小波分析技术在汽轮机振动信号消噪与检测中的应用

采用小波包进行汽轮机振动信号的消噪与检测,可有效保留信号中包含故障特征的弱突变信息。提出了基于小波包的汽轮机振动故障信号的消噪与检测方法。它是以小波包能量为基础,以原始信号与降噪后信号之间的均方误差(MSE)极小化为目标的基于小波包的降噪算法,并与传统的Donoho硬阈值降噪算法作了比较。检测结果表明,在故障检测前先采用小波包基方法对故障信号进行消噪,有利于提高汽轮机振动检测的准确性。     

基于小波迹方法的局部放电信号消噪研究

在检测电力系统变压器稳定性时,通常会发现变压器放电信号存在各种各样的干扰,尤其是噪声干扰。文章提出一种基于传统小波迹方法的平稳小波迹阈值消噪方法,有效消除了信号采样中的噪音。通过重新定义小波迹字典的方法,改进了传统小波方法中的不足。对所要处理的放电信号进行循环平移,有效消除小波基的平移依赖性,提高小波变换在奇异点附近的特殊性,从而达到消除随机振荡的目的。通过与传统小波包消噪和传统小波消噪的比较,选取阈值、小波基和分解层数,得到了信号消噪的最佳值,进而构建一个适用于局部放电信号研究的平稳小波迹阈值消噪方法。结合MATLAB仿真实验信号和部分某变电站变压器局部放电实际信号验证,该方法能有效抑制局部放电噪声干扰,提取有效信号,消噪效果优于传统小波和小波包方法,可以达到识别的需求。     

基于小波分析的汽轮发电机组振动信号消噪和特征提取

小波分析技术由于其良好的时频局部化性质,对突变和非平稳信号的分析具有良好的效果,已经成为信号消噪、特征提取和故障诊断的重要方法之一.针对汽轮发电机组的振动特征,采用基于最优小波包基的方法对汽轮发电机组的振动信号进行消噪处理,有效地剔除了汽轮发电机组表面振动信号的噪声干扰,提高了信号的信噪比;对消噪后的信号进行小波包分解,并将各相关频带进行能量特征提取,从而为汽轮发电机组振动信号的故障诊断提供了有力依据.     

电机故障自动识别在电机生产线上的应用

电机出厂检测非常重要。为了确保质量控制,目前电机厂多是通过操作者听电机声音判定噪声故障。而该文将研究模式识别技术在小型电动机生产线上电机故障检测中的应用。由于工业现场环境,系统首先采用小波分析对振声信号进行消噪,提取有用信号。再利用小波技术多分辨率特点和小波能谱熵提取故障信号的特征信息,最后结合概率论参数区间估计法获得小波熵带,对故障电机自动识别。     

基于改进MDL准则的电能质量信号消噪新方法

电力系统中电能质量信号往往含有大量的噪声,这将会在很大程度上影响检测的效果。为了有效地消除噪声,基于MDL准则提出了将MDL函数的第2项改为信号的剩余能量比以提高消噪能力的改进算法,同时给出了改进后MDL函数参数确定的方法,讨论了小波分解层数的确定及小波基函数的选取等问题。对不同电能质量信号进行消噪处理时该新方法能得到最优的分解层数和小波基函数,消噪后信号具有较高的信噪比且信号的剩余能量比高。仿真结果表明:该新方法优于小波分析的电能质量消噪方法和基于MDL准则的电能质量消噪方法,取得了令人满意的消噪效果。     

基于随机共振理论的异步电动机转子断条检测新方法

现场采样获得的电动机故障信号通常会含有很多噪声.传统的方法是对故障信号消噪后进行分析,但在消噪的同时会丢失一些有用信息.本文提出了基于随机共振(SR)理论的异步电动机转子断条早期故障检测新方法.该方法是通过选择合适的系统参数,使非线性系统发生随机共振,把一部分噪声能量转化成信号能量,达到异步电动机转子断条早期故障检测的目的.实验分析结果表明该方法是切实可行的.     

利用小波包变换实现噪声环境下特征信号的提取

电力系统暂态或故障时 ,电压电流信号包含了故障的信息 ,文中称包含了故障或暂态信息的电压和电流信号为特征信号 ,利用特征信号可以进行系统分析和故障检测 ,但是特征信号往往被淹没在大量的噪声信号中 ,这样给电力系统分析和检测带来困难。文中分析了电力系统中几种常见的噪声和特征信号的时频特性 ,简单介绍了小波包变换的理论和特点 ,分析了利用小波包变换来消除噪声 ,提取特征信号的理论 ,并通过实例验证了小波包良好的抗噪能力 ,为实现噪声环境下特征信号的提取提供了良好的分析方法 ,为电力系统分析和故障检测提供了良好的工具。     

利用小波包变换实现噪声环境下特征信号的提取

电力系统暂态或故障时,电压电流信号包含了故障的信息,文中称包含了故障或暂态信息的电压和电流信号为特征信号,利用特征信号可以进行系统分析和故障检测,但是特征信号往往被淹没在大量的噪声信号中,这样给电力系统分析和检测带来困难.文中分析了电力系统中几种常见的噪声和特征信号的时频特性,简单介绍了小波包变换的理论和特点,分析了利用小波包变换来消除噪声,提取特征信号的理论,并通过实例验证了小波包良好的抗噪能力,为实现噪声环境下特征信号的提取提供了良好的分析方法,为电力系统分析和故障检测提供了良好的工具.     

基于小波包和改进EEMD方法的电动机故障诊断

针对某厂YZ-500-2型三相异步电动机出现的异常振动,在实测振动信号的基础上,利用Fast ICA对EEMD分析方法进行改进,提取出本征模态函数中4种不同性质的信号,并利用该方法对电动机故障进行检测。为了减小高频噪声对分析的影响,采用小波包消噪,经试验证明该故障为轴承间隙不当,即瓦壳与机体之间出现间隙。同时也表明该方法在对电动机未知故障进行诊断时中具有较好的效果。     

故障分析中的小波软阈值改进除噪方法

软阈值消噪是信号消噪中的标准算法.故障检测中的信号去噪,要求在降低噪声水平的同时,保留信号中用于故障检测的奇异特征.通过分析信号和噪声的小波系数在小波空间的不同特性,在"噪声强度估计"、"阈值选择策略"和"小波系数调整策略"三个方面对软阈值除噪技术进行了改进.仿真研究表明改进方法较好地解决了保护信号局部特征和抑制噪声之间的矛盾,并对各种类型的故障信号均能进行有效的分析.