共查询到20条相似文献,搜索用时 125 毫秒
1.
2.
针对滚动轴承信号表现出的非线性和非平稳性特征问题,合理的特征选择可提高故障诊断率,提出基于多尺度排列熵(MPE)与改进鲸鱼算法(IWOA)优化支持向量机(SVM)的故障诊断模型。首先,通过变分模态分解(VMD)进行信号降噪预处理,计算多尺度排列熵进行信号特征重构;其次,引入惯性动态权重对鲸鱼算法进行改进,通过训练SVM参数,建立IWOA-SVM故障诊断模型;最后用美国凯斯西储大学轴承数据集进行仿真。结果表明,相较于多尺度熵,MPE可表征的故障特征信息更加丰富,故障识别率提高了2.1%;与同类优化算法相比,采用IWOA对SVM进行优化的故障诊断模型,收敛速度快、训练时间短、故障识别精度高,可对滚动轴承进行有效诊断。 相似文献
3.
4.
针对天然气管道微小泄漏信号的特征在单一尺度上难以全面提取的问题,提出一种基于变分模态分解(VMD)与多尺度模糊熵(MFE)结合的管道小泄漏信号识别方法.首先使用VMD算法对管道负压波信号进行降噪处理,通过欧氏距离(ED)法评估确定VMD分解的有效模态并对其进行重构,以重构信号信噪比最高原则确定VMD分解的模态个数;将多尺度模糊熵作为故障特征值向量,最后用支持向量机对特征值向量进行分类识别.实验结果表明:该方法对管道信号状态整体识别率达99.33%,证明了该方法总体识别效果较好,可实现对管道小泄漏信号的准确识别. 相似文献
5.
在锅炉炉管泄漏声波自动报警系统中,针对声波信号在采集、传输、处理与存储过程中存在数据规模大、传输带宽高和所需存储量大等问题,提出基于小波包的锅炉炉管声波信号自适应压缩感知方法。首先采用小波包分析方法对炉管声波信号进行多尺度分解,计算各尺度下小波包系数的数学期望,并将其作为阈值,对小波包系数进行置零处理,根据各分解尺度下的稀疏度自适应地选择最优小波包分解层数;然后对最优分解层数下的各小波包系数块按照其数学期望和信息熵进行分类,并对分类后的各小波包系数块采用不同方法进行处理。实际应用结果表明,本文方法有效减少了炉管声波信号的观察数据,提高了信号压缩率,并在相同观察次数下,降低了信号的传输带宽和存储容量,提高了信号的处理速度和重构精度。 相似文献
6.
针对多极发电机匝间短路故障诊断与识别难度高的问题,提出了变分模态分解与精细复合多尺度散布熵结合的方法处理发电机定子振动信号.所提方法应用变分模态分解将原始信号分解为多个模态分量,并依据峭度和相关系数原则选取2个不同分量进行信号的重构,应用精细复合多尺度散布熵来进行重构信号的分类及故障识别.对3对极发电机匝间短路故障前、后定子振动数据的处理效果表明,所提方法可以对发电机匝间短路故障进行有效识别与诊断,与其他多尺度熵方法相比具有一定优越性. 相似文献
7.
8.
对屯能质量暂态扰动进行正确的识别分类是改善电能质量的前提,而电能质量扰动特征向量的提取又是电能质量扰动识别分类中的关键步骤。提出基于最优小波包熵特征的特征提取方法.对采样信号进行小波包分解及时域预处理并选取最优小波包基.计算各尺度下信号的最佳小波包子空间的熵值,归一化处理后,把同尺度下的熵值和作为特征量,再将所有尺度下的特征量按尺度分解顺序依次组合在一起.形成最终的特征向量并作为神经网络的输入构建神经网络识别系统.对暂态电能质量信号进行识别。系统负荷投切和电容器充电的仿真结果表明.该方法能快速有效地区分暂态脉冲和振荡暂态。 相似文献
9.
