本发明专利技术涉及一种基于拉曼光谱的SF6分解特征组分检测的降噪方法，属于电力设备故障诊断技术领域。该方法包括以下步骤：S1、通过对测得的SF6分解组分的拉曼信号进行小波变换，搜索脊线进行识别谱峰位置和强度检测；S2、基于信号与噪声在不同分解尺度的不同形态获取半峰宽；S3、根据获得的峰值和半峰宽进行最小二乘拟合；S4、检验去噪效果。本发明专利技术提出的方法能够在信噪比较低情况下，有效地重构出被强背景噪声淹没的拉曼信号，大大提高了检测系统的时间分辨率。此外，基于拉曼光谱对SF6及其分解组分的检测的精度更高，准确度更高，能更好的对GIS设备进行监测，预防设备内部的绝缘隐患。预防设备内部的绝缘隐患。预防设备内部的绝缘隐患。
【技术实现步骤摘要】
一种基于拉曼光谱的SF6分解特征组分检测的降噪方法
[0001]本专利技术属于电力设备故障诊断
，涉及一种基于拉曼光谱的SF6分解特征组分检测的降噪方法。
技术介绍
[0002]SF6及其分解气体产物的准确检测是实现GIS设备状态有效诊断的关键之一。目前，SF6及其分解气体的检测方法存在交叉干扰、稳定性差等问题，而拉曼光谱具有多组分气体同时检测、无需样气预处理、抗干扰能力强等优点，基于拉曼光谱的SF6及其分解气体检测具有较好的应用前景。而为了提高拉曼光谱检测系统的时间分辨率，常常需要采用较短的采样积分时间，此时带有分子结构振动谱的有用拉曼信号可能完全淹没在噪声中，严重影响信号的进一步分析，因此有必要对测量所得的光谱信号进行噪声消除处理。传统的拉曼光谱信号去噪算法，如移动窗口、平均平滑法、经验模态分解等。虽然能在一定程度上实现拉曼光谱信号的噪声消除，然而也同样存在各自的问题。例如：移动窗口平均平滑法，基于信号和噪声统计特性之间的差异，其基本假设是噪声为零均值噪声，通过对原始信号取平均值达到提高信噪比的目的，是消除噪声最常用方法。通过选择一个宽度为奇数2ω+1的平滑窗口，以中心波长点k为参照点从左到右移动窗口，将窗体覆盖区域内所有测量的平均值代替中心波长点对应的测量值，直至完成所有点的平滑，该方法平滑窗口宽度ω影响平滑结果，宽度太小，平滑效果不佳，宽度太大，则平滑掉特征峰信息，造成光谱失真；且存在边界问题。对于宽度为数2ω+1的平滑窗口，光谱左右两端各有ω个点不能被处理。传统消噪方法适用于噪声强度不高的情况，对淹没于强噪声背景下的拉曼信号效果不佳。
技术实现思路
[0003]有鉴于此，本专利技术的目的在于提供一种基于拉曼光谱的SF6分解特征组分检测的降噪方法。
[0004]为达到上述目的，本专利技术提供如下技术方案：
[0005]一种基于拉曼光谱的SF6分解特征组分检测的降噪方法，该方法包括以下步骤：
[0006]S1、通过对测得的SF6分解组分的拉曼信号进行小波变换，搜索脊线进行识别谱峰位置和强度检测；
[0007]S2、基于信号与噪声在不同分解尺度的不同形态获取半峰宽；
[0008]S3、根据获得的峰值和半峰宽进行最小二乘拟合；
[0009]S4、检验去噪效果。
[0010]可选地，步骤S1具体为：
[0011]使用MATLAB软件对测得的SF6分解组分的拉曼光谱曲线进行基于脊线提取的谱峰识别，采用软件中的Mexian Hat模块连续小波变换进行谱峰识别，该小波定义如式(1)所示：
[0012][0013]为拉曼信号，曲线f(x)做连续Mexian Hat小波变换的变化过程如下：
[0014][0015]其中，a为伸缩因子，b为平移因子，表示的共轭，W
f
(a，b)为正比于f(x)与标准差为a的高斯概率密度函数卷积的二阶导；
[0016]SF6分解组分的拉曼光谱近似为高斯函数形式，其二阶导数在谱峰位置必然表现为局部极大值，在不同尺度上的同一谱峰的局部极大值位置相近，该局部最大值随小波尺度变大而变大，通过小波系数的三维图呈现山脊的形状，搜索出小波系数矩阵中的脊线；
[0017]根据模值信息提取小波脊线的方法对SF6分解组分的拉曼光谱提取的小波脊线，通过有小尺寸的极大值向大尺寸蔓延的方式进行脊线搜索；在获得脊线中选取顺利连接到最大尺度的脊线，运用阈值法，设置一个阈值，去除强度较弱的部分，留下部分的最大尺度点即为识别的峰值点；通过阈值法提取的谱峰中存在由强度较大的噪声引起的“假峰”，采用参照平均信号的方式剔除部分假峰；同时对信号进行小波变换时，对SF6分解组分的拉曼光谱采用边界元素复制法进行边界延拓。
[0018]可选地，步骤S2具体为：
[0019]半峰宽检测是指对峰高一半处的宽度进行监测，对SF6分解组分的拉曼光谱的单峰，设尺度较小时，局部极大值随着尺度的增加而较快的增大，直到尺度与谱峰宽度相匹配进而估计单峰的谱峰宽度；
[0020]对SF6分解组分的拉曼光谱中的重叠峰，设尺度增大到一定程度时，选取符合要求的第一个或第二个极大值作为半峰宽。
