CN104198205A - 一种水下机器人多普勒故障随机共振检测装置及检测方法 - Google Patents
一种水下机器人多普勒故障随机共振检测装置及检测方法 Download PDFInfo
- Publication number
- CN104198205A CN104198205A CN201410452832.7A CN201410452832A CN104198205A CN 104198205 A CN104198205 A CN 104198205A CN 201410452832 A CN201410452832 A CN 201410452832A CN 104198205 A CN104198205 A CN 104198205A
- Authority
- CN
- China
- Prior art keywords
- fault
- resistance
- doppler
- communication module
- underwater robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 18
- 238000012360 testing method Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000005764 inhibitory process Effects 0.000 description 4
- 238000010183 spectrum analysis Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本发明的目的在于提供一种水下机器人多普勒故障随机共振检测装置及检测方法,检测装置包括安装于水下机器人电子舱内的PC104模块化系统、第一通讯模块、随机共振装置、故障特征提取装置以及安装在陆地上的第二通讯模块和检测结果显示装置,PC104模块化系统分别与第一通讯模块、随机共振装置和故障特征提取装置的输出端相连,故障特征提取装置的输入端与随机共振装置相连,第二通讯模块的输入端与第一通讯模块相连,检测结果显示装置与第二通讯模块相连。本发明在抑制水下机器人多普勒传感器信号中所含外部随机干扰的同时,增强故障信号特征,能解决现有传感器故障检测方法受外部干扰和量测噪声影响,多普勒故障漏检问题。
Description
技术领域
本发明涉及的是一种检测装置及检测方法,具体地说是水下机器人故障检测装置及检测方法。
背景技术
随着陆地资源日渐减少,人类开发海洋的步伐越来越快。水下机器人特别是无人水下机器人是目前唯一能够在无人情况下在深海进行探测、开发的载体,一直受到国内外研究人员的高度重视。但由于水下机器人工作在复杂海洋环境中,一旦发生故障后果轻则作业失败,重则全艇失事,对其传感器、执行器系统故障的及时检测和诊断具有重要意义。外部随机干扰对水下机器人故障检测产生很大负面影响,故障信号往往被外部随机干扰信号所淹没。水下机器人所受外部干扰一般可分为持续的海流干扰和外部随机干扰,其中外部随机干扰可以通过外扰抑制方法来抑制,因此外部干扰抑制方法已经成为水下机器人传感器数据处理和故障检测的重点。
均值滤波是最简单的外扰抑制方法,其算法简单,在很多领域去噪效果良好,但一般只用于静态或低动态情况;FIR数字滤波器继承了模拟滤波器的优点,并且可以用快速傅里叶变换来实现,大大提高了运算速度。FIR滤波器对信号进行滤波去噪是在频域中完成的,依靠信号和噪声的不同频谱特征来实现噪声滤除,适应于静、动态信号去噪,但去噪效果一般,不如均值滤波好。以上两种方法均不适合复杂多变的海洋环境外部随机干扰抑制
发明内容
本发明的目的在于提供能够解决受外部干扰和量测噪声影响、多普勒故障漏检问题的一种水下机器人多普勒故障随机共振检测装置及检测方法。
本发明的目的是这样实现的:
本发明一种水下机器人多普勒故障随机共振检测装置,其特征是:包括安装于水下机器人电子舱内的PC104模块化系统、第一通讯模块、随机共振装置、故障特征提取装置以及安装在陆地上的第二通讯模块和检测结果显示装置,PC104模块化系统分别与第一通讯模块、随机共振装置和故障特征提取装置的输出端相连,故障特征提取装置的输入端与随机共振装置相连,第二通讯模块的输入端与第一通讯模块相连,检测结果显示装置与第二通讯模块相连。
本发明一种水下机器人多普勒故障随机共振检测装置还可以包括:
