-
公开(公告)号：CN112305380A
公开(公告)日：2021-02-02
申请号：CN202010902975.9
申请日：2020-09-01
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于S变换与谱峭度的局部放电白噪声抑制方法，步骤如下：输入染噪信号h(j)；对h(j)进行S变换，得到时频矩阵A；对A进行奇异值分解，求取该奇异值的差分谱并初步确定局部放电信号的有效阶次p；取前p个奇异值进行信号重构得到时频矩阵A*并进行S逆变换，得到疑似PD信号y(z)发生的各个时间段范围[tl1,tl2](l＝1,2,...,p)，利用谱峭度算法进一步确定信号的真实有效阶次p*；根据有效阶次p*进行奇异值重构得到时频矩阵C，对C进行S逆变换，得到去噪后局部放电信号g(j)。本发明利用S变换时频矩阵作为奇异值分解的轨迹矩阵时，利用谱峭度算法可简便确定重构局部放电信号的有效奇异值个数，克服了传统分解法难以确定奇异值有效阶次的缺陷，经过本文方法能够很好去除白噪声。
-
公开(公告)号：CN109975665B
公开(公告)日：2020-06-19
申请号：CN201910223196.3
申请日：2019-03-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种电力设备局部放电信号放电类型识别方法，该方法包括以下步骤：S1、获取已知类型的局部放电时域波形，建立局部放电类型指纹库；S2、运用小波包对局部放电信号进行去噪预处理；S3、对局部放电信号进行S变换，得到时频矩阵A；S4、对局部放电信号进行谱峭度分解，提取出时频矩阵B；S5、对时频矩阵B进行奇异值分解，选取合适的奇异值个数，并归一化奇异值作为特征向量；S6、将训练样本的特征向量作为遗传算法优化的概率神经网络输入，训练得到最优概率神经网络结构；S7、将检验样本特征向量输入最优概率神经网络结构，得到局部放电信号类型。本发明公开的方法识别速度快，识别精度高。
-
公开(公告)号：CN109975665A
公开(公告)日：2019-07-05
申请号：CN201910223196.3
申请日：2019-03-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种电力设备局部放电信号放电类型识别方法，该方法包括以下步骤：S1、获取已知类型的局部放电时域波形，建立局部放电类型指纹库；S2、运用小波包对局部放电信号进行去噪预处理；S3、对局部放电信号进行S变换，得到时频矩阵A；S4、对局部放电信号进行谱峭度分解，提取出时频矩阵B；S5、对时频矩阵B进行奇异值分解，选取合适的奇异值个数，并归一化奇异值作为特征向量；S6、将训练样本的特征向量作为遗传算法优化的概率神经网络输入，训练得到最优概率神经网络结构；S7、将检验样本特征向量输入最优概率神经网络结构，得到局部放电信号类型。本发明公开的方法识别速度快，识别精度高。
-
-
Search Results
3
records
(took 0.015 seconds)
