基于小波的灰色预测理论应用于水电机组故障预测分析

基于神经网络"能量-故障"映射关系,提出将小波频带分析与灰色预测理论相结合进行水电机组故障预测.运用小波分解提取各频带能量,应用预测理论建立水电机组故障特征量的预测模型,预测各频率成分能量的变化,重构由预测各频带能量成分组成的特征向量,应用于水电机组故障预测分析.以水轮机主轴摆度信号为例,应用该方法进行了特征信息提取和预测,表明将小波能量提取与灰色预测理论相结合进行振动特征信息的预测比较有效,为故障预测提供了新思路.     

采用小波变换检测和定位电能质量扰动

从小波变换能够突出信号局部特征的特性出发,探讨了多尺度小波变换模极大值与信号突变点之间的关系,分析了对电网电压跌落及周期脉冲等典型电能质量扰动进行检测与定位的方法。为验证方法的有效性,进行了相应的仿真研究。结果证实了小波变换能更精确地检测和定位电能质量扰动。     

配电网单相接地故障选线方案

配电网单相接地故障选线问题由来已久,以往的研究主要集中在相对理想情况下的基于单一特征量的选线方法,而缺乏对单相接地故障的准确确认和对故障信息的充分、有效利用,并且对选线判据在复杂条件下的自适应性和容错性的分析不够深入,这就导致了在实际的生产运行中难以正确实现既定的选线方法,最终容易造成误选。该文首先区分可能造成混淆的故障类型;然后提出了同时运用电压、电流分量的自适应性强、容错性能好的内积选线判据;最后,提出考虑极端情况下的补救方法,从而实现了选线方法在理论上的完备性。大量的EMTP仿真分析结果都表明,该方法能够准确地判定单相接地故障、可靠地选出接地线路,具有很强的鲁棒性。     

Features of energy distribution for blast vibration signals based on wavelet packet decomposition

Blast vibration analysis constitutes the foundation for studying the control of blasting vibration damage and provides the precondition of controlling blasting vibration. Based on the characteristics of short-time non-stationary random signal, the laws of energy distribution are investigated for blasting vibration signals in different blasting conditions by means of the wavelet packet analysis technique. The characteristics of wavelet transform and wavelet packet analysis are introduced. Then, blasting vibration signals of different blasting conditions are analysed by the wavelet packet analysis technique using MATLAB; energy distribution for different frequency bands is obtained. It is concluded that the energy distribution of blasting vibration signals varies with maximum decking charge, millisecond delay time and distances between explosion and the measuring point. The results show that the wavelet packet analysis method is an effective means for studying blasting seismic effect in its entirety, especially for constituting velocity-frequency criteria. Foundation item: Project(50490272) supported by the National Natural Science Foundation of China; project(2004036430) supported by the Postdoctoral Science Foundation of China     

活性炭载体对TiO2/活性炭中二氧化钛晶粒生长及相变的影响

以活性炭为载体,采用溶胶-凝胶法制备了TiO2/活性炭(TiO2/AC)复合体,并利用SEM和XRD手段对复合体进行表征,通过Dt2=ktnexp(-E/RT)方程的计算,分析,研究活性炭对复合体中TiO2晶粒生长及其相变的影响.结果表明TiO2/AC复合体晶粒粒径增长的时间比TiO2本体短;TiO2/AC复合体纳米粒子平均尺寸为50nm比TiO2本体小;锐钛矿向金红石转变的相变温度和晶粒生长最快温度TiO2/AC复合体比TiO2本体高.锐钛矿和金红石晶粒生长的表观活化能TiO2/AC复合体分别为6.21±1.27和46.54±1.56kJ/mol,TiO2本体分别为5.764±1.02和36.4±1.14kJ/mol.在锐钛矿阶段和金红石阶段TiO2/AC复合体反应指数分别为0.19和0.35,而TiO2本体分别为0.13和0.26.原因是活性炭的强吸附力和非晶相层对TiO2晶粒生长的阻遏作用.     

基于小波降噪神经网络的旋转机械故障诊断

实测信号往往受到多种因素的干扰,如高频噪声.提出了一种小波降噪神经网络的故障诊断方法,利用小波的多重分辨率分析,有效降低高频噪声干扰,从而简化了有效特征信号的提取.建立了基于小波变换和BP神经网络的混合诊断模型,成功地对故障进行了智能诊断.最后实验验证了此种方法的有效性.     

小波域相关滤波法及其早期故障预示应用

噪声是影响机械设备早期故障预示正确性的主要因素。根据相关分析理论和小波阈值降噪理论,提出了小波域相关滤波法。它是一个迭代的过程,通过自适应的选择滤波过程参数,可以对信号进行良好的降噪;同时也不会弱化信号中的弱故障信息。通过对旋转机械早期不平衡和不对中故障信号分析,结果表明小波域相关滤波法对机械设备早期故障预示是有效的。     

爆破振动信号的时频分析

爆破振动信号的研究方法已由单纯的频域分析过渡到时频联合分布分析。在讨论FOURIER变换(FT)和短时 FOURIER变换(STFT)不足的基础上,论述了基于连续小波变换(CWT)和离散小波变换(DWT)在爆破振动信号分析中的应用。作为一种严格的时频分析方法,论文尝试利用二次型时频分布来进行爆破振动信号的时频联合分析;通过几种二次型时频分布的对比分析,认为CWD在具有较强的时频聚集性的同时又较好的对交叉项进行了抑制,适合于进行爆破振动信号的时频分析。     

基于EMD的时频熵在齿轮故障诊断中的应用

提出了一种基于EMD(EmpiricalModeDecomposition)方法的时频熵齿轮故障诊断方法。首先利用EMD方法分解齿轮振动信号,然后将得到的内禀模态分量进行Hilbert变换,以得到振动信号的时频分布,将信息熵理论引入时频分布,定量描述时频平面上不同时频段的能量分布,各时频段能量分布的均匀性可以反应齿轮的运行状态的差别,从而可以通过时频熵的大小判断齿轮的工作状态和故障类型。实验证明该方法能有效的判断齿轮故障特征,为齿轮故障诊断提供了新的思路。     

高频振动方向和振幅测量的模糊图像处理方法

根据振动模糊图像和静止图像在频谱上存在的对应关系,即振动模糊图像频谱存在着对应于零阶贝塞尔函数零点的暗纹(贝塞尔条纹);提出对一幅振动模糊图像,经过二维傅里叶变换、灰度均衡以及Radon变换等步骤检测振动模糊图像频谱图上贝塞尔条纹的方向和位置,来实现振动方向和振幅测量的方法;试验证明可以实现平面内任意方向振动的测量,振幅测量精度亚像素级。