1、随机共振装置包括随机共振电路,随机共振电路包括随机共振电路输入端、随机共振电路输出端、第一-第七电阻、电容、积分器、反向器、第一-第二可调电阻、第一-第二乘法器,随机共振电路输入端与PC104模块化系统相连,第一电阻一端与随机共振电路输入端连接,第一电阻另一端与电容、积分器反向输入端连接,积分器的正向输入端与第六电阻一端连接,第六电阻另一端接地,积分器的输出端与第四电阻一端连接,电容另一端分别与第二乘法器的一个输入端、第一乘法器的两个输入端连接,第一乘法器的输出端与第二乘法器的另一个输入端连接,第二乘法器的输出端与第一可调电阻的一个固定端连接,第一可调电阻的另一个固定端接地,第一可调电阻的可调端与第五电阻一端连接,第五电阻另一端与积分器反向输入端连接,第四电阻另一端分别与反相器的反向输入端、第二电阻的一端连接,反相器的正向输入端与第七电阻连接,第七电阻的另一端接地,反相器的输出端分别与随机共振电路输出端、第二可调电阻的一个固定端连接,第二电阻的另一端分别与随机共振电路输出端、第二可调电阻的一个固定端连接,第二可调电阻另一个固定端接地,第二可调电阻的可调端与第三电阻一端连接,第三电阻的另一端与积分器的反向输入端连接。
本发明一种水下机器人多普勒故障随机共振检测方法,其特征是:
(1)PC104模块化系统采集多普勒数据,对多普勒数据采用滑动窗进行截取,当截取到数据的长度为L时,进行下一步;
(2)对截取的多普勒信号进行自适应随机共振调整:
将截取的多普勒数据作为双稳随机共振系统的输入信号,固定双稳随机共振系统结构参数b,按固定步长λ从0开始调节双稳随机共振系统结构参数a,并计算评价指标信噪比SNR,当SNR出现局部极大值时,取此时a值为最佳结构参数,随机共振调整结束,随机共振系统输出信号即为实现了随机共振的多普勒数据;
(3)对上一步获取的随机共振系统输出信号进行N层小波分解,小波基函数为“X”,取第N层小波分解后的细节系数模极大值M作为多普勒数据的故障信号特征;
(4)计算故障系数R,R=M/τ,τ为故障阈值;
(5)根据步骤(4)计算得出的故障系数R,与1进行比较以判断是否发生故障:当R≥1时,此时多普勒发生故障,在检测结果显示装置处显示故障并报警,提示操作者终止水下机器人作业;当R<1时,则多普勒工作状态正常,PC104模块化系统继续采集多普勒数据,舍弃原数组第一个数据并将新采集回来的数据放在原数组的末尾形成新数组,使数据长度始终未L并返回步骤(2)。
本发明一种水下机器人多普勒故障随机共振检测方法还可以包括:
1、数据长度L=600;双稳随机共振系统结构参数b=1,步长λ=0.1;小波分解层数N=3,小波基函数“X”为“db1”;故障阈值τ=0.2837。
本发明的优势在于:本发明在抑制水下机器人多普勒传感器信号中所含外部随机干扰的同时,增强故障信号能特征,解决现有传感器故障检测方法受外部干扰和量测噪声影响,多普勒故障漏检问题。
附图说明
图1为本发明装置的结构示意图;
图2为随机共振装置的电路图;
图3为本发明方法的流程图;
图4为传统方法水下机器人多普勒突跳故障检测结果图;
图5为本发明的水下机器人多普勒突跳故障检测结果图;
图6为传统方法水下机器人多普勒恒偏差故障检测结果图;
图7为本发明的水下机器人多普勒恒偏差故障检测结果图;
图8为水下机器人多普勒传感器原始信号频谱分析图;
图9为本发明的装置处理后水下机器人多普勒传感器信号频谱分析图。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
结合图1~9,本发明所提水下机器人多普勒故障随机共振检测装置如图1所示,包括:PC104模块化系统1,随机共振装置2,故障特征提取装置3,通讯模块I4,通讯模块II5,故障检测显示装置6。
其中PC104模块化系统1安装于水下机器人电子舱内;随机共振装置2安装于水下机器人电子舱内,电路如图2所示,其中电路的输入端S与PC104模块化系统1电路相连,电阻R1一端与电路的输入端S连接,电阻R1另一端与电容C1、积分器IC1反向输入端连接,积分器IC1的正向输入端与电阻R6一端连接,电阻R6另一端接地,积分器IC1的输出端与电阻R4一端连接,电容C1另一端分别与乘法器E的一个输入端、乘法器D的两个输入端连接,乘法器D的输出端与乘法器E的另一个输入端连接,乘法器E的输出端与可调电阻K1的一个固定端连接,可调电阻K1的另一个固定端接地,可调电阻K1的可调端与电阻R5一端连接,电阻R5另一端与积分器IC1反向输入端连接,电阻R4另一端分别与反相器IC2的反向输入端、电阻R2的一端连接,反相器IC2的正向输入端与电阻R7连接,电阻R7的另一端接地,反相器IC2的输出端分别与电路的输出端X、可调电阻K2的一个固定端连接,电阻R2的另一端分别与电路的输出端X、可调电阻K2的一个固定端连接,可调电阻K2另一个固定端接地,可调电阻K2的可调端与电阻R3一端连接,电阻R3的另一端与积分器IC1的反向输入端连接,该电路图组成双稳系统,式中s(t)为多普勒输入信号,x为双稳系统输出信号,a、b为双稳系统结构参数,随机共振装置2将PC104模块化系统1接收到的多普勒信号中所含外部随机干扰进行抑制,并增强故障信号特征。
