基于CWT灰度矩的水电机组振动征兆提取

连续小波变换（CWT）能有效地对水电机组非平稳信号进行细化分析,经过CWT后,蕴涵的状态信息能够在尺度域很好地体现出来,通过小波系数图像素的亮度可分析各个频率成分所占能量比例,引入的灰度矩可体现系数图特征,实例计算验证了灰度矩可作为一个蕴涵机组振动特征的征兆量,可定量地对机组振动情况进行评价,为水电机组分析诊断提供了一种新的征兆量。     

基于连续小波变换的非整数次谐波测量方法

快速傅里叶变换(FFT)可实现整数次谐波的精确检测，但对非整数次谐波的检测误差较大；加窗插值算法可提高非整数次谐波的检测精度，但会导致谐波分辨率降低。如果信号中存在频率相近的整数次和非整数次谐波，利用FFT和加窗插值算法都无法实现谐波的准确检测。连续小波变换(CWT)因其良好的时频局部化特性，可用来分析谐波。通常利用CWT系数的幅值来检测谐波频率。但不同尺度的小波函数在频域上存在相互干扰，如果被检测信号中含有频率相近的谐波，利用CWT系数的幅值无法实现谐波的准确检测。文中结合傅里叶变换和CWT的特点，提出了利用小波变换系数傅里叶变换的幅值来分离谐波的算法。通过实例验证，该算法能够把频率相近的整数次和非整数次谐波分离，实现较理想的检测，从而提高了谐波分析、检测的精度。     

改进的HVD方法在转子故障诊断中的应用

针对转子故障诊断问题,介绍了一种基于希尔伯特振动分解(HVD)的多分量非平稳信号时频分析方法。该方法首先对原始振动信号的非平稳频率成分低通滤波,分离出幅值最大分量的瞬时频率;然后由同步检测获得对应的瞬时幅值和初相位;最后经过迭代运算自适应地提取原信号各分量的时频信息。针对HVD的边界效应问题,应用基于最小平方距离准则的波形匹配边界延拓法对其进行改进。通过仿真信号分析验证了改进的HVD对边界效应的抑制效果和对多分量信号的时频分析能力。分析了转子碰摩、油膜涡动、油膜振荡故障试验测试信号,结果表明改进的HVD方法可以精确提取转子系统故障的时频特征,证明了该方法的有效性。     

基于多尺度线调频基稀疏信号分解的电力系统非平稳振荡信号特征提取

随着电力电子装置在源-网-荷侧的大规模应用,电力系统功率振荡表现出较强的非平稳特性和模式耦合性。本文提出一种基于多尺度线调频基稀疏信号分解的电力系统非平稳振荡信号特征提取方法。多尺度线调频基稀疏信号分解方法能够在动态的时间支撑区内对信号进行投影分解,逐次获得能量最大的信号分量,具有良好的时频聚集性,特别适用于非平稳振荡信号的分解。电力系统的功率振荡信号本质上是一种多模态时变振动系统响应信号。首先通过多尺度线调频基稀疏信号分解方法得到多个单模态振动响应信号,然后根据单模态振动响应特性采用最小二乘法进行振荡特征的提取。仿真算例和实例证明了该方法在电力系统非平稳振荡信号特征提取中的有效性和适应性。     

基于ASW-ESPRIT的电能质量扰动分析

针对ESPRIT算法无法分析非平稳电能质量扰动的问题,提出了一种基于自适应滑窗-旋转不变子空间算法（Adaptive Sliding Window ESPRIT,ASW-ESPRIT）的时频分析方法。该方法首先根据非平稳电能质量扰动信号特征,采用自适应滑窗对信号数据进行分块,然后利用ESPRIT算法对每块中的数据进行处理,检测出频率和幅值信息,接着联合所有窗口的分析结果,从而得到整个信号的时频率分布信息。最后对电能质量干扰的非平稳信号进行了仿真实验,实验结果表明,所提出的方法适合动态电能质量扰动检测,具有实际应用前景。     

用于多分量信号分析的自适应广义S变换算法研究

时频分析是处理非平稳信号强有力的工具,S变换作为传统的时频分析方法之一,其窗函数的尺度可以随频率改变。但是,其时频窗函数尺度变化是固定的,无法适用不同信号的局部特性,导致能量聚集性较差。本文提出了一种自适应的广义S变换算法,设计了由4个调节参数控制的广义高斯窗函数,采用浓度测量自适应优化调节参数,以寻求最佳的时频表征效果。并针对时频分析结果,采用瞬时频率重组和分量重构方法,得到各个分量的瞬时频率,同时进行平滑处理,最终实现多分量信号的参数估计。仿真实验说明,本文提出的自适应广义S变换算法,结合瞬时频率重组和分量重构信号方法,极大地提升了多分量信号的时频分辨率和信号分离的准确性。     

