CN108387808A - 一种智能电力变压器运行监测系统 - Google Patents

一种智能电力变压器运行监测系统 Download PDF

Info

Publication number
CN108387808A
CN108387808A CN201810098826.4A CN201810098826A CN108387808A CN 108387808 A CN108387808 A CN 108387808A CN 201810098826 A CN201810098826 A CN 201810098826A CN 108387808 A CN108387808 A CN 108387808A
Authority
CN
China
Prior art keywords
power transformer
transformer station
display screen
electric power
time domain
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.)
Pending
Application number
CN201810098826.4A
Other languages
English (en)
Inventor
杨彦青
宋星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taizhou Vocational and Technical College
Original Assignee
Taizhou Vocational and Technical College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Taizhou Vocational and Technical College filed Critical Taizhou Vocational and Technical College
Priority to CN201810098826.4A priority Critical patent/CN108387808A/zh
Publication of CN108387808A publication Critical patent/CN108387808A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/62—Testing of transformers

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明属于检测系统技术领域，公开了一种智能电力变压器运行监测系统，包括电路板、显示屏、接地螺栓、电源板、感应器、天线装置、SIM卡、智能芯片、RS通讯板、波纹管接头、显示屏按键和人孔；人孔镶嵌在监测装置的上下部，电路板在监测装置的正下面，显示屏嵌在电路板中间部分，显示屏按键在显示屏的下部，天线装置焊接在电路板的左侧，接地螺栓在电路板的下部，分布在四个脚上，电源板在上右侧接地螺栓的下边，感应器在电源板的左下部，RS通讯板在感应器的左侧。本发明实现电器部度配合作业监测，能有效综合监测和评估变压器的运行状态，进行实时综合评估，达到预警的要求。

