Wyniki wyszukiwania - BazTech

1

High impedance fault detection in low voltage overhead distribution based wavelet and harmonic indices

Albanna Enaam, Al-Rifaie Alya Hamid, Al-Karakchi Ahmed A. Abdullah

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 7

243--246

EN

High-impedance fault HIF occurs when an energized conductor makes contact with a surface with a high impedance. Conventional overcurrent protection cannot detect this fault due to the low fault current, and there is no effective protection for HIFs. This paper introduces a novel method for detecting HIFs in low voltage distribution systems by decomposing neutral current using Wavelet and FFT. Modeling HIF fault data in Matlab to analyze the proposed scheme. Simulations demonstrate that the proposed method can accurately detect HIF and distinguish it.

PL

Błąd wysokiej impedancji HIF występuje, gdy przewodnik pod napięciem styka się z powierzchnią o wysokiej impedancji. Konwencjonalne zabezpieczenie nadprądowe nie jest w stanie wykryć tej usterki z powodu niskiego prądu zwarciowego i nie ma skutecznej ochrony dla HIF. W artykule przedstawiono nowatorską metodę wykrywania HIF w systemach dystrybucji niskiego napięcia poprzez dekompozycję prądu neutralnego za pomocą funkcji Wavelet i FFT. Modelowanie danych o błędach HIF w Matlabie w celu analizy proponowanego schematu. Symulacje pokazują, że proponowana metoda może dokładnie wykrywać i rozróżniać HIF.

2

Fault diagnosis of induction motors rotor using current signature with different signal processing techniques

Guezam Abdelhak, Bessedik Sid Ahmed, Djekidel Rabah

Diagnostyka

|

2022

|

Vol. 23, No. 2

art. no. 2022201

EN

The popularity of asynchronous machines, particularly squirrel cage machines, stems from their inexpensive production costs, resilience, and low maintenance requirements. Unfortunately, potential flaws in these devices might have a negative impact on the facility's profitability and service quality. As a result, diagnostic tools for detecting flaws in these types of devices must be developed. Asynchronous machine problems can be diagnosed using a variety of methods. Signal processing techniques based on extracting information from characteristic quantities of electrical machine operation can provide highly useful information about flaws. The purpose of this research is to develop efficient algorithms based on numerous signal processing approaches for correctly detecting asynchronous cage machine rotor defects (rotor bar ruptures).

3

Analiza algorytmu automatycznego rozpoznawania modulacji na potrzeby radia kognitywnego oraz systemów rozpoznania radioelektronicznego

Walenczykowska M., Kawalec A.

Elektronika : konstrukcje, technologie, zastosowania

|

2015

|

Vol. 56, nr 4

36-39

PL

Potrzeba opracowania skutecznego algorytmu automatycznego rozpoznawania typów modulacji (ang. Automatic Modulation Recognition - AMR) stała się jednym z najważniejszych zagadnień związanych nie tylko z rozwojem systemów rozpoznania radioelektronicznego ale również systemów radia kognitywnego (ang. Cognitive Radio - CR) budowanych w oparciu o radio programowalne (ang. Software Defined Radio - SDR). Praca zawiera opis jednego z proponowanych algorytmów rozpoznawania wybranych typów modulacji, w którym zastosowano transformację falkową (ang. Wavelet Transform - WT) oraz sztuczną sieć neuronową (ang. Artificial Neural Network - ANN). Opisane w pracy badania dotyczyły możliwości identyfikacji następujących modulacji cyfrowych: M-QAM, M-PSK, M-ASK, M-FSK. Transformację falkową zastosowano w celu wyodrębnienia cech charakterystycznych dla każdego z rozpoznawanych typów modulacji. Natomiast jako klasyfikator zastosowano dwa rodzaje sztucznej sieci neuronowej: perceptron wielowarstwowy (ang. Multi-Layer Perceptrone - MLP) oraz sieć radialną (ang. Radial Basis Function - RBF) oraz porównano ich skuteczność. Badania wykonano z wykorzystaniem środowiska MatLab oraz własnych klas i funkcji pozwalających na realizację funkcjonalności sztucznych sieci neuronowych. Przedstawiono problemy zaobserwowane podczas realizacji badań, w szczególności związane z identyfikacją poziomu modulacji dla kluczowania fazy (M-PSK).

EN

Signal intelligence (SIGINT) and cognitive radio (CR) systems are in need of effective, automatic modulation recognition (AMR) algorithm. This task has became one of the most important problems to solve since last ten years. The article presents one of the proposed modulation recognition algorithms where continuous wavelet transform (CWT) is used for signal features extraction and artificial neural network (ANN) acts as classifier. In our researches multilayer perceptron (MLP) and radial basis function (RBF) network were considered and correctness of classification was analyzed. There are M-ary ASK, M-ary PSK, M-ary FSK, M-ary QAM signals used for simulation. The mean value, variance and higher-order moments up to five of continuous wavelet transform (CWT) were taken to consideration as signal features. Principal component analysis (PCA) was applied to reduce number of features. There were two variants analyzed: interclass and intraclass recognition with wide range of signal-to-noise ratio (SNR). In researches we used collection of class and functions created in MatLab code for learning and testing ANN. There are also problems with M-ary PSK intraclass identification problems analyzed.