基于信号奇异性分析的电气自动化设备故障检测研究

为优化电气自动化设备故障检测的效率与质量,提出基于信号奇异性分析的故障检测法.首先,对电气自动化设备的特征进行分析,并对故障信号信噪分离方法、小波变换变换分析法进行阐述.其次,基于小波变换分析,获取奇异性信号及其特征信息,通过构建奇异性特征分析函数,判断故障点位置.最后,对该故障检测方法进行实证分析,结果显示,该故障检...     

基于小波变换和奇异值分解的串联电弧故障检测方法

根据线路中电流信号的变化来检测电弧故障,小波变换是一种常用的检测方法,但是单纯利用小波变换对于正常情况和电弧故障的区分并不明显,而且其结果存在很大的冗余。针对这一问题,提出了采用一种基于小波变换和奇异值分解的串联电弧故障检测的方法。利用电弧模拟发生装置产生串联故障电弧,采集在多种负载下线路正常工作和发生串联电弧故障时的电流。首先对采集的电流信号进行离散小波变换,得到离散小波系数序列,构造特征矩阵;然后对特征矩阵进行奇异值分解,并定义电流信号的特征参数,利用特征参数作为串联电弧故障检测的依据。试验结果表明:正常情况和电弧故障下的特征参数区分明显且没有交叉,易于确定阈值,利用该方法进行串联电弧故障检测的准确率较高,且大大压缩了小波变换结果的冗余性。     

基于改进小波变换的故障电弧检测方法的研究

为了有效避免因故障电弧而引发的电气火灾,对故障电弧的故障检测进行了深入研究。故障电弧检测最常用的方法是小波变换,但是它存在着频谱混叠的问题。针对这一问题,提出一种基于添加节点前奇抽取的抗频谱混叠的改进小波变换算法,并利用多种负载进行验证,从而优化故障电弧检测,最后得到了准确度高、计算简单、实用性好的串联故障电弧检测方法。根据UL1699搭建了故障电弧实验平台,并基于此平台进行电弧发生实验。根据实验仿真结果的验证,改进小波变换解决了小波变换的频谱混叠问题,提高了故障电弧检测的精度,有效地减少故障误报率。     

基于深度卷积神经网络的变电一次设备故障检测方法

为解决传统变电一次设备故障检测方法中存在的故障检测误报率及漏报率等问题,提出了基于深度卷积神经网络的变电一次设备故障检测方法。在多种光照条件下采集变电一次设备图像和场景图像,组建变电一次设备数据集合场景数据集,再对各类型数据集进行预处理。通过深度卷积网络自适应方法提取变电一次设备的时域和频域信号特征,将深度卷积神经网络作为特征提取器,利用免疫学习特性形成未知故障检测器,实现变电一次设备故障检测。实验结果表明：所提方法能够有效降低变电一次设备故障误报率和漏报率,切实提高了检测及时性和故障辨识率。     

基于多维度特征提取的电弧故障检测方法

针对当前含多种电气故障的复杂电路电弧故障识别率低、训练速度慢的问题,提出一种窗口划分结合小波分解与经验模态分解(empirical mode decomposition,EMD)分别从时域、频域及时间尺度等多个维度提取电流特征量,利用机器学习分类模型进行电弧故障识别的方法.首先,利用搭建的电气故障实验平台采集故障及正常电流数据,并将电流数据进行窗口分段,然后分别使用小波变换与EMD方法对电流信号进行分解并计算不同维度上的特征量,将该特征信息作为分类算法的输入进行电弧故障诊断.经实验验证,该特征提取方法在梯度提升决策树(gradient boosting decision tree,GBDT)上的电弧故障检测准确率高达98％,相比电流不分段的方式分类准确率提升了1.87％,能有效获取电弧故障特征,实现对电弧故障高效率与高准确率检测.     

小波变换在航空发电机异常检测中的应用研究

针对飞机交流发电机日常维护中传统检测和分析方法的不足,提出一种基于小波变换的飞机交流发电机异常检测方法,其思想是先把交流发电机输出电压信号采用小波进行分解,然后对分解后的小波系数利用基于噪声标准偏差估计的阈值滤波算法进行消噪处理,最后利用小波变换对消噪之后的电压信号进行奇异值检测从而获得信号的异常变化.通过对飞机交流发电机实测数据进行处理,实验结果表明,该方法能有效地排除电压信号中的噪声干扰,及时地捕获发电机输出电压信号的异常变化,最终实现比较准确的故障检测与定位,具有一定的实用价值.     

