[发明专利]一种信号处理的小波分析法无效
申请号: | 201210438659.6 | 申请日: | 2012-11-06 |
公开(公告)号: | CN102930168A | 公开(公告)日: | 2013-02-13 |
发明(设计)人: | 于星光 | 申请(专利权)人: | 昆山北极光电子科技有限公司 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 215301 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 信号 处理 分析 | ||
技术领域
本发明属于信号处理领域,尤其涉及一种振动信号处理的小波分析法。
背景技术
目前分析振动信号的方法中最为常用的参数分析法,其极易受噪声干扰,最终对振动发射源的性质识别和判断有很大的影响,需要新的分析方法有效克服参数分析法的这一缺点。
发明内容
本发明的目的在于提供一种信号处理的小波分析法。
实现上述目的的技术方案是:一种信号处理的小波分析法,包括以下步骤:
S1、负荷分量分解:根据历史负荷的实际情况,采用具有紧支撑和高正则性的小波函数,对经过预处理的实际历史负荷数据序列进行三级小波分解,以预测误差最小化为标准,最终采用db4的小波基对其进行3尺度分解,分别得到4个子序列:子序列:dl,d2,d3,e3,其中c3为低频序列,dl,d2,d3均为高频细节序。
S2、基荷分量的回归分析预测:对于反映系统基荷的低频近似序列c3以及高频细节分量d3和d2分别构造相应的回归分析模型进行预测.使用外推叠加法对其进行近似预测.根据回归分析建模的一般步骤,首先采用多元线性回归方程建立回归分析方程对各尺度分量序列进行线性化处理.其中,利用矩阵解法求解确定回归方程的系数,在给定自由度后,确定序列中各元素的置信区间,得到预测模型方程式.利用该预测模型方程式得到各分量的预测值后,对各分量的预测值进行重构得到最终负荷序列的预测值。
S3、变动分量的趋势外推预测:对于随机性强、周期性短的d1分量采用对超短周期序列预测较佳的趋势外推预测法进行预测。
S4、结果分析与修正:实现负荷预测值的输出,并在知道最近预测日的实际预测值之后对所做的预测进行精度分析。
本发明将小波分析、回归分析等几种较优的负荷预测方法相结合形成新的预测模型,从而进行优化处理、取长补短,达到进一步提高预测精度的目的。
具体实施方式
下面介绍信号处理小波分析法的实施方式,包括以下步骤:
S1、负荷分量分解.根据历史负荷的实际情况,采用具有紧支撑和高正则性的小波函数,对经过预处理的实际历史负荷数据序列进行三级小波分解,以预测误差最小化为标准,最终采用db4的小波基对其进行3尺度分解,分别得到4个子序列:子序列:dl,d2,d3,e3,其中c3为低频序列,dl,d2,d3均为高频细节序。
S2、基荷分量的回归分析预测.对于反映系统基荷的低频近似序列c3以及高频细节分量d3和d2分别构造相应的回归分析模型进行预测.使用外推叠加法对其进行近似预测.根据回归分析建模的一般步骤,首先采用多元线性回归方程建立回归分析方程对各尺度分量序列进行线性化处理.其中,利用矩阵解法求解确定回归方程的系数,在给定自由度后,确定序列中各元素的置信区间,得到预测模型方程式.利用该预测模型方程式得到各分量的预测值后,对各分量的预测值进行重构得到最终负荷序列的预测值。
S3、变动分量的趋势外推预测.对于随机性强、周期性短的d1分量采用对超短周期序列预测较佳的趋势外推预测法进行预测。
S4、结果分析与修正.实现负荷预测值的输出,并在知道最近预测日的实际预测值之后对所做的预测进行精度分析。
本发明的原理是:结合小波分析、回归分析等几种较优的负荷预测方法,形成新的预测模型,实现优化处理、取长补短,达到进一步提高预测精度的目的。
以上结合实施例对本发明进行了详细说明,本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而,实施例中的某些细节不应构成对本发明的限定,本发明将以所附权利要求书界定的范围作为本发明的保护范围。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昆山北极光电子科技有限公司,未经昆山北极光电子科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201210438659.6/2.html,转载请声明来源钻瓜专利网。
- 上一篇:型煤煤样制作工具及方法
- 下一篇:一种治疗骨折、跌打损伤的外用膏药
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用