CN109541455A - 一种基于s变换时频谱svd降噪的oltc冲击特性提取方法 - Google Patents
一种基于s变换时频谱svd降噪的oltc冲击特性提取方法 Download PDFInfo
- Publication number
- CN109541455A CN109541455A CN201811462623.5A CN201811462623A CN109541455A CN 109541455 A CN109541455 A CN 109541455A CN 201811462623 A CN201811462623 A CN 201811462623A CN 109541455 A CN109541455 A CN 109541455A
- Authority
- CN
- China
- Prior art keywords
- frequency spectrum
- transformation
- oltc
- time
- noise reduction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 61
- 230000009467 reduction Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 230000003595 spectral effect Effects 0.000 claims abstract description 12
- 230000001133 acceleration Effects 0.000 claims abstract description 10
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000035939 shock Effects 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 9
- 239000004615 ingredient Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000009610 hypersensitivity Effects 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3275—Fault detection or status indication
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,包括以下步骤:(1)通过加速度传感器对有载分接开关OLTC正常状态下的振动信号进行采集;(2)对采集到的振动信号进行S变换,然后进行离散化得到S变换时频谱;(3)基于时频谱得到频谱系数矩阵A,对矩阵A进行奇异值分解,得到矩阵A的各个奇异值;(4)设置一个阈值σth,将奇异值序列Σ中小于或等于σth的奇异值置为零,然后重建S变换时频谱系数矩阵B;(5)对时频谱系数矩阵B进行S逆变换,得到振动信号的时域冲击特征。本发明对分接开关振动信号的冲击特征提取取得了较好的效果。
Description
技术领域
本发明涉及有载分接开关故障诊断技术领域,具体涉及一种基于S变换时频谱SVD降噪的OLTC振动信号处理方法。
背景技术
变压器有载分接开关OLTC作为变压器的核心部件之一,在电力***中发挥着稳定负荷中心电压,调节无功潮流,增加电网调度灵活性等重要作用。在有载分接开关操作过程中,机构零部件之间的碰撞或摩擦会产生振动信号,这些振动信号包含着丰富的设备状态信息。但现场采集到的振动信号往往含有异常数据和各种噪声,会影响振动信号分析的结果。所以在对振动信号分析之前,选择合适的方法对OLTC切换那一瞬间的冲击响应进行提取,有助于对OLTC的故障诊断时发现故障的特征量。
在传统的冲击特向提取处理方法中,针对冲击特征信号的处理,现有的方法主要是利用信号高阶统计量,峭度、偏斜度或者峰态等方法,对冲击成分具有高度敏感性的特点,实现冲击特征的检测。高阶统计量法采用优化目标函数构造盲解卷积滤波器,检测信号中的弱冲击成分,但此方法中滤波器长度的很难确定,限制了其应用。峭度法采用峭度指标和互相关系数相结合的加权峭度指标为优化目标,利用随机共振检测方法提取信号冲击成分,具有一定的可行性,然而对于低信噪比的信号,加权峭度指标存在一定的局限性,且参数优化较为困难,影响检测结果。本发明提出一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,采用直接对噪声混合的冲击特征信号进行降噪,从而提取出冲击成分,这种方式简单直观,针对性强。
发明内容
