基于小波包分析的水轮发电机组振动的故障诊断

针对水轮发电机组振动的频谱特点 ,提出了基于小波包分析的水轮发电机组振动的故障诊断方法 .运用小波包分析对振动信号进行分解与重构 ,可以获得振动信号的突变信息 ,即可以获得机组振动的故障状况 ,从而为诊断机组振动的故障状况提供决策支持 .理论计算表明 ,应用小波包分析技术不仅可以确定信号的突变点 ,而且可以在全频范围内确定信号的突变发生的时间及程度 .计算机仿真表明这种信号分析方法对水轮发电机组振动的故障诊断是十分有效的     

小波分析在滚动轴承故障诊断中的应用研究

为了能有效识别滚动轴承的故障信号,利用滚动轴承滚动体故障模型,构造相应的小波基;研究提升小波的预测器和更新器算法;利用小波基对故障特征信号敏感的特点,对轴承故障信号进行检测和分析.实验和仿真结果表明,利用提升小波对滚动轴承振动信号进行N层分解后,可在细节信号中容易地发现突变信号,再根据模极大值原理,有效地判断轴承故障是否存在;进一步对细节信号作Hilbert包络,检测功率谱中的故障特征频率,可准确判断滚动轴承滚动体是否存在损伤点.     

基于形态小波的转子轴心轨迹提纯

针对汽轮发电机组轴心轨迹的提纯问题,提出采用形态小波提纯转子轴心轨迹的新方法.形态小波作为一种非线性小波,兼顾数学形态学的形态特征和小波的多分辨率特性,具有良好的细节保留和抗噪声性能.采用形态小波提纯轴心轨迹,无须考虑信号的频谱特征,通过对形态小波分解得到的分量进行阈值降噪处理,然后重构原信号得到提纯的轴心轨迹.将实际数据分别通过传统的Haar小波与形态小波进行处理,结果表明,形态小波在轴心轨迹提纯方面的效果更明显.由于形态小波变换算法只涉及加减和极大、极小运算,算法简单且执行高效,适合汽轮发电机组故障的在线监测和诊断.     

基于小波分析的风机故障诊断

根据故障信号特征和小波变换多尺度分解性质选取小波分解层次，得到能正确地反映风机运行状态的特征向量；参照特征向量的组成方法，提出并构建基于小波分析的韶钢4号风机典型故障特征表。对待检信号选用db10波进行6层小波分解，利用待检状态的特征向量与典型故障特征表，通过模糊模式识别方法进行风机故障诊断。结合傅里叶分析方法进一步找出风机存在的倍频微弱信号。实际诊断结果表明：振动信号与故障特征表中典型不平衡故障的模糊贴近度达到0．958，从而诊断出实例中风机存在不平衡故障；风机存在0.5倍频微弱信号，据此有利于发现风机与该频率相关的早期微弱故障征兆。     

旋转机械故障诊断的小波与傅里叶谱分析方法研究

以某电厂正在运行的汽轮发电机组的振动信号为分析对象，以小波理论为重点，将小波分析与博里叶变换有机结合，利用小波分析的强时频分析特性和傅里叶变换的直观性，使故障诊断的结果既有效可靠又简单直观，在实际中易实现，从而找到了一种新的机械故障诊断方法，提高了诊断结果的精确性，实现了从运行中的汽轮发电机组的振动信号中诊断出故障类型及其所处的部位的目标．     

小波和余弦变换的电机轴承故障特征参数构造

针对传统故障诊断特征参数的应用缺陷,提出了一种小波和余弦变换的感应电机轴承故障特征参数提取方法.首先,根据感应电机轴承振动信号的特点选择合适的小波滤波器和信息代价函数,并将感应电机轴承振动信号分解到各个不同的频域子空间;然后,基于离散余弦变换的频域能量聚集性对分解后的信号构造感应电机轴承故障特征参数,并对实际感应电机轴承正常、内圈故障、外圈故障和滚珠故障4种状态的振动信号进行分析,验证了所构造的特征参数能有效地实现电机轴承的早期故障检测与诊断;最后,与传统故障诊断特征参数方法进行了比较,说明所提出的特征参数构造方法对于感应电机轴承早期故障的诊断优于传统故障诊断特征参数方法.     

