包含各缸的气体压力、外负载、曲轴的转角等大量可供提取的内部状态信息，且转速测取方便。
目前文献对瞬时转速的研究多为如何利用瞬时转速判断气缸的压缩性、扭矩及发动机的工作状态等，总的来说研究得很少。
本文以发动机断缸故障为例，探讨了发动机转速信号小波分析法的可行性。
1实验及怠速信号采集1.1实验过程实验在Volvo B230F型电控发动机（点火顺序为1-3-4-2）上进行，试验数据见表1.1。
试验在怠速下进行，切断第4和第2缸的供油采集转速传感器的正常和异常信号，记录发动机转速、点火提前角、喷油脉宽等参数的变化。
表1.1 实验数据从表1.1可以看出，当发动机两个缸断油时，喷油脉宽增到4.0 ms，油耗和点火提前角不变，发动机转速基本不变，但有不稳现象。
这是因为：断缸后，转速有下降趋势，为了维持怠速工况稳定，电脑指令喷油脉宽由2.6ms增加到4.0ms，保持总供油量不变，故转速基本不变。
但由于供油量变化与转速变化不同步，加之各缸混合气均匀性恶化，故运转出现不稳现象。
1.2小波除噪各状态下的转速波形具有明显的干扰现象，这些干扰与各缸工作程度差异、传感器振动有关，同时干扰对故障特征参数提取有影响，所以去除干扰信号保留状态信息是诊断中的一个重要环节。