小波变换在配电网单相接地故障选线中的应用

小波变换克服了傅里叶分析的缺陷，能同时对时频局部化，具有很强的信号特征提取功能，可将其应用到小电流接地电网单相接地故障检测中。对故障后暂态电气量进行分解，利用小波变换系数作为判据实现故障选线，仿真实验表明该方法可以快速准确地检测出故障线路。     

基于小波分解的发电机转子匝间短路故障诊断

针对傅里叶变换在信号奇异点检测上存在的很多缺点,提出一种基于小波分解的故障特征信号提取方法。介绍了探测线圈法的基本原理,分析了小波变换用于突变信号检测的机理。通过仿真建立发电机转子绕组匝间短路故障的信号模型,并利用小波分解和重构准确地找出信号的突变点。仿真结果验证所提理论的正确性和可行性,为现场早期发现汽轮发电机转子绕组故障和处理故障提供了理论依据。     

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。     

基于改进冗余提升方案的汽轮机组振动故障特征提取

故障特征提取是大型机械设备状态监测和故障诊断领域的核心问题。传统的振动故障特征提取方法主要是基于频谱分析的方法,小波变换的出现则为该领域提供了新的工具。文中提出并构造了一种改进的冗余提升小波变换算法来提取振动信号的时域特征。算法以第2代小波为基础,设计了冗余提升小波变换的算法,不进行分裂,直接利用构造的算子进行预测和更新,各层分量和原始信号的数据长度相同,从而保留了更多的时域信息。研究了提升小波和冗余提升小波算法中存在的频率混叠问题,阐述了产生频率混叠的原因。通过对冗余提升小波分解得到的近似信号和细节信号采用傅里叶变换的方法消除了与其对应频带无关的频率成分,以突出相应频带信号的时域特征。对仿真信号和实际汽轮发电机组振动故障信号进行了分析,结果表明,改进的冗余提升小波变换算法能够较理想地提取出故障特征,有效地解决了提升小波算法中存在的频率混叠问题。     

基于改进第2代小波算法的发电机组碰摩故障特征提取

针对发电机组碰摩故障特征的提取问题,构造了一种提取该类信号时域特征的改进第2代小波算法。该算法以第2代小波为基础,构造第2代小波等效滤波器,分析其存在的频带交叠问题;采用基于数据的优化方法,设计能够自适应匹配每层分解信号特征的预测器和更新器;对分解得到的每层逼近信号和细节信号采用傅里叶变换方法,消除每个分解频带中其它频带的无关频率成分,以突出相应频带信号的时域特征。仿真信号和工程振动信号分析表明,改进第2代小波算法的信号特征提取效果优于第2代小波方法,较理想地提取出了汽轮发电机组发生径向碰摩故障时的时域故障特征。     

基于IEWT-DELM的行星齿轮箱故障诊断

针对在恶劣情况下行星齿轮箱特征难以提取以及多种故障状态下难以准确分类这种问题，提出在经验小波变换基础上将原有频谱分解替换为在噪声干扰下更为稳定的尺度谱分解的改进经验小波变换与深度极限学习机相结合的故障诊断方法。首先，将行星齿轮箱不同故障工况下的信号利用改进经验小波变换分别进行降噪处理并提取各阶调频-调幅分量，之后选取包络幅值峭度较高的前6个分量多尺度样本熵作为故障特征集，输入到深度极限学习机中进行故障诊断分类，行星齿轮箱故障诊断试验表明：与EWT、EMD与DELM结合的故障诊断准确率相比，该方法故障平均识别率可达97.6%,具有一定的有效性。     

小波分析在汽轮机振动故障诊断中的应用研究

针对常见的汽轮发电机组频率突变的振动故障,采用傅立叶变换和小波变换对同一汽轮发电机组振动信号进行傅立叶变换和小波分解。结果表明傅立叶变换无法检测出信号的瞬态变化,只适用于分析平稳信号;而小波分析可以有效的提取信号的瞬态变化特征,能准确的检测出信号的奇异点位置,利用小波分析有利于提取汽轮发电机组振动信号的故障特征。此外,对汽轮发电机组的混合信号进行小波分解,可以将信号有效的分离,为确定故障种类提供了依据。     

