CN111665424A - 一种电气设备局部放电信号去噪方法及系统 - Google Patents
一种电气设备局部放电信号去噪方法及系统 Download PDFInfo
- Publication number
- CN111665424A CN111665424A CN202010541958.7A CN202010541958A CN111665424A CN 111665424 A CN111665424 A CN 111665424A CN 202010541958 A CN202010541958 A CN 202010541958A CN 111665424 A CN111665424 A CN 111665424A
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- signal
- denoising
- discharge signal
- threshold
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 30
- 239000002245 particle Substances 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 230000003044 adaptive effect Effects 0.000 claims abstract description 9
- 238000010187 selection method Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 24
- 230000009467 reduction Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 2
- 238000001914 filtration Methods 0.000 abstract description 10
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009421 internal insulation Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本公开提出了一种电气设备局部放电信号去噪方法及系统，包括：对电气设备局部放电信号进行模态分解得到若干不同时间尺度分量；计算各分量峭度值，对峭度值大于设定阈值的分量线性叠加重构信号；采用带有调节系数的改进阈值函数及基于粒子群优化算法的自适应阈值选取方法对所述重构信号进行小波阈值再次降噪，对降噪后的局部放电信号输出。将CEEMD与改进小波自适应阈值法相结合，实现局部放电信号噪声滤除以及有效信号的提取。
Description
技术领域
本公开属于电气设备局部放电信号检测技术领域，尤其涉及一种电气设备局部放电信号去噪方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
局部放电是造成高压电气设备发生绝缘劣化和击穿的重要原因，局部放电在线检测是评估电气设备绝缘状态的有效方法。绝缘缺陷产生的局部放电信号通常非常微弱，容易被严重的背景噪声所覆盖，因此从混杂信号中提取真实局部放电信号，信号去噪是其重要一步。
常见的噪声干扰主要为周期窄带干扰和高斯白噪声干扰两类。周期性窄带干扰在频域内呈现为窄带状分布且存在于以少数频率为中心的范围内，高斯白噪声干扰在时域内分布杂乱无章，是一种能量有限的宽频信号，白噪声具有时间长、影响范围广等特点，对电力设备局部放电在线检测的影响较为严重。
目前，针对周期性窄带干扰，常用的去噪方法有快速傅里叶变换FFT阀值滤波法、卡尔曼滤波法、自适应滤波法和经验模态分解EMD等。针对高斯白噪声，通常采用小波变换法进行去噪处理。
但是，上述各种去噪方法都存在某些不足：FFT阀值滤波法需要通过设定门限值剔除噪声成分，但门限值的选取较为困难；卡尔曼滤波法在干扰抑制过程中容易产生较大的波形失真，耗时较长；自适应滤波法由于去噪中滤波器的时延、收敛等因素对其影响较大，滤波效果不是很稳定。EMD算法本身存在一定程度的模态混叠和能量泄露现象，在处理周期窄带干扰时，噪声抑制效果不佳。
发明内容
为克服上述现有技术的不足，本公开提供了一种电气设备局部放电信号去噪方法，能够对局部放电信号在有效去除噪声的同时，可以更大程度上保留有用信号。
为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：
一方面，公开了一种电气设备局部放电信号去噪方法，包括：
对电气设备局部放电信号进行模态分解得到若干不同时间尺度分量；
计算各分量峭度值，对峭度值大于设定阈值的分量线性叠加重构信号；
采用带有调节系数的改进阈值函数及基于粒子群优化算法的自适应阈值选取方法对所述重构信号进行小波阈值降噪，对降噪后的局部放电信号输出。
进一步的技术方案，利用CEEMD算法对信号进行模态分解得到若干不同时间尺度IMF分量。
另一方面，公开了一种电气设备局部放电信号去噪系统，包括：
模态分解模块，被配置为：对电气设备局部放电信号进行模态分解得到若干不同时间尺度分量；
重构信号模块，被配置为：计算各分量峭度值，对峭度值大于设定阈值的分量线性叠加重构信号；
降噪模块，被配置为：采用带有调节系数的改进阈值函数及基于粒子群优化算法的自适应阈值选取方法对所述重构信号进行小波阈值降噪，对降噪后的局部放电信号输出。