为解决现有技术中的不足,本发明提供一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,降噪效果好,算法简单,可操作性强。
为了实现上述目标,本发明采用如下技术方案:一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,包括以下步骤:
步骤1:采集有载分接开关OLTC正常状态下的振动信号;
步骤2:对采集到的振动信号进行S变换,然后进行离散化,得到S变换时频谱;
步骤3:基于时频谱得到频谱系数矩阵A,对矩阵A进行奇异值分解,得到矩阵A的各个奇异值;
步骤4:根据矩阵A中的各个奇异值,去除其中的噪音,重新构建S变换时频谱系数矩阵B;
步骤5:对时频谱系数矩阵B进行S逆变换,得到振动信号的时域冲击特征。
本发明进一步包括以下优选方案:
在步骤1中,将加速振动传感器安放在OLTC的顶盖,采集到OLTC切换瞬间的振动信号。
在步骤2中,经过加速振动传感器采集的信号的是噪声混合信号x(t)=s(t)+n(t),s(t)为触头冲击振动信号,n(t)为噪音。根据公式(1)对采集到信号进行S变换,
式中,S(τ,f)表示x(t)的连续S变换,t表示时间,f表示频率,参数τ表示分析窗ω在t轴上位置,分析窗ω在时域定义为高斯窗,即:
式中σ=1/|f|,然后根据公式(3)进行离散化得到S变换时频谱。
式中:T为x(t)的采样间隔,N为x(t)的采样个数,X[]为傅里叶变换,j,n,m=0,1…N-1。
在步骤3中,对S变换时频谱进行奇异分解(SVD)处理,得到其前1000点的奇异值谱,具体步骤如下:
在上一步骤中得到的S变换的时频谱可以看成是一个N×N的秩r≤n的矩阵A,N为连续时间信号x(t)的采样长度。对A进行奇异分解,
A=UDVT (4)
式中U,V可以解出必存在的对称矩阵。
式中:σ1,σ2…σN为A的奇异值,然后将这些奇异值按照递减的顺序排列,即σ1≥σ2≥…≥σN,并令非零奇异值序列为Σ=(σ1,σ2…σr)。从而得到奇异值谱。
在步骤4中,由信号的奇异值谱Σ=(σ1,σ2…σr)求出信号的奇异值差分谱P=(ρ1,ρ2…ρr-1)如图5所示,其中元素
ρi=σi-σi+1,i=1,2,…r-1 (6)
得到奇异值差分谱后,将差分谱最前面部分较为集中的一组峰值点,且其幅值显著大于后续峰值点的幅值的点作为阈值σth所在的位置坐标,将奇异值序列Σ中小于或等于σth的奇异值置为零,然后运用公式(7)重建S变换时频谱系数矩阵B。
B=UD*VT (7)
式中D*是将D中奇异值小于阈值σth的对角矩阵,U,V是上述已求得的矩阵。
在步骤5中,在得到运用SVD降噪后的时频谱系数矩阵B后,如图7所示,运用公式(8)进行S变换的逆运算,得到振动信号的时域冲击特征。
式中:N为x(t)的采样个数,T为x(t)的采样间隔,j,n,=0,1…N-1。
本发明所达到的有益效果:
(1)本发明相较于传统冲击特征提取方法,具备多分辨率特性,对于信号中的高频冲击成分具有较高敏感性,满足线性叠加原理,不存在交叉项的干扰,适合于处理与分析非平稳信号,尤其像OLTC冲击特征信号;
(2)基于S变换时频谱SVD降噪的OLTC冲击特征提取方法是一种新方法,其简单直观、针对性强、易于实现。作为最重要信息的冲击特征出现频率,可以完全有效地提取出来。
(3)经实验数据分析可知,本发明可以对信号的低频部分与高频部分都能取得较好地降噪效果。
附图说明
图1为本发明的流程图。
图2为采集到振动信号原始图。
图3为经S变换得到时频谱图。
图4为奇异值谱图。
图5为奇异值差分谱图。
图6为阈值σth所在的位置坐标图。
图7为重建S变换时频谱系数图。
图8为S逆变换得到的冲击特征图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
本发明提供了一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,具体流程见图1,所述方法包括以下步骤:
步骤1:采集有载分接开关OLTC正常状态下的振动信号;
步骤2:对采集到的振动信号进行S变换,然后进行离散化,得到S变换时频谱;
步骤3:基于时频谱得到频谱系数矩阵A,对矩阵A进行奇异值分解,得到矩阵A的各个奇异值;
步骤4:根据矩阵A中的各个奇异值,去除其中的噪音,重新构建S变换时频谱系数矩阵B;
步骤5:对时频谱系数矩阵B进行S逆变换,得到振动信号的时域冲击特征。
下面以M型有载分解开关作为研究对象,使用型号为JF2020的振动加速度传感器和Nicolet数据采集仪对OLTC切换过程中的振动信号进行采集,结合本发明的流程图1,对本发明的提取方法作进一步详细说明。
