CN112284520B - 一种利用最佳秩逼近的振声检测信号重构方法和系统 - Google Patents

一种利用最佳秩逼近的振声检测信号重构方法和系统 Download PDF

Info

Publication number
CN112284520B
CN112284520B CN202011151365.6A CN202011151365A CN112284520B CN 112284520 B CN112284520 B CN 112284520B CN 202011151365 A CN202011151365 A CN 202011151365A CN 112284520 B CN112284520 B CN 112284520B
Authority
CN
China
Prior art keywords
matrix
signal sequence
hankel matrix
opt
specifically
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.)
Active
Application number
CN202011151365.6A
Other languages
English (en)
Other versions
CN112284520A (zh
Inventor
翟明岳
杨雅文
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.)
Guangdong University of Petrochemical Technology
Original Assignee
Guangdong University of Petrochemical Technology
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 Guangdong University of Petrochemical Technology filed Critical Guangdong University of Petrochemical Technology
Priority to CN202011151365.6A priority Critical patent/CN112284520B/zh
Publication of CN112284520A publication Critical patent/CN112284520A/zh
Application granted granted Critical
Publication of CN112284520B publication Critical patent/CN112284520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • 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
    • G01R31/1209—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 using acoustic measurements
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Complex Calculations (AREA)

Abstract

本发明的实施例公开一种利用最佳秩逼近的振声检测信号重构方法和系统，所述方法包括：步骤101获取按时间顺序采集的信号序列S；步骤102求取Hankel矩阵；步骤103求取最佳秩判断阈值；步骤104求取最佳秩；步骤105求取收缩化特征值；步骤106求取重构后的信号序列。

