- 博客(6)
- 收藏
- 关注
RSS订阅原创 匝间短路故障学习历程（六） -- 批处理问题
在上边的处理过程中都是通过对单个样本进行的操作，比如说对正常样本或者故障样本进行加噪去噪或者说进行小波变换，但是在想进行故障诊断的时候需要同时对大量样本进行操作，那么这样的话就需要进行批处理操作，才能不使得数据处理起来太麻烦。在进行批处理的时候如果用的是python的话，写个for循环，然后将数据以矩阵的形式或者向量的形式进行迭代读取，然后对每种信号进行统一的操作就行了，但是如果你用的是MATLAB进行操作的话可能就会遇到一些常见的问题，然后可能网上也没有很好的解决办法或者说，没有很明确的方法能够解决这
2021-11-11 10:30:00
373
1
原创 匝间短路故障学习历程（五） -- 特征提取问题
先说一下总体的想法吧：（1）将信号进行输入（2）对信号进行小波分解，然后得到每一层的小波分解系数（3）对每一条子带进行提取特征（4）选择其中能够代表的特征矢量（5）对特征矢量进行添加标签，然后作为输入参数输入到神经网络中（BP神经网络居多）（6）不断地调整，优化参数（7）输出诊断信息现在通过前边几步的操作，能够证明现在小波分解之后提取的每一层系数的能量值可以表征正常样本和故障样本的差别，那么就可以用每一层的系数能量作为该样本的特征进行提取，但是在这个上边你会发现，在进..
2021-11-10 10:30:00
307
原创 匝间短路故障学习历程（四） -- 频谱分析
正常样本和故障样本的区别标准其实有很多种，其中频谱分析是其中的一种方式，主要是分析每一种信号的频率幅值信息或者叫振幅。频谱图是指信号频率与能量的关系用频谱表示。信号一般有四种特性：频谱、频谱密度、能量谱密度、功率谱密度简单介绍一下能量谱密度和功率谱密度，其实这两种很像，只不过在计算方式上可能有一些不同。但是都可以用来进行判断信号的差别情况。能量谱（ESD） = abs().^2/n功率谱（PSD） = abs()/n所以相对应的标准其实有很多的，频谱分析算是很常见的一种，通常情况下使用傅
2021-11-08 10:30:00
562
原创 匝间短路故障学习历程（三） -- 信号加噪去噪
因为通过仿真实验做出来的数据是模拟数据，所以不能和真实的数据进行比较，所以会用到针对模拟的信号进行添加噪声数据的方法来进行模拟实际场景中的信号。在MATLAB中也存在直接添加噪声数据的函数，我之前在网上看见过一个帖子详细的讲解了添加噪声数据的方法。在这个帖子中也是用的函数进行添加的噪声。这些是帖子中的介绍：y = awgn(x,snr)将白高斯噪声添加到向量信号x中。标量snr指定了每一个采样点信号与噪声的比率，单位为dB。如果x是复数的，awgn将会添加复数噪声。这个语法假设x的能量是0dBW
2021-11-06 10:30:00
502
原创 匝间短路故障学习历程（二）--小波变换处理信号
在上一次的介绍中已经将数据集的问题大体说了一下，然后做完的数据集一般会存放在Excel中。要是进行信号分析的话，其实只需要用到几个样本的数据集就行，因为你需要通过设定一种你自己的分辨标准来区分正常样本和故障样本的信息。这种标准你可以通过自己的一些经验或者论文上的学习来进行设定，比如说我看过一些论文用的是频谱图（就是分析频率）或者谐波的幅值变化等等，其实不用非得按照他们的，你只需要自己设定一种标准，在你这种标准之下，能够有效的区分故障样本和正常样本就可以了。我在这方面的思路是通过小波分解（下边说的都是离散
2021-11-04 11:59:58
610
原创 匝间短路故障学习历程（一）--数据集的问题
一般情况下，数据集的来源一般有两种：一种就是通过公开的数据集来进行设计实验，另一种就是通过实操（真实的实验）来进行获取数据集。但是因为一些条件的原因，再加上公开的数据集不太容易找的问题，可能会有一些别的方法来进行获取数据集，比如我用的就是通过做仿真实验来进行提取数据，制作的数据集。而现在做仿真实验的软件其实还是挺多的，比如我在网上看到过用Saber、Maxwell等等的，我这些不怎么了解，但是从网上还听说可以用MATLAB进行仿真实验，然后就去了解了一下，发现在MATLAB中有一个子系统叫simulin
2021-11-02 19:02:57
1874
36
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人