一种非正弦周期信号实时高精度检测方法技术

本发明专利技术公开了一种非正弦周期信号实时高精度检测方法，包括以下步骤：对待检测的非正弦周期信号进行采样；利用基于三角基函数的神经网络计算采样信号的基波及各次谐波的频率、幅值和相位；采用加窗插值算法修正神经网络计算的非正弦周期信号的基波频率。对所提出的神经网络算法进行了改进，以能针对非同步采样、非整周期截断情况，进行高精度非正弦周期信号基波频率、基波及各次谐波的幅值和相位分析，当神经网络收敛时，可以获得高精度的非正弦周期信号谐波分析结果。本发明专利技术具有快速、实时、高精度等特点，在机械工程、电机测试、电力系统稳定性分析、信号处理、仪器仪表、工业控制等领域具有广泛应用前景。

【技术实现步骤摘要】

本专利技术涉及信号处理领域。技术背景在机械工程、电机测试、电力系统稳定性分析、信号处理、仪器仪表、 工业控制等领域常常需要对非正弦周期信号进行检测，且这种检测都要求具 有高精度和实时快速性。然而目前的方法难以做到这一点。如采用快速傅立叶变换(FFT)方法进行检测，往往存在栅兰效应和泄漏现象，使计算出的信 号参数，即频率、幅值、相位不准，尤其相位误差很大，无法满足谐波测量 要求。采用插值算法可消除栅兰效应引起的误差，采用加窗函数的方法消除 频谱泄漏引起的误差，算法具有较高的精度，但对每次谐波的频率、幅值和 相位都要进行单独校正，计算量较大，无法满足现代工业对谐波实时监测的 要求。近年来，人工神经网络在非正弦周期信号检测方面得到了大力应用。然 而，自适应人工神经网络必须已知系统的精确基波频率才能进行精确的谐波 分析；而多层前馈自适应人工神经网络训练过程不确定，在应用之前一般需 要大量的训练，且该网络神经元过多，计算量过大，适应性差。 发朋内容为了解决现有非正弦周期信号实时检测计算量过大、精度差的技术问题， 本专利技术提供，本专利技术计算量小，具 有高精度和实时快速性，可以满足现代工业的需求。本专利技术解决上述的技术问题的技术方案包括以下步骤对待检测的非正弦周期信号进行采样；利用基于三角基函数的神经网络计算采样信号的基波及各次谐波的频率、幅值和相位；采用加窗插值算法修正神经网络计算的基波频率。上述的非正弦周期信号实时高精度检测方法中，对非同步采样、非整周 期截断情况，采用改进基于三角基函数的神经网络进行高精度非正弦周期信 号基波频率、基波及各次谐波的幅值和相位分析，当神经网络收敛时，可以 获得高精度的谐波分析结果。本专利技术的技术效果在于利用三角基函数的神经网络进行非正弦周期信 号基波频率、基波及各次谐波的幅值和相位分析，当神经网络收敛时，神经 网络的输出为基波及各次谐波的幅值和相位，比较接近真实情况，此时频率 相对误差小于2.5x10-5，幅值相对误差dxl(T2，相位相对误差〈2x10-2度，而 计算速度快小于5秒；当实际信号中有白噪声干扰时，利用三角基函数的神 经网络进行非正弦周期信号基波频率、基波及各次谐波的幅值和相位分析时，，'采用加窗插值算法修正神经网络计算的基波频率，得到上述相同的精度。对非同步采样、非整周期截断情况，采用改进基于三角基函数的神经网 络进行非正弦周期信号基波频率、基波及各次谐波的幅值和相位分析，当神 经网络收敛时，神经网络的输出非常逼近真实情况，此时幅值误差 |Mj<2xl(r13，相位误差lA^"x10-"度，而计算速度非常快小于1秒。因此 说本专利技术非正弦周期信号检测方法具有快速、实时、高精度等特点，在机械 工程、电机测试、电力系统稳定性分析、信号处理、仪器仪表等领域具有广 泛应用前景。下面结合附图及具体实施例对本专利技术作进一步的说明。 附图说明图1为本专利技术基于三角基函数神经网络模型。图2为本专利技术基于不同学习率/ 的基波频率估计灵敏度示意。图3为本专利技术方法求分析非正弦信号实际基波频率为60Hz时的误差曲线。具体实施方式本专利技术检测非正弦周期信号的步骤如下 对待检测的非正弦周期信号进行采样；利用基于三角基函数的神经网络计算采样信号的基波及各次谐波的频 率、幅值和相位，参见图1，非正弦周期信号基于三角基函数的神经网络模型如下<formula>formula see original document page 7</formula>式中w7为神经网络权值，c;.为三角基函数，=cos(/，D(/ = 0，U..AO , 。二sinJ-iV+l，iV+UiV; "0为信号基波角频率，"o=2 "/0， 为谐波次数，m为第m个采样点，r,为采样周期，W为最高次谐波次数。非正弦周期信号的基波频率、基波及各次谐波的幅值和相位为 y(O = Z 4 sin(2《f + &) ( 2 )式中/"为第"次iik频率，A、 A分别为第"次谐波幅值及相位。 神经网络输出<formula>formula see original document page 7</formula>误差函数e(m)二y(m)-力0)， w = 0，1，2，…,Af-1 性能指标7-IZ^(m)2 m=0权值调整W(m +1) = W(w) - 7 ! = W(附)+ ;;e(w)C(w) 式中权值矢巨阵为W = 00，v,…，W2w ]、激励矩阵为<formula>formula see original document page 7</formula>7为学习率，且0<;;<1。特别是要注意，学习率7的选择，为了保证神经网络算法收敛，理论和 大量测试与实验得出必须0<7<2/(AT + l)，其中2iV+l是隐层神经元个数。神经网络收敛稳定时候即性能指标、误差函数满足要求，非正弦周期信 号的基波与各次谐波的幅值和相位按下式进行计算基波幅值 <formula>formula see original document page 8</formula>基波相位 <formula>formula see original document page 8</formula> "次谐波幅值 <formula>formula see original document page 8</formula>次谐波相位<formula>formula see original document page 8</formula>本专利技术中基波频率计算过程如下<formula>formula see original document page 8</formula>，则基波角频率按 下式调整<formula>formula see original document page 8</formula>式中，符号为求矩阵列元素和运算，^表示为matlab环境中的矩阵元素群乘法运算，神经网络权值W、学习率;;仍按上述方式确定。为了进一步提高由上述神经网络算法求得的基波频率的准确度，本专利技术利用加矩形窗或海宁窗插值算法进行修正<formula>formula see original document page 8</formula>,式中采样频率为乂 ，基波频率为fo ，ko为整数，A&为小数，M为采样点。加矩形窗的基波频率的校正公式<formula>formula see original document page 8</formula>] 加海宁窗的基波频率的校正公式为<formula>formula see original document page 8</formula>对非同步采样、非整周期截断情况，为进一步提高利用上述神经网络算 法求非正弦周期信号基波频率、基波及各次谐波的幅值和相位分析精本文档来自技高网...

【技术保护点】
一种非正弦周期信号实时高精度检测方法，包括以下步骤：对待检测的非正弦周期信号进行采样；利用基于三角基函数的神经网络计算采样信号的基波及各次谐波的频率、幅值和相位；采用加窗插值算法修正神经网络计算的基波频率。

【技术特征摘要】

【专利技术属性】
技术研发人员：何怡刚，王小华，刘美容，李庆国，肖迎群，
申请(专利权)人：湖南大学，
类型：发明
国别省市：43[中国|湖南]