两种小波变换方法及其在发电机故障信号分析中的应用

该文提出的整数Ｎ进小波变换和分数小波变换,可以提取信号的任何整数次和分数次谐波分量,具有比二进小波变换更强信号处理能力和灵活性。此外,该利用两种小波变换对发电机转子一点接地故障信号进行了分析,得出了有意义的结果。     

基于线调频小波变换的电机故障信号消噪方法

电机故障信号包含大量白噪声和有色噪声 ,消噪是故障信号分析、诊断、处理的前过程 ,消噪的效果直接影响到后期工作。小波变换在电力系统的故障信号处理中得到广泛地应用 ,然而 ,小波变换只能消除白色噪声 ,对有色噪声不起作用。线调频小波变换是窗口Fourier变换和小波变换的推广 ,它不仅具有小波变换良好的时频局部性特点 ,而且它的时频窗口比小波变换的时频窗口更加灵活。本文应用线调频小波变换对电机故障信号进行消噪 ,效果明显。线调频小波变换在电力系统故障信号处理方面必将得到广泛的应用     

多分辨信息熵的计算及在故障检测中的应用

介绍了连续小波变换定义、多分辨分析及Mallat快速小波分解算法。基于信号的多分辨分析,定义了一种多分辨信息熵指数作为信号小波分析的一种后处理方法。对动态系统的仿真分析表明,该指数对系统系数微小的变换具有独特的敏感性,对EMTDC仿真分析一实际EHV输电线路故障暂态信号的研究结果表明,多分辨信息熵指数对电力设备、电网故障具有较强的检测能力,同时具有抗干扰能力强、实时性好的特点。     

计及线路不平衡时线模解耦不完全误差的行波单端测距新方法

采用小波多尺度奇异性检测行波信号可实现超高压输电线路故障的精确测距。对于不换位或不完全换位线路采用传统解耦方法并不能完全消除三相之间的耦合,因此波头难以鉴别。提出采取实际不对称数值解耦的方法并引进实际模量波速。通过相模变换对三相电流进行解耦处理,对三相输电线路均匀换位和不换位或不完全换位2种情况,分别确定模变换矩阵,求得各模量上的电感和电容参数;应用单端法进行故障测距;用小波变换检测奇异信号,把对行波信号的分析转化为对模最大值的分析。仿真结果表明采用非对称解耦相模变换有效地消除了各相之间的电磁耦合,与采用对称假设时的故障测距结果相比精度有了较大提高。     

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     

基于半小波变换的电力系统故障信号处理的新方法

提出了半小波函数及其相应的半小波变换。因半小波函数具有很好的时域特性,故以半小波分析检测故障信号特征的速度要比常规小波变换快一倍;利用半小波变换对电力系统某些故障信号进行了分析,并与其他小波变换进行了比较。其结果证明了半小波变换方法是一种非常有效的方法,因而,在提高电力系统的运行水平和供电质量方面,具有明显的社会经济效益。     

一种基于优化小波基的电力系统故障暂态数据压缩方法

在论述基于多分辨分析的小波基构造方法和小波分解理论的基础上，建立了基于离散小波变换的电力暂态信号数据压缩方法。针对电力故障信号为基波伴随短时暂态成分的特点，研究了基于信号离散小波逼近品质最优，即离散逼近时域二范数最大的小波基优化方法。对一实际500KV输电线路故障暂态的分析计算表明；基于优化小波基的离散小波变换对电力故障暂态数据具有较高的压缩比和较小的重构误差。     

小波分析用於继电保护装置时尺度参数的选取

小波分析可以对信号进行多尺度分析,具有很强的特征提取功能,对突变信号的处理具有明显优势。利用电磁暂态仿真程序对电力系统输电线路故障进行仿真,并利用小波分析程序对仿真结果进行分析,根据故障瞬间电流信号的小波变换特征,探讨了小波分析用于微机继电保护时,尺度参数对小波变换的影响。     