Description

一种利用最佳秩逼近的振声检测信号重构方法和系统
技术领域
本发明涉及电力领域，尤其涉及一种变压器振声信号的重构方法和系统。
背景技术
随着智能电网的高速发展，电力设备安全稳定运行显得尤其重要。目前，对超高压及以上电压等级的电力设备开展运行状态检测，尤其是对异常状态的检测显得愈加重要和迫切。电力变压器作为电力系统的重要组成部分，是变电站中最重要的电气设备之一，其可靠运行关系到电网的安全。一般而言，变压器的异常状态可分为铁芯异常与绕组异常。铁芯异常主要表现为铁芯饱和，绕组异常通常包括绕组变形、绕组松动等。
变压器异常状态检测的基本原理是提取变压器运行中的各特征量，分析、辨识并跟踪特征量以此监测变压器的异常运行状态。检测方法按照接触程度可分为侵入式检测和非侵入式检测；按照是否需停机检测可分为带电检测和停电检测；按照检测量类型可以分为电气量法和非电气量法等。相比而言，非侵入式检测可移植性强，安装更方便；带电检测不影响变压器运行；非电气量法与电力系统无电气连接，更为安全。当前变压器运行状态的常用检测方法中，包括检测局部放电的脉冲电流法和超声波检测法、检测绕组变形的频率响应法以及检测机械及电气故障的振动检测法等。这些检测方法主要检测变压器绝缘状况及机械结构状况，其中以变压器振动信号(振声)的检测最为全面，对于大部分变压器故障及异常状态均能有所反应。
变压器在运行过程中，铁芯硅钢片的磁致伸缩与绕组电动力引起的振动会向四周辐射不同幅值和频率的振声信号。变压器正常运行时对外发出的是均匀的低频噪声；如果发出不均匀声音，则属不正常现象。变压器在不同运行状态下会发出有区别性的声音，可通过对其发出声音的检测，掌握变压器的运行状况。值得关注的是，对变压器不同运行状态下发出声音的检测不仅可以检测很多种引起电气量变化的严重故障，还可以检测许多并未危及绝缘的没有引起电气量变化的异常状态，比如变压器内外部零部件松动等。
发明内容
如前所述，振声检测方法利用了变压器发出的震动信号，很容易受到工作环境的影响，造成信号传输的中断和信号质量的严重下降，使得接收到的部分振声信号无法使用，因此如何有效地重构变压器振声信号，是此方法能否成功应用的重要制约因素。现在常用的方法，对此问题重视不够，还未采取有效的措施解决此问题。
本发明的目的是提供一种利用最佳秩逼近的振声检测信号重构方法和系统，所提出的方法利用了振声检测信号的连续性，通过最佳秩逼近性质重构振声检测信号。所提出的方法具有较好的信号重构性能，计算也较为简单。
为实现上述目的，本发明提供了如下方案：
一种利用最佳秩逼近的振声检测信号重构方法，包括：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取Hankel矩阵，具体为：Hankel矩阵记为H，其第i行第j列元素为hij，所用求取公式为：
Figure BDA0002741415840000021
其中：
Figure BDA0002741415840000022
为所述信号序列S的第|i+j|N个元素，
|i+j|N表示以N为模对i+j取余数，
i＝1,2…,N为行序号，
j＝1,2…,N为列序号；
步骤103求取最佳秩判断阈值，具体为：最佳秩判断阈值记为ε，所用求取公式为：
Figure BDA0002741415840000023
其中：
σ0为所述信号序列S的均方差，
m0为所述信号序列S的均值，
snr为所述信号序列S的信噪比；
步骤104求取最佳秩，具体为：最佳秩记为Ropt，所用求取公式为：
Figure BDA0002741415840000024
其中：
Figure BDA0002741415840000025
表示对集合
Figure BDA0002741415840000026
中的元素进行计数运算，
σj(H)表示所述Hankel矩阵H的第j个特征值，
σmed(H)表示所述Hankel矩阵H的特征值中值；
步骤105求取收缩化特征值，具体为：第r个收缩化特征值记为
Figure BDA0002741415840000027
所用求取公式为：
Figure BDA0002741415840000028
其中：
r＝1,2,…,Ropt为收缩化特征值序号，
Figure BDA0002741415840000029
为所述Hankel矩阵H的第Ropt+1个特征值，
σr(H)为所述Hankel矩阵H的第r个特征值；
步骤106求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure BDA0002741415840000031
其中：
Figure BDA0002741415840000032
为收缩化的特征值矩阵，
U为所述Hankel矩阵D的左特征矢量矩阵，
U(:,1:Ropt)为左特征值矢量矩阵U中第1,,2,…,Ropt列元素组成的矩阵。
一种利用最佳秩逼近的振声检测信号重构系统，包括：
模块201获取按时间顺序采集的信号序列S；
模块202求取Hankel矩阵，具体为：Hankel矩阵记为H，其第i行第j列元素为hij，所用求取公式为：
Figure BDA0002741415840000033
其中：
