基于互相关和李雅普诺夫指数的微弱正弦信号混沌检测

微弱信号的幅值通常很小,且常被噪声淹没,难以检测。文中提出基于互相关和李雅普诺夫指数的微弱正弦信号混沌检测方法。该方法利用互相关方法对微弱正弦信号进行初步去噪,再利用混沌检测方法提取有效信号,以充分发挥互相关及混沌检测在噪声抑制及信号提取方面的优势;将最大李雅普诺夫指数作为判断混沌系统相变的量化依据,自动识别混沌系统的临界状态,从而准确给出用于确定微弱正弦信号幅值的策动力临界阈值。仿真实例分析表明,该方法能有效地检测出深埋于强噪声中的微弱正弦信号,且其检测精度较单独的互相关方法和混沌检测方法更优。     

光声光谱技术应用于变压器油中溶解气体分析

变压器油中溶解气体在线监测装置中的色谱柱和气敏传感器存在消耗被测气体和长期稳定性差等不足。光声光谱气体分析技术灵敏度高，不消耗被测气体，克服了传统油中溶解气体在线监测技术的缺点。文中对其在变压器油中溶解气体在线监测中的应用进行了研究。构建了用于变压器油中溶解气体分析的光声光谱平台，给出具有红外特征吸收峰的CH4 ，C2 H6 ，C2 H4 ，C2 H2 ，CO和CO2 这6种主要故障特征气体的特征频谱，采用加权最小二乘法对2种混合气体中的CH4 ，C2 H6 ，C2 H4 ，C2 H2 ，CO和CO2 进行了定性和定量分析。分析结果与气体各组分体积分数真实值或气相色谱仪测量值的比较表明，光声光谱技术能有效地对变压器油中溶解气体进行分析。     

基于遗传算法进化小波神经网络的电力变压器故障诊断

在电力变压器故障诊断方法中，小波神经网络常用的反向传播算法存在着易陷入局部极小点和对初值要求较高的缺点，往往给故障诊断带来困难。文中提出了一种基于遗传算法进化小波神经网络的变压器故障诊断方法，用实数编码的遗传算法来代替人解决小波神经网络结构的选择和参数的设定。在整个学习过程中，网络的复杂度、收敛性和泛化能力得到了较好的综合。大量实例表明，该方法能有效地对电力变压器单故障和多故障样本进行分类，提高了诊断准确率。