一种叶片裂纹检测的稀疏共振解调算法

针对强相干噪声干扰下叶片振动信号中裂纹故障微弱特征的提取问题,提出了一种基于稀疏共振解调的诊断方法。首先,利用从中心集化多分辨分析处理机组上取得的原始振动信号进行子空间重构;其次, 对小波子空间信号进行希尔伯特包络解调,选取故障特征频率及其倍频成分能量占优的子空间;再次, 根据周期性故障稀疏模型,采用梳形滤波器分离故障特征频率及其倍频成分,构造故障分量参考信号;最后,结合故障参考信号对子空间重构信号进行小波降噪, 从而提取与叶片裂纹相关的微弱特征。在出现叶片裂纹故障的发电机组增压风机故障诊断案例分析中,仅采用多尺度分解无法在时域上得到周期性冲击故障特征。而采用所提出的基于稀疏共振解调方法进行信号处理后,强相干噪声得到了有效抑制, 从而突出了故障特征。     

基于自适应提升小波包的故障微弱信号特征早期识别

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法.该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征.该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征.结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法.     

应用谐波小波包提取转子故障特征方法

为消除转子转速变化时各节点中倍频分布的随机性,提出一种应用谐波小波包技术提取转子故障特征参数方法.该方法首先依据尺度变换思想对原始振动信号进行重采样,然后应用谐波小波包技术将重采样信号分解到给定层上,最后提取各个节点的谐波小波包系数能量值作为故障诊断的特征参数.通过对油膜涡动实验数据的处理和分析,观察到不同转速下节点倍频分布与能量分布具有了统一的物理意义.转子故障诊断实验中,对转子不平衡、不对中、动静碰摩、油膜涡动故障的分类准确率达91.4％.表明应用该方法提取的特征参数,可以作为转子故障诊断的可靠依据.     

基于TDM的汽轮发电机组轴承振动异常分析

汽轮发电机组日常运行情况下轴承振动出现异常的原因十分复杂,而且监测和评价的方式一直未引起足够的重视.近年来,为提高轴承振动异常分析的能力,大型汽轮机都投入了TDM系统,它是汽轮发电机振动在线监测和诊断系统,通过对汽轮机振动参数的变化进行分析,从而得出故障的原因.通过TDM系统进行初步分析并结合谐分量振动解析法,分析得出一起振动突变的原因,从而为在运行中更好的判断汽轮发电机组的运行状况提供一种新的判据.     

基于提升小波变换和Hilbert调制技术的故障识别方法

齿轮局部发生故障后,非线性振动信号频谱中齿轮啮合频率及其二、三次谐波附近的边频带均出现显著增长.由于提升小波算法预测和更新原理与故障信号紧密相关,利用提升小波对振动信号进行时频特性分析和信息预处理,通过预测器和更新器的设计取代小波基函数选取过程;随后对蕴含大量故障特征信息的高频细节信号实施Hilbert变换,调制信号的包络谱中彻底剔除常规振动分量仅保留故障信息,该方法可高效识别振动信号频谱中的齿轮故障特征频率.最后用实例验证基于提升小波变换的Hilbert调制分析在齿轮故障诊断中的有效性.     

基于支持向量机的转子振动故障融合诊断技术

针对某些大型复杂旋转机械振动信号特征提取和故障样本获取难的问题,提出了一种基于小波包特征谱熵支持向量机（SVM）的转子振动故障融合诊断方法.通过转子实验台模拟了转子振动的4种典型故障,并采集其振动故障数据.用小波包对振动故障信号进行分解,提取故障信息含量大的频带并计算出其小波特征谱熵作为故障特征,建立故障诊断模型.通过对故障类别的区分和故障严重程度的判断,验证了该方法在解决转子振动故障信号的特征提取及小样本情况下的故障诊断问题等方面是有效的.     