Figure BDA0002741415840000034
为所述信号序列S的第|i+j|N个元素，
|i+j|N表示以N为模对i+j取余数，
i＝1,2…,N为行序号，
j＝1,2…,N为列序号；
模块203求取最佳秩判断阈值，具体为：最佳秩判断阈值记为ε，所用求取公式为：
Figure BDA0002741415840000035
其中：
σ0为所述信号序列S的均方差，
m0为所述信号序列S的均值，
snr为所述信号序列S的信噪比；
模块204求取最佳秩，具体为：最佳秩记为Ropt，所用求取公式为：
Figure BDA0002741415840000036
其中：
Figure BDA0002741415840000037
表示对集合
Figure BDA0002741415840000038
中的元素进行计数运算，
σj(H)表示所述Hankel矩阵H的第j个特征值，
σmed(H)表示所述Hankel矩阵H的特征值中值；
模块205求取收缩化特征值，具体为：第r个收缩化特征值记为
Figure BDA0002741415840000041
所用求取公式为：
Figure BDA0002741415840000042
其中：
r＝1,2,…,Ropt为收缩化特征值序号，
Figure BDA0002741415840000045
为所述Hankel矩阵H的第Ropt+1个特征值，
σr(H)为所述Hankel矩阵H的第r个特征值；
模块206求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure BDA0002741415840000043
其中：
Figure BDA0002741415840000044
为收缩化的特征值矩阵，
U为所述Hankel矩阵D的左特征矢量矩阵，
U(:,1:Ropt)为左特征值矢量矩阵U中第1,,2,…,Ropt列元素组成的矩阵。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
如前所述，振声检测方法利用了变压器发出的震动信号，很容易受到工作环境的影响，造成信号传输的中断和信号质量的严重下降，使得接收到的部分振声信号无法使用，因此如何有效地重构变压器振声信号，是此方法能否成功应用的重要制约因素。现在常用的方法，对此问题重视不够，还未采取有效的措施解决此问题。
本发明的目的是提供一种利用最佳秩逼近的振声检测信号重构方法和系统，所提出的方法利用了振声检测信号的连续性，通过最佳秩逼近性质重构振声检测信号。所提出的方法具有较好的信号重构性能，计算也较为简单。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图；
图2为本发明的系统流程示意图；
图3为本发明的具体实施案例流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1一种利用最佳秩逼近的振声检测信号重构方法的流程示意图
图1为本发明一种利用最佳秩逼近的振声检测信号重构方法的流程示意图。如图1所示，所述的一种利用最佳秩逼近的振声检测信号重构方法具体包括以下步骤：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取Hankel矩阵，具体为：Hankel矩阵记为H，其第i行第j列元素为hij，所用求取公式为：
Figure BDA0002741415840000051
其中：
Figure BDA0002741415840000052
为所述信号序列S的第|i+j|N个元素，
|i+j|N表示以N为模对i+j取余数，
i＝1,2…,N为行序号，
j＝1,2…,N为列序号；
步骤103求取最佳秩判断阈值，具体为：最佳秩判断阈值记为ε，所用求取公式为：
Figure BDA0002741415840000053
其中：
σ0为所述信号序列S的均方差，
m0为所述信号序列S的均值，
snr为所述信号序列S的信噪比；
步骤104求取最佳秩，具体为：最佳秩记为Ropt，所用求取公式为：
Figure BDA0002741415840000054
其中：
Figure BDA0002741415840000055
表示对集合
Figure BDA0002741415840000056
中的元素进行计数运算，
σj(H)表示所述Hankel矩阵H的第j个特征值，
σmed(H)表示所述Hankel矩阵H的特征值中值；
步骤105求取收缩化特征值，具体为：第r个收缩化特征值记为
Figure BDA0002741415840000065
所用求取公式为：
Figure BDA0002741415840000061
其中：
r＝1,2,…,Ropt为收缩化特征值序号，
Figure BDA0002741415840000066
为所述Hankel矩阵H的第Ropt+1个特征值，
σr(H)为所述Hankel矩阵H的第r个特征值；
步骤106求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure BDA0002741415840000062
其中：