以上一个或多个技术方案存在以下有益效果：
本公开技术方案将CEEMD与改进小波自适应阈值法相结合，实现局部放电信号噪声滤除以及有效信号的提取。一是通过CEEMD将含噪信号彻底分解，抑制模态混叠效应，通过峭度值提取特征分量实现信号初次降噪；二是通过改进小波阈值函数结合粒子群优化算法对重构信号再次降噪，在保留有用信息与去除噪声之间保持较好的平衡，使得局部放电信号去噪效果更好。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本公开实施例一种基于CEEMD与改进自适应阈值的局部放电信号去噪方法整体流程图；
图2是本公开实施例改进小波阈值函数图像；
图3是本公开实施例纯净局部放电和含噪局部放电信号及频谱；
图4是本公开实施例重构信号波形图；
图5是本公开实施例自适应阈值再次降噪后的波形图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
技术术语解释：
CEEMD：完全集合经验模态分解，英文为Complete Ensemble Empirical ModeDecomposition，简称为CEEMD。
EMD：经验模态分解，英文为Empirical Mode Decomposition，简称为EMD。
PSO：粒子群优化算法，英文为Particle Swarm Optimization,简称为PSO。
如图1所示，本实施例公开了一种电气设备局部放电信号去噪方法，具体为一种基于CEEMD与改进自适应阈值的局部放电信号去噪方法，包括如下步骤：
1)输入待去噪的局部放电信号x(t)；
2)利用CEEMD算法对信号x(t)进行模态分解得到若干不同时间尺度IMF分量；
3)计算各分量峭度值Ku，对峭度值较大的IMF分量线性叠加重构信号；
4)采用带有调节系数a,b的改进阈值函数及基于粒子群优化算法的自适应阈值选取方法对步骤3)得到的重构信号进行小波阈值再次降噪；
5)输出去噪后的局部放电信号。
具体实施例子中，在步骤1：输入待去噪的局部放电信号x(t)；
选取双指数衰减和双指数衰减振荡脉冲信号来模拟电气设备内部绝缘缺陷局部放电信号s(t)，其中，双指数衰减指波形前段局放信号，双指数衰减振荡脉冲指后半段局放信号。此处为了使仿真试验更贴近真实检测状态。得到纯净局部放电信号和含噪局部放电信号及频谱如图3，含噪局部放电信号x(t)可表示为：
x(t)＝s(t)+δn(t)
式中，s(t)为不含噪声局部放电信号；x(t)为含噪局部放电信号；n(t)为白噪声；δ为噪声的尺度因子。
步骤2：利用CEEMD算法对图3所示含噪信号x(t)进行模态分解得到不同时间尺度IMF分量，步骤如下：
(1)计算固有模态分量IMF1，对含噪信号x(t)添加不同白噪声进行经验模态分解EMD重复分解N次，计算总体平均值并将其定义为x(t)的IMF1，即
式中，Ej表示通过EMD求得第j个模态；ωi,i＝1,…N为有单位方差的零均值高斯白噪声；εk为每个分解阶段需选择的信噪比。I为通过EMD重复分解的次数，Ej表示经EMD重复分解I次后得到的第j个模态分量，K指分解模态总个数，即IMF总数。其中IMFk，指分解的第k个IMF。
(2)计算一阶残差r1
r1＝x(t)-IMF1
(3)通过EMD实现r1+ε1E1(ωi)，直到满足第一个IMF1条件，并定义总体平均值为第二个IMF，即
(4)计算k＝2,…,K时的k阶残差rk，公式为
rk＝rk-1-IMFk
(5)计算rk+εkEk(ωi)的第一个IMF分量，计算总体平均值获得目标信号IMF(k+1)，即
(6)重复步骤(5)、(6)，直到残差不能再分解为止，获得最终残差R
其中，R为最终残差，K为IMF总数。因此，含噪信号x(t)可分解为
步骤3：计算k个IMF分量的峭度值Ku，对峭度值较大的IMF分量线性叠加得到重构信号X(t)；
通过计算信号峭度值Ku来确定包含局部放电特征信息的IMF分量。
其中，峭度值Ku的表达式为：
式中，μ、η表示信号的均值和标准差，E(x-μ)4表示四阶数学期望。当检测到局部放电信号时，峭度值Ku会增大，且远大于3。
经CEEMD分解后各IMF分量峭度值如表1所示。
表1 IMF分量峭度值
局部放电特征信息主要包含在IMF1、IMF2、IMF3中，因此提取前三个IMF分量进行信号重构，重构后信号X(t)如图4所示。
步骤4：采用带有调节系数a,b的改进阈值函数及基于粒子群优化算法的自适应阈值选取方法对图4重构信号X(t)进行小波阈值降噪，得到最终去噪信号如图5所示；
其中，采用带有调节系数a,b的改进阈值函数表达式为：
式中，m＝e(2n-r)×(|v|-λ)，
sgn(v)为符号函数，v为小波分解系数，
为小波分解系数估计值，λ为阈值，a,b为调节系数(a∈[0,1]，b∈[0,+∞))，n为分解层数，r为分解尺度，σ为整体噪声标准差，N为X(t)的长度。
更具体的，调整阈值函数系数a可改变阈值函数置零速度，调整系数b可改变函数趋近于v的速度；当a＝0.6，b＝2时，改进阈值函数与软、硬阈值函数图像如图2所示。
采用粒子群优化算法对调节系数a,b进行自适应寻优，参照图2，调整系数a可改变阈值函数置零速度，调整系数b可改变函数趋近于v的速度。在粒子群算法中，a、b是可看做自变量，改变a、b可得到不同的适应度值(目标值)PNRR，通过不断迭代求解，输出最优值，达到最好去噪效果。
其步骤为：
