变压器振动信号稀疏快速傅里叶变换分析

变压器振动信号频谱具有稀疏性,传统的信号分析方法需要计算整个频率范围内的频谱成分,计算速度慢。稀疏快速傅里叶变换(sparse fast Fourier transform,SFFT)算法只计算变压器振动信号的主要频谱成分,利用窗函数过滤信号,然后散列傅里叶系数,最后进行定位与估值运算,能快速的计算出信号频谱中k个拥有最大值的傅里叶系数。该算法结构简单,运行时间相对于信号长度n呈亚线性。通过分析变压器油箱的实际振动信号,验证了SFFT算法较之FFT算法运行速度快,非常适合振动信号的在线频谱分析。     

风机齿轮箱轴承状态评估与剩余寿命预测

为了提高风机运行的可靠性和经济性,提出一种基于马尔科夫链的风机齿轮箱轴承状态评估和剩余寿命预测方法。首先,建立风机齿轮箱轴承磨损状态的Gamma分布模型,并利用最大似然法对模型参数进行估计;其次,划分风机齿轮箱轴承磨损状态等级,并确定各状态等级区间限值;再次,计算齿轮箱轴承磨损状态转移概率,并构造马尔科夫过程的状态转移矩阵;最后,应用该方法对风机齿轮箱轴承进行算例仿真。算例仿真结果验证了该方法在确定风机齿轮箱轴承磨损状态和剩余寿命方面的有效性。     

风电机组的状态-机会维修策略

风电机组主要部件的维修需要高昂的费用,针对该问题,提出一种新的风电机组动态维修策略,即状态–机会维修策略。该策略指出风机各部件的衰退过程服从比例失效模型,部件的运行状态可通过状态指示器来表述,且部件何时维修以及如何维修可通过状态指示器与维修阈值函数的比较结果来确定。当某部件状态指示器的值越过该部件状态维修阈值函数时,对该部件实施状态维修,此时,若存在其他部件的状态指示器越过自身的机会维修阈值函数,则对其实施机会维修。两条维修阈值函数可通过维修成本最小的方法确定。最后,仿真结果验证了该策略的有效性。     

风机齿轮箱振动信号的稀疏傅里叶变换分析

风电机组齿轮箱振动信号的在线频谱分析对信号处理算法的快速性要求很高,提出采用稀疏快速傅里叶变换（ＳＦＦＴ）算法进行风机齿轮箱的频谱分析。SFFT算法主要利用窗函数过滤信号,然后散列傅里叶系数,最后进行定位与估值运算,能快速地计算出信号频谱中k（信号的稀疏度）个拥有最大值的傅里叶系数。该算法结构简单,运行时间相对于信号长度n呈亚线性。通过对风电机组齿轮箱的实际振动信号分析,验证了SFFT算法较之FFT算法运行速度快,非常适合振动信号的在线频谱分析。