基于多尺度线调频基稀疏信号分解的广义解调方法及其在滚动轴承故障诊断中的应用

提出了一种基于多尺度线调频基稀疏信号分解的广义解调方法,并将其应用于非平稳转速下的滚动轴承故障诊断。该方法先采用基于多尺度线调频基的稀疏信号分解方法分解频率呈曲线变化的多分量信号,得到瞬时频率和瞬时幅值都具有物理意义的单分量信号及其相位函数,再基于获取的各分量信号的相位函数对原信号进行广义解调处理,从而将非平稳信号转化为平稳信号。当转速变化时,滚动轴承故障特征频率为曲线变化的非平稳信号,对其包络信号进行基于多尺度线调频基的稀疏信号分解,提取包络信号分量,再对包络信号分量进行广义解调,根据广义解调后分量信号频率成分与转频的关系即可判断滚动轴承的故障部位和类型。仿真信号与轴承内外圈故障振动信号分析结果表明,该方法比传统的包络信号分析方法能更有效地提取滚动轴承故障振动信号特征。     

采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法

配电开关振动信号具有非线性非平稳特性,蕴含有机械状态信息。提出一种采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法,对振动信号做希尔伯特-黄变换以进行带通滤波,构造其时频矩阵,对该矩阵进行奇异值分解,可将振动信号的特征信息分解到不同的时频子空间,以得到的时频矩阵奇异值作为振动信号的特征量,用于表征配电开关的机械状态。对配电开关在正常及卸掉A相触头绝缘拉杆、机械结构卡涩、底座螺丝松动等3种典型故障情况下实测振动信号的时频矩阵奇异值做模糊c均值聚类,结果表明该特征量能够准确、有效地表征配电开关的机械状态。     

基于自适应多尺度线性调频小波分解的水轮机非平稳振动信号分析

针对在连续参数空间内优化求解线性调频小波(Chirplet)时频参数存在计算量大的问题,构造了离散的多尺度Chirplet字典,以适应信号复杂多变的局部结构,降低计算量。针对自适应Chirplet谱图中的幅值畸变缺陷,应用归一化的最优Chirplet原子的Wigner-Ville分布识别了信号成分,将其作为时频窗口对信号的Wigner-Ville分布进行时频滤波处理,得到的改进的自适应Chirplet谱图不仅具有最佳的时频分辨率,不含交叉干扰项,而且能量分布的幅值变化平滑连续,不存在幅值畸变缺陷。根据时频分析结果,识别了机组起动过程中主轴摆度信号的频率成分及其幅值的时变情况,验证了自适应多尺度Gauss Chirplet分解以及改进的自适应Gauss Chirplet谱图在分析旋转机械转速变化过程中转子非平稳振动信号方面的有效性。     

采用振动信号零相位滤波时频熵的高压断路器机械故障诊断

为了以较少的计算量从高压断路器振动信号中获取机械状态信息,提出一种零相位滤波时频熵方法。通过小波包方法分析高压断路器振动信号的时频分布,并利用边际谱和瞬时能量密度计算时频平面的划分间隔。依据频带间隔,采用零相位数字滤波器提取频带分量;依据时间间隔,将各频带分量划分为多个子时间段。用子时段幅值包络的积分构造各频带分量的信息熵,并共同组成时频熵向量,对振动信号的时频特性进行量化表达。在真空断路器上进行模拟试验,获得了正常状态、铁心卡涩、软连接松动和绝缘拉杆故障等模式的样本数据。引入支持向量机分类器,对不同状态的样本数据进行诊断,准确率达90%。验证了通过零相位滤波时频熵方法诊断高压断路器机械故障的可行性。     

HHT方法在转子振动故障诊断中的应用

传统的振动故障诊断主要是基于频谱分析的方法，而Hilbert-Huang变换得出的时频图是分析故障信号奇异性的有效工具，也是非平稳信号比较有力的分析工具。Hilbert- Huang变换方法以经验模态分解为基础，使信号变换后得到的瞬时频率具有物理意义。该文通过几种时频分析方法如魏格纳-维尔(Wigner-Ville)分布、小波变换等比较，发现Hilbert-Huang变换的时频分析更能够清楚给出时频分布情况，准确反映系统的固有特性。对转子实验台几种典型振动故障信号进行了分析研究，结果表明，利用Hilbert-Huang变换的时频分析不仅能直观检测信号中的微弱奇异成分，而且可以有效地进行故障诊断，实现早期故障预报。该方法为旋转机械状态检测和故障诊断提供了新的手段。     