故障特征提取装置3安装于水下机器人电子舱内,其输入端与随机共振装置2电路连接,其输出端与PC104模块化系统1电路连接,对外部随机干扰抑制并故障特征增强后的多普勒信号进行故障特征提取,并计算故障系数以判断当前时刻多普勒是否故障;通讯模块通讯模块I4安装于水下机器人电子舱内,其输入端与PC104模块化系统1网络连接,将PC104模块化系统1输入的信号进行调制并通过动力电缆载波传输;通讯模块II5安装于陆地上,其输入端与通讯模块I4网络连接,对通讯模块I4调制过的网络信号进行解调;故障检测显示装置6安装于陆地上,其输入端与通讯模块II5网络连接,实时显示多普勒故障检测结果。
本发明所提水下机器人多普勒故障随机共振检测方法流程图如图3所示,其具体实施步骤如下:
1、首先,对原始数据采用滑动窗进行截取,当采集到数据长度为L=600的多普勒数据后启动检测算法,当再次采集到新的数据后,舍弃原数组第一个数据并将新采集回来的数据放在原数组的末尾,始终保持数据长度为L;
2、然后,对滑动窗截取的多普勒信号进行自适应随机共振调整,具体做法为:将步骤(1)获取的多普勒数据作为双稳随机共振系统的输入信号,固定双稳随机共振系统结构参数b,按固定步长λ从0开始调节双稳随机共振系统结构参数a,并计算评价指标信噪比SNR,当SNR出现局部极大值时,取此时a值为最佳结构参数,随机共振调整结束;
3、接着对步骤(2)获取的随机共振系统输出信号进行小波分解,小波基函数为“db1”,分解层数为3层;
4、然后对步骤(3)获取的小波系数进行故障特征提取,取第三层小波分解后的细节系数模极大值M作为多普勒数据的故障信号特征;
5、接着计算故障系数R,R=M/τ,其中M为步骤(4)获取的故障信号特征值,τ=0.2837为多次水池实验确定的故障阈值;
6、根据步骤(5)计算得出的故障系数R,与1进行比较以判断是否发生故障,如R≥1,此时多普勒发生故障,在检测结果显示装置处显示故障并报警,提示操作者终止水下机器人作业;如R<1,则多普勒工作状态正常,检测程序返回步骤(1)继续进行。
图4是传统方法水下机器人多普勒突跳故障检测结果图。由图可以看出,由于外部随机干扰、传感器自身误差等因素影响,传统方法未能检测出水下机器人多普勒突跳故障。
图5是本发明的水下机器人多普勒突跳故障检测结果图。由图可以看出,本发明的检测方法提取的故障特征高于故障阈值,计算得出的故障系数R>1,说明此时多普勒发生了故障,本发明的检测方法能够检测出水下机器人多普勒突跳故障。
图6是传统方法水下机器人多普勒恒偏差故障检测结果图。由图可以看出,由于外部随机干扰、传感器自身误差等因素影响,传统方法未能检测出水下机器人多普勒恒偏差故障。
图7是本发明的水下机器人多普勒恒偏差故障检测结果图。由图可以看出,本发明的检测方法提取的故障特征高于故障阈值,计算得出的故障系数R>1,说明此时多普勒发生了故障,本发明的检测方法能够检测出水下机器人多普勒恒偏差故障。
图8是水下机器人多普勒传感器原始信号频谱分析图。由图可以看出,故障信号原始特征频率幅值在2.3左右。
图9是本发明方法处理后水下机器人多普勒传感器信号频谱分析图。由图可以看出,故障信号特征频率幅值被增强,在3.3左右,说明本发明所提方法有效增强了原故障信号特征频率。
本发明一种水下机器人多普勒故障随机共振检测装置,包括一用于接收多普勒输出信号的PC104模块化系统1,PC104模块化系统1安装于水下机器人电子舱内;一与PC104模块化系统1电路连接的随机共振装置2;一与随机共振装置2电路连接的故障特征提取装置3,故障特征提取装置3的输出端与PC104模块化系统1电路连接;一与PC104模块化系统1网络连接的通讯模块I4,通讯模块I4安装于水下机器人电子舱内;一与通讯模块I4通过动力缆网络连接的通讯模块II5;一与通讯模块II5网络连接的故障检测显示装置6。PC104模块化系统1与随机共振装置2电路连接,随机共振装置2将PC104模块化系统1接收到的多普勒信号中所含外部随机干扰进行抑制,并增强故障信号特征。随机共振装置2与故障特征提取装置3电路连接,对外部随机干扰抑制并故障特征增强后的多普勒信号进行故障特征提取,并计算故障系数以判断当前时刻多普勒是否故障。PC104模块化系统1与通讯模块I4网络连接,通讯模块I4与通讯模块II5通过动力缆网络连接。通讯模块II5与故障检测显示装置6网络连接。
