基于小波去噪与经验模态分解的混合储能容量优化配置

针对风电出力并网困难的问题,提出采用混合储能系统平抑风电输出功率波动.首先,采用小波分析对风电输出功率信号进行小波去噪;其次采用经验模态分解对去噪后的功率信号进行分解;然后将储能系统内部功率指令划分与系统容量配置相结合,以储能系统容量配置成本最小为目标,建立混合储能容量优化模型,通过穷举对不同分界点所对应的系容量配置成...     

基于小波神经网络的地铁基坑地表沉降随机预测

通过南通地铁软土层基坑降水模型试验发现,降水引发的基坑地表沉降随着监测点距基坑支护桩距离的增大而减少,工程中距离支护桩越远,沉降量越小.在不同的监测点沉降量的监测值与公式计算值总体变化规律相似,但受降水因素、施工扰动和地下多变的岩土环境等影响,存在一定的随机性.利用权值参数对小波神经网络的激励和输出函数进行修正,利用梯度下降的方法对伸缩和平移参数进行优化.在此基础上,以水位降深、土层的压缩模量、厚度、固结度和监测点方位为输入参数,基坑总沉降量为输出参数建立改进后的随机小波网络基坑地表沉降预测模型.工程实例表明,改进后的随机小波网络模型能使基坑地表沉降预测值较好地拟合工程实测值,误差均小于±8％,相比传统公式的计算值更具合理性.     

德国基于惯性测量的轨道缺陷检测模拟研究

为准确快捷地检测轨道缺陷、保障铁路安全运营,德国斯图加特大学铁路和运输研究所创建车辆-轨道模型,模拟多种不同程度的轨道缺陷状态,并在模型车辆上搭载集成惯性测量系统以同时测量三轴加速度和陀螺仪角速度,然后利用连续小波变换和袋装决策树算法对测量结果进行分析,从而显著提高轨道缺陷检测的精度。文章将对该模型及相关研究进行介绍。     

基于BP神经网络的转辙机故障检测方法

为提高城市轨道交通中ZDJ9型转辙机故障维修效率,提出基于反向传播（BP,Back Propagation）神经网络的转辙机故障检测方法。文章深入分析转辙机动作电流采集原理及现场转辙机转换过程中不同阶段电流曲线特征,确定故障电流曲线种类;对转辙机转换过程中动作电流曲线进行小波分解与重构,对重构后的曲线进行关键特征值提取,将其作为基于BP神经网络的故障检测模型训练数据,最终经过8 000次迭代训练后,故障检测模型的故障检测准确率达到96%,表明该方法能够有效检测转辙机故障及其故障类型。     

小波包和SVM在发动机故障诊断中的应用

针对发动机的故障特点,提出了一种基于小波包和支持向量机(SVM)的发动机故障诊断方法。利用信号能量在小波包空间的分布特性,采用基于能量的自适应去噪方法,提取反映故障的特征向量,并基于SVM理论构建了针对发动机的多故障分类器。试验结果表明,该方法具有故障分类与识别能力。     

桥梁健康监测中车辆荷载应变的实时分离

通过对桥梁健康监测中不同应力数据处理方法的对比分析,提出采用分段小波分析的方法进行车辆荷载应变效应的实时分离,能够满足实际工程需要,通过对车辆荷载产生应变进行统计分析,确定相应的预警阈值,从而可实时判断结构的受力状况,保障大桥的受力安全。     

基于小波变换的高速列车表面脉动压力提取

高速列车表面压力测试过程中,为了克服微型压阻式气压传感器测试的脉动压力信噪比低的缺点,有效提取出脉动压力,建立了传感器输出模型;利用相关系数法确定分解层数,根据3原则计算分层阈值,提出一种小波变换阈值去噪方法.用该方法对CRH(China railway high-speed)某型动车组静态测试信号进行去噪处理;并进行200 km/h动车组表面压力测试信号脉动压力的提取,建立了脉动压力功率谱模型.研究结果表明:该方法能有效提取出列车表面脉动压力,测点处脉动压力的幅值在20 Pa范围内时刻波动,频率主要集中在0~200 Hz;建立的脉动压力功率谱模型为列车减振和降噪提供理论指导.      

基于小波变换和模态声发射的管道中导波传播特性的试验研究

基于小波变换和模态声发射理论,通过模态声发射试验的方法确定了管道中导波传播的频散特性。通过分析声发射信号的Gabor小波变换幅度在时频空间分布特点,确定某一频率下某一模态导波到达传感器的时间,从而确定该频率下该模态导波的群速度,进而确定其频散曲线。试验确定管道中频散曲线与理论计算曲线较好吻合,证明小波变换是分析频散波时频特性的有效工具。     

基于缸盖振动信号分析的柴油机失火故障检测

用小波软阈值降噪的方法提高了柴油机缸盖振动信号的信噪比。对降噪后的振动信号进行了功率谱分 析,通过比较单缸断油前后功率谱的变化,找到了缸盖燃烧冲击振动的频段。以频段内振动信号的能量与总能量 的比值为诊断参数,识别了柴油机的失火故障。用实测数据证明了该方法的有效性。     

船舶电磁兼容测试技术

分析了由电气设备静电放电引起的电磁干扰机理,并利用小波分析的多分辨特性,对叠加噪声后的电磁干扰信号进行了时频分解,准确判断出放电干扰发生的时刻,提取了放电信号,从而完成了对静电放电的电磁兼容分析,为进一步抑制干扰源提供了依据.