Description

一种智能电力变压器运行监测系统
技术领域
本发明属于监测系统技术领域，尤其涉及一种智能电力变压器运行监测系统。
背景技术
目前，电力变压器是电力系统中最关键的设备之一，常被视为电网的“心脏”，它的正常运行是对电力系统安全、可靠、优质、经济运行的重要保证，不同在线监测系统往往功能单一且通讯标准不一，因此难以进行系统集成和信息共享，使得多参量的信息融合共享和综合评估诊断等技术发展较慢，影响评估诊断的准确性和可靠性，不适应智能电网和智能变电站的要求。
综上所述，现有技术存在的问题是：在线监测系统往往功能单一且通讯标准不一。
发明内容
针对现有技术存在的问题，本发明提供了一种智能电力变压器运行监测系统。
本发明是这样实现的，一种智能电力变压器运行监测系统设置有电路板、显示屏、接地螺栓、电源板、感应器、天线装置、SIM卡、智能芯片、RS通讯板、波纹管接头、显示屏按键和人孔。所述人孔镶嵌在监测装置的上下部，所述电路板在监测装置的正下面，所述显示屏嵌在电路板中间部分，所述显示屏按键在显示屏的下部，所述天线装置焊接在电路板的左侧，所述接地螺栓在电路板的下部，分布在四个脚上，所述电源板在上右侧接地螺栓的下边，所述感应器在电源板的左下部，所述RS通讯板在感应器的左侧，所述智能芯片镶嵌在RS通讯板的左侧，所述SIM卡安置在智能芯片的正上方，所述波纹管接头焊接在整个装置的右下部。
所述感应器用于感应电力变压器运行参数并进行处理，对超出预设阈值的信息进行报警提示并传输给智能芯片；
所述感应器感应电力变压器运行参数并进行处理的方法包括：
利用傅里叶逆变换，将频域测得的散射参数变换到时域，得到时域冲击响应，反射参数对应时域反射响应，传输参数对应时域传输响应；
根据反射响应和传输响应中前两个脉冲在时间轴上的位置，分别构造四个时域选通函数；
利用选通函数，对时域的反射响应和传输响应进行选通，分别提取出反射响应和传输响应中的前两个脉冲；
将时域选通后的时域脉冲分别通过傅里叶变换，得到频域选通数据；
频域选通数据中包含了被测电路的信息，利用得到的信息，根据公式构造补偿因子Fcf(i)；利用下面的公式，构造补偿因子Fcf(i)：
G1(i)～G4(i)是在上步中得到的频域选通数据；
R(i)是比率因子；
Fcf(i)补偿因子；
利用遮蔽补偿公式，得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i)；
所述智能芯片对感应器感应的电力变压器运行参数建立威胁等级与威胁因素间的离散动态贝叶斯网络模型；
利用建立的离散动态贝叶斯网络模型，运用前向-后向算法计算出最终的威胁等级；
进一步，所述离散动态贝叶斯网络模型是由智能芯片的观测节点和状态节点构成的环境温度、短路、断路共同构成离散状态节点，威胁等级为观测节点；
利用建立的离散动态贝叶斯网络模型，确定最终的威胁等级即为贝叶斯推理过程依据大量状态节点数据推理出观测节点最大可能取值的概率；
运用前向-后向算法计算出最终的威胁等级，具体包括：系统参数λ和观测序列Y，前向-后向算法推理出概率P(Y|λ)的过程如下：
前向算法，定义前向变量αt(i)＝P(y1,y2,...,yt,xt＝i|λ)
初始化：α1(i)＝πibi(y1), 1≤i≤n
递归运算：
结果：
后向算法，定义后向变量βt(i)＝P(yt+1,yt+2,...,yT|xt＝i,λ)
初始化：βT(i)＝1, 1≤i≤n
递归运算：
结果：
将前向算法、后向算法结合起来构成前向-后向算法：
最终，根据前向-后向算法推理出威胁等级；如下所示：
STT＝{恶劣，一般，温和}；
SIOE＝{强，较强，中，弱}。
进一步，利用下面的遮蔽补偿公式，得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i)：
进一步，在利用傅里叶逆变换，将频域测得的散射参数变换到时域，得到时域冲击响应，反射参数对应时域反射响应，传输参数对应时域传输响应之前需要进行以下步骤：
首先根据需要设置矢量网络分析仪的测量参数，得到被测网络整体的散射参数，包括反射参数和传输参数；
其次对散射参数进行预处理，对数据序列进行补零，进行快速傅里叶变换；根据傅里叶逆变换后时域脉冲的分布情况和分辨率的要求，选择不同的窗函数对傅里叶变换前的数据进行处理。
进一步，在利用遮蔽补偿公式，得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i)之后需要消除数据预处理，舍弃添加零点位置处的数据，得到的反射参数和传输参数除以窗函数，消除加窗产生的影响，得到最终的补偿后的反射参数FS11_C(i)和传输参数FS21_C(i)：
W(i)数据预处理中的窗函数。
进一步，所述智能电力变压器运行监测系统设置有各类感应器。
进一步，所述智能电力变压器运行监测系统设置有显示屏。
本发明的实现了变压器在线监测装置的在线监测系统导入智能芯片中，实现电器部度配合作业监测，能有效综合监测和评估变压器的运行状态，进行实时综合评估，达到预警的要求。
本发明可以测量电力变压器运行中的时域测量参数，通过对各个网络的时域参数分别进行选通操作，可以实现对被测设备中局部网络的散射参数的测量，并且消除其他部分带来的误差。相比于传统方法，本发明的方法简单直观，降低操作人员的工作难度，而且具有更好的补偿结果。