(1)初始化粒子种群。设置参数种群规模M＝50、最大迭代次数Tmax＝600、加速因子c1＝c2＝1.46；权重系数的最大值ωmax＝0.9，权重系数的最小值ωmin＝0.4；随机均匀设定种群中各粒子的初始位置X和初始速度V；
(2)计算种群中各粒子初始适应度值。根据目标函数确定初始粒子适应度值，并以此确定初始个体极值Pbest和初始全局极值Gbest；
(3)更新每个粒子速度和位置；
(4)更新个体极值Pbest和全局极值Gbest；
(5)迭代次数加1，若迭代次数小于设定值Tmax，则转至步骤(3)，否则迭代结束，算法输出最优解。
更具体的，所述步骤(2)中，目标函数为：
式中，
为去噪前后信号方差；PNRR为信号抑制比，反映了去噪后有效信号的凸显程度，PNRR值越大，去噪效果越好。
更具体的，所述步骤(3)中，粒子速度和位置更新公式为：
式中，ω为粒子的惯性权重，通过改变ω可增强其局部搜索能力；k为当前迭代次数；Vid为粒子速度；c1和c2是加速因子，为非负常数；r1和r2是位于[0,1]区间的随机自然数。
步骤4中，采用Mallat算法对阈值处理过的小波系数进行重构，从而实现小波阈值再次降噪。该步是对小波阈值后的信号进行重构，即第二次降噪后的重构。
第一次降噪在步骤2：利用CEEMD算法对图3所示含噪信号x(t)进行模态分解得到不同时间尺度IMF分量和步骤3计算k个IMF分量的峭度值Ku，对峭度值较大的IMF分量线性叠加得到重构信号X(t)，这两步可对含噪信号初步降噪。
步骤5：输出去噪后的局部放电信号如图5所示。
可以看出，二次降噪后的局部放电信号与原始局部放电信号基本无差异，从而验证了所述降噪方法的可行性。
在实际应用中，直接将实测含噪局放信号作为输入，进行两次降噪，最终得到不含噪声的原始局放信号。
在实际局放检测中，并不知道不含噪声原始局放信号波形是怎样的，只能检测到含噪局放信号(如图3第3幅图)，该实施例中含噪局放信号是人为制造的(知道不含噪声原始局放信号，如图3第一幅图)，因此可以比较去噪后信号和不含噪声原始信号的区别，从而验证本专利所提方法的有效性。
基于同样的发明构思，本实施例的目的是提供一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例子的一种电气设备局部放电信号去噪方法的步骤。
基于同样的发明构思，本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述实施例子的一种电气设备局部放电信号去噪方法的步骤。
基于同样的发明构思，本实施例公开了一种电气设备局部放电信号去噪系统，包括：
模态分解模块，被配置为：对电气设备局部放电信号进行模态分解得到若干不同时间尺度分量；
重构信号模块，被配置为：计算各分量峭度值，对峭度值大于设定阈值的分量线性叠加重构信号；
降噪模块，被配置为：采用带有调节系数的改进阈值函数及基于粒子群优化算法的自适应阈值选取方法对所述重构信号进行小波阈值降噪，对降噪后的局部放电信号输出。
以上实施例的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本公开中的任一方法。
本领域技术人员应该明白，上述本公开的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本公开不限制于任何特定的硬件和软件的结合。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种电气设备局部放电信号去噪方法，其特征是，包括：
对电气设备局部放电信号进行模态分解得到若干不同时间尺度分量；
计算各分量峭度值，对峭度值大于设定阈值的分量线性叠加重构信号；
采用带有调节系数的改进阈值函数及基于粒子群优化算法的自适应阈值选取方法对所述重构信号进行小波阈值降噪，对降噪后的局部放电信号输出。
2.如权利要求1所述的一种电气设备局部放电信号去噪方法，其特征是，利用CEEMD算法对信号进行模态分解得到若干不同时间尺度IMF分量。
3.如权利要求1所述的一种电气设备局部放电信号去噪方法，其特征是，采用Mallat算法对阈值处理过的小波系数进行重构，从而实现小波阈值再次降噪。
4.如权利要求1所述的一种电气设备局部放电信号去噪方法，其特征是，通过计算信号峭度值Ku来确定包含局部放电特征信息的IMF分量。
5.如权利要求1所述的一种电气设备局部放电信号去噪方法，其特征是，改进阈值函数的调节系数包括：调整系数a及调整系数b；
所述调整系数a用于改变阈值函数置零速度，所述调整系数b用于改变阈值函数趋近于小波分解系数的速度。
6.如权利要求1所述的一种电气设备局部放电信号去噪方法，其特征是，采用粒子群优化算法对调节系数a、b进行自适应寻优，其目标函数为：
式中，
为去噪前后信号方差；PNRR为信号抑制比，反映了去噪后有效信号的凸显程度，PNRR值越大，去噪效果越好。
7.如权利要求6所述的一种电气设备局部放电信号去噪方法，其特征是，在粒子群算法中，调节系数a、b是自变量，改变a、b可改变适应度值即目标值PNRR，通过不断迭代求解，输出最优值，达到最好去噪效果。
8.一种电气设备局部放电信号去噪系统，其特征是，包括：
模态分解模块，被配置为：对电气设备局部放电信号进行模态分解得到若干不同时间尺度分量；
重构信号模块，被配置为：计算各分量峭度值，对峭度值大于设定阈值的分量线性叠加重构信号；
降噪模块，被配置为：采用带有调节系数的改进阈值函数及基于粒子群优化算法的自适应阈值选取方法对所述重构信号进行小波阈值降噪，对降噪后的局部放电信号输出。