Figure BDA0002741415840000063
为收缩化的特征值矩阵，
U为所述Hankel矩阵D的左特征矢量矩阵，
U(:,1:Ropt)为左特征值矢量矩阵U中第1,,2,…,Ropt列元素组成的矩阵。
图2一种利用最佳秩逼近的振声检测信号重构系统的结构意图
图2为本发明一种利用最佳秩逼近的振声检测信号重构系统的结构示意图。如图2所示，所述一种利用最佳秩逼近的振声检测信号重构系统包括以下结构：
模块201获取按时间顺序采集的信号序列S；
模块202求取Hankel矩阵，具体为：Hankel矩阵记为H，其第i行第j列元素为hij，所用求取公式为：
Figure BDA0002741415840000064
其中：
Figure BDA0002741415840000067
为所述信号序列S的第|i+j|N个元素，
|i+j|N表示以N为模对i+j取余数，
i＝1,2…,N为行序号，
j＝1,2…,N为列序号；
模块203求取最佳秩判断阈值，具体为：最佳秩判断阈值记为ε，所用求取公式为：
Figure BDA0002741415840000071
其中：
σ0为所述信号序列S的均方差，
m0为所述信号序列S的均值，
snr为所述信号序列S的信噪比；
模块204求取最佳秩，具体为：最佳秩记为Ropt，所用求取公式为：
Figure BDA0002741415840000072
其中：
Figure BDA0002741415840000073
表示对集合
Figure BDA0002741415840000074
中的元素进行计数运算，
σj(H)表示所述Hankel矩阵H的第j个特征值，
σmed(H)表示所述Hankel矩阵H的特征值中值；
模块205求取收缩化特征值，具体为：第r个收缩化特征值记为
Figure BDA0002741415840000075
所用求取公式为：
Figure BDA0002741415840000076
其中：
r＝1,2,…,Ropt为收缩化特征值序号，
Figure BDA0002741415840000079
为所述Hankel矩阵H的第Ropt+1个特征值，
σr(H)为所述Hankel矩阵H的第r个特征值；
模块206求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure BDA0002741415840000077
其中：
Figure BDA0002741415840000078
为收缩化的特征值矩阵，
U为所述Hankel矩阵D的左特征矢量矩阵，
U(:,1:Ropt)为左特征值矢量矩阵U中第1,,2,…,Ropt列元素组成的矩阵。
下面提供一个具体实施案例，进一步说明本发明的方案
图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：
步骤301获取按时间顺序采集的信号序列S；
步骤302求取Hankel矩阵，具体为：Hankel矩阵记为H，其第i行第j列元素为hij，所用求取公式为：
Figure BDA0002741415840000081
其中：
Figure BDA0002741415840000082
为所述信号序列S的第|i+j|N个元素，
|i+j|N表示以N为模对i+j取余数，
i＝1,2…,N为行序号，
j＝1,2…,N为列序号；
步骤303求取最佳秩判断阈值，具体为：最佳秩判断阈值记为ε，所用求取公式为：
Figure BDA0002741415840000083
其中：
σ0为所述信号序列S的均方差，
m0为所述信号序列S的均值，
snr为所述信号序列S的信噪比；
步骤304求取最佳秩，具体为：最佳秩记为Ropt，所用求取公式为：
Figure BDA0002741415840000084
其中：
Figure BDA0002741415840000085
表示对集合
Figure BDA0002741415840000086
中的元素进行计数运算，
σj(H)表示所述Hankel矩阵H的第j个特征值，
σmed(H)表示所述Hankel矩阵H的特征值中值；
步骤305求取收缩化特征值，具体为：第r个收缩化特征值记为
Figure BDA0002741415840000087
所用求取公式为：
Figure BDA0002741415840000088
其中：
r＝1,2,…,Ropt为收缩化特征值序号，
Figure BDA0002741415840000093
为所述Hankel矩阵H的第Ropt+1个特征值，
σr(H)为所述Hankel矩阵H的第r个特征值；
步骤306求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure BDA0002741415840000091
其中：
Figure BDA0002741415840000092
为收缩化的特征值矩阵，
U为所述Hankel矩阵D的左特征矢量矩阵，
U(:,1:Ropt)为左特征值矢量矩阵U中第1,,2,…,Ropt列元素组成的矩阵。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (2)