滚动轴承故障信号的数学形态学提取方法 总被引:6,自引:0,他引:6
基于非线性数学形态变换的概念设计了形态非抽样小波变换算法,通过构造信号分解算子和结构元素,经过多尺度形态小波分解既能够平滑噪声又提取了信号中的故障特征成分。分别对模拟信号和实验数据进行分析处理,结果均表明该方法对信号冲击特征的提取是有效的。最后通过与包络解调分析方法的对比,说明了形态非抽样小波变换对滚动轴承故障特征的提取效果更明显。由于形态非抽样小波变换算法只涉及加减和取极大、极小运算,运算简单,执行高效,非常适于滚动轴承故障的在线监测和诊断。 相似文献
10.
基于多尺度线调频基稀疏信号分解的广义解调方法及其在滚动轴承故障诊断中的应用 总被引:1,自引:0,他引:1
提出了一种基于多尺度线调频基稀疏信号分解的广义解调方法,并将其应用于非平稳转速下的滚动轴承故障诊断。该方法先采用基于多尺度线调频基的稀疏信号分解方法分解频率呈曲线变化的多分量信号,得到瞬时频率和瞬时幅值都具有物理意义的单分量信号及其相位函数,再基于获取的各分量信号的相位函数对原信号进行广义解调处理,从而将非平稳信号转化为平稳信号。当转速变化时,滚动轴承故障特征频率为曲线变化的非平稳信号,对其包络信号进行基于多尺度线调频基的稀疏信号分解,提取包络信号分量,再对包络信号分量进行广义解调,根据广义解调后分量信号频率成分与转频的关系即可判断滚动轴承的故障部位和类型。仿真信号与轴承内外圈故障振动信号分析结果表明,该方法比传统的包络信号分析方法能更有效地提取滚动轴承故障振动信号特征。 相似文献
11.
对气体绝缘组合电器(GIS)进行局部放电(PD)检测,可以发现GIS内部早期绝缘缺陷和隐患,并预防绝缘事故发生。文中采用复小波分解(CWT)对GIS内部特高频(UHF)PD信号进行多尺度分解,分析了CWT能量熵(CWT-EE)随CWT尺度的变化规律,发现UHF PD信号信息主要分布在能量熵变化梯度较大的尺度下。为此,文中提取CWT-EE及其对应尺度,构建尺度-能量熵(SP-EE)特征对,既保留了PD信号能量特征信息,又保留了UHF PD信号小波尺度信息。最后,采用支持向量机(SVM)进行UHF PD类型辨识,结果表明:SP-EE特征对不但可以有效识别GIS内部4种典型绝缘缺陷,而且能够有效降低UHF PD信号分解层数和PD特征维数。 相似文献
12.
变压器局部放电监测逐层最优小波去噪算法 总被引:1,自引:0,他引:1
针对用于局部放电监测的去除白噪声算法会造成去噪脉冲信号波形畸变,脉冲幅值等波形参数产生较大误差,不利于进一步采用脉冲波形分析去除脉冲干扰的问题。为此根据局部放电信号在小波域上的分布特点,提出了各尺度信号分解和重构的最优小波选择方法,并给出了各尺度小波阈值的计算方法。仿真信号的最优小波去噪结果显示去噪信号具有波形畸变率低和幅值误差小的特点;实测信号的最优小波去噪结果证明提出的最优小波去噪算法能有效去除局部放电监测信号中的噪声,在局部放电在线监测应用中具有良好的去噪效果。 相似文献
13.
提出了一种基于对偶树复小波变换(Dual-tree Complex Wavelet Transform,DTCWT)与局部线性嵌入(Locally Linear Embedding,LLE)算法的局部放电特高频信号特征参数提取方法,可以有效识别典型变压器内部绝缘缺陷。首先采用DTCWT算法分解变压器局部放电特高频信号,得到一系列不同变化尺度下细节分量信号。再提取出各细节分量信号的偏斜度和峭度作为初始特征参数。采用LLE算法对初始特征参数组成的特征向量进行降维处理,得到最终的特征参数及特征向量,输入到支持向量机(SupportVectorMachine,SVM)中识别各类绝缘缺陷。结果表明,该特征参数可以有效识别典型变压器内部绝缘缺陷,模拟绝缘缺陷识别准确率达到98.35%,现场检测信号识别准确率达到92.1%。 相似文献
14.