综上所述,本发明通过对多普勒传感器信号进行外部随机干扰抑制与故障特征增强后进行小波分解并提取故障特征,最后计算故障系数,可有效检测出水下机器人多普勒突跳故障和恒偏差故障,是一种新型、有效的水下机器人多普勒故障检测装置及检测方法。
Claims (4)
1.一种水下机器人多普勒故障随机共振检测装置,其特征是:包括安装于水下机器人电子舱内的PC104模块化系统、第一通讯模块、随机共振装置、故障特征提取装置以及安装在陆地上的第二通讯模块和检测结果显示装置,PC104模块化系统分别与第一通讯模块、随机共振装置和故障特征提取装置的输出端相连,故障特征提取装置的输入端与随机共振装置相连,第二通讯模块的输入端与第一通讯模块相连,检测结果显示装置与第二通讯模块相连。
2.根据权利要求1所述的一种水下机器人多普勒故障随机共振检测装置,其特征是:随机共振装置包括随机共振电路,随机共振电路包括随机共振电路输入端、随机共振电路输出端、第一-第七电阻、电容、积分器、反向器、第一-第二可调电阻、第一-第二乘法器,随机共振电路输入端与PC104模块化系统相连,第一电阻一端与随机共振电路输入端连接,第一电阻另一端与电容、积分器反向输入端连接,积分器的正向输入端与第六电阻一端连接,第六电阻另一端接地,积分器的输出端与第四电阻一端连接,电容另一端分别与第二乘法器的一个输入端、第一乘法器的两个输入端连接,第一乘法器的输出端与第二乘法器的另一个输入端连接,第二乘法器的输出端与第一可调电阻的一个固定端连接,第一可调电阻的另一个固定端接地,第一可调电阻的可调端与第五电阻一端连接,第五电阻另一端与积分器反向输入端连接,第四电阻另一端分别与反相器的反向输入端、第二电阻的一端连接,反相器的正向输入端与第七电阻连接,第七电阻的另一端接地,反相器的输出端分别与随机共振电路输出端、第二可调电阻的一个固定端连接,第二电阻的另一端分别与随机共振电路输出端、第二可调电阻的一个固定端连接,第二可调电阻另一个固定端接地,第二可调电阻的可调端与第三电阻一端连接,第三电阻的另一端与积分器的反向输入端连接。
3.一种水下机器人多普勒故障随机共振检测方法,其特征是:
(1)PC104模块化系统采集多普勒数据,对多普勒数据采用滑动窗进行截取,当截取到数据的长度为L时,进行下一步;
(2)对截取的多普勒信号进行自适应随机共振调整:
将截取的多普勒数据作为双稳随机共振系统的输入信号,固定双稳随机共振系统结构参数b,按固定步长λ从0开始调节双稳随机共振系统结构参数a,并计算评价指标信噪比SNR,当SNR出现局部极大值时,取此时a值为最佳结构参数,随机共振调整结束,随机共振系统输出信号即为实现了随机共振的多普勒数据;
(3)对上一步获取的随机共振系统输出信号进行N层小波分解,小波基函数为“X”,取第N层小波分解后的细节系数模极大值M作为多普勒数据的故障信号特征;
(4)计算故障系数R,R=M/τ,τ为故障阈值;
(5)根据步骤(4)计算得出的故障系数R,与1进行比较以判断是否发生故障:当R≥1时,此时多普勒发生故障,在检测结果显示装置处显示故障并报警,提示操作者终止水下机器人作业;当R<1时,则多普勒工作状态正常,PC104模块化系统继续采集多普勒数据,舍弃原数组第一个数据并将新采集回来的数据放在原数组的末尾形成新数组,使数据长度始终未L并返回步骤(2)。
4.根据权利要求3所述的一种水下机器人多普勒故障随机共振检测方法,其特征是:数据长度L=600;双稳随机共振系统结构参数b=1,步长λ=0.1;小波分解层数N=3,小波基函数“X”为“db1”;故障阈值τ=0.2837。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410452832.7A CN104198205B (zh) | 2014-09-05 | 2014-09-05 | 一种水下机器人多普勒故障随机共振检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410452832.7A CN104198205B (zh) | 2014-09-05 | 2014-09-05 | 一种水下机器人多普勒故障随机共振检测装置及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104198205A true CN104198205A (zh) | 2014-12-10 |
CN104198205B CN104198205B (zh) | 2017-02-08 |
Family