[0021]可选地，步骤S3具体为：
[0022]基于提取出的SF6分解组分的拉曼光谱中的谱峰的位置、强度和半峰宽信息，利用最小二乘法对SF6分解组分的拉曼光谱进行重构；
[0023]具体拟合步骤如下：
[0024]S1、根据峰值检测和峰宽检测步骤确定的峰值点个数m，确定拉曼峰高斯拟合函数个数 N＝m；
[0025]S2、根据谱峰识别获取的峰位置Peak[i](i＝1，2，
…
，N)和半峰宽检测获得的各峰的半宽Half width[i](i＝1，2，
…
，N)，创建光谱曲线拟合表达式
[0026]S3、构造正规方程组，求解各项系数即得重构的SF6分解组分的拉曼光谱表达式。
[0027]可选地，步骤S4具体为：
[0028]使用Gaussview软件建立SF6及其分解特征气体SO2、H2S、SOF2和SO2F2的分子模型，基于第一性原理密度泛函理论基础，使用Gaussian软件将分子优化到能量最低的稳定结构，基于DFT理论，选择使用B3LYP方法和使用三重劈裂价键基函数6
‑
311G表达分子轨道；
[0029]同时添加极化基组对重原子增添d函数，给过渡金属增添f函数，给H增添p函数；
[0030]最后对6
‑
311G(df,p)增添弥散函数得到6
‑
311G+(df,p)；
[0031]由上述算法和基函数计算分子的振动频率以及每个振动模式对应的拉曼活性，得到仿真信号，最后将重构的SF6分解组分的拉曼光谱表达式与仿真信号相对比，检测去噪效果。
[0032]本专利技术的有益效果在于：本专利技术提出的于特征提取的光谱去噪方法，通过对测得的SF6分解组分的拉曼信号进行小波变换，搜索脊线进行谱峰位置和强度检测，然后基于信号与噪声在不同分解尺度的不同形态获取半峰宽，最后根据获得的峰值和半峰宽进行最小二乘拟合，从而实现强噪声背景下的拉曼信号信噪分离。
[0033]本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0034]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：
[0035]图1为本专利技术基于拉曼光谱的SF6分解特征组分检测的降噪方法流程图；
[0036]图2为计算响应的SF6分解组分的拉曼光谱的流程图；
[0037]图3为SO2气体分子的构型图；
[0038]图4为SO2分子的拉曼特征曲线图；
[0039本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于拉曼光谱的SF6分解特征组分检测的降噪方法，其特征在于：所述方法包括以下步骤：S1、通过对测得的SF6分解组分的拉曼信号进行小波变换，搜索脊线进行识别谱峰位置和强度检测；S2、基于信号与噪声在不同分解尺度的不同形态获取半峰宽；S3、根据获得的峰值和半峰宽进行最小二乘拟合；S4、检验去噪效果。2.根据权利要求1所述的一种基于拉曼光谱的SF6分解特征组分检测的降噪方法，其特征在于：所述步骤S1具体为：使用MATLAB软件对测得的SF6分解组分的拉曼光谱曲线进行基于脊线提取的谱峰识别，采用软件中的Mexian Hat模块连续小波变换进行谱峰识别，该小波定义如式(1)所示：Hat模块连续小波变换进行谱峰识别，该小波定义如式(1)所示：为拉曼信号，曲线f(x)做连续Mexian Hat小波变换的变化过程如下：其中，a为伸缩因子，b为平移因子，表示的共轭，W
f
(a，b)为正比于f(x)与标准差为a的高斯概率密度函数卷积的二阶导；SF6分解组分的拉曼光谱近似为高斯函数形式，其二阶导数在谱峰位置必然表现为局部极大值，在不同尺度上的同一谱峰的局部极大值位置相近，该局部最大值随小波尺度变大而变大，通过小波系数的三维图呈现山脊的形状，搜索出小波系数矩阵中的脊线；根据模值信息提取小波脊线的方法对SF6分解组分的拉曼光谱提取小波脊线，通过有小尺寸的极大值向大尺寸蔓延的方式进行脊线搜索，在获得脊线中选取顺利连接到最大尺度的脊线，运用阈值法，设置一个阈值，去除强度较弱的部分，留下部分的最大尺度点即为识别的峰值点；通过阈值法提取的谱峰中存在由强度较大的噪声引起的“假峰”，采用参照平均信号的方式剔除部分假峰；同时对信号进行小波变换时，对SF6分解组分的拉曼光谱采用边界元素复制法进行边界延拓。3.根据权利要求1所述的一种基于拉曼光谱的SF6分解特征组分检测的降噪方法，其特征在于：所述步骤S2...
【专利技术属性】
技术研发人员：张振宇，张学东，晋涛，马丽强，张申，刘宇鹏，周渠，
申请(专利权)人：西南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。