小波分析应用综述1.docxVIP

研究生课程考核试卷科 目： 小波分析 教 师： 姓 名： 学 号： 专 业： 类 别： 上课时间: 2014年2月至2014年6月 考 生 成 绩：卷面成绩平时成绩课程综合成绩阅卷评语： 阅卷教师 (签名) 小波分析在电力电子状态控制中的应用综述摘要：小波分析是近年来的重大突破，它在时域和频域上均有较好的局部化特性，正是由于它这种特性，使得小波技术体现了传统方法没有的优越性。在电力电子状态监测中，往往监测量包含多种不同的信息，小波分析凭其精密的分析能力等优点得到了广泛应用。本文从小波分析的特点出发，围绕其在电力电子领域的应用，介绍了小波变换在信号去噪，信号特征量提取中以及在结合其他方法时的推广应用。通过介绍分析总结了小波分析在电力电子领域应用中的发展方向。关键词：小波分析；电力电子；状态检测0 引言随着电力电子设备在新能源中的广泛应用，功率器件的可靠性问题越来越受到关注。状态控制是可靠性研究的基础，对运行中的电力电子装置的技术状态进行检查鉴定，以判断其运转是否正常，有无异常与劣化征兆，或对异常情况进行追踪，预测其劣化趋势，从而确定是否需要采取相应的措施的活动。在状态监测的基础上利用相关的技术可开展故障诊断，通过分析设备状态测试信号对设备异常运行状态和故障情况做出判断。电力电子电路发生故障必须快速(数毫秒到数十毫秒内)的将主电路停电，这会使故障状态下的信息随之消失，从而延长停机维修时间，影响生产。故障特征提取和识别方法的研究对发展和完善电力电子装置的智能故障诊断技术有着重要的现实和经济意义。近十几年来，小波分析方法在机械振动、电力、通信等领域的故障信号研究方面得到了广泛的应用与发展[1-6]。小波分析方法是一种将时频窗面积不变，但形状可改变，即经伸缩和平移实现时间窗和频率窗同时可变的时频局部化分析方法。实现了在低频部分具有较高的频率分辨率和较低的时间分辨率，而在高频部分具有较高的时间分辨率和较低的频率分辨率。相比同样用于信号分析的传统傅里叶分析，仅能利用整体的正弦或余弦函数作为基函数，而小波分析利用具有时间域和频率域局部化特性的小波基函数来分析各类信号。正由于上述特点使得小波分析特别适用于突变信号和非平稳信号的分析与检测，打破了傅里叶分析仅适用于平稳信号的束缚。与傅里叶变换相比，小波分析中所用到的小波函数则不是唯一的。在实际工程应用中，同一个分析信号若使用不同的小波函数进行分析时，将产生不同、甚至相却甚远的分析结果。如何正确有效地对小波分析函数进行选择仍是研究的难点与热点。 目前，国内外学者利用小波分析对电力电子装置进行状态控制做了大量研究。全文围绕状态控制，重点分析小波分析在电力电子领域的应用。通过介绍各种方法的应用情况，并对比总结了其优缺点，最后指出小波分析在电力电子领域中存在的问题和发展方向。1小波变换在故障信号去噪中应用小波包分析为信号提供了一种比小波分析更加精密的分析方法，是小波函数的推广。它将频带进行多层次划分，对多分辨率分析没有细分的高频部分进一步分解，可以根据被分析信号的特征和分析要求在一定的频域范围内任意选择分辨率，从而进一步提高了时频分辨率。状态控制主要是对各种状态下电压及电流信号的能量特征向量进行提取，然而电力电子装置中噪声因素对故障检测和识别带来巨大的影响，导致故障信号的特征难以识别。从上述的分析中可以看出小波变换可将信号分解、滤噪，再将平滑后的信号重建即可得消噪的特征信号。基于此文献[7]用多尺度小波变换和小波包变换对信号进行消噪。然后利用Matlab对电力电子装置故障暂态信号进行消噪处理，比较各种消噪方法的优缺点，并结合理论分析和模拟结果讨论了阈值的选取方法和原则。仿真结果表明，基于小波变换的消噪方法是一种提取有用信号、展示噪声和突变信号的实用方法。文献[8]应用小波包能量法提取特征量，并将它们进行数据融合作为神经元网络故障分类器的输人向量，由神经元网络故障分类器对各种故障进行识别和诊断。通过试验效果分析选取db9函数作为小波基函数进行三层小波包分解，分解后的系数进行阈值量化，最后将重构得到去噪后的信号。小波包浮动阈值去噪法不但去噪效果好而且还能保留原始信号的故障特征，具有很好的应用价值。文献[9]根据电力电子电路故障时波形的特点，对故障信号进行多尺度划分，并根据故障信号的特征，自适应地选择相应频带，使之与信号频谱相匹配，并用小波能量法提取信号在各频带的能量值作为特征向量，以减少特征向量的数目。仿真实验证明利用多分辨率分析将故障电压信号在不同的尺度上展开，提取各频带能量作为特征向量，将原始信号由特征向量表示，使数据得到压缩，所提出的方法是可行和有效的。2 小波分析用于状态智能分类识别随着风力发电领域生产设备自动化水平提高，风力发电机都采用远程遥测集中控制。大量现场采集来