在步骤1中,OLTC动作时在切换的一瞬间,振动信号有两种传播途径:触头→连接杆→OLTC顶盖或者触头→OLTC油→变压器油→变压器油箱侧壁。顶端的刚性好有利于振动信号的传输,因此加速振动传感器安放在OLTC的顶盖,采集到的振动信号如图2所示。
在步骤2中,经过加速振动传感器采集的信号的是噪声混合信号x(t)=s(t)+n(t),s(t)为触头冲击振动信号,n(t)为噪音。根据公式(1)对采集到信号进行S变换,
式中,S(τ,f)表示x(t)的连续S变换,t表示时间,f表示频率,参数τ表示分析窗ω在t轴上位置,分析窗ω在时域定义为高斯窗,即:
式中σ=1/|f|,然后根据公式(3)进行离散化得到S变换时频谱,如图3所示。
式中:T为x(t)的采样间隔,N为x(t)的采样个数,X[]为傅里叶变换,j,n,m=0,1…N-1。
在步骤3中,对S变换时频谱进行SVD处理,得到其前1000点的奇异值谱具体步骤如下:
在上一步骤中得到的S变换的时频谱可以看成是一个N×N的秩r≤n的矩阵A,N为连续时间信号x(t)的采样长度。对A进行奇异分解,
A=UDVT (4)
式中U,V可以解出必存在的对称矩阵。
式中:σ1,σ2…σN为A的奇异值,然后将这些奇异值按照递减的顺序排列,即σ1≥σ2≥…≥σN,并令非零奇异值序列为Σ=(σ1,σ2…σr)。从而得到奇异值谱,如图4所示,若A是由信号和噪声共同组成的矩阵,那么矩阵A的奇异值σ1,σ2…σN可以反映信号和噪声能量集中的情况。如果将σ1,σ2…σN按照递减的顺序排列起来,即σ1≥σ2≥…≥σi≥…≥σr≥0,那么,前i个较大的奇异值将主要反映信号,较小的奇异值σi+1,…,σr则主要反映噪声,把这部分反映噪声的奇异值置零,就可以去除信号中的噪声。
在步骤4中,由信号的奇异值谱Σ=(σ1,σ2…σr)求出信号的奇异值差分谱P=(ρ1,ρ2…ρr-1)如图5所示,其中元素
ρi=σi-σi+1,i=1,2,…r-1 (6)
得到奇异值差分谱后,将差分谱最前面部分较为集中的一组峰值点,且其幅值显著大于后续峰值点的幅值的点作为阈值σth所在的位置坐标,如图6所示。即将σ3650作为阈值,将奇异值序列Σ中小于或等于σ3650的奇异值置为零,然后运用公式(7)重建S变换时频谱系数矩阵B。
B=UD*VT (7)
式中D*是将D中奇异值小于等于阈值σ3650全部置0后的对角矩阵,U,V是上述已求得的矩阵。
在步骤5中,在得到运用SVD降噪后的时频谱系数矩阵B后,如图7所示,运用公式(8)进行S变换的逆运算,得到振动信号的时域冲击特征,如图8所示。
式中:N为x(t)的采样个数,T为x(t)的采样间隔,j,n,=0,1…N-1。
最后利用判断信噪比的判据公式(9)来计算信噪比
式中:x(i)为原始信号,z(i)为降噪后的信号,带入原始信号与降噪后的信号的均方根误差RMSE越小,则降噪后的信号就越接近于原始信号,降噪效果越好。把前面步骤采集到的原始数据和求得的降噪后的信号带入公式(9)得到RMSE=0.6841。一般而言,0≤RMSE≤1,降噪效果好;1<RMSE≤10,降噪效果一般;10<RMSE,基本无降噪效果。根据计算得到的RMSE=0.6841,说明降噪效果好,利用本发明提取的冲击特征量效果很好。
以上所述仅为本发明的一种实施案例,应当指出,对于本技术领域的普通技术人员来说,在不脱离发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (11)
1.一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征在于:包括以下步骤:
步骤1:采集有载分接开关OLTC正常状态下的振动信号;
步骤2:对采集到的振动信号进行S变换,然后进行离散化,得到S变换时频谱;
步骤3:基于时频谱得到频谱系数矩阵A,对矩阵A进行奇异值分解,得到矩阵A的各个奇异值;
步骤4:根据矩阵A中的各个奇异值,去除其中的噪音,重新构建S变换时频谱系数矩阵B;
步骤5:对时频谱系数矩阵B进行S逆变换,得到振动信号的时域冲击特征。
2.根据权利要求1所述的一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征是:其中在步骤1中,通过加速度传感器对有载分接开关OLTC正常状态下的振动信号进行采集。
3.根据权利要求2所述的一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征是:其中在步骤1中,将加速传感器安放在有载分接开关OLTC的顶盖。
4.根据权利要求1所述的一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征是:其中在步骤2中,经过加速振动传感器采集的信号的是噪声混合信号x(t)=s(t)+n(t),s(t)为触头冲击振动信号,n(t)为噪音,根据公式(1)对采集到信号进行S变换,
