Power System Transients Analysis by Wavelet Transforms

In contrast to Fourier transform,wavelet transform is especially suitable for transient analysis because of its time-frequency characteristics with automatically-adjusted window lengths.Research shows that wavelet transform is one of the most powerful tools for power system transient analysis.The basic ideas of wavelet transform are presented in the paper together with several power system applications,It is clear that wavelet transform has some clear advantages over other transforms in detecting.analyzing,and identifying various types of power system transients.     

基于子波变换的SAR图像边缘提取研究

SAR图像的边缘提取是其图像处理的一项重要内容。将子波变换应用到SAR图像的边缘提取，通过提取子波变换局部极大模来提取图像边缘。仿真实例表明该方法取得的边缘清晰准确，具有一定的先进性。     

基于曲波变换的高铁绝缘子状态检测方法

针对高铁接触网绝缘子破损的不良状态图像检测问题,提出一种利用曲波变换的绝缘子不良状态定位检测方法。先通过Radon变换实现绝缘子角度的确定,接着运用曲波变换对系数矩阵进行统计处理,最后实现绝缘子的角度调整、定位和破损情况判断。该方法能够精确定位绝缘子,并给出不良状态的判断,可以为工程应用提供技术参考。     

基于改进Radon变换的直线钢轨识别算法

针对传统Radon变换在直线轨道检测方面速度慢且不能从众多边缘直线中识别出钢轨,提出基于改进Radon变换的直线轨道识别算法。首先,通过阈值筛选的边缘点;其次,利用先验知识,建立极角约束域;然后通过Radon变换提取所有直线,再利用直线角度差和直线平均距离筛选出钢轨边缘直线;最后将本文算法与传统Hough变换算法和传统Radon变换算法的比较,实验结果显示本文算法能精准识别出钢轨,且速度更快。     

一种低信噪比环境下的基音检测方法

噪声是低信噪比环境下影响基音检测准确率的主要因素之一,为此提出一种基于形态学滤波和小波变换相结合的基音检测方法。该方法首先用形态学滤波器滤除噪声,突出基音。然后在小波域利用Teager能量算子区分清、浊音,通过浊音小波系数模的极大值提取基音。实验结果表明,在信噪比较小时该方法也能准确地检测出语音信号的基音,与传统的基音检测方法相比,该方法有较强的抗噪性。     

交直流转换场牵引供电系统技术研究

新建水曹铁路(AC25kV)与既有卑水线(DC1650V)在木厂口站接轨,本文以"如何实现2种制式供电系统的安全可靠转换"为目的,借鉴国外经验,结合工程实际,研究在木厂口车站设计"交直流转换场"牵引供电系统技术方案及操作程序。     

Haar小波变换在变速器齿轮故障诊断中的应用

推导和证明了Haar小波连续小波变换时间和尺度的周期性，指出这种周期性可以提取出信号中的周期成分，并且使谐波和冲击信号在时间-尺度域中有不同的图形特征。因此根据这些特性可以识别齿轮裂纹产生的冲击和刚度变化，仿真和汽车变速器齿轮故障分析验证了Haar小波变换的有效性和实用性。     

傅立叶变换在柴油机瞬态转速计算中的应用研究

介绍了一种计算瞬态转速的方法,原理是通过对曲轴转速波动信号进行傅立叶变换,在频谱中获取缺齿出现的频率,以此来换算出转速。在YC6112ZLQ柴油机上进行了实机试验,计算值与实测值比较的结果表明,此方法计算发动机瞬态转速准确而有效。     

短时交通流预测方法比较

短时交通流预测是实现交通流诱导的关键技术之一。短时交通流因为其不确定性等特点而使其预测很复杂。通过实地调查获取的交通流量数据,分别采用移动平均法、指数平滑法、AR模型法3种交通流预测方法进行短时交通流量预测,并通过不同的评价指标对上述3种方法的预测效果进行评价,得出AR模型方法的预测效果优于其他2种方法。     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。