基于小波BP网络的汽轮发电机组故障诊断

针对电厂汽轮发电机组故障诊断问题,将小波变换和BP网络结合构造了一个三层的小波BP网络故障诊断系统。在输入层对振动信号进行二进离散小波变换,提取其在多尺度下的细节系数作为故障特征向量,根据这些特征向量进行小波BP网络的学习,最后用该学习过的小波BP网络诊断故障并将此方法成功地应用于汽轮发电机组故障诊断。仿真结果表明此方法是可行和有效的。     

小波分析在汽轮机振动故障诊断中的应用研究

针对常见的汽轮发电机组频率突变的振动故障,采用傅立叶变换和小波变换对同一汽轮发电机组振动信号进行傅立叶变换和小波分解。结果表明傅立叶变换无法检测出信号的瞬态变化,只适用于分析平稳信号;而小波分析可以有效的提取信号的瞬态变化特征,能准确的检测出信号的奇异点位置,利用小波分析有利于提取汽轮发电机组振动信号的故障特征。此外,对汽轮发电机组的混合信号进行小波分解,可以将信号有效的分离,为确定故障种类提供了依据。     

小波包分析在汽轮机转子振动故障诊断中的应用

针对汽轮发电机组振动的频谱特点，提出了基于小波包变换的汽轮机转子振动故障诊断方法，它较一般的小波变换更能反映振动信号所包含的频谱成分及能量。根据Bently实验台所采集的4种典型汽轮机转子振动故障信号，运用小波包分析方法对其进行能量分析并提取故障特征。实验分析表明，基于小波包分析与信号能量分解的故障特征提取方法，可以获得汽轮机转子振动的故障状况；根据不同故障发生时的频谱特征，识别出不同的故障，从而进行汽轮机转子振动故障诊断。该方法比基于Fourier变换的故障特征提取方法更有效，适合于机械故障诊断。     

基于小波模糊网络的电厂汽轮发电机组故障诊断

针对传统故障诊断方法在汽轮发电机组振动类多重并发故障诊断中的局限性，提出了小波变换与模糊理论相结合的诊断方法。采用二进离散小波变换获取有效的故障特征向量，利用模糊诊断方程进行故障模式分类。通过选择足够的样本对故障诊断方程进行训练，将代表故障的信息输入训练好的诊断方程，由输出结果即可判定故障类型。实际应用表明该方法可以有效诊断汽轮发电机组振动类多重并发故障，诊断结果全面、准确。     

基于小波变换的整流装置故障特征提取

在对某型号飞机电源系统整流装置进行故障模式分析的基础上,通过对各故障模式下整流装置输出电压的实测信号样本的频谱分析,获得对故障敏感的特征频率点,根据小波变换的多分辨率分析理论,确定了与特征频率点相对应的小波母函数和变换尺度.在此基础上,通过定义"频带能量特征向量",将小波变换得到的小波系数转换为一组特征向量,作为故障检测的依据.实测样本信号的分析结果表明,该方法克服了传统傅里叶分析的固有缺陷,得到的故障特征向量符合灵敏性、鲁棒性的要求,可有效区分各故障模式.     

基于连续小波变换的振动故障分析方法研究

某型机在进行调整试飞时驾驶舱振动过大,此类机振动故障信号一般具有非平稳特征,传统傅里叶分析无法得到频谱随时间变化的趋势.小波变换具有良好的时频局部特性,能够反映信号在局部范围内的特征.在介绍小波变换理论的基础上,采用基于Morlet小波的连续小波变换对飞机振动故障数据进行了分析,得到频率随时间变化的趋势.结果表明,小波...     

基于EMD相关去噪的风电机组振动噪声抑制及特征频率提取

针对风电机组振动信号同时受背景白噪声和短时干扰噪声的影响,使得早期微弱故障特征频率难以提取的问题,提出一种结合经验模态分解(EMD)、相关性分析和小波包变换(WPT)的振动信号噪声抑制及故障特征频率提取方法(EMD相关去噪-WPT)。该方法首先利用EMD分解振动信号得到能表征不同频率的固有模态函数(IMF),然后筛选表征故障特征频率的IMF,并重构得到故障特征信号;其次,利用自相关分析去除重构信号中噪声的影响;最后,结合小波包变换(WPT)提取去噪重构振动信号中的特征频率。为了验证所提方法的有效性,以实测和模拟的双馈风电机组轴承故障振动信号为例,对轴承振动信号分别利用小波包变换(WPT)、EMD相关去噪-WPT、小波硬阀值-WPT方法进行特征频率提取分析。通过不同特征频率提取方法比较表明,所提出的基于EMD相关去噪-WPT特征频率提取方法,能够更有效地抑制背景白噪声和短时干扰噪声的影响,提取出早期微弱故障特征。     

小波包分析技术在大型电机转子故障诊断系统中的应用

通过精密离心机电机驱动系统和机械系统的故障机理的分析,提出了两种故障信号基于小波包分析的特征提取方法.一个是渐进性故障信号的特征提取方法,控制器误差信号通过小波包分解与重构,最后在最低频段的节点得到了已经去噪的故障信号.另一个是振动信号频带能量的特征向量提取方法,动平衡系统的振动信号被分解到独立的频段,不同频带内的信号能量变化反映了系统机械运行状态的改变,每个能量成分被提取形成特征向量用于故障诊断.试验与仿真结果表明这种基于小波包分析的故障方法具有算法简单、可行的优点.     