式中,S(τ,f)表示x(t)的连续S变换,t表示时间,f表示频率,参数τ表示分析窗ω在t轴上位置,分析窗ω在时域定义为高斯窗,即:
式中σ=1/|f|。
5.根据权利要求4所述的一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征是:其中在步骤2中,对采集到的信号进行S变换后,根据公式(3)进行离散化得到S变换时频谱:
式中:T为x(t)的采样间隔,N为x(t)的采样个数,X[]为傅里叶变换,j,n,m=0,1…N-1。
6.根据权利要求1所述的一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征是:其中步骤3中,对S变换时频谱进行SVD处理,得到其前1000点的奇异值谱,具体步骤如下:
在上一步骤中得到的S变换的时频谱可以看成是一个N×N的秩r≤n的矩阵A,N为连续时间信号x(t)的采样长度,对A进行奇异分解,
A=UDVT (4)
式中U,V可以解出必存在的对称矩阵;
式中:σ1,σ2…σN为A的奇异值,然后将这些奇异值按照递减的顺序排列,即σ1≥σ2≥…≥σN,并令非零奇异值序列为Σ=(σ1,σ2…σr),从而得到奇异值谱。
7.根据权利要求1所述的一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征是:其中步骤4具体包括:设置一个阈值σth,将奇异值序列Σ中小于或等于σth的奇异值置为零,然后重建S变换时频谱系数矩阵B。
8.根据权利要求7所述的一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征是:由信号的奇异值谱Σ=(σ1,σ2…σr)求出信号的奇异值差分谱P=(ρ1,ρ2…ρr-1),其中元素
ρi=σi-σi+1,i=1,2,…r-1 (6)
得到奇异值差分谱后,将差分谱最前面部分较为集中的一组峰值点,且其幅值显著大于后续峰值点的幅值的点作为阈值σth所在的位置坐标,将奇异值序列Σ中小于或等于σth的奇异值置为零,然后运用公式(7)重建S变换时频谱系数矩阵B:
B=UD*VT (7)
式中D*是将D中奇异值小于阈值σth的对角矩阵,U,V是上述已求得的矩阵。
9.根据权利要求1所述的一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征是:其中步骤5中,在得到运用SVD降噪后的时频谱系数矩阵B后,运用公式(8)进行S变换的逆运算,得到振动信号的时域冲击特征:
式中:N为x(t)的采样个数,,T为x(t)的采样间隔,j,n,=0,1…N-1。
10.根据权利要求1所述的一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征是:其中有载分接开关OLTC包括但不限于M型有载分接开关。
11.根据权利要求1所述的一种基于S变换时频谱SVD降噪的OLTC冲击特性提取方法,其特征是:其中加速度传感器包括但不限于振动加速度传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811462623.5A CN109541455A (zh) | 2018-12-03 | 2018-12-03 | 一种基于s变换时频谱svd降噪的oltc冲击特性提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811462623.5A CN109541455A (zh) | 2018-12-03 | 2018-12-03 | 一种基于s变换时频谱svd降噪的oltc冲击特性提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109541455A true CN109541455A (zh) | 2019-03-29 |
Family
ID=65852310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811462623.5A Pending CN109541455A (zh) | 2018-12-03 | 2018-12-03 | 一种基于s变换时频谱svd降噪的oltc冲击特性提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109541455A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503060A (zh) * | 2019-08-28 | 2019-11-26 | 中南大学 | 一种光谱信号去噪方法及其*** |