改进小波包分频算法及在故障检测中的应用

小波包分析方法是一种能有效地进行时一频定位和微弱信号提取的工具．但是小波滤波器组的频域特性和隔点采样会造成频谱混叠,导致分频结果不正确．改进的小波包分频算法根据小波包混频的原因,结合FFT分析进行处理,较好地消除了混频现象．仿真研究表明,该算法在提取微弱故障信息并进行早期故障诊断方面是有效的．     

提升小波包在滚动轴承故障特征提取中的应用

为从滚动轴承振动信号中提取出故障状态信息的特征,针对信号的特点和提升小波包变换性质,采用提升小渡包最优分解法获得故障敏感特征频带,对各频带进行标准化向量特征构造,提取出各个频带的故障特征。结果表明,滚动轴承故障信号的敏感特征频带能量集中明显,故障特征得以有效的提取出来。     

双树复小波包和谱峭度在齿轮故障诊断中的应用

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法.首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息.通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信息,进而实现故障识别,验证了方法的可行性和有效性.     

爆心距对爆破振动信号频带能量分布的影响

根据爆破振动信号具有短时非平稳的特点,利用小波包分析技术对满足分析要求的多段微差爆破振动信号的能量分布特征进行研究。首先,简略地介绍了小波变换与小波包分析的特点。其次,基于MATLAB对爆破振动信号进行小波包分析,得到了爆破振动信号在不同频带上的能量分布图。最后,总结了爆破振动信号频带能量的分布规律,重点探讨了爆心距对爆破振动信号频带能量分布的影响。结果表明,爆破震动信号在传播过程中,其主振频带有往低频发展的趋势,且宽度增加。     

基于阶次小波包与Markov链模型的转子早期故障诊断

针对转子启动过程中振动信号表现为非平稳、非高斯特征及传统诊断方法精度不高的现状,将阶次小波包和Markov链模型引入转子的早期故障诊断中,提出了一种新的自适应故障诊断模型。首先利用阶次跟踪算法对瞬态振动信号重采样,得到等角度分布诊断信号;其次采用小波包对该信号分解——重构,提取其在各频带的能量特征向量,通过Markov链模型对其进行预测;最后通过故障实例验证,结果表明:将阶次小波包变换和Markov链模型相结合进行故障诊断是可行而有效的。     

Influence of maximum decking charge on intensity of blasting vibration

1 INTRODUCTIONBlasting vibration analysis constitutes thefoundation for studying the control of blasting vi-bration damage and provides the precondition ofcontrolling blasting vibration. In the past , themain means of analyzing and processing for blas-ting vibration signals was the Fourier transform(FT) . By examining considerable blasting vibra-tion data ,researchers found that the signals havedistinct characteristics of short-duration and abruptchange in the signal structure ,including…     

采用经验小波变换的风力发电机振动信号消噪

针对风力发电机振动信号非线性特征及恶劣监测环境,分析经验小波变换理论（EWT）及自适应分解特性,提出基于经验小波变换的振动信号消噪方法.采用带噪声leleccum和轴承故障仿真信号对该方法进行消噪效果检验;在同信号源下,与基于db1强制消噪方法、db1软阈值消噪方法和sym5消噪方法分析比较消除噪声效果.针对真实的风力发电机振动信号,验证了基于经验小波变换方法的消噪效果,对同样信号采用其他3种方法进行消噪分析和比较.仿真和实验分析结果表明,基于EWT小波消噪方法,与基于db1强制消噪方法、db1软阈值消噪方法和sym5消噪方法能够达到同样的消噪效果和目的,甚至更优;不损耗原振动信号能量,在自适应模态分解层数方面甚至优于经验模态分解,并且具有较强的鲁棒性.