《IEEJ Transactions on Electrical and Electronic Engineering》2017,12(3):357-364
In high‐voltage equipment insulation, multiple partial discharge (PD) sources may exist at the same time. Therefore, it is important to identify PDs from different PD sources under noisy condition in insulations, with the highest accuracy. Although many studies on classifying different PD types in insulation have been performed, some signal processing methods have not been used in the past for this application. Thus, in this work, Cepstrum analysis on PD signals combined with artificial neural network (ANN) is proposed to classify the PD types from different PD sources simultaneously under noisy condition. Measurement data from different sources of artificial PD signals were recorded from insulation materials. Feature extractions were performed on the recorded signals, including Cepstrum analysis, discrete wavelet transform, discrete Fourier transform, and wavelet packet transform for comparison between the different methods. The features extracted were used to train the ANN. To investigate the classification accuracy under noisy signals, the remaining data were corrupted with artificial noise. The noisy data were classified using the ANN, which had been trained by noise‐free PD signals. It is found that Cepstrum–ANN yields the highest classification accuracy for noisy PD signals than the other methods tested. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc. 相似文献
15.
基于超高频和超声波相控接收原理的油中局部放电定位法仿真研究 总被引:17,自引:0,他引:17
提出一种基于超高频和超声波相控接收阵的局部放电定位法。该方法以分别检测局部放电产生的超高频和超声波信号的相控接收阵构成平面传感器,以超高频相控接收阵检测到的局部放电超高频电磁波信号作为时间基准,由此得出接收到的超声波信号的时延,进而计算出放电点与传感器间的距离;再根据相控阵扫描的方位角和仰角,与算出的距离一起就可得出局部放电源的几何位置。多个空间位置不同的局部放电,其产生的最大信号所处的对应于空间角度的波束阵列的位置不同,相对于同一采样起始点的时间基准不同,而且时间间隔也不同,因此还可实现多局放源的定位。对这一设想进行仿真研究,结果表明该方法能对油中局部放电进行较精确的定位,并可较好地解决多局放点定位问题。 相似文献
16.
气体绝缘系统中典型缺陷的超宽频带放电信号的分形分析 总被引:12,自引:7,他引:12
要提高气体绝缘系统(GIS)放电在线监测与诊断的准确性,需要研究其典型缺陷的超宽频带放电特征。但GIS中放电频率高、频带宽,基于IEC60270标准的常规低频局部放电统计分析方法难以对放电特征进行分析。文中提出应用基于小波提取技术的放电信号的分形分析方法,对GIS中典型缺陷放电的各频段信号进行分维数计算,用分维数来量化分析GIS中超宽频带局部放电的频谱特性,发现了GIS中不同金属性表面缺陷的超宽频带放电分形特征的明显差异,对进一步将超宽频带放电检测技术用于GIS局部放电在线监测具有重要意义。 相似文献
17.
小波分析在气体绝缘组合电器局部放电检测中的应用 总被引:1,自引:0,他引:1
采用两种检测手段,测量了在气体绝缘组合电器(GIS)局部放电模拟系统中,由内导体固定突起所产生的局部放电。一种有效的滤除干扰的信号处理方法——小波分析法被应用于这个系统。结果表明,在背景有较强干扰情况下,由于小波分解的局部特性,在检测局部放电时优于传统的付里叶频谱分析方法及在单纯频率范围滤波的方法。 相似文献
18.
19.
20.
The paper shows that open-loop noise reduction techniques can be effective in separating partial discharge (PD) signals from noise. Wavelet-based denoising through the use of thresholding of wavelet coefficients provides near optimal noise reduction for many classes of signals including PD signals in noise. The effectiveness of wavelet transform-based noise reduction depends on selection of an appropriate wavelet basis function as well as on careful selection of threshold function and levels 相似文献