综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法

针对齿轮故障特征微弱，在强背景噪声下难以有效提取的问题，提出了一种改进奇异谱分解（ISSD）结合奇异值分解（SVD）的齿轮故障特征提取方法。针对奇异谱分解（SSD）算法中模态参数需凭经验选取的缺陷，基于散布熵优化算法对SSD算法进行了改进，在得到既定的一组奇异谱分量的基础上，根据峭度值最大准则筛选出了最佳奇异谱分量并进行了SVD处理，采用奇异值能量标准谱自适应地确定了信号重构阶数以还原信号和提高降噪效果。最后对信号进行包络解调以提取齿轮故障特征，将所提方法运用到仿真信号和齿轮实测信号中，并同传统包络谱、SSD包络谱以及经验模态分解结合SVD(EMD-SVD)方法进行了对比分析，结果表明，所提方法的降噪和特征提取效果更佳，能够更加有效地实现齿轮故障的判别。     

电力变压器的运行与故障处理分析

电力变压器在电力网中是改变电压、传递电能的主要电气设备。变压器是电磁感应原理,由铁芯、绕组及其附件等组合而成。某一供电单位备用变压器一般不少于总台数的15%。为了防止变压器油劣化过速,上层油温不宜经常超过85℃。变压器的故障可分为绕组匝间或层间短路、绕组变形与断线、铁芯片间绝缘损坏等几种,文章对各种故障的处理方法做了详细的介绍。     

时空稀疏贝叶斯的多通道降噪方法及在机械故障诊断中的应用

压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(SpatioTemporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。     

一起35kV铜管母线外保护层破损引发的故障

正绝缘铜管母线因其载流量大、绝缘性能好、机械强度高、散热性能好、抗电气振动能力强、可靠性高等优点在国外被广泛应用,并有几十年的运行历史和经验。国内由于进入此领域时间较短,行业正处于发展期,近几年虽逐步得到用户的认可,但对于该类产品,运行维护经验较少。本文主要对我公司总降站内一起35 kV铜管母线外保护层破损故障原因的判断及修复过程进行阐述,为遇到同样问题的同仁提供参考方向。1 概述我公司通过1台12.5 MVA的升压变将电能传输至