基于幅频特性的复值小波构造及其在电力系统信号分析中的应用

提出了基于幅频特性的复值小波函数构造方法及其相应的复值小波变换。该方法构造的复值小波具有频率局部化性能好、提取故障信号特征分量较准确的优点。复值小波变换能准确分辨出信号中所包含的幅值信息和相位信息,因而,适用于电力系统的故障信号的检测。利用基于幅频特性的复值小波变换,对发电机转子部分故障信号进行了分析,显示了基于幅频特性的复值小波变换的电力系统故障信号分析方法,是一种有效的方法。     

基于幅频特性的复值小波构造及其在电力系统信号分析中的应用

提出了基于幅频特性的复值小波函数构造方法及其相应的复值小波变换。该方法构造的复值小波具有频率局部化性能好、提取故障信号特征分量较准确的优点。复值小波变换能准确分辨出信号中所包含的幅值信息和相位信息 ,因而 ,适用于电力系统的故障信号的检测。利用基于幅频特性的复值小波变换 ,对发电机转子部分故障信号进行了分析 ,显示了基于幅频特性的复值小波变换的电力系统故障信号分析方法 ,是一种有效的方法。     

滚动轴承故障信号的数学形态学提取方法

基于非线性数学形态变换的概念设计了形态非抽样小波变换算法,通过构造信号分解算子和结构元素,经过多尺度形态小波分解既能够平滑噪声又提取了信号中的故障特征成分。分别对模拟信号和实验数据进行分析处理,结果均表明该方法对信号冲击特征的提取是有效的。最后通过与包络解调分析方法的对比,说明了形态非抽样小波变换对滚动轴承故障特征的提取效果更明显。由于形态非抽样小波变换算法只涉及加减和取极大、极小运算,运算简单,执行高效,非常适于滚动轴承故障的在线监测和诊断。     

连续小波变换和具有注意力机制的深度残差收缩网络在低压串联电弧故障检测中的应用

当室内配电系统发生串联电弧故障时，电弧燃烧温度可高达数千摄氏度，从而导致电气火灾的发生。而低压配电网中负载类型复杂，利用一般的电流信号时频分析，很难对串联电弧故障进行有效识别。针对这一问题，文章利用深度学习强大的计算机视觉能力，提出了一种基于注意力机制和深度残差收缩网络(attention mechanism and deep residual shrinkage network,Attention-DRSN)的故障检测方法。首先，使用连续小波变换提取电流信号特征信息，并转化为图像特征。其次，对提取到的图像特征进行数据增强和灰度化处理，并利用主成分分析方法(principal component analysis,PCA)对特征图像进行了重构。最后，构建了Attention-DRSN电弧故障检测模型，并采用K-折交叉验证方法对数据集进行划分，验证了所提方法的有效性。实验结果表明，该检测方法对串联电弧故障具有较高的检测精度，平均检测准确率为98.52%，对未来电弧故障检测装置设计具有重要的借鉴意义。     

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。     

基于平稳小波变换的光伏直流串联电弧故障检测

光伏系统直流串联电弧故障具有随机性和隐蔽性的特点,且容易受到外部环境和光伏系统内部噪声的影响,难以检测。利用小波变换提取的电流时频域特征对电弧故障有很好的辨识度,但面临小波基选取的问题。在采集大量电弧故障数据的基础上,通过小波变换分析和对比实验,提出一种针对常用电弧故障特征指标提取的最优小波基选取方法。通过此方法确定bior4.4小波基为提取电弧故障特征的最优小波基,并由此构建基于bior4.4平稳小波变换的时频域特征。通过对比试验发现,基于bior4.4的时频域特征对电弧故障的辨识度明显提高,且表现出对正常噪声信号的抑制作用。为从多角度反映电弧故障特征,补充时域特征,并与时频域特征结合构成电流特征库,利用随机森林算法实现电弧故障的诊断。电弧故障检测准确率达到98.58%,正常信号的误判率仅为0.76%。     

基于小波包变换的电机定子故障特征提取方法

针对感应电机定子故障的特征频率处在低频段,小波分解系数易受电机负荷波动影响的问题, 提出一种采用希尔伯特变换对信号进行预处理,利用小波包分解来实现定子故障特征的提取方法。通过小波包分解,使相应分解子频段能始终覆盖随电机转差率以及供电电源频率变化的故障特征频率。增加小波时域波形的波峰数,减少了子频段间的频域混叠及频谱泄漏现象。对原始信号进行希尔伯特变换的预处理,降低了电机负荷波动对分解系数的影响;采用子频段节点重构系数的均方根值变化率作为故障特征指标。通过对实测故障数据的应用,利用上述方法可以有效地识别出电机的定子故障。