本发明提出的基于离散动态贝叶斯网络的气象威胁度综合评估方法，实现了连续观测值和离散动态贝叶斯网络的有机结合，将所有可观测的与威胁度相关的重要因子综合起来进行判断推理，建立了适用于威胁度推理的离散动态贝叶斯网络模型，并结合前向-后向推理算法推理出威胁程度的概率；使评估的有效性、实用性和准确性大大提升；与静态贝叶斯网络相比，离散动态贝叶斯网络由于利用了临近时间段的节点信息，因此推理结果准确性更高，且当数据存在异常或不确定情况下，离散动态贝叶斯网络仍能够推理出较为正确的威胁等级。此方法可以进一步推广诸多领域，具有较大的应用前景。
附图说明
图1是本发明实施例提供的智能电力变压器运行监测系统的结构示意图；
图中：1、电路板；2、显示屏；3、接地螺栓；4、电源板；5、感应器；6、天线装置；7、SIM卡；8、智能芯片；9、RS通讯板；10、波纹管接头；11、显示屏按键；12、人孔。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的智能电力变压器运行监测系统设置有电路板1、显示屏2、接地螺栓3、电源板4、感应器5、天线装置6、SIM卡7、智能芯片8、RS通讯板9、波纹管接头10、显示屏按键11和人孔12。所述人孔12镶嵌在监测装置的上下部，所述电路板1在监测装置的正下面，所述显示屏2嵌在电路板中间部分，所述显示屏按键11在显示屏2的下部，所述天线装置6焊接在电路板1的左侧，所述接地螺栓3在电路板1的下部，分布在四个脚上，所述电源板4在上右侧接地螺栓3的下边，所述感应器5在电源板4的左下部，所述RS通讯板9在感应器5的左侧，所述智能芯片8镶嵌在RS通讯板9的左侧，所述SIM卡7安置在智能芯片8的正上方，所述波纹管接头10焊接在整个装置的右下部。
本发明在智能电力变压器运行监测系统的使用过程中，智能芯片8内置高精度集成电路整合在线监测系统程序，再通过波纹管接头10、RS通信板9、感应器5、电源板4、显示屏2、天线装置6、SIM卡7等部件的数据传输通过集成电路板在数据显示屏2上显示历史监测数据、实时监测数据等来进行下一步的评估预测，通过智能芯片8控制智能电力变压器运行监测系统，实现电器部度配合作业监测，能有效综合监测和评估变压器的运行状态，进行实时综合评估，达到预警的要求。
所述感应器用于感应电力变压器运行参数并进行处理，对超出预设阈值的信息进行报警提示并传输给智能芯片；
所述感应器感应电力变压器运行参数并进行处理的方法包括：
利用傅里叶逆变换，将频域测得的散射参数变换到时域，得到时域冲击响应，反射参数对应时域反射响应，传输参数对应时域传输响应；
根据反射响应和传输响应中前两个脉冲在时间轴上的位置，分别构造四个时域选通函数；
利用选通函数，对时域的反射响应和传输响应进行选通，分别提取出反射响应和传输响应中的前两个脉冲；
将时域选通后的时域脉冲分别通过傅里叶变换，得到频域选通数据；
频域选通数据中包含了被测电路的信息，利用得到的信息，根据公式构造补偿因子Fcf(i)；利用下面的公式，构造补偿因子Fcf(i)：
G1(i)～G4(i)是在上步中得到的频域选通数据；
R(i)是比率因子；
Fcf(i)补偿因子；
利用遮蔽补偿公式，得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i)；
所述智能芯片对感应器感应的电力变压器运行参数建立威胁等级与威胁因素间的离散动态贝叶斯网络模型；
利用建立的离散动态贝叶斯网络模型，运用前向-后向算法计算出最终的威胁等级；
所述离散动态贝叶斯网络模型是由智能芯片的观测节点和状态节点构成的环境温度、短路、断路共同构成离散状态节点，威胁等级为观测节点；
利用建立的离散动态贝叶斯网络模型，确定最终的威胁等级即为贝叶斯推理过程依据大量状态节点数据推理出观测节点最大可能取值的概率；
运用前向-后向算法计算出最终的威胁等级，具体包括：系统参数λ和观测序列Y，前向-后向算法推理出概率P(Y|λ)的过程如下：
前向算法，定义前向变量αt(i)＝P(y1,y2,...,yt,xt＝i|λ)
初始化：α1(i)＝πibi(y1), 1≤i≤n
递归运算：
结果：
后向算法，定义后向变量βt(i)＝P(yt+1,yt+2,...,yT|xt＝i,λ)
初始化：βT(i)＝1, 1≤i≤n
递归运算：
结果：
将前向算法、后向算法结合起来构成前向-后向算法：
最终，根据前向-后向算法推理出威胁等级；如下所示：
STT＝{恶劣，一般，温和}；
SIOE＝{强，较强，中，弱}。
进一步，利用下面的遮蔽补偿公式，得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i)：
在利用傅里叶逆变换，将频域测得的散射参数变换到时域，得到时域冲击响应，反射参数对应时域反射响应，传输参数对应时域传输响应之前需要进行以下步骤：
首先根据需要设置矢量网络分析仪的测量参数，得到被测网络整体的散射参数，包括反射参数和传输参数；
其次对散射参数进行预处理，对数据序列进行补零，进行快速傅里叶变换；根据傅里叶逆变换后时域脉冲的分布情况和分辨率的要求，选择不同的窗函数对傅里叶变换前的数据进行处理。
在利用遮蔽补偿公式，得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i)之后需要消除数据预处理，舍弃添加零点位置处的数据，得到的反射参数和传输参数除以窗函数，消除加窗产生的影响，得到最终的补偿后的反射参数FS11_C(i)和传输参数FS21_C(i)：
W(i)数据预处理中的窗函数。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围内。