ID=52083531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410452832.7A Expired - Fee Related CN104198205B (zh) | 2014-09-05 | 2014-09-05 | 一种水下机器人多普勒故障随机共振检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104198205B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106560030A (zh) * | 2016-03-24 | 2017-04-12 | 浙江农林大学 | 一种用于池塘的溶解氧实时控制装置及控制方法 |
CN106560031A (zh) * | 2016-03-24 | 2017-04-12 | 浙江农林大学 | 一种用于淡水养殖体系中的增氧控制装置及控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040089060A1 (en) * | 2002-11-13 | 2004-05-13 | Toyota Jidosha Kabushiki Kaisha | Fault detection system and method |
CN2872497Y (zh) * | 2005-10-24 | 2007-02-21 | 中国人民解放军国防科学技术大学 | 强噪声背景下调参随机共振微弱信号增强传输系统 |
CN101191804A (zh) * | 2007-12-03 | 2008-06-04 | 中国人民解放军国防科学技术大学 | 自适应随机共振微弱信号检测方法 |
CN101344460A (zh) * | 2007-08-10 | 2009-01-14 | 上海海事大学 | 水下机器人传感器故障诊断方法及系统 |
CN101841350A (zh) * | 2010-04-23 | 2010-09-22 | 西安电子科技大学 | 基于随机共振预处理的多普勒频移估计方法 |
CN204177589U (zh) * | 2014-09-05 | 2015-02-25 | 哈尔滨工程大学 | 一种水下机器人多普勒故障随机共振检测装置 |
-
2014
- 2014-09-05 CN CN201410452832.7A patent/CN104198205B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040089060A1 (en) * | 2002-11-13 | 2004-05-13 | Toyota Jidosha Kabushiki Kaisha | Fault detection system and method |
CN2872497Y (zh) * | 2005-10-24 | 2007-02-21 | 中国人民解放军国防科学技术大学 | 强噪声背景下调参随机共振微弱信号增强传输系统 |
CN101344460A (zh) * | 2007-08-10 | 2009-01-14 | 上海海事大学 | 水下机器人传感器故障诊断方法及系统 |
CN101191804A (zh) * | 2007-12-03 | 2008-06-04 | 中国人民解放军国防科学技术大学 | 自适应随机共振微弱信号检测方法 |
CN101841350A (zh) * | 2010-04-23 | 2010-09-22 | 西安电子科技大学 | 基于随机共振预处理的多普勒频移估计方法 |
CN204177589U (zh) * | 2014-09-05 | 2015-02-25 | 哈尔滨工程大学 | 一种水下机器人多普勒故障随机共振检测装置 |
Non-Patent Citations (1)
Title |
---|
宋道斌等: "一种非线性双稳系统的微弱信号捕获装置设计", 《科技创新导报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106560030A (zh) * | 2016-03-24 | 2017-04-12 | 浙江农林大学 | 一种用于池塘的溶解氧实时控制装置及控制方法 |
CN106560031A (zh) * | 2016-03-24 | 2017-04-12 | 浙江农林大学 | 一种用于淡水养殖体系中的增氧控制装置及控制方法 |
CN106560031B (zh) * | 2016-03-24 | 2019-08-27 | 浙江农林大学 | 一种用于淡水养殖体系中的增氧控制装置及控制方法 |
