对于目前电力系统中低频振荡参数辨识中的噪声干扰和精度问题,提出了一种新的提取低频振荡模态参数的方法,将快速独立分量分析技术(fast independent component analysis,Fast ICA)和总体最小二乘-旋转不变技术(total least squares-est...对于目前电力系统中低频振荡参数辨识中的噪声干扰和精度问题,提出了一种新的提取低频振荡模态参数的方法,将快速独立分量分析技术(fast independent component analysis,Fast ICA)和总体最小二乘-旋转不变技术(total least squares-estimation of signal parameters via rotational invariance technique, TLS-ESPRIT)联合起来。首先运用FastICA技术对含有噪声的电力系统低频振荡广域测量信号进行预处理而达到降噪效果,而后将处理后的信号作为新的输入信号利用TLS-ESPRIT算法进行估计辨识,从而得到各个模态特征参数。通过对理想信号、EPRI-36机系统和电网实测信号仿真验证了所提方法的有效可行性,不但能够有效抑制噪声并准确地辨识低频振荡参数,而且在抗干扰性和提取精度上与传统辨识方法相比来说是有一定优势的。展开更多
针对模态辨识结果对输入的敏感性,研究了测量信息对飞行器工作模态辨识精度的影响。介绍了自回归-滑动平均(auto-regressive and moving average,简称ARMA)模型环境激励模态辨识方法的理论、试验测点和激励情况,并给出了试验研究方案情...针对模态辨识结果对输入的敏感性,研究了测量信息对飞行器工作模态辨识精度的影响。介绍了自回归-滑动平均(auto-regressive and moving average,简称ARMA)模型环境激励模态辨识方法的理论、试验测点和激励情况,并给出了试验研究方案情况。通过选择不同测点布置组合,研究了测点布置对辨识结果的影响。对各测点数据人为增加噪声,研究了数据品质对辨识结果的影响。研究发现,测点数目较多,且测点布置在振型数值较大位置,辨识结果较好。展开更多
文摘对于目前电力系统中低频振荡参数辨识中的噪声干扰和精度问题,提出了一种新的提取低频振荡模态参数的方法,将快速独立分量分析技术(fast independent component analysis,Fast ICA)和总体最小二乘-旋转不变技术(total least squares-estimation of signal parameters via rotational invariance technique, TLS-ESPRIT)联合起来。首先运用FastICA技术对含有噪声的电力系统低频振荡广域测量信号进行预处理而达到降噪效果,而后将处理后的信号作为新的输入信号利用TLS-ESPRIT算法进行估计辨识,从而得到各个模态特征参数。通过对理想信号、EPRI-36机系统和电网实测信号仿真验证了所提方法的有效可行性,不但能够有效抑制噪声并准确地辨识低频振荡参数,而且在抗干扰性和提取精度上与传统辨识方法相比来说是有一定优势的。
文摘针对模态辨识结果对输入的敏感性,研究了测量信息对飞行器工作模态辨识精度的影响。介绍了自回归-滑动平均(auto-regressive and moving average,简称ARMA)模型环境激励模态辨识方法的理论、试验测点和激励情况,并给出了试验研究方案情况。通过选择不同测点布置组合,研究了测点布置对辨识结果的影响。对各测点数据人为增加噪声,研究了数据品质对辨识结果的影响。研究发现,测点数目较多,且测点布置在振型数值较大位置,辨识结果较好。
