基于Synchrosqueezed加窗傅里叶变换的轧钢机间谐波检测算法理论与实现

Because the synchrosqueezed windowed Fourier transform(SWFT) possess the advantages of high speed, high precision, strong anti noise ability and so on, it has become a research hotspot of the time variation interharmonics detection. The research object of our project is the rolling mill interharmonic signal accurate detection method based on SWFT, and focus on performance and design optimization problems of SWFT when detecting the rolling mill harmonics signal with strong noise and dense frequency. Firstly, the interharmonic number of the rolling mill harmonic signal is analyzed by SWFT , and the frequency, amplitude and phase of each harmonic are preliminary calculated. Then, according to the results of SWFT inter harmonic detection, an adaptive triangular basis function neural network is constructed.In order to use the network to study the parameters of the harmonic, the frequency, amplitude and phase of each harmonic are calculated accurately.Finally, in the Simulink environment, the rolling mill and the active filter model are established, and the harmonic content between the lines is analyzed, and the model parameters are adjusted to achieve the goal of automatic tracking compensation.The purpose of this project is to use SWFT to construct a fast, with the noise robustness of inter harmonic detection algorithm, which is suitable analysis and control of rolling mill inter harmonic.

由于synchrosqueezed加窗傅里叶变换(SWFT)具有计算速度快，谐波检测精度高，抗噪声能力强等优点，利用SWFT进行时变间谐波检测已成为当前研究热点。本项目以轧钢机谐波检测为研究对象，研究基于SWFT的轧钢机间谐波信号精确检测方法，重点研究强噪声干扰下密集时变间谐波精确检测时SWFT的性能优化与设计问题。首先，利用SWFT变换分析轧钢机谐波信号中间谐波个数，初步计算各间谐波的频率、幅值和相位。然后，根据SWFT间谐波检测结果，构造分段迭代的自适应三角基函数神经网络。进而，利用网络对间谐波参数进行迭代学习，精确计算各次谐波的频率、幅值和相位。最后，在Simulink环境下建立轧钢机和有源滤波器模型，对比分析滤波前后线路间谐波含量，进一步调整模型参数，达到自动跟踪补偿的目的。本项目旨在利用SWFT构造一种快速、具有噪声鲁棒性的间谐波检测算法，使其适用于轧钢机间谐波的分析和治理。

直流传动系统的轧钢机采用了大功率晶闸管整流器等电力电子装置，在工作时晶闸管整流供电会产生快速变化的冲击负荷,其电气量的变化在几ms或十几ms期间就能观察到,从而产生了大量连续或离散频率的间谐波。轧钢机产生的间谐波不但影响设备正常运行，同时还在电网中传播，甚至产生谐波放大，进而干扰电网中其他设备的正常使用，形成重大安全隐患。 由于synchrosqueezed加窗傅里叶变换(SWFT)具有计算速度快，谐波检测精度高，抗噪声能力强等优点，本项目以轧钢机谐波检测为研究对象，研究基于SWFT的轧钢机间谐波信号精确检测方法，重点研究强噪声干扰下密集时变间谐波精确检测时SWFT的性能优化与设计问题。本项目主要研究结果为： 1) 综合使用调节经典窗函数系数与窗时域卷积的方法，构造了一种具有最优主瓣与旁瓣性能的新型梯形自卷积窗，使其适合轧钢机密集谐波带分析，完成了基于梯形自卷积窗的SWFT算法。 2) 通过小波脊变换，构造密集谐波带分析时加窗傅里叶变换的最佳变换窗口尺寸，在轧钢机时变谐波测量时，保证窗口尺寸随间谐波频率密集度变化而自动调整。 3）构造了SWFT算法中的系数挤压阈值的分层计算方法，根据不同尺度下SWFT系数和噪声分布形态，自适应计算挤压阈值因子的最优值。 4）提高了三角基函数神经网络的抗噪性能和学习速度，将改进后的三角基函数网络与窗口自适应的SWFT相结合，形成了完整的且适合嵌入式系统实现的轧钢机间谐波分析方法。.本项目联合SWFT和自适应三角基函数网络构造了一种快速、具有噪声鲁棒性的密集间谐波检测算法，建立了轧钢机有源滤波器模型，实现了轧钢机时变谐波参数的精确检测，可对频率和幅值同时变化的间谐波以及变化的无功功率进行迅速的动态跟踪补偿，从而减少冲击负荷产生的电压波动和闪变会对钢厂内部和电力电网造成严重的影响，保证轧钢机轧制产品的质量和效益，提高轧钢机的使用寿命。