CN110646203A (zh) * | 2019-08-23 | 2020-01-03 | 中国地质大学(武汉) | 基于奇异值分解和自编码器的轴承故障特征提取方法 |
CN110826017A (zh) * | 2019-09-25 | 2020-02-21 | 中国地质大学(武汉) | 一种基于参数优化Hankel矩阵和奇异值分解的信号去噪方法 |
CN111308285A (zh) * | 2020-03-03 | 2020-06-19 | 西南交通大学 | 一种窄带干扰降噪方法 |
CN112464811A (zh) * | 2020-11-26 | 2021-03-09 | 淮阴工学院 | 一种抽水蓄能机组振摆信号中高频随机噪声精准滤除方法 |
CN113640660A (zh) * | 2021-08-05 | 2021-11-12 | 国网江苏省电力有限公司电力科学研究院 | 一种有载分接开关振动信号的降噪方法及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103190898A (zh) * | 2013-04-23 | 2013-07-10 | 何怡刚 | 心磁信号噪声自适应滤波消除设计方法 |
EP2472274A3 (en) * | 2010-12-30 | 2013-12-04 | Elesys Inc. | Apparatus and method for evaluating health of a tap changer |
CN105527618A (zh) * | 2016-02-26 | 2016-04-27 | 中国矿业大学(北京) | 一种探地雷达地埋目标有效信号增强方法 |
KR101652835B1 (ko) * | 2016-01-18 | 2016-09-01 | 주식회사프로컴시스템 | Oltc탭 선택기 접속부 소손 감시장치 |
CN106324490A (zh) * | 2016-08-03 | 2017-01-11 | 国网天津市电力公司 | 变压器有载分接开关机械故障诊断方法 |
CN108491608A (zh) * | 2018-03-06 | 2018-09-04 | 大连理工大学 | 传感器数量不完备时结构模态识别的稀疏分量分析方法 |
CN108535638A (zh) * | 2018-01-25 | 2018-09-14 | 国网浙江省电力有限公司电力科学研究院 | 基于多层滤波器的有载分接开关机械状态监测方法及*** |
-
2018
- 2018-12-03 CN CN201811462623.5A patent/CN109541455A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2472274A3 (en) * | 2010-12-30 | 2013-12-04 | Elesys Inc. | Apparatus and method for evaluating health of a tap changer |
CN103190898A (zh) * | 2013-04-23 | 2013-07-10 | 何怡刚 | 心磁信号噪声自适应滤波消除设计方法 |
KR101652835B1 (ko) * | 2016-01-18 | 2016-09-01 | 주식회사프로컴시스템 | Oltc탭 선택기 접속부 소손 감시장치 |
CN105527618A (zh) * | 2016-02-26 | 2016-04-27 | 中国矿业大学(北京) | 一种探地雷达地埋目标有效信号增强方法 |
CN106324490A (zh) * | 2016-08-03 | 2017-01-11 | 国网天津市电力公司 | 变压器有载分接开关机械故障诊断方法 |
CN108535638A (zh) * | 2018-01-25 | 2018-09-14 | 国网浙江省电力有限公司电力科学研究院 | 基于多层滤波器的有载分接开关机械状态监测方法及*** |
CN108491608A (zh) * | 2018-03-06 | 2018-09-04 | 大连理工大学 | 传感器数量不完备时结构模态识别的稀疏分量分析方法 |
Non-Patent Citations (2)
Title |
---|
朱怡 等: "广义S变换时频谱SVD降噪的滚动轴承故障冲击特征提取方法", 《轴承》 * |
郭远晶 等: "S变换时频谱SVD降噪的冲击特征提取方法", 《振动工程学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110646203A (zh) * | 2019-08-23 | 2020-01-03 | 中国地质大学(武汉) | 基于奇异值分解和自编码器的轴承故障特征提取方法 |
