Results 21 to 30 of about 514 (108)
Gaoya dianqi, 2019 弹簧势能的可靠储存是保障断路器后续分合闸操作正确的前提。通过分析控制回路、电机、传动部件和弹簧之间的能量转换和传递关系,提出一种电—振信号熵权特征联合的断路器储能机构故障类型辨识方法。首先利用希尔伯特变换（Hilbert transform）提取储能电机电流信号包络时域特征并计算峭度;然后由局部均值分解（LMD）处理断路器储能过程伴随的振动信号得到乘积函数分量（PF）,并提取PF能量谱频域的盒维数特征;进而采用熵权法对电流和振动信号待分类样本进行剪辑,按照样本信息量和重要性赋予对应的权重 ...
赵书涛 +5 more
doaj
Shiyou jixie, 2014 针对石油井架损伤位置识别问题，提出了基于ITD与排列熵的损伤位置特征提取方法。利用ITD方法将锤击响应振动信号分解为一系列PR分量，PR分量更能突出损伤位置信息，计算PR分量的样本熵值，形成的特征向量可分性良好。依据相关性系数选择代表损伤状态主要信息的PR分量，计算其排列熵形成有效的特征向量。以支持向量机为特征向量模式识别器，对比了ITD与近似熵方法所提取特征向量，对于相同有限数量的样本，ITD与样本熵特征向量明显高于ITD与信息熵特征向量的识别率，验证了ITD样本熵方法的有效性 ...
邹龙庆 +3 more
doaj
He jishu针对核电站松动部件监测系统因噪声导致误报警概率较高的问题，提出了一种基于信号谱熵的报警方法。该方法通过调整松动部件冲击信号能量谱不同频段的权重，对传统谱熵法进行了改进。通过对权重系数进行参数分析，确定了识别松动部件冲击振动信号的最优权重系数。借助钢球试验，研究了背景噪声、脉冲信号等干扰因素对该方法报警准确性的影响。试验结果表明，改进后的谱熵法在信噪比为-5 dB的情况下，仍能显著反映松动部件冲击信号引起的谱熵曲线波动，有效排除松动部件信号典型频段外的噪声与脉冲信号干扰 ...
骈 超 +4 more
doaj +1 more source
Gaoya dianqi, 2022 电缆质量直接影响电网运行的安全与稳定,为了更好地监管电缆质量,辨别优劣供应商,文中提出了一种基于熵权—层次分析融合的电力电缆质量评价方法,充分挖掘抽样检测等监管过程的大量数据,通过试验项目赋值权重和检测等级划分等手段,计算被检产品的质量加权分数,结合数理统计分析方法,实现对合格供应商的供货质量排序。选取了10家合格供应商的500份产品抽检报告,开展了质量分析排名。研究结果提示,该方法能够较好地区分不同合格供应商的质量水平,评价合格供应商产品质量的一致性和持续性 ...
熊汉武 +5 more
doaj
Zhendong Ceshi yu Zhenduan针对薄壁筒切削加工过程中的多频颤振复杂现象，提出一种在线监测声压信号小波包能量相对熵的薄壁筒切削状态识别方法。以不同状态对应主振动频率以及能量分布不同作为颤振依据，首先，通过小波包分解得到切削过程中声压信号能量概率分布；其次，以机床空载时的信号能量概率分布作为参考分布；最后，建立小波包能量分布相对熵指标来监测薄壁筒零件的切削状态。切削振动试验结果表明：随着加工状态的恶化，小波包能量相对熵值明显增大；在主振动频率发生跳跃的位置，相对熵值也会发生突变；相比于传统的频谱监测方法，所提出方法表现出更快的响应速度，
doaj +1 more source
Gaoya dianqi, 2009 二元树复小波变换（DT-CWT）在时域和频域都具有表征信号局部特征的能力,且二元树复小波还具备近似平移不变、多方向选择、完全重构和高效计算等优点。而基于小波的信息熵能反映信号统计分布特征,突出系统信号中短暂的异常信号,达到及早发现可能故障的目的。笔者对4种典型绝缘缺陷产生的局部放电脉冲波形进行二元树复小波分解,将提取每层分解系数上的能量特征和小波能量熵测度作为模式识别的特征量。通过大量的试验获得放电样本,用构建的BP神经网络作为分类器,对4种典型绝缘缺陷产生的局部放电进行了有效识别,结果表明 ...
李新, 任亚英, 彭怡, 张从力
doaj
Gaoya dianqi, 2021 断路器分合闸过程产生的声音信号中含有丰富的信息,文中提出一种基于声学指纹的高压断路器机械故障诊断方法。搭建了声学指纹故障模拟试验实验平台,对某252 kV高压断路器分合闸试验采集声音信号;然后分别基于短时能量、总能量、信息熵和小波包分解等方法分析声学指纹信号并提取特征量,克服了单一类型特征值难以区分故障的问题。结果表明:多种特征量联合分析可实现对高压断路器不同工况的有效辨识,得到了基于声学指纹的高压断路器不同工况机械故障相互区分判据表,并提供了分析示例;对相同工况下不同严重程度故障的特征量及趋势进行分析,
夏小飞 +6 more
doaj
Gaoya dianqi, 2015 利用振动法在线监测配电变压器绕组的状态关键在于如何从振动信号中提取有效的特征。为了更有效地监测与诊断变压器绕组的状态,搭建了某配电变压器多次短路冲击试验及负载试验时的振动信号监测平台,利用总体平均经验模态分解（ensemble empirical mode decomposition,EEMD）对变压器绕组的振动信号进行分析并求解其能量熵值,提出一种基于EEMD能量熵的配电变压器绕组状态监测与故障诊断的方法。实验结果表明,EEMD能够有效地提取配电变压器绕组振动信号的特征 ...
臧状, 陈江波, 李辉, 林莘
doaj
Gaoya dianqi, 2020 核熵成分分析（kernel entropy component analysis,KECA）方法在处理非线性数据集,去除冗余信息方面具有独特的优势。针对电力变压器故障诊断中有效特征提取困难,KECA中核参数选择繁琐以及忽略了样本类别信息等问题,文中提出一种自适应核函数优化学习的监督核熵成分分析特征提取方法,用于电力变压器敏感特征量的提取。首先收集电力变压器不同状态下的样本数据,并结合样本类别信息建立一个依赖数据的核函数 ...
彭丽维, 张彼德, 孔令瑜, 梅婷
doaj
Gaoya dianqi, 2009 为了准确地检测出高压断路器的故障类型,笔者首次将经验模态分解（EMD）方法引入高压断路器的振动信号分析当中,并提出将EMD分解得到的固有模态函数（IMF）能量熵值作为表征断路器故障类型的新特征向量。为了证实该分析方法的有效性,笔者在实验室的110 kV SF6断路器上进行了模拟实验,提取了正常和故障状态下振动信号的IMF能量熵值特征向量,并以此作为径向基神经网络的输入向量。最后,引入置信度的概念,对径向基神经网络的输出结果进行评价。该方法基于实验室研究取得了较好的识别效果 ...
陈伟根, 邓帮飞, 杨彬
doaj