毕业论文外文翻译-一种新的局部放电小波去噪方法（含英文原文）.doc

中北大学2015届毕业设计外文文献翻译一种新的局部放电小波去噪方法摘要局部放电信号被用来评估各种功率器件的绝缘状况。现在噪声污染相当严重，而由于噪声来源不同，所以降噪技术的使用是必须的。小波收缩去噪方法和小波基选择的方法已经在最近的文献探讨。本文是选择小波基础上的一种新方法，它包括了基于信号的能量谱密度的小波分解层数，并选择对信噪比进行计算，是一种基于小波系数的尺度依赖性算法。在每一个分解阶段，局部放电脉冲的主要波段，称为信号带，被确定为一个具有最高的系数。与之前所提出的方法相比，基于小波变换的去噪方法，显示出较好的滤波性能和较小的处理时间。外文文献为PDF格式，下载后双击即可打开另存关键词： 局部放电， 小波变换，小波包变换，去噪1 简介在电力系统在线诊断和监测的操作条件下，电力设备需要做到高效和准确。近年来，电力设备运行成本很高，这是由于经常出现意外停机。此外，作为电力系统来说，我们需要增加他们的使用寿命，从而减少停电损失和经济损失。在高电压设备绝缘系统中局部放电的监测（PD）是一种有效的工具。一个典型的PD信号往往是由几个噪声源组成。这种污染可能击溃PD信号和导致错误的绝缘状况的评估。在这种情况下，数字滤波技术的使用是对局部放电进行评估的关键一步。在以前的几种降噪算法中，提出了利用小波收缩去噪的方法，这是减少宽带噪声和离散谱干扰最有效的方法。对于脉冲型噪声提取，额外的去噪策略已成功地应用在小波收缩，如那些基于BP神经网络的方法。为了有效地抑制脉冲噪声，小波收缩必须减少信号失真，保留尽可能多的PD波形。大量资料表明，线性判别分析法应用于多尺度分形维数，以超高的局部放电信号的能量参数识别缺陷。离散小波变换（DWT）是在向量空间的一个特定的基础上（Z）把离散信号分解成有限的部分。这种分离在更有效的小波基础上更好地代表PD脉冲。因此，现在的问题是发现PD去噪最佳的小波，我们可以建立一个最佳小波，最大限度地高于宽带噪声水平。尽管确定小波分解水平是很困难的，研究这一问题的文献也比较少。大多数性文章报道使用的是试错法。基于选择的小波滤波器，提出了基于小波的选择相关方法，小波函数的最相关的PD脉冲应用于所有的分解水平，和能量小波选择（EBWs）方法。其中，在每一个层面上，选取小波滤波器，最大限度的发挥位于低频子带的能量。本文中，我们提出了基于小波变换的新方法，这种方法主要是要精确的选择小波分解层数，从而在必要的水平以最小的数表示主要的细节子带脉冲。我们还提出了一种新的规模依赖小波选择方法的标识，在每一个级别中，主要波段的局放信号，选择小波滤波器，最大限度地提高信号的信噪比（SNR）互补的分解带考虑峰值系数值之间的关系。基于小波的选择方法趋于集中的PD信号显示的信息较少的系数高值，相比其他技术，产生更好的滤波效果和降低信号失真。2 基于小波去噪和PD检测技术一个PD信号通过小波变换可以让我们对现有的噪声和有用信号进行分离、分解，从而减轻甚至消除噪声。二进小波变换是最常用的变换去噪技术，因其良好的时频特性数据。一个二进制数字小波变换的实际执行情况，在第一阶段，是通过一二通道滤波器组由一个低通滤波器G PD信号（n），相应的尺度函数，安达高通滤波器h（n），相应的小波函数，其次是两抽取因子（下采样）。这两个信号表示为近似的细节。在下一阶段小波系数应用于低通和高通。通过抽取，生成新的近似a2anddetail d2coefficients。分解过程重复直到最后逼近细节获得。由低通和高通滤波器的滤波器组，这也被称为正交镜像滤波器（QMF）设计，这样就可以获得一个完美的重构原始信号运用逆数字小波变换（IDWT），它可以通过合成滤波器银行因素两插值算法实现。一个信号的小波阈值去噪技术可概括为如下：1 确定数量的分解水平。2 获取阈值系数。3 得到去噪后的信号进行重构信号。3 小波分解水平选择在文献中，一些程序已经通过对小波分解在PD信号去噪的数量自动选择。在大多数情况下，然而，这样的选择是随机的，在特定的局部放电信号中，一定数量的水平是不足以提供良好的去噪效果。虽然指出了级别数是与采样率和光谱的脉冲相关。考虑到在分解水平最高的信号长度必须至少等于小波滤波器的长度。