基于多小波的煤矿井下动力电缆故障定位研究.docxVIP

董爱华，苏英．基于多小波的煤矿井下动力电缆故障定位研究［Ｊ］．工矿自动化，２０１４，４０（５）：３７－４２．基于多小波的煤矿井下动力电缆故障定位研究董爱华，苏英（河南理工大学电气工程与自动化学院，河南焦作４５４００３）摘要：针对基于传统小波变换的煤矿井下动力电缆故障定位方法由于小波函数不具有对称性而存在定位精度差的问题，提出了一种基于ＧＨＭ多小波的煤矿井下动力电缆故障定位方法。分析了多小波理论的原理，详细介绍了ＧＨＭ多小波在煤矿井下动力电缆故障定位中的应用。仿真结果表明，动力电缆故障电流信号经ＧＨＭ多小波变换后各尺度的奇异点不会发生偏移，提高了故障定位精度。关键词：矿井；动力电缆；故障定位；ＧＨＭ多小波；奇异点；模极大值中图分类号：ＴＤ６０８文献标志码：Ａ网络出版时间：２０１４－０４－２９１７：０１网络出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｏｉ／１０．１３２７２／ｊ．ｉｓｓｎ．１６７１－２５１ｘ．２０１４．０５．０１０．ｈｔｍｌ收稿日期：２０１３－０８－２８；修回日期：２０１４－０３－１２；责任编辑：王晖。基金项目：义马煤业集团大型科研项目（１２８９６６）。作者简介：董爱华（１９５５－），男，河南鹿邑人，教授，主要从事电工、电子技术和自动控制等方面的教学与科研工作，Ｅ－ｍａｉｌ：ｄａｈ＠ｈｐｕ．ｅｄｕ．ｃｎ。檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿突出预测指标优选［Ｊ］．煤炭科学技术，２００５，３３（４）：５５－５８．［２］田云丽，周利华．基于ＢＰ神经网络的煤与瓦斯突出预测方法的研究［Ｊ］．系统工程理论与实践，２００５（１２）：１０２－１０６．［３］戴宏亮．基于改进的自适应支持向量机建模的煤与瓦斯突出预测［Ｊ］．计算机应用研究，２００９，２６（５）：１６５６－１６５８．［４］褚辉，赖惠成．一种改进的ＢＰ神经网络算法及其应用［Ｊ］．计算机仿真，２００７，２４（４）：８１－８３，１１７．５结语图４２种ＢＰ神经网络预测误差对比［５］孙云霄，方健，马小平．基于半监督学习和支持向量机的煤与瓦斯突出预测研究［Ｊ］．工矿自动化，２０１２，３８（１１）：４０－４２．采用Ｍａｔｌａｂ神经网络工具箱对传统ＢＰ神经网络进行改进，并设计了基于改进ＢＰ神经网络的突出预测系统。实验结果表明，较基于传统ＢＰ神 经网络的突出预测系统相比，该系统具有更高的预测准确性，同时使用更加方便、高效。参考文献：［１］伍爱友，姚建，肖红飞．基于灰色关联分析的煤与瓦斯［６］楼顺天，施阳．基于Ｍａｔｌａｂ的系统分析与设计———神 经网络［Ｍ］．西安：西安电子科技大学出版社，１９９９：９－１４３．［７］ＣＵＮＨＡＪ，ＣＯＧＡＮＳ，ＢＥＲＴＨＯＤＣ．Ａｐｐｌｉｃａｔｉｏｎｏｆｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓｆｏｒｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｅｌａｓｔｉｃｃｏｎｓｔａｎｔｏｆｃｏｍｐｏｓｉｔｅｍａｔｅｒｉａｌｓｆｒｏｍｄｙｎａｍｉｃｔｅｓｔｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＮｕｍｅｒｉｃａｌＭｅｔｈｏｄｉｎＥｎｇｉｎｅｅｒｉｎｇ，１９９９，４５（７）：８９１－９００．·３８·工矿自动化２０１４年第４０卷Ｒｅｓｅａｒｃｈｏｆｆａｕｌｔｌｏｃａｔｉｏｎｏｆｕｎｄｅｒｇｒｏｕｎｄｐｏｗｅｒｃａｂｌｅｂａｓｅｄｏｎｍｕｌｔｉ－ｗａｖｅｌｅｔＤＯＮＧＡｉｈｕａ，ＳＵＹｉｎｇ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＨｅｎａｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｊｉａｏｚｕｏ４５４００３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｖｉｅｗｏｆｐｒｏｂｌｅｍｏｆｌｏｗｌｏｃａｔｉｏｎｐｒｅｃｉｓｉｏｎｉｎｆａｕｌｔｌｏｃａｔｉｏｎｍｅｔｈｏｄｏｆｕｎｄｅｒｇｒｏｕｎｄｐｏｗｅｒｃａｂｌｅｂａｓｅｄｏｎｔｒａｄｉｔｉｏｎａｌｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｃａｕｓｅｄｂｙａｓｙｍｍｅｔｒｙｏｆｗａｖｅｌｅｔｆｕｎｃｔｉｏｎ，ｔｈｅｐａｐｅｒｐｒｏｐｏｓｅｄａｆａｕｌｔｌｏｃａｔｉｏｎｍｅｔｈｏｄｏｆｕｎｄｅｒｇｒｏｕｎｄｐｏｗｅｒｃａｂｌｅｂａｓｅｄｏｎＧＨＭｍｕｌｔｉ－ｗａｖｅｌｅｔ．Ｉｔａｎａｌｙｚｅｄｐｒｉｎｃｉｐｌｅｏｆｍｕｌｔｉ－ｗａｖｅｌｅｔｔｈｅｏｒｙ，ａｎｄｉｎｔｒｏｄｕｃｅｄａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅＧＨＭｍｕｌｔｉ－ｗａｖｅｌｅｔｉｎｆａｕｌｔｌｏｃａｔｉｏｎｏｆｕｎｄｅｒｇｒｏｕｎｄｐｏｗｅｒｃａｂｌｅ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｓｉｎｇｕｌａｒｐｏｉｎｔｓｏｆｅａｃｈｓｃａｌｅｃａｎｎｏｔｏｃｃｕｒｍｉｇｒａｔｉｏｎａｆｔｅｒｓｉｇｎａｌｏｆｆａｕｌｔｃｕｒｒｅｎｔｏｆｐｏｗｅｒｃ