1.一种利用最佳秩逼近的振声检测信号重构方法，其特征在于，包括：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取Hankel矩阵，具体为：Hankel矩阵记为H，其第i行第j列元素为hij，所用求取公式为：
Figure FDA0002741415830000018
其中：
Figure FDA0002741415830000019
为所述信号序列S的第|i+j|N个元素，
|i+j|N表示以N为模对i+j取余数，
i＝1,2…,N为行序号，
j＝1,2…,N为列序号；
步骤103求取最佳秩判断阈值，具体为：最佳秩判断阈值记为ε，所用求取公式为：
Figure FDA0002741415830000011
其中：
σ0为所述信号序列S的均方差，
m0为所述信号序列S的均值，
snr为所述信号序列S的信噪比；
步骤104求取最佳秩，具体为：最佳秩记为Ropt，所用求取公式为：
Figure FDA0002741415830000012
其中：
Figure FDA0002741415830000013
表示对集合
Figure FDA0002741415830000014
中的元素进行计数运算，
σj(H)表示所述Hankel矩阵H的第j个特征值，
σmed(H)表示所述Hankel矩阵H的特征值中值；
步骤105求取收缩化特征值，具体为：第r个收缩化特征值记为
Figure FDA0002741415830000015
所用求取公式为：
Figure FDA0002741415830000016
其中：
r＝1,2,…,Ropt为收缩化特征值序号，
Figure FDA0002741415830000017
为所述Hankel矩阵H的第Ropt+1个特征值，
σr(H)为所述Hankel矩阵H的第r个特征值；
步骤106求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure FDA0002741415830000021
其中：
Figure FDA0002741415830000022
为收缩化的特征值矩阵，
U为所述Hankel矩阵D的左特征矢量矩阵，
U(:,1:Ropt)为左特征值矢量矩阵U中第1,2,…,Ropt列元素组成的矩阵。
2.一种利用最佳秩逼近的振声检测信号重构系统，其特征在于，包括：
模块201获取按时间顺序采集的信号序列S；
模块202求取Hankel矩阵，具体为：Hankel矩阵记为H，其第i行第j列元素为hij，所用求取公式为：
Figure FDA0002741415830000023
其中：
Figure FDA0002741415830000024
为所述信号序列S的第|i+j|N个元素，
|i+j|N表示以N为模对i+j取余数，
i＝1,2…,N为行序号，
j＝1,2…,N为列序号；
模块203求取最佳秩判断阈值，具体为：最佳秩判断阈值记为ε，所用求取公式为：
Figure FDA0002741415830000025
其中：
σ0为所述信号序列S的均方差，
m0为所述信号序列S的均值，
snr为所述信号序列S的信噪比；
模块204求取最佳秩，具体为：最佳秩记为Ropt，所用求取公式为：
Figure FDA0002741415830000026
其中：
Figure FDA0002741415830000027
表示对集合
Figure FDA0002741415830000028
中的元素进行计数运算，
σj(H)表示所述Hankel矩阵H的第j个特征值，
σmed(H)表示所述Hankel矩阵H的特征值中值；
模块205求取收缩化特征值，具体为：第r个收缩化特征值记为
Figure FDA0002741415830000031
所用求取公式为：
Figure FDA0002741415830000032
其中：
r＝1,2,…,Ropt为收缩化特征值序号，
Figure FDA0002741415830000033
为所述Hankel矩阵H的第Ropt+1个特征值，
σr(H)为所述Hankel矩阵H的第r个特征值；
模块206求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure FDA0002741415830000034
其中：
Figure FDA0002741415830000035
为收缩化的特征值矩阵，
U为所述Hankel矩阵D的左特征矢量矩阵，
U(:,1:Ropt)为左特征值矢量矩阵U中第1,2,…,Ropt列元素组成的矩阵。
CN202011151365.6A 2020-10-25 2020-10-25 一种利用最佳秩逼近的振声检测信号重构方法和系统 Active CN112284520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011151365.6A CN112284520B (zh) 2020-10-25 2020-10-25 一种利用最佳秩逼近的振声检测信号重构方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011151365.6A CN112284520B (zh) 2020-10-25 2020-10-25 一种利用最佳秩逼近的振声检测信号重构方法和系统