Claims (7)

1.一种智能电力变压器运行监测系统，其特征在于，所述智能电力变压器运行监测系统设置有电路板、显示屏、接地螺栓、电源板、感应器、天线装置、SIM卡、智能芯片、RS通讯板、波纹管接头、显示屏按键和人孔；
所述人孔镶嵌在监测装置的上下部，所述电路板在监测装置的正下面，所述显示屏嵌在电路板中间部分，所述显示屏按键在显示屏的下部，所述天线装置焊接在电路板的左侧；
所述接地螺栓在电路板的下部，分布在四个脚上，所述电源板在上右侧接地螺栓的下边，所述感应器在电源板的左下部，所述RS通讯板在感应器的左侧，所述智能芯片镶嵌在RS通讯板的左侧，所述SIM卡安置在智能芯片的正上方，所述波纹管接头焊接在整个装置的右下部；
所述感应器用于感应电力变压器运行参数并进行处理，对超出预设阈值的信息进行报警提示并传输给智能芯片；
所述感应器感应电力变压器运行参数并进行处理的方法包括：
利用傅里叶逆变换，将频域测得的散射参数变换到时域，得到时域冲击响应，反射参数对应时域反射响应，传输参数对应时域传输响应；
根据反射响应和传输响应中前两个脉冲在时间轴上的位置，分别构造四个时域选通函数；
利用选通函数，对时域的反射响应和传输响应进行选通，分别提取出反射响应和传输响应中的前两个脉冲；
将时域选通后的时域脉冲分别通过傅里叶变换，得到频域选通数据；
频域选通数据中包含了被测电路的信息，利用得到的信息，根据公式构造补偿因子Fcf(i)；利用下面的公式，构造补偿因子Fcf(i)：
G1(i)～G4(i)是在上步中得到的频域选通数据；
R(i)是比率因子；
Fcf(i)补偿因子；
利用遮蔽补偿公式，得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i)；
所述智能芯片对感应器感应的电力变压器运行参数建立威胁等级与威胁因素间的离散动态贝叶斯网络模型；
利用建立的离散动态贝叶斯网络模型，运用前向-后向算法计算出最终的威胁等级。
2.如权利要求1所述的智能电力变压器运行监测系统，其特征在于，所述离散动态贝叶斯网络模型是由智能芯片的观测节点和状态节点构成的环境温度、短路、断路共同构成离散状态节点，威胁等级为观测节点；
利用建立的离散动态贝叶斯网络模型，确定最终的威胁等级即为贝叶斯推理过程依据大量状态节点数据推理出观测节点最大可能取值的概率；
运用前向-后向算法计算出最终的威胁等级，具体包括：系统参数λ和观测序列Y，前向-后向算法推理出概率P(Y|λ)的过程如下：
前向算法，定义前向变量αt(i)＝P(y1,y2,...,yt,xt＝i|λ)
初始化：α1(i)＝πibi(y1), 1≤i≤n
递归运算：
结果：
后向算法，定义后向变量βt(i)＝P(yt+1,yt+2,...,yT|xt＝i,λ)
初始化：βT(i)＝1, 1≤i≤n
递归运算：
结果：
将前向算法、后向算法结合起来构成前向-后向算法：
最终，根据前向-后向算法推理出威胁等级；如下所示：
STT＝{恶劣，一般，温和}；
SIOE＝{强，较强，中，弱}。
3.如权利要求1所述的智能电力变压器运行监测系统，其特征在于，利用下面的遮蔽补偿公式，得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i)：
4.如权利要求1所述的智能电力变压器运行监测系统，其特征在于，在利用傅里叶逆变换，将频域测得的散射参数变换到时域，得到时域冲击响应，反射参数对应时域反射响应，传输参数对应时域传输响应之前需要进行以下步骤：
首先根据需要设置矢量网络分析仪的测量参数，得到被测网络整体的散射参数，包括反射参数和传输参数；
其次对散射参数进行预处理，对数据序列进行补零，进行快速傅里叶变换；根据傅里叶逆变换后时域脉冲的分布情况和分辨率的要求，选择不同的窗函数对傅里叶变换前的数据进行处理。
5.如权利要求1所述的智能电力变压器运行监测系统，其特征在于，在利用遮蔽补偿公式，得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i)之后需要消除数据预处理，舍弃添加零点位置处的数据，得到的反射参数和传输参数除以窗函数，消除加窗产生的影响，得到最终的补偿后的反射参数FS11_C(i)和传输参数FS21_C(i)：
W(i)数据预处理中的窗函数。
6.如权利要求1所述的智能电力变压器运行监测系统，其特征在于，所述智能电力变压器运行监测系统设置有多个感应器。
7.如权利要求1所述的智能电力变压器运行监测系统，其特征在于，所述智能电力变压器运行监测系统设置有显示屏。
CN201810098826.4A 2018-01-31 2018-01-31 一种智能电力变压器运行监测系统 Pending CN108387808A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810098826.4A CN108387808A (zh) 2018-01-31 2018-01-31 一种智能电力变压器运行监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810098826.4A CN108387808A (zh) 2018-01-31 2018-01-31 一种智能电力变压器运行监测系统

Publications (1)