基于小波变换的窗奇异性指数计算及其在故障检测中的应用

小波变换能够充分刻画信号的奇异性 ,在探讨奇异信号的小波变换特性的基础上 ,克服信号局部奇异性指数计算的难点 ,定义了一种基于小波变换的窗奇异性指数 ,理论信号的分析计算表明 ,该窗奇异性指数能够既能表征信号的局部奇异特性 ,又具有计算简单快捷的特点。对一实际系统的EMTDC仿真信号的分析表明 ,以该指数作为EHV输电线路故障检测判据和区内外故障判别指标 ,具有较好的可靠性与实时性 ,是电网故障检测和继电保护的一种新颖的有效方法     

电机故障信号小波变换边界问题及解决方法

小波变换比Fourier变换具有良好的时频局部化特性，是处理突变信号的有力工具。近年来，小波变换在电力系统故障信号的处理中得到广泛地应用。而故障信号的采样区间是有限的，小波变换在处理电力系统故障信号时存在两个边界问题：即靠近端点附近突变点很难识别出来；信号分解、压缩及重构时误差较大。因为传统处理方法将有限区间的信号通过补零、对称延拓和平滑扩充外来数据区间而造成人为误差，除Harr小波外任何正交的紧支撑小波不具有对称性或反对称性，因而不具有线性相位或广义线性相位，易出现信号恢复时失真现象。提出的区间双正交小波方法同时具有正交性、紧支撑性及对称性，实验结果表明这种小波误小、精度高。     

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。     

基于元素分析的滚动轴承故障诊断

针对现有信号降噪或重构方法无法完全去除噪声,且时频表示存在能量模糊问题,提出了一种利用元素分析进行滚动轴承故障诊断的方法。所提方法首先构造了元素模型来表征信号,然后对元素模型进行Morse小波变换,并从小波变换中计算得出信号冲击点,从而得到信号的故障特征频率。该方法还可以利用基于小波变换中时间或尺度平面内的少量孤点来重构信号。最后,采用一组仿真信号数据和两组实验数据来评估所提方法性能,并与其他信号重构方法和时频分析方法对比,结果表明,所提方法对滚动轴承故障信号重建和识别的效果更好。     

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。     

小波与倒频谱分析法在异步电机故障诊断中的应用

小波具有优良的时频局部化特性,其多分辨率性质可逼近细化频谱,在故障信号提取方面具有突出作用。倒频谱对多成分边频的频谱图分析非常有效,具有解卷积的作用,将边频带谱线简化为更易于观察的单根谱线,实现电机耦合故障分离和故障特征提取。本文对小波分解基本思想和过程进行了详细的论述,系统论述了倒频谱分析的基本原理以及在时频分析中的优势,结合两者特点提出了运用小波与倒频谱分析相结合的电机故障诊断方法。通过实验验证了该方法在电机复合故障诊断中的特点及优越性。理论和实验分析表明该方法可有效地判定故障类型,为电机故障诊断提供了新的思路。     

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。     

小波分析在异步电机故障诊断中的应用研究

小波具有优良的时频局部化特性,其多分辨率性质可逼近细化频谱,对故障信号提取有突出的作用.文章系统论述了小波分析在故障诊断中的研究和应用,阐述了用小波分析处理信号的诊断故障方法.通过计算机仿真验证了该方法在电机故障诊断中的可行性.     

基于滤波预处理的小波故障检测方法

现有的基于信号奇异性分析的故障检测方法不同程度地受到噪声的影响。提出了将电力信号滤除工频周期分量后,通过提取适当尺度上的小波模极大值点检测故障的方法。通过预处理滤除工频周期分量,消除了小波变换在信号峰值处的模极大值,从而避免了对故障的误判。小波变换将预处理信号中的故障分量和噪声分解在不同的尺度空间中,保证了故障特征的提取和算法的抗噪性能,简化了的Mallat信号奇异性检测方法,在降低算法计算量的同时,可保持故障的定位精度。仿真研究表明:故障定位准确,且对噪声不敏感,可推广应用到其他周期信号的分析中。