基于小波变换与αβ空间参数的单相接地选线方法的研究

本文提出一种基于小波变换与αβ空间参数提取小电流接地系统单相接地故障特征的方法来实现单相接地故障选线。利用小波变换对线路电流和电压的暂态信息进行处理,提取暂态量特征向量,利用clarke-concordia变换提取线路稳态电流的αβ空间参数构成稳态量特征向量,利用BP神经网络对这些特征向量进行处理,从而实现故障选线功能。仿真结果表明,这种方法可以大大地减少过渡电阻对故障选线的影响,使得选线结果准确可靠。     

小波分析在滚动轴承故障信号处理中的应用

在旋转机械中,当轴承发生故障时,振动信号比较复杂,相对其它振动信号太弱,基于傅立叶变换的谱分析技术对滚动轴承的故障特征的提取不太理想。提出采用小波变换和傅立叶变换相结合的方法来处理滚动轴承的故障振动信号,通过对某航空发动机滚动轴承的外环故障信号处理,结果验证了该方法对提取滚动轴承故障特征的有效性。     

水电机组故障诊断系统信号特征的提取

信号特征提取是水电机组故障诊断系统的关键，水电机组的故障主要是振动故障，而且机组的振动表现出复杂性、多样性以及渐进性。对这样的信号特征提取，普通特征提取方法的准确性就不高。小波分析将信号分解到不同层以及在不同层上将信号分解为不同频段，然后在这些不同层不同频段上提取特定频率的一段信号。因此本利用小波分析的这一特性，根据机组不同振源的特性提取了机组振动的诊断特征向量。     

小波降噪及Hilbert变换在电机轴承故障诊断中的应用

针对振动信号降噪处理及故障特征提取是机械故障诊断的重点问题,为了有效消除高频信号的影响,并充分提取出电机轴承的低频故障特征。提出利用小波降噪及Hilbert变换的方法对采集的电机轴承振动数据进行处理并提取其故障特征信息。首先,运用小波降噪对采集到的振动数据进行降噪处理,抑制噪声干扰,然后对其进行Hilbert变换解调出故障特征频率。通过对现场测取的轴承振动数据进行信号处理可以达到理想的诊断效果,由此得知,该方法能通过电机轴承振动信号进行故障特征信息处理,有效地进行轴承故障分析及诊断。     

小波分析在振动信号处理领域中的应用

在小波分析的理论基础上 ,简要讨论了小波变换在振动信号分析中的一些典型应用 ,包括信号滤波、降噪、非平稳特性分析、机器状态检测和故障诊断等方面。最后总结了小波变换在振动领域应用的优缺点。     

基于时频等高图的汽轮发电机组振动故障诊断方法研究

状态监测与故障诊断的主要内容包括故障信号的检测、故障诊断、趋势分析和早期故障预测即预测诊断等。传统的振动故障诊断主要是基于频谱分析的方法，小波变换得出的时频等高图是分析故障信号奇异性的有效工具，为汽轮发电机组的故障检测和诊断提供了新思路。在介绍小波变换理论、Morlet小波和时频等高图的基础上，通过对仿真的汽轮发电机组几种典型振动故障，如不对中、油膜涡动和部件松动等信号进行分析，结果表明时频等高图不仅能够直观检测出信号中的微弱奇异成分，而且还可以有效地对故障进行分类诊断、实现早期故障检测和故障变化趋势分析等。最后，采用时频等高图分析了3种实际机组的振动异常信号。     

基于小波变换的高压断路器振动信号故障诊断仿真研究

小波变换在时域和频域内同时具有局部化能力,是分析故障信号奇异性的主要工具。对振动信号进行小波消噪,提取有用信号;利用Hilbert变换求取信号包络,对包络进行小波变换取得各尺度上的信号波形。根据小波变换各尺度上模极大值的传递性来计算信号包络波峰的奇异性指数,以此作为断路器故障诊断的一种特征参数,是一种新颖而有效的方法。     

小波分析检测线缆故障的应用研究

小波分析克服了傅立叶变换不能对信号同时时频局部化分析的缺点,具有很强的信号特征提取能力,尤其对暂态突变信号或微弱变化信号的处理表现出明显优势,为快速准确检测电缆故障研究了应用小波分析处理故障线路行波信号的技术。通过计算模量初始电流行波在小波变换下的模极大值,根据3个模量的故障特征选择故障相。EMPT仿真数据的分析,证明该方法具有很高的精度。     

基于小波变换的电力系统故障暂态信号分析

介绍了连续小波变换定义.小波变换具有良好的时频局部化特性,并可根据信号频率的变化自动调节时频窗口,因此小波变换十分适合电力系统故障产生的暂态信号的分析.电力系统故障暂态信号的小波变换模极大值标志着电力系统最重要的故障特征,可以作为继电保护和故障测距的依据     

基于EWT及多尺度形态谱的高压并联电抗器故障诊断研究

针对高压并联电抗器故障诊断问题,提出一种基于经验小波变换(EWT)、多尺度数学形态谱进行特征提取,采用KernelK-means聚类进行故障模式识别的诊断新方法。首先,将实测三种工况下的电抗器振动信号经EWT分解得到数个模态分量。然后分别计算每个模态分量与原信号的相关系数并按系数大小降序排列,取前4个模态分量构成有效分量向量。再利用多尺度形态谱对有效分量向量进行分析计算,构成一个四维特征向量。最后利用KernelK-means聚类对样本特征集进行分类识别。实验验证,该方法能有效提取电抗器振动信号特征量,能正确识别电抗器所属的不同工况。     

小波变换在配电网单相接地故障选线中的应用

小波变换克服了傅里叶分析的缺陷，能同时对时频局部化，具有很强的信号特征提取功能，可将其应用到小电流接地电网单相接地故障检测中。对故障后暂态电气量进行分解，利用小波变换系数作为判据实现故障选线，仿真实验表明该方法可以快速准确地检测出故障线路。