公共文化服务平台

搜索到102篇“ 小波奇异熵“的相关文章

一种基于小波奇异熵的电压暂降源定位方法: 本发明涉及一种基于小波奇异熵的电压暂降源定位方法，包括以下步骤：对应电网上下游节点间隔设置监测装置，电压暂降事件发生后，读取各监测装置上的电路数据；通过各节点电压暂降时和暂降后的电路数据，获取各节点各时刻的加权瞬时功率；...; 林焱林芳黄毅标杨朝赟傅智为谢佩熹方晓玲张衍黄杰林智敏郭凯徐方维张培新

一种基于小波奇异熵的有源配电网故障辨识方法: 本发明提出一种基于小波奇异熵的有源配电网故障辨识方法：首先利用采样得到的三相电流数据构造故障辨识算法的启动判据，故障辨识算法启动后，利用中位原点矩滤波算法对采样得到的三相电流数组进行滤波处理；然后利用滤波后得到的故障三相...; 陈灵翟博龙黄见虹宋福海吕庭钦林美华林叶青余定文童纯洁吴晨阳叶雷郑益琴郑南章郭健生邱碧丹

基于扰动功率小波奇异熵的电压暂降源定位被引量：7: 2022年; 针对现行的电压暂降源定位方法在含有变压器以及复杂电网结构场景下准确度较低的问题,提出一种基于扰动功率小波奇异熵的电压暂降源定位法。首先,基于电能质量监测仪采集到电压电流波形数据计算得到瞬时有功和无功功率,获得加权瞬时扰动有功功率和无功功率;然后,通过小波变换,奇异值分解,结合信息熵原理得到扰动功率的小波奇异熵值,由小波奇异熵值的大小来确定电压暂降扰动源的相对位置;最后,仿真和实例分析证明了所提方法的有效性和准确性。; 张培新徐方维龙晨瑞郑鸿儒徐琳; 关键词：小波奇异熵电压暂降扰动功率

小波奇异熵改进SOM神经网络在道岔故障诊断中的应用被引量：2: 2022年; 随着轨道交通技术的快速发展和智能算法的应用,用微机监测和人工处理的方法对道岔进行故障诊断存在效率低、及时性不够、准确性不足等问题,文章用 Meyer 小波分解原始数据,实现特征数据的选择和提取,再计算出相应的小波奇异熵作为神经网络的输入向量,加入训练数据到改进型的 SOM 神经网络中,从而实现对S700K 型转辙机的道岔故障诊断。通过提取 8 种典型的故障类型,在 MATLAB 中建立相应的模型并进行仿真,和目前普遍应用的 K-means 和 FCM 聚类算法进行时间和准确率方面的比较。仿真结果表明,在道岔故障诊断中,基于小波奇异熵和 SOM 神经网络的算法在时间和准确率方面具有明显优势。; 秦小虎; 关键词：轨道交通道岔故障诊断小波奇异熵 SOM

基于小波奇异熵和BP神经网络的电力电缆故障识别方法: 本发明涉及一种基于小波奇异熵和BP神经网络的电力电缆故障识别方法，包括S1、采集不同故障电缆的原始故障信号，建立样本库；S2、对S1获得的样本库的数据进行预处理；S3、构建基于小波奇异熵的故障特征量提取模型，并构建训练集...; 朱晓中张勇王瑞刚赵嘉兴杨海飞万庆祝闫旭阳李伊梦郑帅袁润娇; 文献传递

一种基于小波奇异熵的电压暂降源定位方法: 本发明涉及一种基于小波奇异熵的电压暂降源定位方法，包括以下步骤：对应电网上下游节点间隔设置监测装置，电压暂降事件发生后，读取各监测装置上的电路数据；通过各节点电压暂降时和暂降后的电路数据，获取各节点各时刻的加权瞬时功率；...; 林焱林芳黄毅标杨朝赟傅智为谢佩熹方晓玲张衍黄杰林智敏郭凯徐方维张培新

一种小波奇异熵在堆垛机周期性故障检测的应用方法: 本发明公开了一种小波奇异熵在堆垛机周期性故障检测的应用方法。本发明首先利用小波变换把堆垛机的信号进行小波变换得到不同小波尺度下的小波系数(不同的小波尺度对应不同的小波频段)，将小波系数组成小波系数矩阵；然后进行奇异值分解...; 马亚彬疏奇奇张宏生王健刘洪亮; 文献传递

一种基于小波奇异熵的心音特征提取方法: 本发明公布了一种基于小波奇异熵的心音特征提取方法，它涉及一种心音信号的处理方法。本发明心音信号采样频率为8000Hz；利用希尔伯特—黄变换（HHT）提取心音包络，然后再基于心音包络进行分段从而得到一段完整的心音信号，既包...; 张鲁杨星海; 文献传递

输电线路故障层次化变步长Tsallis小波奇异熵诊断方法被引量：10: 2017年; 为提高熵方法输电线路故障信号时-频域的特征提取能力,提出层次化变步长Tsallis小波奇异熵(Tsallis Wavelet Singular Entropy,TWSE)方法用于电力系统故障诊断。首先,对采集到的电压信号进行小波分解与单支重构,构建时-频矩阵;之后,将奇异值分解与Tsallis熵理论相结合,对该时-频矩阵求滑动步长为1的Tsallis奇异熵,确定故障发生时刻;然后,对故障发生后1周期内的三相电压重构系数求滑动步长为1/4周期的TWSE,构建用于故障诊断的特征向量;最后,将TWSE特征向量输入到极限学习机(Extremly Learning Machine,ELM)分类器中,实现输电线路故障诊断。仿真结果表明,新方法具有更好的故障暂态信号特征表现能力,且分类结果不受故障时间、过渡电阻和故障位置等因素影响,相较基于小波奇异熵的线路故障诊断方法具有更好的诊断效果。; 黄南天李富青王文婷于志勇聂永辉; 关键词：TSALLIS熵

基于小波奇异熵与SOFM神经网络的电机轴承故障识别被引量：14: 2017年; 提出一种用小波奇异熵(WSE)和自组织特征映射(SOFM)神经网络进行电机轴承故障识别的建模方法。首先通过对电机驱动端和风扇端采集的故障振动信号的小波奇异熵的计算和比较来识别故障轴承的端位;在此基础上以故障端信号的小波包分解底层各结点能量为特征向量输入建立自组织特征映射神经网络模型来识别故障轴承内部的具体点蚀破坏位置。小波奇异熵和SOFM神经网络的结合实现了故障轴承端位及其内部点蚀位置的联合识别。分别对含有内外圈和滚动体点蚀故障的轴承进行建模和识别试验,结果表明:该模型可以有效地识别电机故障轴承的端位及其内部点蚀破坏位置;与传统支持向量机和BP神经网络识别模型相比,该模型故障识别准确率更高,识别稳定性更好,更适宜于故障识别这样的多分类问题。; 贺岩松黄毅徐中明张志飞; 关键词：小波包分解小波奇异熵自组织特征映射故障识别

相关作者