9.一种计算装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现权利要求1-7任一所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行权利要求1-7任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010541958.7A CN111665424A (zh) | 2020-06-15 | 2020-06-15 | 一种电气设备局部放电信号去噪方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010541958.7A CN111665424A (zh) | 2020-06-15 | 2020-06-15 | 一种电气设备局部放电信号去噪方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111665424A true CN111665424A (zh) | 2020-09-15 |
Family
ID=72387994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010541958.7A Pending CN111665424A (zh) | 2020-06-15 | 2020-06-15 | 一种电气设备局部放电信号去噪方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111665424A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112163536A (zh) * | 2020-09-30 | 2021-01-01 | 沈阳工业大学 | 基于粒子群算法改进的小波阈值函数去噪方法 |
| CN113011265A (zh) * | 2021-02-22 | 2021-06-22 | 上海电力大学 | 一种基于esmd联合自适应阈值的局部放电信号去噪方法 |
| CN113269082A (zh) * | 2021-05-21 | 2021-08-17 | 合肥工业大学 | 一种基于改进变分模态分解的局部放电阈值去噪方法 |
| CN113283289A (zh) * | 2021-04-13 | 2021-08-20 | 上海电力大学 | 一种基于CEEMD-MFE与t-SNE的局部放电模式识别方法 |
| CN113834658A (zh) * | 2021-10-27 | 2021-12-24 | 沈阳航空航天大学 | 一种基于WPD-KVI-Hilbert的滚动轴承早期故障识别方法 |
| CN114089138A (zh) * | 2021-11-26 | 2022-02-25 | 平顶山天安煤业股份有限公司 | 高压电缆局部放电在线监测方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103576060A (zh) * | 2013-10-11 | 2014-02-12 | 华南理工大学 | 基于小波自适应阈值的局部放电信号去噪方法 |
| CN108804832A (zh) * | 2018-06-14 | 2018-11-13 | 东南大学 | 一种基于vmd的间隔阈值局部放电去噪方法 |
| CN109557429A (zh) * | 2018-11-07 | 2019-04-02 | 国网浙江省电力有限公司电力科学研究院 | 基于改进小波阈值去噪的gis局部放电故障检测方法 |
-
2020
- 2020-06-15 CN CN202010541958.7A patent/CN111665424A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103576060A (zh) * | 2013-10-11 | 2014-02-12 | 华南理工大学 | 基于小波自适应阈值的局部放电信号去噪方法 |
| CN108804832A (zh) * | 2018-06-14 | 2018-11-13 | 东南大学 | 一种基于vmd的间隔阈值局部放电去噪方法 |
| CN109557429A (zh) * | 2018-11-07 | 2019-04-02 | 国网浙江省电力有限公司电力科学研究院 | 基于改进小波阈值去噪的gis局部放电故障检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 孙铭阳等: "自适应阈值函数小波算法的电机振动信号去噪", 《电子科技》 * |
| 潘云等: "基于互补集合经验模态分解法的变压器局部放电信号去噪方法", 《广东电力》 * |
| 赵迎等: "CEEMD与小波变换联合去噪方法研究", 《地球物理学进展》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112163536A (zh) * | 2020-09-30 | 2021-01-01 | 沈阳工业大学 | 基于粒子群算法改进的小波阈值函数去噪方法 |
| CN112163536B (zh) * | 2020-09-30 | 2024-04-23 | 沈阳工业大学 | 基于粒子群算法改进的小波阈值函数去噪方法 |