CN110503060A (zh) * | 2019-08-28 | 2019-11-26 | 中南大学 | 一种光谱信号去噪方法及其*** |
CN110826017A (zh) * | 2019-09-25 | 2020-02-21 | 中国地质大学(武汉) | 一种基于参数优化Hankel矩阵和奇异值分解的信号去噪方法 |
CN111308285A (zh) * | 2020-03-03 | 2020-06-19 | 西南交通大学 | 一种窄带干扰降噪方法 |
CN111308285B (zh) * | 2020-03-03 | 2021-04-13 | 西南交通大学 | 一种窄带干扰降噪方法 |
CN112464811A (zh) * | 2020-11-26 | 2021-03-09 | 淮阴工学院 | 一种抽水蓄能机组振摆信号中高频随机噪声精准滤除方法 |
CN113640660A (zh) * | 2021-08-05 | 2021-11-12 | 国网江苏省电力有限公司电力科学研究院 | 一种有载分接开关振动信号的降噪方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109541455A (zh) | 一种基于s变换时频谱svd降噪的oltc冲击特性提取方法 | |
CN104655423B (zh) | 一种基于时频域多维振动特征融合的滚动轴承故障诊断方法 | |
KR102037195B1 (ko) | 음성 검측 방법, 장치 및 기억 매체 | |
CN108229382A (zh) | 振动信号特征提取方法、装置、存储介质和计算机设备 | |
CN109270441B (zh) | 基于振动信号的高压断路器分闸特性参数在线检测方法 | |
CN108535636A (zh) | 一种模拟电路基于参数随机分布邻近嵌入胜者为王的故障特征提取方法 | |
CN104545887A (zh) | 伪差心电波形识别方法和装置 | |
CN106404399B (zh) | 基于自适应冗余提升小波包分解树的轴承故障诊断方法 | |
CN112729381B (zh) | 一种基于神经网络的高压断路器的故障诊断方法 | |
CN105701470A (zh) | 一种基于最优小波包分解的模拟电路故障特征提取方法 | |
CN109932053B (zh) | 一种用于高压并联电抗器的状态监测装置及方法 | |
Hu et al. | Compound fault diagnosis of rolling bearings based on improved tunable Q-factor wavelet transform | |
CN109506938A (zh) | 基于改进小波包阈值去噪与局部均值分解的故障提取方法 | |
CN109738056A (zh) | 一种有载分接开关机械状态信号特征提取方法 | |
CN107153155A (zh) | 一种电缆局部放电信号特征向量提取方法 | |
Koley et al. | Wavelet-aided SVM tool for impulse fault identification in transformers | |
CN109800740A (zh) | 一种基于样本熵和svm的oltc机械故障诊断方法 | |
CN110647871A (zh) | 一种基于时域特量增强的滚动轴承故障诊断方法及*** | |
Zhang et al. | A novel compound fault diagnosis method using intrinsic component filtering | |
CN111562597A (zh) | 一种基于bp神经网络的北斗卫星导航干扰源识别方法 | |
CN110207974A (zh) | 基于振动信号时频能量分布特征的断路器故障识别方法 | |
CN109058089A (zh) | 一种基于声发射信号的真空泵过载故障检测的方法 | |
CN105893690B (zh) | 基于周期势***自适应随机共振的微弱特征信息提取方法 | |
CN104473635A (zh) | 混合小波和共同空间模式的左右手运动想象脑电信号特征提取方法 | |
CN104655914A (zh) | Gis设备干扰信号和局部放电信号的检测方法与装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190329 |
|
RJ01 | Rejection of invention patent application after publication |