Publication Number Publication Date
CN108387808A true CN108387808A (zh) 2018-08-10

Family

ID=63074443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810098826.4A Pending CN108387808A (zh) 2018-01-31 2018-01-31 一种智能电力变压器运行监测系统

Country Status (1)

Country Link
CN (1) CN108387808A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109163689A (zh) * 2018-09-04 2019-01-08 国网青海省电力公司检修公司 一种波纹管状态评价方法及装置
CN109193670A (zh) * 2018-08-16 2019-01-11 广东阿尔派智能电网有限公司 一种自供电电路的保护装置及方法
CN109245592A (zh) * 2018-10-15 2019-01-18 深圳市安和威电力科技股份有限公司 一种基于igbt的双向功率变换ac-dc系统及控制方法
CN109787923A (zh) * 2019-02-13 2019-05-21 中联云港数据科技股份有限公司 一种基于大数据分析的idc+cdn+混合云的产品线布局方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104931912A (zh) * 2015-06-12 2015-09-23 西安电子科技大学 一种矢量网络分析仪的时域补偿方法
CN105426970A (zh) * 2015-11-17 2016-03-23 武汉理工大学 一种基于离散动态贝叶斯网络的气象威胁评估方法
CN107037296A (zh) * 2017-06-01 2017-08-11 班戈设备系统（苏州）有限公司 一种变压器在线监测装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104931912A (zh) * 2015-06-12 2015-09-23 西安电子科技大学 一种矢量网络分析仪的时域补偿方法
CN105426970A (zh) * 2015-11-17 2016-03-23 武汉理工大学 一种基于离散动态贝叶斯网络的气象威胁评估方法
CN107037296A (zh) * 2017-06-01 2017-08-11 班戈设备系统（苏州）有限公司 一种变压器在线监测装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109193670A (zh) * 2018-08-16 2019-01-11 广东阿尔派智能电网有限公司 一种自供电电路的保护装置及方法
CN109163689A (zh) * 2018-09-04 2019-01-08 国网青海省电力公司检修公司 一种波纹管状态评价方法及装置
CN109245592A (zh) * 2018-10-15 2019-01-18 深圳市安和威电力科技股份有限公司 一种基于igbt的双向功率变换ac-dc系统及控制方法
CN109787923A (zh) * 2019-02-13 2019-05-21 中联云港数据科技股份有限公司 一种基于大数据分析的idc+cdn+混合云的产品线布局方法

Similar Documents

Publication Publication Date Title
CN108387808A (zh) 一种智能电力变压器运行监测系统
Housh et al. Model-based approach for cyber-physical attack detection in water distribution systems
CN104931912B (zh) 一种矢量网络分析仪的时域补偿方法
US9961089B1 (en) Distributed estimation and detection of anomalies in control systems
CN106776214B (zh) 一种服务器健康度评估方法
CN105676085A (zh) 基于多传感器信息融合的特高压gis局部放电检测方法
KR101214765B1 (ko) 전력설비 모니터링 시스템 및 방법
Smail et al. Diagnosis of wiring networks using particle swarm optimization and genetic algorithms
CN104125112A (zh) 基于物理-信息模糊推理的智能电网攻击检测方法
CN112187528B (zh) 基于sarima的工业控制系统通信流量在线监测方法
CN106504122A (zh) 一种基于邻域保持嵌入算法的环网柜的故障监测方法及系统
CN106780108A (zh) 一种基于改进证据推理融合的配电变压器状态评估方法
Auzanneau et al. Chaos time domain reflectometry for online defect detection in noisy wired networks
CN106127047A (zh) 一种基于延森‑香农距离的电力系统恶意数据检测方法
Chang et al. Condition monitoring of instrumentation cable splices using Kalman filtering
Peikert et al. Fuzzy-based risk analysis for IT-systems and their infrastructure
Digulescu et al. Applications of Transient Signal Analysis using the concept of recurrence plot analysis
Na et al. Detecting instant of multiple faults on the transmission line and its types using time–frequency analysis
Giani et al. Metrics for assessment of smart grid data integrity attacks
Wang et al. Physics-guided deep learning for time-series state estimation against false data injection attacks
CN103999316A (zh) 用于产生说明在供电网中的摆动的信号的方法
Taki et al. Soft fault diagnosis in wiring networks using reflectometry and Principal Component Analysis
CN103916859A (zh) 认知无线网络恶意占用信道用户的检测方法
CN109324591A (zh) 基于鲁棒估计器的随机混杂系统的故障诊断装置及方法
Rosenberg et al. Comparison of bi‐modal coherent sea clutter simulation techniques

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180810