| CN113011265A (zh) * | 2021-02-22 | 2021-06-22 | 上海电力大学 | 一种基于esmd联合自适应阈值的局部放电信号去噪方法 |
| CN113283289A (zh) * | 2021-04-13 | 2021-08-20 | 上海电力大学 | 一种基于CEEMD-MFE与t-SNE的局部放电模式识别方法 |
| CN113269082A (zh) * | 2021-05-21 | 2021-08-17 | 合肥工业大学 | 一种基于改进变分模态分解的局部放电阈值去噪方法 |
| CN113834658A (zh) * | 2021-10-27 | 2021-12-24 | 沈阳航空航天大学 | 一种基于WPD-KVI-Hilbert的滚动轴承早期故障识别方法 |
| CN114089138A (zh) * | 2021-11-26 | 2022-02-25 | 平顶山天安煤业股份有限公司 | 高压电缆局部放电在线监测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111665424A (zh) | 一种电气设备局部放电信号去噪方法及系统 | |
| Meng et al. | A hybrid fault diagnosis method using morphological filter–translation invariant wavelet and improved ensemble empirical mode decomposition | |
| CN110598166B (zh) | 一种自适应确定小波分层级数的小波去噪方法 | |
| CN109871733B (zh) | 一种自适应海杂波信号去噪方法 | |
| CN113723171B (zh) | 基于残差生成对抗网络的脑电信号去噪方法 | |
| CN112345249A (zh) | 基于优化变分模态分解的滚动轴承故障诊断方法 | |
| CN113269082A (zh) | 一种基于改进变分模态分解的局部放电阈值去噪方法 | |
| CN112380934A (zh) | 基于小波熵与稀疏度的电缆局放信号自适应小波去噪方法 | |
| CN114781430A (zh) | 一种局部放电信号去噪方法 | |
| CN113486750A (zh) | 一种基于改进vmd算法和小波包去噪算法的油浸式变压器局部放电信号去噪方法 | |
| CN117390434A (zh) | 一种基于多尺度分解与重构的瞬态电磁信号时延估计方法 | |
| CN116561520A (zh) | 一种基于woa-vmd-mpe的爆破振动信号降噪方法 | |
| CN117111155B (zh) | 一种基于集成框架的微地震数据去噪方法 | |
| CN113988125A (zh) | 一种基于改进同步压缩变换的扭振信号瞬时频率提取方法 | |
| CN112528853B (zh) | 改进型双树复小波变换去噪方法 | |
| CN103784164A (zh) | 超声信号的预处理方法及系统 | |
| Lei et al. | High voltage shunt reactor acoustic signal denoising based on the combination of VMD parameters optimized by coati optimization algorithm and wavelet threshold | |
| CN116299219B (zh) | 一种干扰深度特征距离度量联合检测与抑制方法 | |
| CN115859054B (zh) | 基于mic-ceemdan的水电机组尾水管压力脉动信号去噪方法 | |
| Zhang et al. | An Efficient Porcine Acoustic Signal Denoising Technique Based on EEMD‐ICA‐WTD | |
| Mukherjee et al. | New method for enhanced efficiency in detection of gravitational waves from supernovae using coherent network of detectors | |
| CN111142134B (zh) | 一种坐标时间序列处理方法及装置 | |
| Ming et al. | Partial discharge de-noising based on hybrid particle swarm optimization SWT adaptive threshold | |
| CN110703089B (zh) | 一种用于低频振荡Prony分析的小波阈值去噪方法 | |
| CN114441111A (zh) | 一种管道泄漏次声波信号分析方法及系统 |
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 |
Application publication date: 20200915 |
|
| RJ01 | Rejection of invention patent application after publication |