除此之外，通过分解层次的适当数量的选择可以提供一个良好的小波分解，这种方法避免了分解的最大数量的水平信号。小波变换通过引入可变的尺度和平移因子，在分析信号的时候具有可调的时频窗口，这样就非常容易的解决了时频局部化的矛盾，弥补了傅立叶变换的不足之处，为今后的信号处理提供了一种多分辨率下的动态分析的方法。检测高频信号的时侯，随着尺度因子的减小，时间窗口也自动的变窄，频率窗口的高度也相应的增加；检测低频信号的时候，随着尺度因子增大，时间窗口也自动变宽，频率窗口的高度相应减小。从这点来看，利用小波变换的时频局部化的特性可以很准确地获得信号的局部化特征，这对突变信号和非平稳信号的检测是非常有用的。4 小波滤波器的选择这部分我们简要地描述了以前小波去噪的几种方法。随后，我们提出了一个新的局放检测信号的分解办法，以每个阶段的母小波选择命名，这说明这种方法已经有效替代了CBWS，EBWs方法。该方法提出了源于事实的EBWs方法，它总是寻求最大能量的近似系数，但不一定集中在局部放电信号的能量尽可能少的水平，这是主要目标的小波滤波器的选择PD去噪。在第六级，脉冲的能量仍然集中在近似的地方，EBWs方法以最大限度地提高相应的能量脉冲。然而，在7级的EBWs仍试图最大限度地提高近似带能量，而局部放电脉冲的能量被集中在细节系数。因此，从这个层面上的过滤器没有最好的集中的小波系数能量，而是要传播它。为了克服这个困难，本文提出的方法识别，在各分解层，局部放电脉冲的主带（称为信号频段）作为一个具有最大价值，然后确定为噪声频带。每一级别的小波滤波器选择以最大限度地提高峰值信噪比（SNR）。假设具有最高能量的频带与最高的绝对价值系数的频带，用snrbws方法最大化，在每一个级别，能量的差异之间的相邻的逼近细节子带。通过小波滤波器，最大限度地分析局部放电的脉冲能量，该方法集中在一个较小的数的系数，具有更大幅度的脉冲能量。总之，不同的小波滤波器适用于不同的信号分解。5 局部放电信号造成电力系统中电气设备事故发生概率居高不下的最重要的原因原因就是绝缘损坏，在电力系统中的各种设备正常运行情况下，如果能够在线监测并实时观察电气设备的绝缘情况，那么就可以顺利查出早期潜在的故障，从而就能最大限度的减少重大事故的发生，降低恶性绝缘故障发生的概率，减少经济损失，从而带来非常可观的经济效益并实现可持续发展。从中我们可以看出，局部放电的在线监测是找到绝缘故障的重要手段。在实际的工程应用中，局部放电具有不同的特性，干扰信号更是多种多样。只有深入了解局部放电及其干扰信号的特性、来源和传播途径等方便，才能更加有选择地比较并选择其中最合适的方法，有效地去除干扰噪声，尽管最终提取的信号可能发生比较微小的失真，但是基本能达到能准确地提取目标信号的目的，进而可以更加合理和有效地分析信号。PD测量电路信号在我们的实验室的实验结果表明，在这种配置中，待测物体，平行地放置一个耦合电容耦合装置，从PD，并通过同轴电缆的数据采集系统。从电容器C1和C2分频得到同步信号，使系统能识别每个PD脉冲发生的主要阶段。测量电路是由一个电感串联，作为一个过滤器来减少高频噪声成分，可能来自源高压电源。该过滤器只能用于离线或在实验室测量，由于在线测试会插入一个滤波器，这种方法是不切实际的。在这项工作中，一个3小时的电感进行发电机定子棒和断路器。对于发电机，GIS，避雷器，变压器和电流互感器，测量每形成现场，和排列，如图所示，除了滤波器。6 结果 得到每个参考信号分解层数选择总数，使用nwdls方法描述。经过频率计算，集中脉冲的能量在细节子带。图示显示了归一化的ESD，每个脉冲和分解随着分解层次的计算。表显示了每个信号的最优小波得到CBWS，所有EBWs和snrbws方法。注意的EBWs和snrbws算法的小波得到了每一个层面上，而对于CBWS算法单小波选择所有的水平。最初说，小波变换目的是浓缩的脉冲能量为数较少的水平产生更好的去噪效果。图9给出了每一种方法所产生的能量分布。请注意，snrbws方法产生的所有测量脉冲最大能量，和所有的模拟脉冲除S1和S4。这一事实证实，没有方法可以产生最佳的能量集中，其结果取决于每一个脉冲的初始时间波形。7 结论该方法获取最佳小波去噪的基础是由两部分组成：一个新的方法来