CN106560030B (zh) * | 2016-03-24 | 2019-08-27 | 浙江农林大学 | 一种用于池塘的溶解氧实时控制装置及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104198205B (zh) | 2017-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107356432B (zh) | 基于频域窗经验小波共振解调的滚动轴承故障诊断方法 | |
US10877178B2 (en) | Method for suppressing airborne transient electromagnetic in-band vibration noise | |
CN101294845B (zh) | 转子早期故障的多频率微弱信号检测方法 | |
CN104793253B (zh) | 基于数学形态学的航空电磁数据去噪方法 | |
Wang et al. | Identification of planetary gearbox weak compound fault based on parallel dual-parameter optimized resonance sparse decomposition and improved MOMEDA | |
CN110967599A (zh) | 一种电能质量扰动检测与定位算法 | |
Li et al. | Frequency-shift multiscale noise tuning stochastic resonance method for fault diagnosis of generator bearing in wind turbine | |
CN110501631B (zh) | 一种在线间歇故障检测与诊断方法 | |
Hu et al. | A new multiscale noise tuning stochastic resonance for enhanced fault diagnosis in wind turbine drivetrains | |
CN106771905B (zh) | 一种适用于高频电流局部放电检测的脉冲提取方法 | |
CN110763903B (zh) | 一种剩余电流检测方法、装置和电路 | |
CN104503432A (zh) | 一种基于小波能量的自主式水下机器人故障辨识方法 | |
CN104849590B (zh) | 一种混合噪声干扰下微弱脉冲信号检测方法 | |
CN107340055A (zh) | 一种基于多测度融合的随机共振微弱信号检测方法 | |
CN107395157A (zh) | 基于小波变换和加权移动平均的接地网电位差滤波方法 | |
Jia et al. | Suppressing non-stationary random noise in microseismic data by using ensemble empirical mode decomposition and permutation entropy | |
Wang et al. | Weak fault diagnosis of rolling bearing under variable speed condition using IEWT-based enhanced envelope order spectrum | |
CN104318305A (zh) | 一种基于小波与神经网络的逆变器低频噪声故障诊断方法 | |
CN106533361A (zh) | 一种基于小波分析的光伏组件故障诊断方法 | |
CN110673000B (zh) | 一种油浸式电流互感器局部放电在线监测方法及装置 | |
CN105181120A (zh) | 一种高灵敏度的变压器绕组松动判定方法 | |
CN104198205A (zh) | 一种水下机器人多普勒故障随机共振检测装置及检测方法 | |
CN204177589U (zh) | 一种水下机器人多普勒故障随机共振检测装置 | |
Xu et al. | Self‐adapted single‐ended travelling wave fault location algorithm considering transfer characteristics of the secondary circuit | |
CN104950215B (zh) | 一种微机保护方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170208 |