小波去噪是局部放电(PD)检测中常用的去噪手段,小波阈值的选取会对局部放电信号失真度及误差产生重要影响。为了提高局部放电小波去噪的自适应能力,降低去噪畸变,提出了1种用于局部放电信号去噪的混合粒子群优化小波自适应阈值估计(HPSOWATE)算法。针对普通阈值选取算法容易陷入局部最优的问题,采用融合了交叉、变异的HPSOWATE算法进行了全局自适应搜索最优阈值。引入遗传算法及标准粒子群算法对计算结果进行了验证。对局部放电染噪仿真信号和现场实测信号的去噪结果表明,该算法能够有效地跳出局部最优位置,较快收敛到全局最优,显著提升了结果可信度和算法计算速度。计算结果表明,所提出的算法在不同信噪比下得到的去噪信号的均方误差(MSE)和幅值误差都最佳,能更好地去除局部放电信号中的白噪声,具有良好的应用价值。来更新速度和位置。(5)计算全局最优值变化，判断是否需要执行混沌或变异操作，若需要则执行步骤(6)，否则执行步骤(7)。(6)根据全局最优值变化大小来选择执行混沌操作或变异操作。(7)判断是否达到最大迭代次数，如未达到则执行步骤(3)，否则输出最优值λbest。局部放电去噪-电动液压滚圆机滚弧机折弯机张家港钢管滚圆机滚弧机折弯机本文的HPSOWATE算法的参数设定如下：粒子群的数量m=40，最大迭代次数tmax=100，权重系数的最大值maxω=0.9、最小值minω=0.4，粒子最大速度vmax=0.2λmax，Δ1和Δ0分别设置为0.1和0.01。HPSOWATE算法的基本计算流程图如图1所示。3去噪结果分析3.1去噪效果评价参数及去噪算法为评价去噪算法对染噪信号的去噪效果，定义去噪均方误差ξ和幅值误差ε，均方误差ξ的定义见式(3)，幅值误差ε的定义为图1混合粒子群优化小波自适应阈值估计算法去噪计算流程图Fig.0高电压技术2017,43(5)图3不同迭代算法的进化曲线E算法和本文所提的HPSOWATE算法的性能。PSOWATE算法由于从一开始就陷入局部最优解而不存在跳出机制，本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com导致种群多样性迅速降低，算法陷入停滞；GOWATE算法一开始收敛较快，但在全局最优解附近收敛变慢；HPSOWATE算法由于引入了交叉、变异机制而显著增加了种群多样性，有效地跳出了局部极值，不论是收敛速度还是收敛精度都是3种算法中表现最好的。图4为信噪比等于1时SSWTE算法、GOWATE算法、PSOWATE算法和HPSOWATE算法这4种去噪算法对sa和sb的去噪波形。图5为不同信噪比条件下4种算法去噪结果的均方误差ξ和幅值误差ε。去噪结果表明多数情况下染噪信号采用自适应阈值去噪算法进行处理的效果明显优于标准软阈值法，但在对sb信号进行去噪时，由于PSOWATE算法陷入了局部极值点而导致去噪误差较大，去噪结果可信度降低。从图5中可以看出：随着信噪比的降低，4种算法得到的均方误差ξ和幅值误差ε都在升高，但HPSOWATE算法的去噪效果在4种算法中始终最好，所得到的信号与原始信号最为接近，均方误差和幅值误差都最校进一步的仿真和计算表明，在信噪比不小于1/2时，HPSOWATE算法都具有良好的表现，能够满足实际应用的需要。若信噪比进一步降低，则会带来算法精确度和可信度的下降，此时需要从硬件手段上进行考虑，从而提高原始信号的信噪比。表2给出了3种迭代去噪算法在MATLAB中图4γSNR=1时仿真局部放电信号的去噪结果局部放电去噪-电动液压滚圆机滚弧机折弯机张家港钢管滚圆机滚弧机折弯机F本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com