基于固有时间尺度分解的风电机组轴承故障特征提取

针对风电机组调心滚子轴承故障振动信号非平稳、非线性的特点,提出了基于固有时间尺度分解(ITD)的轴承故障特征提取方法。ITD方法可以将复杂信号分解成若干个固有旋转分量和一个趋势分量之和,能准确地展示非平稳信号的动态特性,有较高的拆解效率和频率分辨率。分析结果表明,ITD方法能有效地提取风电机组轴承故障特征,可用于在线故障诊断。     

三峡水电厂左岸ALSTOM机组尾水管压力脉动分析

对连续小波变换的分析研究,了解到非平稳信号经过连续小波变换后,能够有效地将水轮机非稳态工况下的振动信号很好地分解在有限的时间—尺度范围内而保持信号的信息完整。并应用连续小波变换方法分析了三峡水电厂机组整个升负荷运行中尾水锥管水压脉动情况,准确地获得机组的振动区间以及振动的频率范围,为机组的故障特征提取提供了一种新的选择。     

基于Daubechies小波的多分辨分解在电压闪变信号分析中的应用

电压闪变是低频时变的非平稳信号,传统的傅里叶变换在分析非平稳信号方面存在很大的局限性,而小波变换具有时频局域化性质,是分析这类信号的有力工具。提出了利用小波多分辨分析提取电压闪变信号的方法,并根据小波函数的特点和分析的目的,选用不同N值(消失矩阶数)的Daubechies小波对闪变信号进行特征提取、定位及去噪处理。根据调幅波的时频信息,获得闪变信号的频率和幅值;通过检测小波变换模极大值,实现了对电压闪变发生、恢复时间的精确定位;并采用软阈值方法消去电压闪变信号中的噪声。仿真结果表明,不同N值的Daubechies小波和多分辨分析的结合在信号分析中可以取得良好的效果。     

基于HHT的旋转机械油膜涡动和油膜振荡故障特征分析

将一种新的非平稳信号处理方法,即Hilbert-Huang (HHT)变换方法用于油膜涡动和油膜振荡的检测和时频分析。该方法先用经验模态分解(empirical mode decompo- sition,EMD)提取信号的固有模态函数(intrinsic mode function,IMF)分量,再对IMF作Hilbert变换求瞬时频率和幅值。该方法在早期油膜涡动中能够更加清晰地发现涡动二分频的存在,放大了涡动的故障特征,为早期故障诊断提供了方便。HHT时频分析能够定量刻画转子系统油膜涡动故障的快速发展过程,能够准确检测出油膜涡动故障产生的时间、频率和幅值信息,为故障诊断提供了时间方面的准确信息。试验数据分析验证了该方法的有效性。     

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...     

小波－奇异值分解在异步电机转子故障特征提取中的应用

针对电流信号中异步电机的转子故障特征分量经常被电源频率分量淹没而无法准确检测的缺点,提出了一种基于小波-奇异值分解的转子故障特征提取方法。通过连续小波变换将电流信号中的各特征频率分量转换到时频分布空间中,对该时频空间进行奇异值分解将各特征频率分量分解到不同的正交特征子空间中,对特征子空间的选择重构可以有效地滤除电源频率分量而提取出转子故障特征分量。模拟数据和实际故障信号的应用表明,该方法提供了一种可实际应用的异步电机转子故障诊断方法。     

S变换在电力电缆局部放电信号时频分析中的应用

针对电力电缆局部放电检测,介绍了基于新型S变换的时频分析方法,用于提取及分辨淹没在现场噪声干扰中的局放脉冲信号。局放信号是典型非平稳信号,单纯使用时域或者频域信息都不能很好地表示奇异信号的时变信息。最近发展的S变换是连续小波变换和短时傅里叶变换的一种结合与延伸,引入了幅度和宽度均随频率变换的高斯窗,具有与频率相关的渐进分辨率特性。局放信号的S变换图谱,在信号高频分量部分获得较高的时域分辨率,而在低频分量部分获得较高的频域分辨率,并可提取局放脉冲发生时刻及信号中心振荡频率等特征信息。对仿真信号和现场采集的电力电缆接地线上的局放信号应用S变换进行时频分析,并与短时傅里叶变换及Gabor变换等传统时频分析方法比较,结果显示S变换的时频分析可有效获取局放脉冲信息。     

Cohen类时频分布比较及其在局部放电信号处理中的应用

系统地以参函数的角度介绍了6种典型的Cohen类时频分布。从理论和应用效果上分析了各分布的交叉干扰项衰减和时频分辨率性能。针对局部放电信号的非平稳性,展现了各分布在处理仿真和实际脉冲信号的应用效果。试验结果表明,平滑伪Choi-Williams分布(SPCWD)对局放脉冲非平稳信号引发的短时变化具有高度的敏感性,更为适合表征局放脉冲信号的时变信息。据此,可提取单个脉冲波形的时频特征参数、分析多个连续放电脉冲的时频变化,从而用于放电类型的模式识别以及深入研究绝缘系统中的局部放电机理。