Publications (2)

Publication Number Publication Date
CN112284520A CN112284520A (zh) 2021-01-29
CN112284520B true CN112284520B (zh) 2022-06-24

Family

ID=74423322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011151365.6A Active CN112284520B (zh) 2020-10-25 2020-10-25 一种利用最佳秩逼近的振声检测信号重构方法和系统

Country Status (1)

Country Link
CN (1) CN112284520B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014207588A1 (en) * 2013-06-24 2014-12-31 Universite De Strasbourg Method for reducing noise in data-sets of harmonic signals
CN105675983A (zh) * 2016-01-18 2016-06-15 电子科技大学 一种强混沌背景下的弱谐波信号检测与重建方法
CN105891667A (zh) * 2015-11-19 2016-08-24 四川中光防雷科技股份有限公司 一种高压线路故障定位方法与系统
CN109001802A (zh) * 2018-08-30 2018-12-14 电子科技大学 基于Hankel张量分解的地震信号重构方法
CN110286289A (zh) * 2019-06-30 2019-09-27 广东石油化工学院 一种利用低秩矩阵恢复的变压器运行状态振声检测信号滤波方法和系统
CN110443104A (zh) * 2019-03-29 2019-11-12 杭州电子科技大学 一种应用于超声波局放检测的数据滤波方法
CN111027414A (zh) * 2019-11-21 2020-04-17 五邑大学 Hankel矩阵结构优化方法、装置、计算设备和存储介质
CN111751098A (zh) * 2020-06-27 2020-10-09 广东石油化工学院 一种利用高斯预测模型的振声检测信号重构方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018090467A1 (zh) * 2016-11-17 2018-05-24 丹阳华神电器有限公司 基于模糊熵的含噪信号处理方法及迭代奇异谱软阈值去噪方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014207588A1 (en) * 2013-06-24 2014-12-31 Universite De Strasbourg Method for reducing noise in data-sets of harmonic signals
CN105891667A (zh) * 2015-11-19 2016-08-24 四川中光防雷科技股份有限公司 一种高压线路故障定位方法与系统
CN105675983A (zh) * 2016-01-18 2016-06-15 电子科技大学 一种强混沌背景下的弱谐波信号检测与重建方法
CN109001802A (zh) * 2018-08-30 2018-12-14 电子科技大学 基于Hankel张量分解的地震信号重构方法
CN110443104A (zh) * 2019-03-29 2019-11-12 杭州电子科技大学 一种应用于超声波局放检测的数据滤波方法
CN110286289A (zh) * 2019-06-30 2019-09-27 广东石油化工学院 一种利用低秩矩阵恢复的变压器运行状态振声检测信号滤波方法和系统
CN111027414A (zh) * 2019-11-21 2020-04-17 五邑大学 Hankel矩阵结构优化方法、装置、计算设备和存储介质
CN111751098A (zh) * 2020-06-27 2020-10-09 广东石油化工学院 一种利用高斯预测模型的振声检测信号重构方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Partial Discharge Random Noise Removal Using Hankel Matrix-Based Fast Singular Value Decomposition;Suganya Govindarajan 等;《IEEE Transactions on Instrumentation and Measurement》;20200731;第69卷(第7期);全文 *
基于复合特征的断路器机械故障诊断方法研究;姚杨 等;《中国电机工程学报》;20191130(第21期);全文 *

Also Published As

Publication number Publication date
CN112284520A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN110703145B (zh) 一种利用多优化理论的变压器振声信号重构方法和系统
CN111665405A (zh) 一种利用稀疏度最小化的振声检测信号滤波方法和系统
CN111664933A (zh) 一种利用静态矢量优化的振声检测信号滤波方法和系统
CN111664934A (zh) 一种利用特征选择的变压器状态振声检测信号滤波方法和系统
CN112284520B (zh) 一种利用最佳秩逼近的振声检测信号重构方法和系统
CN110017894B (zh) 变压器运行状态振声检测中随机噪声的滤除方法和装置
CN111780868A (zh) 一种利用Jeffery差异量的变压器运行状态振声检测方法和系统
CN111473861A (zh) 一种利用稀疏误差的变压器状态振声检测信号重构方法和系统
CN112304419A (zh) 一种利用泛化稀疏编码的振声检测信号重构方法和系统
CN111879403A (zh) 一种利用弱信号保持的振声检测信号重构方法和系统
CN110514295B (zh) 一种利用svd分解的变压器运行状态振声检测信号滤波方法和系统
CN111751098A (zh) 一种利用高斯预测模型的振声检测信号重构方法和系统
CN110286289B (zh) 一种变压器振声检测信号滤波方法
CN112345226B (zh) 一种利用块协调最小化的振声检测信号重构方法和系统
CN111141384A (zh) 一种利用Frechet正则化的变压器状态振声检测信号重构方法和系统
CN111649819A (zh) 一种利用迭代软阈值的变压器状态振声检测信号滤波方法和系统
CN112417994B (zh) 一种利用正则化因子的振声检测信号滤波方法和系统
CN110646691B (zh) 一种利用拉伸变换的变压器振声信号滤波方法和系统
CN110837013A (zh) 一种利用稀疏字典表示的变压器状态振声检测信号重构方法和系统
CN112307993B (zh) 一种利用局部相似性的振声检测信号滤波方法和系统
CN112179485A (zh) 一种利用Parseval能量逼近的振声检测信号重构方法和系统
CN112198463A (zh) 一种利用全局最小变化的振声检测信号重构方法和系统
CN112415439B (zh) 一种利用稀疏投影的振声检测信号滤波方法和系统
CN111579059A (zh) 一种利用二次逼近的变压器状态振声检测信号重构方法和系统
CN110657881B (zh) 一种利用稀疏反演的变压器振声信号滤波方法和系统

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
GR01 Patent grant
GR01 Patent grant